业化，平均研发周期长达 10 - 15 年，研发投入高达数亿元。 实验数据分散于各类科研机构 、高校以及企业内部， 缺乏统 一的整合与共享机制， 导致大量重复实验， 严重浪费了宝 贵 的科研资源，降低了研发效率。以某新型合金材料研发为 例， 由于不同团队之间数据无法有效共享， 重复进行了超 过 30% 的相似实验， 使得研发周期延长了 2 - 3 年 。模拟计 算数据方面， 由于缺乏统一标准， 由于缺乏统一标准， 不同计算方法和软件得 出 的结果差异较大， 数据的准确性和可靠性难以保障， 无 法为 实验提供精准的理论指导。 在产业应用层面 ，新材料从实验室走向市场的转化之路困 难 重重 。科研机构与企业之间信息沟通不畅， 科研成果往 往未 能充分考虑市场实际需求， 导致大量具有潜在价值的 新材料 成果被束之高阁， 无法实现产业化 。相关研究表 明， 我国新 材料领域的科研成果转化率仅为 产需求脱节， 影响了电 池的生产进度和质量。 1.2 可信数据空间对新材料产业的重要意义 可信数据空间为破解新材料产业发展困境提供了创新性的 解决方案， 具有不可估量的重要价值 。它能够对实验数 据、 模拟计算数据 、产业应用数据等各类数据进行全面整合， 通 过制定统一的数据标准和规范， 打破数据孤岛， 实现数 据的 无障碍流通与高效共享 。这为新材料研发提供了丰富 、全面

与机器人技术融合后，从分子模拟到材料基因组学的全链条效率将被重新定义， 既能降低传统材料成本，又能缩短新材料研发周期。面对化工新材料研发的“多尺度复杂性” 与“实验验证滞后”痛点，AI 通过跨尺度建模、分子动力学加速等方案实现突破。在生产流 程中，AI 结合高通量机器人实验优化生产，降低损耗与故障率。但 AI 也在瓦解传统技术壁 垒，“白痴指数”高的材料受冲击大。化工企业需加强 AI 研发、引进人才、推动数字化转型， 05 2、《石油石化：2025：大化工大有可为—— 大化工行业 2025 年度投资策略》2024.12.18 扫码查看更多 ➢ AI+机器人重构化工研发范式：从实验室到工业化的效率革命 我们认为 AI+机器人大概率将带来化工行业的效率革命，尤其是类似 Deepseek 这样的顶尖 AI 工具的广泛应用，或驱动化工行业的研发和生产流程发生数量级层面的跃迁，在不久的将 合，化工研发大概率将经历一场范式革命——从分子模拟到高通量实验，再到材料基因组学， 全链条效率被重新定义，不但可能大幅降低传统材料的生产成本，也很可能使得新材料研发 周期大幅缩短。化工企业应当充分认识到：当前的产品壁垒已经不是壁垒，当前的产品利润 随时面临挑战。 ➢ 新材料预测的挑战与 AI 的破局方案：数据+算法的双重赋能 我们认为：化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点。类似 Deepseek

可提高研发效率，对实验数据建模，并使用该模型对反应条件进行优化和筛选催化剂等，加速研发进程；还可用于分子设计，并在 分子性能预测的基础上，提前筛选出合适的化学物质。 尤其是在合成生物学领域， AI 已在元件工程、基因线路、代谢工程、基因组工程中广泛应用，大幅提升合成生物学的各环节效率。基于 AI 的研发 平 台，可预测蛋白质结构，进而构造具有目标功能的物质。另一方面， AI 也促进了实验室自动化 也促进了实验室自动化，对传统劳动密集型实验室进行技术革命。其中 微流 控技术，具有高灵敏度、高集成、高通量、高效率等多种优势，对合成生物学的研发和应用起到了巨大作用，加速合成生物学行业发展。 u AI 优化化工设计和建设 AI 使工业领域落地周期逐步缩短。管道设计软件及流体力学仿真软件是设计研究和生产部门强有力的辅助工具，有效提高设计生产效率；一体化工 程设计软件推动卓越运营和智能制造，助力化工企业实现 开发 投入 市场 制造 发现 系统设 计集成 热力学法则 实验 7 4 3 5 6 1 2 人工智能指导 材料研发过程 人工智能有助于开发高性能材料、 识别关键点并获得新的科学规律 ，促进化学信息学的发展。 化学信息学可用来对反应条 件进 行优化和筛选催化剂等 ，这主要是通过对实验数据进行建模 ，然后使用该预测模型实现对实验工作的指导； 可用于分子模拟 和 分子设计 ， 并在分子性能预测的基础上

