据，开展产品制造全要素 仿真优化； d) 应实现工艺设计与产品 设计之间的信息交互、并 行协同 ； e) 适用时，应建设工艺技术 系统和工艺知识库，结合 原料物性表征、工艺机理 分析、过程建模和工艺集 成等技术，开展过程工艺 设计与流程全局优化 a) 应基于工艺知识库实现 工艺流程、工序内容、工 艺资源等知识的编排与 调用，为工艺规划与设 计提供决策支持； b) 应基于工艺设计、生产、 检验等系统的集成，支 持工艺信息下发、执行、 反馈、监控的闭环管控， 实现工艺设计与制造 协同： c) 应用工艺仿真软件和工 艺知识库，基于机理、物 性表征和数据分析技 术，建立加工、检测、装 配、物流等工艺模型，进 行工艺全过程仿真，预 测加工缺陷并改进工艺 方案和参数 GB/T 43439—2023 二 表 下发到数字化设备； b) 应具备构建模型实现全 流程生产作业数据的在 线分析，优化生产工序工 艺参数、设备参数、产能 产量、生产资源配置等； c) 适用时，应基于先进过程 控制系统，融合工艺机理 分析、多尺度物性表征和 建模、实时优化和预测控 制等技术，实现精准、实 时和闭环的过程控制； d) 适用时，应用模块化、成 组和产线重构等技术，搭 建柔性可重构产线，根据

有效施展虚拟筛选和计算建模技术，设计出与目标 蛋白质完全吻合的新分子，以满足农户的农艺需求以及对人员、环境安全的期望。目 前，拜耳正运用 CropKey 方法完善研发管线中的全部应用领域，所拥有的新作用机理 数量已突破十年前的三倍，持续为作物保护领域带来突破性创新。利用 CropKey 系统， 拜耳成功开发了一种名为 Icafolin（异噁呋酰草胺）的新除草化学分子，预计将于 2028 年在巴西推出，这将是其 研发难度，在前期开发的过程中需要投入大量的研发费用并经历漫长的研发周期，因此利 用数字化与智能化技术提升新材料研发效率也是近年来政策层面鼓励的发展方向之一。  《“十四五”原材料工业发展规划》指出“鼓励企业开发应用基于数据驱动、机理模 型、经验模型、仿真模型的先进工艺控制系统，优化生产作业设备运行参数。建立面 向原料进料、反应过程、冶炼过程、质量控制、污染物排放、能源消耗等重点环节的 实时监控、异常工况预警、全流程动态调度、智能处置。构建面向主要生产场景、工 平台，实现对研发、生产、经营、运维等全流程数据集中管理。鼓励有条件的 企业应用 5G 等新一代信息技术对网络进行升级，建设泛在感知互联的工厂运 行环境。 提高生产智能化水平：鼓励企业开发应用基于数据驱动、机理模型、经验模型、 仿真模型的先进工艺控制系统，优化生产作业设备运行参数。建立面向原料进 料、反应过程、冶炼过程、质量控制、污染物排放、能源消耗等重点环节的实 时监控、异常工况预警、全流程动态调度、智能处置。构建面向主要生产场景、

第九届未来网络发展大会白皮书 服务生成算力网络白皮书 17 要对故障根因进行分析，快速准确地定位出故障节点，并能够提供解 决意见或方案。此外，服务生成算力网络还需要对业务承载、系统运 行、故障分析等功能背后的机理进行认知，在解决问题的过程中将相 关的规律、法则、策略等凝练为可复用的知识，从而支撑算网进行推 理分析、闭环决策、自治运行等。 3）自主决策：知识定义的自主决策 在服务生成算力网络中，将复杂多元的计算任务分派并调度到最 对算网资源特征抽象，并进一步描述抽象后的信息，实现模型表达， 校验、编排后构建模型，可实现算网资源与孪生空间中的数字虚体精 准映射，支撑孪生的管理。 数字孪生体系中的仿真作为一种在线数字仿真技术,将包含了确 定性规律和完整机理的模型转化成软件的方式来模拟物理世界。只要 模型正确，并拥有了完整的输入信息和环境数据，就可以基本正确地 反映物理世界的特性和参数，验证和确认对物理世界或问题理解的正 确性和有效性。从仿真的视角，数字孪生技术中的仿真属于一种在线

