算法的基因组组装方法 提供单位：深圳量旋科技有限公司 量子信息技术应用案例集（2024） 13 一、 应用背景与需求 (一) 行业/应用背景 生物信息学是现代生命科学的核心领域之一，它在理解支撑生 命的复杂生物过程和机制，以及推进医疗保健、农业、环境科学等 方面发挥着至关重要的作用。其中，基因组学研究尤为重要。基因 组是所有生命遗传物质的集合，由 种碱基组成，其 碱基序列信息记录着生命进化的历史。 由于测序技术或测序仪器的内在缺陷，测序读长仍小于基因组 长度，所以除少数基因组较小的 DNA 病毒外，绝大多数基因组仍无 法通过一次测序直接获得全部的序列信息，需要通过高覆盖度测序 和序列组装获得完整的基因组信息。如图 7 所示。 图 7 基因组测序流程 (二) 现状/需求/痛点 自从 20 世纪 70 年代自动化 DNA 测序的发明以来，DNA 技术一直被视为当前最通用的基因组测序技术。但是，二代测序技 术也存在着一些缺点。如读长限制，二代测序平台的读长相对较短， 通常在 75-500 个碱基对。这使得二代测序技术产生的数据量大，需 要的计算资源和存储空间更大。同时，二代测序技术难以解决因为 存在基因重复片段的存在而无法正确进行基因测序的问题。在实际 操作过程中，二代测序技术无法确定重复基因片段的具体位置，从 而导致组装后的基因组长度小于实际的基因组。

自动生成说明 AI 5G IoT 无人机 生物燃料 Electric 车辆 大数据 太阳能光伏 机器人技术 沼气 & 生物量 绿色 氢气 3D 打印 区块链 技术 风能 基因编辑 集中 太阳能发电 1) 一些提及的技术（或密切相关的技术）将在以下子趋势中详细解释。人工智能和机器人技术将作进一步讨论。 第 5.3 章人类与机器 来源贸发会议 ； 罗兰贝格 当今的前沿技术预计将经历可观的 5.1 罗兰贝格 | 25 手指触摸图形 自动生成说明 IoT 集中式太阳能 的价值 创新 区块链 纳米技术 大数据 一个人的头部轮廓 自动生成说明 5G 生物燃料 电动汽车 基因编辑 机器人技术 机器人和人手的握手 自动生成说明 无人机技术 3D 打印 风能 沼气和生物质 • 虽然这可能看起来违反直觉 ， 今天的 AI 创新 ， 比如那些驾驶 自动驾驶汽车或隐喻 提高可再生能源的效率 • 天基太阳能 小型模块化核反应堆 边疆 技术 代表跨多个领域的 进步的融合 域 ， 每个 标志着全球技术能 力和 driving 变革性变革 • 纳米技术 • 生物技 术 • 基因治疗 5.2 前沿技术 工业 4.0 技术 以下部分对选定的前沿进行了深入分析 技术 5.3 人类与机器 绿色和能源技术 其他技术 介绍的前沿技术概述 在下一节中 技术与创新

81 兆易创新 兆易创新科技集团股份有限公司 725.09 先进制造业 144 114 昆仑万维 昆仑万维科技股份有限公司 725.02 新型生活性服务活动 145 未上榜 巨子生物 西安巨子生物基因技术股份有限公司 724.96 先进制造业 146 294 天坛生物 北京天坛生物制品股份有限公司 724.58 先进制造业 147 110 浪潮信息 浪潮电子信息产业股份有限公司 724.03 先进制造业 上海 高测股份 青岛高测科技股份有限公司 先进制造业 青岛 海螺创业 中国海螺创业控股有限公司 节能环保活动 芜湖 海天精工 宁波海天精工股份有限公司 先进制造业 宁波 华大基因 深圳华大基因股份有限公司 现代技术服务与创新创业服务 深圳 华力创通 北京华力创通科技股份有限公司 先进制造业 北京 江海股份 南通江海电容器股份有限公司 先进制造业 南通 京能清洁能源 北京京能清洁能源电力股份有限公司 动力，科技兴农、 科技助农成为现代农业的主旋律。 1.AI 赋能农业，提高农业生产效率 隆平高科赋予人工智能 ET 强大的基因大数据分析能力，对海量基因数据特征维度和离散值建 模，深度挖掘作物基因组 - 土壤 - 环境 - 表型的关系，选择理想表型对应的模拟基因组，大幅提升 育种效率。ET 则能够帮助研究人员评估育种决策，并预测哪一个杂交品种将在试验第一年表现出 最佳性能。 一 091

合作开展“SWITCHON”研究项目，旨在 利用量子模拟方法来研究铁电纳米材料，并研究该材料在下一代电 子设备中的使用，以此来提高电子设备的性能并降低功耗127。量旋 科技提出一种基于分布式 VQE 算法的基因组组装方法，以解决二 代测序技术在处理重复基因序列和巨大计算需求时的挑战128。丰田 北美研究所（TRINA）与量子计算公司 Xanadu 启动新项目，致力 于利用量子计算推进材料科学模拟，具体包括改进复杂材料的设计、