交互性 智能化 网络化 虚拟化 未来教室 案例：南方科技大学附属实验学校 信息化应用环境建设 自带设备学习 （ BYOD ） 新技术全学科运用 我们以云计算为基础，在语文、数学、英语、音乐、美术、科学等 学科中开展基于移动终端的云学习，并借助无线互联网和智能移动 终端，进行教学创新，以期探索出具有南方科技大学实验学校特质 的信息化教与学模式。 配备 PAD 移动终端（板书、分 享、评价、展示） STEAM 学习实验室 STEM 学习实验室2 充分激活学生潜能与创意，促进数字技术和 个人制造的有效融合，让学生有更多的实践动手 的机会，我们高标准建设“ STEM 创新学习实验 室” ，让学生在实践操作中开展创客式学习，培 养学生创新能力。  S 学习实验室 （ 科学 Science ）  T 学习实验室 （ 技术 Technology ）  E 学习实验室 （工程 Engineering Engineering ）  A 学习实验室 （艺术 Arts ）  M 学习实验室（ 数学 Mathematics ） 正在建设中…… + Learning Laboratory Learning environment 变换学习 组织形式 （桌椅文化） 根据教学内容和学生学习需求，适时调整变换教学 组织形式，提升学习效率。如，扇形、马蹄形、半圆 形、圆形等座位排序，便于学生讨论交流，缩短师生、

.................................................................................. 16 图 14 晶型预测与实验研究时间流程对比 .......................................................................... 16 图 15 逆向合成流程概述 。平均而 言，药物开发需要 2 亿美元的投资，需要 10-15 年才能完成开发创新药物的整个过程， 从研发到营销。AI 制药是以医药大数据为基础，通过运用机器学习、深度学习等 AI 技术 替代大量实验，对药物结构、功效等进行快速分析，以优化药物研发环节的技术手段。 从初期计算机辅助药物设计，发展到如今的人工智能药物研发，AI 几乎参与了从药物靶 点发现到临床试验的全流程。 AI 制药技术发展历史： 员会等 9 部门 《“十四五"医 药工业发展规 划》  探索人工智能、云计算、大数据等技术在研发领域的应用，通过对生 物学数据挖掘分析、模拟计算，提升新靶点和新药物的发现效率。  在实验动物模型构建、药物设计、药理药效研究、临床试验、数据分 析等环节加强信息技术应用,缩短研发周期,降低研发成本。 2022.05 国家发展改革委 《“十四五"生 物经济发展规 划》 

亿个分子进行筛选，缩小实际需要合成和筛选的分子数量范围，在2-3年内仅需合成及测试数百个分子；可以定制生成数百个苗头分子，探 索未知分子，提高药物研发的创新性；能够通过计算机模拟的方式减少需要实验室验证的分子数量，节约验证和测试时间。 ◼ AI研发的药物逐步进入临床阶段，且药物类型多样。尽管当前暂时没有利用AI制药技术研发的药物成功获批上市，但通过公开的数据库检索， 2015年-2023 图：全球人工智能解决方案市场规模 图：人工智能三要素 资料来源：晶泰控股招股书，国信证券经济研究所整理 资料来源：药智局，国信证券经济研究所整理 人工智能三要素 算力 算法 数据 CPU 机器学习 实验数据 GPU 深度学习 开源数据 FPGA 自然语言 处理 生成数据 ...... 其他 公开信息 数据 请务必阅读正文之后的免责声明及其项下所有内容 医疗保健板块是人工智能应用最大的领域 2-3年内仅需合成及测试数百个分子。 ② 传统筛选方式仅针对有限的分子库对特定的靶点进 行分子筛选，而AI制药可以定制生成数百个苗头分子， 探索未知分子，提高药物研发的创新性。 ③ 传统人工方法需要在实验室通过反复实验进行验证 和优化，AI制药能够通过计算机模拟的方式减少需要实 验室验证的分子数量，节约验证和测试时间。 请务必阅读正文之后的免责声明及其项下所有内容 图：AI制药开发药物的类型 数据来源：Kp

085 1.1 天文学与天体物理学领域 Top 10 热点前沿发展态势 085 1.2 重点热点前沿⸺“基于超新星光变曲线数据约束宇宙学参数” 086 1.3 重点热点前沿⸺“通过直接探测实验寻找低质量暗物质候选粒子” 089 数学 1. 热点前沿及重点热点前沿解读 095 1.1 数学领域 Top 10 热点前沿发展态势 095 1.2 重点热点前沿⸺“现代机器学习中的双降曲线与泛化现象研究” 其工作具有重大的意义。 为此，科睿唯安发布了“研究前沿”（Research Fronts）数据和报告。定义一个被称作研究前沿的专 业领域的方法，源自于科学研究之间存在的某种特定 的共性。这种共性可能来自于实验数据，也可能来自 于研究方法，或者概念和假设，并反映在研究人员在 论文中引用其他同行的工作这一学术行为之中。 通过持续跟踪全球最重要的科研学术论文，研究 分析论文被引用的模式和聚类，特别是成簇的高被引 布拉干萨理工大学 葡萄牙 2 7.7% 7 伊朗 1 3.8% 8 波尔图大学 葡萄牙 2 7.7% 8 庆熙大学 韩国 2 7.7% 8 伊斯坦布尔科技大学 土耳其 2 7.7% 8 阿贡国家实验室 美国 2 7.7% 8 芝加哥大学 美国 2 7.7% 8 内布拉斯加大学林肯分校 美国 2 7.7% 从核心论文产出国家和机构来看（表 10），中国 是核心论文的最大贡献国，共有 19

