2025.01 时 间 资料来源：中文大模型基准测评 2024 年度报告 (2025.01.08) 深化期 ·OpenAI 发 布 0 1 , 强 化 学 习 新 范 式 ， 实现推理等复杂能力上的重大突破。 Claude3.5-Sonnet 发 布 ，在 代 码 和 Agent 能力上掀起效率革命。 · ChatGPT 模型的高性能部署， 目前大多数方案都采 用了牺牲模型推理速度 的策略。使用 CPU+GPU 混合推理的方式，将一部分推理计算转移到 CPU 上，降低 GPU 的负载。由于 CPU 并不适合深度学习计 算， 导致模型整体推理速度较慢。 智慧芽 方案 测试场景 硬件配置 资源占用 对话效果 (tokens/s) KTransformer 单并发测试 志强 3 代 CPU+4090GPU+D 动力学 (PK) 验证 (2021-2022 年 ) 。 o I 期临床试验： 72023 年启动，评估健康受试者中的生物等效性及缓释特性 (NCT0587XXXX) 。 6 II/I 期 计 划 ：预计 2025 年完成 HFrEF 患者的疗效与安全性验证。 ● 企业动态： ● 诺华：主导缓释片开发，已公开部分工艺专利 ( 如 WO2022123456A1) 。 ○ 仿制药企：印度太阳制药

对AI教育的思考：如何培养AI专业人才和AI赋能人才  培养什么人 1. 思维能力：批判思维、独立思维、逻辑思维 2. 学习能力：终身学习，善用AI 3. 热爱人类  如何培养人 1. 赋能：个性化学习，学本教育，因人育材，未来学校  学习的定位是一种思维训练，知识、写作、记忆力等只是训练工具  终身学习的方式可能从知识搜索转向了古老的对话式学习 2. 让人学会与AI共舞，尤其是生成式AI将成为人的必备技能 我们的AI教育实践：青鸟AI实验室 解决学校的三大需求 人工智能专业（群）建设 • 人才培养方案优化 • 实训设备建设 • 教学资源库建设 • 教学数字化 • 学情数据诊断 • 教师队伍建设 • 实训项目建设 科研创新 • AI实验室建设 • 专业垂类大模型训练 • 教学创新大赛 • AI相关课题转化 • AI+学科教材共研 借助先进的多模态技术，用户通过 文字，图片、语音等进行深度交互， 迅速提炼关键知识点。适配多元化 学习需求，汇聚业界精英教师与学 习同伴，共同打造高效、便捷的学 习新体验。 能够根据讲师的具体教学场景，生 成量身定制的教案、课件及试题， 精准对接教学目标。大幅提升教学 准备效率，助力讲师更好地达成教 学效果。 各院校可以基于自身数据进行LoRA 模型的定制化训练，精准适配科研 课题及教学需求。院校能够构建个

是指使用大量文本数据训练的深度学习模型，可以用于生成自然语言文本或理解语言文本的含义。  大语言模型可以处理多种自然语言任务，基于大语言模型开发的ChatGPT或能够为用户提供信息系统入口/界面，同时可以管理计 算资源并支撑应用开发。 ChatGPT作为一种大语言模型，可以成为信息系统入口的界面 桌面和移动应用 资料来源：《AIGC: 智能创作时代》，增长黑盒，中国工程院，西南证券整理 操作系统 11 AI促进医疗器械创新，降本增效成果显著  医疗诊断需要仔细分析复杂而常常相互 矛盾的病人信息，以得出准确的结果。  借助人工智能支持的医疗技术，可以快 速处理数以百万计的数据点，从而识别 信息中原本模糊不清的模式。  这有助于消除人为的错误，减少不必要 的大量测试，并提高医疗诊断的精度和 效率。 模式检测和认证的改进 检测罕见或健康异常状况能力的提高 糖网病变/青光眼/黄斑病变 13 安必平: AI 辅助诊断产品+宫颈液基细胞学数据库建设 主营业务板块及核心技术实现 资料来源：安必平2022年年报 ，西南证券整理 公司主要从事体外诊断试剂和仪器的研发、生产和销售，是一家具有自主研发和创新能力的高新技术企业。公司建立体外诊断的三 大技术平台，即细胞学诊断、分子诊断和免疫诊断，较为完整地覆盖从细胞形态到蛋白表达、基因检测等不同诊断层次的临床需求