融及科研教育为集中落地领域 来源：艾瑞咨询研究院自主研究绘制。（月份数据包含大模型迭代信息，其余图展示存量信息） 2017年起，国内互联网巨头厂商相继投身预训练大模型的产品研发，百度、华为等产业基因强的巨头厂商已在2022年左右发布过行 业大模型矩阵，探索金融、制造、能源、媒体等场景落地。2022年末，ChatGPT掀起生成式AI浪潮，预训练大模型再度成为AI产业 焦点。2023年，“大模型热 2018 2019 2020 2021 2022 2023 2024e 2025e 2026e 2027e 2028e 健康保险（亿元） 健康体检（亿元） 互联网医疗（亿元） 商业养老（亿元） 基因检测（亿元） 聚焦整体健康管理范畴，随着健康观念的提升、人均医疗保健消费支出的增加，以及人口老龄化和慢性病患病率上升等多重因素的 推动，中国健康管理市场呈现平稳增长趋势，预计到2023年市场规模将 2018-2028年中国健康管理市场规模 （2023-2028） CAGR：12.5% 健康保险 56.8% 健康体检 16.8% 互联网医疗 19.4% 商业养老 5.3% 基因检测 1.7% 60 ©2025.2 iResearch Inc.

2024年最新推出的NVL72 AI整机柜服务器产品方案则代表着未来一段时间内AI加速服务器集群的基础物理单元 形态。 一、 高性能计算场景需求 高性能计算（HPC）在超算中心、大学高校、科学研究、工程模拟、气象海洋、基因测序、能源及材料等领 域有着广泛的应用，起着至关重要的作用。以济南超算中心为例，典型的业务场景包括天气预报与气候预测、海 洋环境模拟分析、信息安全、电磁仿真、工程计算、金融大数据分析、新材料和新能源分析等，承载了1000余家 HPC系统多达上万个计算节点，这些节点需要紧 密协同精确调度才能完成复杂的计算任务。高带宽、低时延的网络是计算任务高效执行的关键要素，像流体力学、 电磁仿真、汽车碰撞等场景对网络时延要求极高，而基因测序、气象预报等场景同样需要较高的网络带宽和一定 的时延要求。因而高密部署的计算集群和集成高效算力芯片（高主频多核CPU和支持FP64的GPU）的计算节点是HPC 系统的关键需求，对于处理复杂的科学计算任务至关重要。 ，服务器节点也开始多元演化。而随着计算性能的要求越来越高， 第 42 页, 共 63 页 液冷散热方案的应用越来越普及，进一步丰富了服务器节点的形态。 大模型训练、科学计算、基因测序、自动驾驶等领域的发展，对服务器节点的性能提出了更高要求，未来 服务器节点将向更高计算性能、更低时延、更强扩展性方向发展。 人工智能尤其是生成式AI的快速发展，要求服务器节点具备更强大的算力和更高的安全性，GPU、FPGA等异

聚合智能算力资源，结合智算服务及生 态，为企业人工智能业务提供专业服务 建设 目标 搭载CPU芯片的通用计算服 务器 服务特定场景的超算服务器为主 搭载GPU芯片为主的AI服务器 核心 设施 企业综合业务场景 气象预测、基因测序、工业仿真、芯片 设计 …… 模型训练、模型推理、图像渲染、 金融量化、医药开发、自动驾驶…… 应用 领域 基础云厂商 智能算力中心主要建设者 运营商 ICT厂商 AI厂商 …… 智能算力中心概念及主要建设者

据服务 安科瑞产品生态图 云 端 边 公司发展历程 2021 年 微电网研究 院投入使用 u 公司以用户端智能电力仪表为基因，经历两次转型，逐渐形成软件 + 硬件的用户侧微电网综合能效管理解决方案商。 1. 第一阶段（ 2003-2015 年）：公司与 2003 年成立，成立后专注于用户端智能电力仪表产品开发，此阶段以硬件电表销售为主。

例如，制药企业英矽智能（Insilico Medicine） 利用生成式 AI 技术，将一款药物从研发到 I 期临床 试验的时间缩短至 30 个月以内，仅为通常时间的一 半。 11 英矽智能团队基因组学和临床数据对模型进行 微调，识别药物靶点，并使用由 500 个预测和预训 练模型组成的生成化学引擎开发药物组合。对英矽智 能来说，AI 是核心驱动力，彻底重塑了制药行业的 研发模式。 认知数字大脑深入各个层面，开启新纪元 味着竞争对手有机会快速跟进，新生的颠覆者们有机会迅 猛崛起。 技术展望 2025 | AI 自主宣言 13 每一家企业都应做好准备，打造以AI为 核心的新技术布局。AI是企业步入未来技 术格局的重要基因，能让企业实现差异化。 二进制大爆炸，是企业打好基础的契机。机 遇转瞬即逝，您所在的企业将如何立足当下， 把握机遇？ 二进制大爆炸 第二，抽象性。如果说速度与效率的提升扩大了技 术的应用边界，那么抽象性则使得技术能够为更多人所

Inclavare Containers，能够无缝 地运行用户制作的机密容器镜像，并保持与普通容器相同的使用体感。ACK-TEE 可被广泛应用于各种隐私计算 的场景，包括：区块链、安全多方计算、密钥管理、基因计算、金融安全、AI、数据租赁。 Enclave-CC: 进程级机密容器 项目位置链接 https://github.com/confidential-containers/enclave-cc