管理模式已难以满足 需求，尤其超节点通信域及新型交换设备的引入，进一步加剧了系统运维管理与故障排查的复杂性。 故障主动预防与恢复能力是超节点系统运维的关键能力。 一、故障主动预防，集成多种故障机理模型与预测算法，构建智能化故障预防体系。通过对器件 运行数据的挖掘与趋势分析，系统能够提前感知器件的亚健康状态，预判潜在故障风险。针对可能 出现的性能下降、连接异常等问题，系统可主动触发预防性维护措施，有效避免因核心器件失效导

目前，AI平台主要在临床前阶段发挥效用。礼来研究院论文统计显示，一款新药的研发成本需要8.7亿美元，其中临床前研发 成本占整体药物研发成本的30%左右，药物研发的效率提升面临挑战。其中，临床前包括疾病机理研究、靶点发现、化合物筛 选、ADMET预测等多个环节。通过海量药化数据库针对特定靶点药物进行设计、合成和优化相对较为成熟。靶点发现场景有 巨大的市场想象空间，但较少AI企业拥有新靶点和验证能力，技术上面临更多挑战。

制药：AI在新药研发各阶段、多疾病领域广泛应用 资料来源：Deep Pharma Intelligence，西南证券整理 45  目前，AI平台主要在临床前阶段发挥效用。其中，临床前包括疾病机理研究、靶点发现、化合物筛选、ADMET预测等多个环 节。通过海量药化数据库针对特定靶点药物进行设计、合成和优化相对较为成熟。靶点发现场景有巨大的市场想象空间，但较 少AI企业拥有新靶点和验证能力，技术上面临更多挑战。

重要的角色。现代社会人与人之间的信息交换大多依赖于传统互联网 平台。然而随着科技的发展，传统的信息安全和计算能力正在面临着 以量子计算机为代表的新一代量子科技带来的巨大挑战，同时也是巨 大的机遇。挑战来自于强大的量子计算机理论上可以攻破目前的公有 密钥加密体系，严重威胁现代社会的信息安全。机遇是因为量子计算 机的诞生可以大幅度提升算力，解决一些传统计算机无法有效计算的 问题。幸运的是我们还可以发展量子通信来实现安全通信。而这一系

第二，更智能的模型算法。通用人工智能的模型与算法是什么样的？对于这个问题，仁者见仁 智者见智。但不可否认的是，物理世界中真实的智能（如人的智能）既是重要的目标，也将会带来 巨大的启示。若能对智能的过程实现深刻洞察，对智能的机理进行全面的解析，必将能为人工智能 带来全新的模型与算法突破，使之如人的智能一般高效、可信、灵活、全面。因而，向物理世界中 最复杂的智能系统——脑智能——学习，也可能是未来的重要“奇点”。 戴琼海 式革命。从“AI 协同诊疗”到“设计即制造”，从 “超个性化金融”到“智慧能源网络”，我们看到的不是一个简单的“+AI”过程，而是一场深刻 的“AI 原生”化重构。其核心在于，智能体能够深入行业机理，将海量数据、专业知识与物理模型 郑志明 深度融合，形成具有感知、分析、决策和行动能力的行业级“大脑”与“神经系统”，从而极大提 升产业运行的效率、韧性与创新活力。这种赋能是一个复杂的系统性问题，需要技术专家与领域专

五、成效循环跃升，绩效评估良性循环 15 资本市场数字化趋势相关思考： 技术跃迁与场景裂变 随着互联网技术的发展、资本市场经营和风控等需 求的驱动，资本市场数字化发展迅速。从生态学角度来 看，资本市场是一个内涵丰富、机理复杂的生态系统， 包含上市公司、投资者、产品体系、行业各机构等要素， 如图 1 所示。与之类比，资本市场数字化生态可定义为 资本市场各主体要素以数字技术为依托，基于数据生 产、流通、使用等全流程所构成的数字化运作体系。