复杂疾病抗药性、创新药检验检测等复杂领域有广泛的应用。2023 年，AI 药企 Neumora Therapeutics 以 2.5 亿美元募资总额登陆纳斯达克，旗下有整合基因组学、蛋白质组学、 脑电图、成像、数字化和临床测量等多源数据，以及人工智能、机器学习和生物信息学 等分析手段，打造出的神经科学数据平台——Data Biopsy Signatures 和 Precision Phenotypes。Neumora 幅提升影像诊断的精准性和效率 603882.SH 金域医学 AI 团队已在专业意图分析、单项报告解读、综合报告解读等下游任务上 与行业专家深度联动，利用 DeepSeek 系列模型深度推理能力整合多组学 信息，提升大语言模型在千人千面的个性化临床咨询场景中的逻辑性和可 解释性 688289.SH 圣湘生物 自研平台“传染病数智化系统”宣布正式接入 DeepSeek-R1 模型，进一 步增强数智化系统检索和数据挖掘能力 废院区”等多个领域展开深度合作 300760.SZ 迈瑞医疗 迈瑞医疗开发了 AI 驱动的医疗设备，如智能监护仪和超声设备 002223.SZ 鱼跃医疗 鱼跃医疗推出了 AI 智能血压计和血糖仪，提供个性化健康建议。 002415.SZ 海康威视 海康威视在医疗领域推出了 AI 影像分析系统，用于辅助诊断。 603108.SH 润达医疗 润达医疗在病理 AI 领域取得进展，与华为合作开发了

的生态闭环，不仅重构了医疗工作流，更催生了 六大核心应用方向的爆发：  AI 医学影像辅助诊断：进入发展快车道，辅助诊断为主。包括AI超声诊断、病理学AI等影像学辅助诊，涉及到图像处理、勾勒病灶大小、特 征识别、诊断建议。影像学AI辅助诊断商业化落地快，应用场景明确，院端需求较大。数据获取成本较高，行业正在探索AI收费模式。相关 标的：联影医疗、理邦仪器、万东医疗、一脉阳光、祥生医疗、兰卫医 医疗、乐心医疗、三诺生物。  AI 制药：缩短药物研发周期，助力靶点发现及临床疗效预测。1）逐渐完善的行业拼图，行业玩家逐渐增加；2）AI在多疾病领域广泛应用 ，肿瘤（37%）、免疫学（21%）及神经病学（14%）领域占比最大；3）AI可参与药物开发过程多个阶段。其中涉及AI虚拟筛选、药物发 现、优化药物结构、临床试验优化、建立疾病风险模型、肿瘤精准治疗等。商业化落地中等，仍处于临床早期阶段，数据获取成本高，依赖 DeepSeek-V3系统通过语义解析电子病历和影像特征智能比对，显著提升了呼吸系统疾病的诊断准确率。此外，DeepSeek- R1模型在乳腺癌新辅助化疗方案优化中，通过整合全外显子测序数据和影像组学特征，生成个体化用药敏感性预测模型，显著 提高了病理完全缓解率  DEEPSEEK通过多模型技术融合，在医疗领域展现出显著的应用潜力。其核心技术依托于深度学习和自然语言处理，致力于开 发高效的智

学习辅导能力不足： 72% 的家长遇到“ 四年级 数学题不会做 ”的窘境 。 亲子冲突频发： 65% 的家庭因辅导作业问题 爆 发亲子冲突 。 家长焦虑情绪普遍： 80% 的家长对孩子的学 业 表现感到焦虑， 60% 的家长时刻担忧孩子 出现 意外 。 杠杆点：教育需求的演进 从标准化教学到个性化培养 时间精力不足 教育能力 有限 当代家 父母分工：父亲负责运动技能，母亲管理学习。 外部交互 家校协同（作业反馈机制） 、社会影响（短视频对注意力的冲击） 。 特点维度 技术支撑与实现方式 典型应用场景 解决的核心问题 个性化学习路径 机器学习算法分析学 习数据， 动态调整难 度 数学分步拆解 、作 文智能润色 传统教育“一刀切 ” 模式与个体差异不 匹配 实时反馈与迭代 自动化评估系统 + 即 时纠错机制 作业进度跟踪 制定合理的 使 用时间和学习目标 。 家长首先需要了解这 些工具 “ 会做什么 ” 和 “ 不能做什么 ” 。 第三步 ： 观 察学习 效果 并调 整策略 第二步 ： 与 孩子共建学 习规则 关注情感 需求与全 面成长 A I 四能教育 以 AI 为基础， 旨在帮助人们从低 能 到高能 、单能到多能 、多能到超 能 、 超能到异能的教育模式 ③ 多 能 到 超

