具身智能 3. 脑机接口 4. AI 内生安全 第三章 数学 1. 基础理论 2. 优化 3. 统计 4. 科学计算 5. 复杂系统 第四章 物质科学 1. 物理 2. 化学 3. 材料 4. 能源 第五章 生命科学 1. 合成生物学 2. 医学 3. 神经科学 4. 医疗 5. 演化 第六章 地球与环境科学 1. 大气科学 2 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等 技术的突破，人工智能不仅能从海量数据中 识别人类难以察觉的复杂模式，更展现出自 主提出科学假设、设计实验方案、优化研究 路 径 的 惊 人 能 力。DeepMind 推 出 的 AlphaFold GraphCast 模型 2、华为“盘古”大模型 3、 复旦大学“伏羲”大模型 4 等 AI 气象模型显 著提升了全球天气预报能力，实现更长时间 尺度、更高精度的天气预测。普林斯顿等离 子物理实验室利用强化学习优化等离子体控 制，解决撕裂不稳定性问题，加速核聚变能 源的实现 5。加州大学伯克利分校和劳伦斯 伯克利国家实验室利用机器人执行实验，机 器学习规划实验并结合主动学习优化实验过 程，研发用于无机粉末固态合成的自动实验

计 总 院 ◎编著 编制单位 国家能源局能源节约和科技装备司 电力规划设计总院 支持单位 中国电力科学研究院有限公司 中国电力企业联合会电动汽车与储能分会 中关村储能产业技术联盟 中国化学与物理电源行业协会储能应用分会 中国新型储能发展报告（2025） 前 言 2024 年，是新中国成立 75 周年，是实现“十四五”规划目标的 关键一年。党中央、国务院高度重视新型储能发展，作出重大决策部 3.7 亿千瓦时，同比增长约 65% A。全球储能系统出货量为 2.4 亿千瓦时，同比增长超 60% B。 （三）新型储能技术不断拓展应用 2024 年，各国持续开展新型储能技术创新探索。电化学储能领 域，澳大利亚推动新型锂离子电池硅负极材料应用；美国和日本布局 以铁 - 空气和锌 - 空气为代表的金属空气电池技术研究，正在推动技 术示范。长时储能领域，美国、德国、日本等多国正在推进绝热压缩 工程应用各环节标准日趋完善 2024 年，超过 20 项电化学储能标准发布实施，覆盖规划设计、 接入电网、运行控制、检修试验、后评价等多个环节。其中，《电力 系统新型储能电站规划设计技术导则》（NB/T 11681-2024）根据不 同时长需求对新型储能设备选型提出建议，在不同应用场景下提出了 容量配置技术要求，对于新型储能电站系统接入、布局选址给出科学 指导。《电化学储能电站接入电网技术规定》（GB/T 36547-2024）明

边端协同。 第三章，围绕智能算法的研究，首先分析了云计算与云网融合相关的各类智能算法的发展趋势和应 用场景，包括运筹优化、深度学习、强化学习、大模型和 AI 智能体，然后借用本章第一个热点方向：（7） 算法赋能云计算，详细论述了运筹优化、深度学习和强化学习在云计算和云网融合中的应用。本章第二 个热点方向围绕 2025 年最火热的话题开展介绍和论述：（8）AI Agent 和 Agentic 2 深度学习及其应用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 3.2.3 强化学习及其应用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 3.3 热点方向八：AI 高维度、多模态、强关联的特点，且其内部拓扑结构高度动态。已有大量工作试图从不同维度解决这些 问题，包括多变量深度异常检测 [113]、跨模态关联分析 [114]、微服务依赖图的根因诊断 [115]、强化学 习驱动的自治调度 [116]、以及 LLM 助力的日志结构化与事件语义理解 [117]。这些研究共同形成了智能 化运维（Intelligent CloudOps）发展的基础，但在真实云环境中仍面临关键瓶颈：在线性、稀疏标注、高

的。基于学习数据和行为模式分析的AI时代课程如图1-6所示。 图1-6 基于学习数据和行为模式分析的AI时代课程 AI在个性化教育与学习方面的应用包括但不限于以下几个方面。 ❍ 自适应学习平台——基于AI技术的个性化学习工具。它能够根据学生的学习进 度和能力水平，为他们推荐合适的学习资源和练习题目。通过持续的学习和数据反 馈，自适应学习平台能够不断调整学习内容和难度，以满足学生的个性化需求。这 种个性化的学习方式 为未来AI技术的发 展方向提供了重要的参考。 3.1.2 生成式AI对教育的影响 生成式AI对教育领域产生了深远的影响，既带来了创新和机遇，也引发了挑战和争 议。 1. 正面影响 （1）个性化学习 对于学生而言，生成式AI能够根据学生的学习速度、知识水平和兴趣定制个性化的 学习路径和材料。这种个性化定制可以提高学习效率，帮助学生更好地掌握知识， 尤其是在复杂和抽象的主题上。 （2）提升教学资源 AI不仅能够生成文本内容，还能够创建视觉材料，如PPT和与课程内容相关的图 像。这些工具能够根据教师的指令自动生成高质量的视觉辅助材料，使课堂更加生 动有趣，提高学生的学习兴趣和效率。 3.2.2 AI对学生的支持 1. 个性化学习路径 AI能够根据学生的学习进度、能力和偏好，提供个性化的学习路径和资源。这种个 性化的学习方法有助于学生在自己的节奏下学习，弥补知识空缺，提高理解和应用 能力。 37 2. 即时反馈和辅导

