可实现读取温箱设备等场景化的功能。 人形机器人可应用于化学、物理、医 药、生物等多种实验室场景，实现自 动化操作、精准实验、数据记录与分 析等功能，能够帮助科研人员规避风 险。目前，中山大学推出生物实验人 形机器人，深圳大学推出可呼吸暖体 假人，模拟人类的呼吸和体温为疾病 传播研究提供了重要实验工具。 人形机器人能够在空间站内部监测环 境、维护设备、进行实验，能够在太 空中行走、修复航天器、进行垃圾清 理、地表探测、样本采集等重复性且 边界，同时开展伦理教育，引导公众正确看待人机关 系，推动人形机器人在符合人类价值观的前提下健康、 可持续发展。 目前人形机器人行业仍面临大规模商业化难题。受技术发 展制约，虽然目前已有成品，但多处于实验室研发和测试 阶段。人形机器人在复杂环境下的可靠性、人机自然交互 的流畅性仍有待提高，例如在人群密集或动态变化的场景 中，其环境感知与决策速度、情感理解与表达的细腻程度 还难以满足实际需求。规模化落地难的第二个原因是高精

.........................40 附录 A：金融业数字孪生应用实践 .....................................41 案例一：中电金信数据孪生实验室 .................................41 案例二：中电金信数字孪生智能运营驾驶舱 .........................44 案例三：交通银行数字人 并分析提出优化建议，帮助金融机构设计更加高效的对客服 务业务流程，提升客户满意度。 （2） 促进产品创新 金融机构通过数字孪生技术可以对现有金融产品的市 场环境及客户反应进行孪生仿真，并在实验室环境下，对金 融产品进行各类压力测试，结合客户的模拟反馈，从而帮助 金融机构设计出更具备市场竞争力的创新金融产品。 24 （3） 加强合规管理 通过数字孪生技术，金融机构可以对业务开展全流程进 真推演。业务流程中各环节进行数据采集及分析，预测可能 产生的效果及影响。对真实业务场景、管理流程进行模拟， 用户可通过智慧大屏、管理驾驶舱、移动端等终端对运营情 况进行实时数据采集及监控，并可通过仿真实验室，通过极 为真实的仿真业务数据，模拟真实业务场景进行情景推演、 压力测试，预测营销活动效果及潜在风险（见图 5）。 25 图 5 基于数字孪生的智能运营场景架构 （五）供应链金融 1.应用场景概述

页“研究方法”）。 我们发现，领导者仍然难以通过 AI 投资实现业务转型，但他们相信自己正处于重大突破的边缘。 事实上，63% 的受访高管表示其 AI 产品组合将在未来一到两年内对组织产生重大财务影响。 实验中 2024 6% 2025 扩展和优化 创新 30% 44% 24% 44% 46% 信息来源：《2025 年五大趋势全球脉动调查》。问：以下哪一项最能 描述贵组织当前和明年采用AI 大趋势，了解领导者需要掌握哪些知识才能克服未来的障碍，以及如何才能建立竞争 优势。 1 2 3 4 5 为了实现这些期望，企业计划推动团队快速前进。目前有 30% 的受访高管表示其组织主要处于 AI 实验阶段，正在低风险的非核心职能中测试 AI 的使用，以积累经验、建立信心并找出潜在 痛点。只有 24% 的受访高管表示其组织正在利用 AI 进行创新，以把握新机遇并创造新的业务 模式。 2025 年，领导者有望实现重大转变。46% 的受访高管表示其组织将扩大 AI 的应用规模，利用 它来优化流程和系统；而有 44% 的受访高管计划利用 AI 来开展创新工作。只有 6% 的受访高 管表示其组织仍将处于实验。 要将这一势头转化为真正的业务价值，领导者需要赋予员工权力，让他们充分利用这一触手可 及的技术。这意味着要实现决策民主化，并为员工提供成功所需的工具和培训。人才是利用 AI 制胜的秘诀，但