分析学生的知识掌握情况， 帮助教师实时生成个性化的教学方案，确保每个学生都能享受量身定制的学习体验。医疗行业将不 再局限于“治病救人”，而是完全融入一个由 AI、数字行为建模、远程医疗和合成生物学等前沿技 术驱动的全球健康生态系统。 这份报告客观阐述了 AI 和 ICT 技术融合将如何推动变革，造福人类和社会。 Joseph Sifakis 序言 为实现上述愿景，我们仍面临诸多超越 智能的发展也是伴随着 算力的不断提升。但是，线性提升的算力如何带来智能水平的跨越式突破呢？这个问题似乎很难回 答。真正的突破口可能是算力的革命性飞跃，例如较现有的芯片实现数个数量级的效率提升。光计 算、量子计算、存算一体等新的范式的不断成熟，就如同通信从电缆升级到光缆，将有望变革智能 的“物质基础”。因而，将带来算力革命性提升的新型芯片，可能是人工智能的关键“奇点”。 当然，迈向通用人工 格的设计，以确保数 据完整性并防范恶意利用。唯有嵌入这些原则，才能在未来的智能世界中更好地捍卫人类的尊严。 在协作过程中，位于东西方交汇处的香港，已成为创新、人才与伦理讨论的中心。香港科技大 学的使命是增进知识、培养创造力和服务社会，这与智能世界 2035 的愿景完美契合。我们将携手 华为、学术界同仁和行业先锋，共同谱写发展新篇章。我们将以科技之力守护地球家园，激发经济 活力，促进人类繁荣。

Santana Li 主席兼⾸席执⾏官 Kn ightscope 公司 Aleksandra Faust 研 究主管 Google Deep Mind Ingmar Posner 应⽤ ⼈⼯智能教授 ⽜津⼤ 学⼯程学系 3 2024年12⽉ Citi GPS：全球展望与解决⽅案 AI机器⼈的崛起 物理⼈⼯智能即将到来 我们正在进⼊⼀个新时代，⼈⼯智能机器⼈和⼈形机器⼈将在我们周围移动。我们的分析 表明 器⼈将为⼈们提供机器⼈清洁⼯、管家、司机、助⼿和护理⼈员等服务 通过分析这些动因，本报告分为3个主要部分： 1 技术-我们在第1章突出了9个变⾰。其中最重要的变⾰来⾃⼈⼯智能的进步，使 机器⼈可以看、学、动、说话、将指令转化为代码然后执⾏。最近才有了多模 式⼈⼯智能使所有这些元素相互配合。⼈⼯智能逐渐具有具体形体和物理⾝体 。在此过程中，灵巧性也在不断提升。⼀些机器⼈现在能穿针引线或缝合⽟⽶ 粒。机器⼈正在由理论⾛向现实，由⽆⽤变得有⽤ 我们预测到2035年时，将有13亿台AI机器⼈在我们周围移动，到2050年将达到40亿台。这其中的三个主要推动因素将是技术、经济和改善。以下是⼀些关于机器⼈崛 起的数字。 机器人单位数量（以百万计）按类型预测 来源：花旗经济研究部 2024 2025 2030 2035 2050 CAGR ⾃动驾驶汽⻋ 27 34 126 380 1,858 17.4% 国内清洁机器⼈ 286 326 541

2.1 AI 技术驱动治疗靶点发现，增加靶点新颖性 ....................................................... 10 2.1.1 系统生物学方法 ................................................................................................ 11 ................................................................................... 10 表 5 已有系统生物学平台/系统/方法 ..................................................................................... 11 表 广泛采用。数据、算法和算力 被认为是 AI 的三大支柱，持续推动 AI 领域的发展。机器学习是 AI 的一种类型，计算机 可以自己学习，识别模式然后建立模型，并根据这些模型进行预测;深度学习则是机器学 习的一种进阶类型。AI 算法可以按照不同的分类标准进行类型划分，例如按照模型训练 方式的差异可以分为监督学习、无监督学习，以及强化学习，按照模型预测任务的不同 可分为分类算法(包括二分类和多分类)