厦门大学 林子雨 副教授 国 内 高 校 大 数 据 教 学 的 重 要 贡 献 者 团队负责人 ：林子雨 副教授 年轻力量： 核心成员全部 46 周岁以下 结构合理： 教学型、 科研型、 实验工程师 专注专业： 从 2013 年至今 ， 11 年专注于大数据教学 团队特点： 眼光前瞻、 紧跟技术、 创新实干、 执行力 强 影响力高： 多项指标在国内高校大数据教学领域领 先 • 教材数量 提供语法检查、参考文献自动生成等功能 ， 极大提高写作效率 文本创作与智能办公场景 实现高效语言生成、 辅助写作、 智能纠错 和摘要生成、多种语言实时互译 文本分析 可快速提炼论文创新点、方法及实验结果 数学推理 能够解答高等数学、 概率统计、 线性代数 等复杂问题 ，提供解题思路与引导式问题 编程助手 支持 10 余种编程语言的代码创作与问题诊 断 2025 年 ，近期将面向全校师生开放试用 同时 ， 将根据学校各学科具体需求与硬件条件 ， 以具体化、 针对性、 私有化、 学科专用或实验室专用的方式将进一 步 将 70B 、 32B 、 14B 、 8B 、 7B 等不同版本的 DeepSeek-R1 大模型部署到学科内部 ，并接入本地知识库（如 学术资源、 课程资源、 实验数据等） ， 后期学校将根据具体需求及资源占用情况提供差异化服务 ， 构建 “ A I + 学科 ”垂直领域解

种，终端客户超4000家。在全国布局了40家连锁化实验室，服务网络覆盖全 国90%以上人口所在区域，为超过20000家医疗机构，提供2900余项医学检 测项目（包括分子诊断、病理诊断、生化发光检验、免疫学检验、理化质谱 检验及其他综合检验等从常规到高精尖的检测项目） “医疗诊断产业数字化平台经济”信息化战略  公司拥有数字医学诊断技术实验室、智慧医疗研究院和医疗大数据研究院  利用自身 集约化和高效率的管理平台 IrisLIMS(实验室管理系统)在总部实验室上线完成  病理系统、微生物系统、IoT设备智能管理平台、项目智能审核、OCR智 能录单系统、数字实验室看板等一系列提升实验室效能的智能化模块得到 实现 积极布局细胞病理、免疫组化、分子病理等领域的人工智能辅助诊断产品  推动实验室降本增效的同时，开启从传统实验室向数字化病理实验室的全 面转型 子公司医策科技取得 人工智能平台上的训练数据集已超过40万例  原研的宫颈细胞病理图像处理软件PathoInsight-T成功获批二类医疗器械 注册证，并在多家省级三甲医院测试  随着PathoInsight-T的推广落地，可提升实验室效能达到40%以上，同时 也标志着公司完成了宫颈癌病理细胞学筛查从试剂耗材、制片染色、数字 扫描、人工智能判读全产业链闭环布局。 持续推进“医疗诊断产业数字化平台经济”信息化战略

大语言模型在软件日志运维的实践 刘逸伦 华为 2012 实验室 本科毕业于南开大学 ，硕士毕业于美国佐治亚理工学院。研究方向包括 AI 智能运维 ，大模型质量评估以及大模型提示策略 ，在相关领域以第一作者、 通讯作者身份在 ICDE 、 ICSE 、 IWQoS 等顶级国际会议 / 期刊发表 10 余篇 论文。 刘逸伦 华为 2012 文本机器翻译实验室工程 师 演讲嘉 宾 1. 软件日志运维观点 data were timestamped, enabling the datasets to be split into train/test sets chronologically. 实验设 置 • For each dataset, most baseline methods are trained on the first 10% logs and evaluated utilizing any in-domain training data, with an average improvement of 55.9% in terms ofF1-score. 实验 : LogPrompt 在零样本日志分析场景取得了较好效果， 因而可以减轻算法的数据依赖 The advantage of LogPrompt makes it a suitable choice