它 可能更像是一个中枢神经系统——企业架构进化成能够 捕捉业务的集体知识、独特的差异化特征以及其文化和 个性的东西，并成为其关键协调者（甚至是自主操作者 ）。对于 建筑： 一个全面的骨干架构是将AI实验转化为企业级解决方案的关键。它将智能扩展到整个组织以及 现有的工作流程中，并实现可重复性，因此解决方案可以一次性制作并重复使用。 模型： 大型生成式AI模型以及经典机器学习和深度学习模型执行批判性思考和推理功能，以将数 保健、保险等。企业思考、设计和物理环境、流程以 及限制物理成就的因素都将发生改变。 当大型语言模型获得他们的身体时 38 仅考虑通用机器人及其在各个行业的广泛影响，以及人 们对它们进行更大范围实验的自由度。几十年来，机器 人在工业环境中所带来的价值——简化流程、降低成本 、全天候运作、保护人类免受危险工作伤害、消除人为 错误——现在对所有人来说都成为可能。想象一下永不 打烊的小生意。仓储式商店里，机器客户服务人员知道 递送系统直接送货上门并按门铃。甚至还有家居机器人 帮助打扫卫生、照看宠物等。 机器人部署。与过去不同，这些机器人能够处理不断变 化的环境、复杂且不可预测的工作，并且能够学习新技 能并重新部署。这意味着公司可以更加实验性地使用它 们，尝试运行新的用例，进行A/B测试不同的面向客户 的部署，并在需要时进行修订。机器人正成为一种随着 时间的推移可以改变和增值的投资，有了这种自由，我 们预计将看到大量新的用例和想法涌现。

效果：质检指标比人工提升10倍；联 合发布《工业AI质检标准白皮书》。 面：云边端协同智能云平台 体：联合创新、人才与生态合作 电池材料筛选研究 AI 电池寿命预测 AI联合实验室 IDC光储能源 项目 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 网络 计算 存储 网络

AI肖睿团队 （孙萍、吴寒、周嵘、李娜、张惠军、刘誉） 2025年03月01日 厦门大学大数据百家讲坛 • 北大青鸟人工智能研究院 • 北大计算机学院元宇宙技术研究所 • 北大教育学院学习科学实验室 7 人工智能概念辨析 DeepSeek R1 大模型原理 落地应用 目 录 C O N T E N T S 人工智能概念辨析 PART 01 大模型相关术语 l 多模态 Ø 编程任务中的代码生成、算法设计，媲美Claude 3.5 Sonet Ø 数学问题求解、科学推理和逻辑分析等需要复杂推理的场景。 l 教育与知识应用 Ø 可用于解决教育领域的问题，支持知识理解与解答。 Ø 可用于科研任务的实验设计、数据分析和论文撰写。 l 文档分析与长上下文理解 Ø 适合处理需要深入文档分析和理解长上下文的任务，例如复杂信息提取与整合。 l 开放领域问答与写作 Ø 在内容生成、问题回答以及创造性

测工具。 药物发现方面虽未出现 AlphaFlod 3 这样的里程碑式事件，但伴随生成式 AI 技术的不 断融入，制药 AI 的数据处理能力、算法模型、应用场景、可解释性、个性化和精准化 以及自动化实验平台等方面都发生了显著变化。这些变化为新药研发提供了更强大的工 具和手段，有望加速新药的研发进程并提高成功率。 图表 18 AI 制药的技术变化趋势 资料来源：公开信息整理 据相关分析，当前的 传统固态研发方法无法根据过往的数据及刊物有效预测可能形成特定分子的正确晶体 结构，仅能对数量有限的配体测定进行筛选及评价，难以确定最佳的盐型、共晶型或多 晶型，亦无法通过人工分析准确确定晶体结构，仅可利用实验分析进行固态测试及分析， 不足以获得特定品型的详细特征。此外，传统固态研发方法仅可通过试错法解决结晶过 程中的问题，需要耗费大量的时间及成本。 图表 22 固态研发传统研发方法与自动化方法关键步骤对比 改良固态试验晶体结构预测、固态筛选及评估、晶体结构确定、固态测试及分析、结晶 工艺研发五个关键步骤，进而在计算预测与实验验证之间建立反馈回路，于更短的时期 内提供更高的功效及精确度，降低研发方的成本。 晶泰科技自动化研发试验室的入局逻辑与固态研发相似，也是融入 AI、量子力学等前沿 技术，帮助实验室完成数智化转型，进而实现提质增效。但较于固态研发而言，市面上 已有的解决方案提供商实力雄厚、布局完整，晶泰科技可能需要更多时间才能啃下这块

并正在奥斯汀、迈阿密和拉斯维加斯 进⾏测试。Uber与14家⾃动驾驶公司合作。 ⾃动驾驶的发展和测试正在许多其他国家进⾏，包括英国、挪威、德国、阿联酋、新加坡、 韩国、⽇本和澳⼤利亚。然⽽，最⼤的实验、动⼒和市场机会可以在中国找到。 截⾄ 2023 年底，中国有60个城市发放了⾃动驾驶道路测试牌照。 许多国家朝着⾃动驾驶的未来前进的重要原因包括： 1. 挽救⽣命-每年有 140 万⼈死于交 ⼈的例⼦包括那些旨在通过对话与⽤⼾互动或协助进⾏记忆回溯活动以使⽼年⼈ 保持精神活跃和投⼊。  送货机器⼈：机器⼈可⽤于专⻔的护理相关任务，如药品送货或物资分发。例如 ，ZENA RX机器⼈安全地送达药房、实验室和其他临床材料。  目前正在进行试验。 欧盟的旗舰研究计划Horizon为探索⼈⼯智能、数据、机器⼈技术以及⽀持与护理机 器⼈相关的具体项⽬，贡献了13亿欧元⽤于公私合作伙伴关系。在2015年⾄2020年 协助⽇常⽣活任务（NIH） 88 ⼤多数爱尔兰⽼年⼈倾向于“照料机器⼈”来照顾他们，研究发现（爱尔兰审查报） 89 在何种情况下，个⼈选择照料机器⼈⽽不是⼈类照顾者？来⾃关于不确定环境下选择的实 验室实验的⻅解（爱思维尔） © 2024 花旗集团 56 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ 安全、安保和军事 随着机器⼈技术的不断发展，⼀些最有影响⼒的应⽤可能主要出现在与安全、安防

人工智能活动需要与外部合作伙伴进行协作 数据/人工智能专家供不应求，算法复杂——与合作伙伴合作以实现速度 和效率，同时不造成依赖 文化在成功实施人工智能中至关重要。 人工智能通常用技术术语来描述——但创造一种文化， 鼓励员工学习和实验AI工具至关重要。 重新校准现有数据和人工智能活动，以保持领先地位。 考虑到（通用）人工智能，优化数据战略，调整应用案例目标组合， 并确定对整体数字/IT转型计划的含义 • • • • •

宁德时代“灯塔工厂”构建了以 MES 为核心的集成制造系统，借助机 器人实现了生产过程无人化，并引入了人工智能技术，在三年内就将 劳动生产率提高了 75%；在试验验证方面，晶泰科技生物医药“AI+ 机器人丛林”实验室，结合量子物理和计算化学产生大量的“干试验” 数据，并通过机器人获取“湿试验”数据，建立垂直 AI 模型以预测 化学结构的活性、成药性和耐药性，大大缩短了药物开发周期。 （二）应用行业：重点用于汽车、电子、金属三大行业 大模型能够快速、 准确地识别出钢材表面的各种缺陷，如裂纹、气泡、夹杂等，提高了 检测的准确性和效率，如广西钢铁焊缝“云眼”机器人，通过 5G 视 频实时采集图像，利用 AI 技术在线自动检测，减少样品实验冲压次 数；苏州沙钢生产过程智能检测中心通过智能机器人和自动化装置的 配合实现各类钢、铁、渣快速检测，检测结果 3 分钟内出炉（图 8）。 3来源：《智能车间的大数据应用》（作者：张洁，吕佑龙，鲍劲松，汪俊亮）