99.90%、99.62%和 99.18%。2025 年，中科大联合团队等基于“祖冲之三号”求解随机线 路采样任务获得比超级计算机 Frontier 高 15 个数量级的求解速度11。 日本理化学研究所与富士通合作研发具有可扩展架构的 256 比特超 9 https://doi.org/10.1038/s41586-024-08449-y 10 https://doi.org/10.48550/arXiv 量子计算应用软件通过整合量子计算软硬件资源，针对具体应 用场景实现问题求解功能的模块化封装。Quantinuum 推出量子化学 软件 InQuanto 的 4.0 版本，允许编译和执行更复杂的量子线路用于 实现量子化学模拟39。Qunova 将 HI-VQE 量子算法部署到 IBM 的 Qiskit 函数目录中，可面向化学、制药及工业工程领域实现量子模拟40。 量子计算编译软件核心功能是实现量子程序从高级语言描述到 头和初创企业等积极推动行业应用场景探索，已延伸至金融服务、 化学工程、生物制药、交通运输等多领域，研究方向主要包括量子 模拟、量子组合优化、量子基础算法等类型和计算难题。 量子模拟通过调控量子计算机实现对微观粒子体系的精确复现 与动态演化模拟，为揭示复杂量子系统的相互作用机制和演化规律 提供了新手段，被认为是量子计算最具应用突破前景的方向。2025 年，Classiq 和三菱化学等探索化学领域的材料开发，利用 QPE 算法

场景篇 趋势篇 医学研究与教学 人工智能尤其是大模型，在医学研究与教学中发 挥着重要作用。它们能够快速分析海量文献与数据， 辅助研究者发现新方向；同时，为医学教育提供个性 化学习支持，模拟临床场景，提升学生的临床技能。 型构建，包括数据预处理、数据挖掘、图像分析等。 通过构建风险预测模型、生命体信号模型等，提高研 究的准确性和效率。 2.个性化教学与临床会诊模拟 1 总体篇 场景篇 趋势篇 药物研发与设计 AI 药物研发通过先进的计算算法和机器学习 技 术，加速和增强新药物和疗法的发现过程。 AI 模型能够分析大量的生物学、化学和临床数据，如基 因表达数据、蛋白质结构数据、疾病相关的分子通路 数据等，从而识别潜在的药物靶标并设计新化合 物。目前， AI 技术虽然在数据分析、模式识别和 预测模型构建方面展现出巨大潜力，但是在整体药 DeepMind 与 Isomor- phic Labs 合作开发的新一代 AI 生物分子结 构模型 Al- phaFlod3，通过深度学习技术，能够生 成分子之间的联合三维结构，揭示它们如何相互作 用，并模拟化学修饰，为药物发现提供重要工具。研 究人员仅需输入一个生物分子复合体的基本描述，几 秒后便能收获该复合体 3D 结构的准确预测。 中山大学与阿里云合作利用云计算与人工智能 技术，设计了基于 Transformer

2020.05.22 2020.06.30 2020.08.31 2020.05.18 蓝图设计 报告 测试 以 XXXX 化学 蓝图为模板 做差异分析 差异分析报告 业务解决方案确定 业 务 蓝 图 主 要 工 作 交 付 以 XXXX 化学总体业务为蓝本，以 XXXX 实际业务为基础，进行业务梳理与 差异分析。 集成解决方案确定 组织结构设计 蓝图未来流程 经过多轮 3231 生产工厂 3231 生产工厂 仓储原材料库 仓储原材料库 车间原料库 车间原料库 车间成品库 车间成品库 。。。 。。。 采购组织 3000 XXXX 化学采购组织 采购组织 3000 XXXX 化学采购组织 … … 3233 销售工厂 3233 销售工厂 … … 生产辅料库 生产辅料库 机物料库 机物料库 。。。 。。。 … … 原料组 原料组 备件采购 (IQC) 质量主数据 接口 中纺达 3.2.2 质量管理模块 - 组织架构 QM 在工 厂级别 集团 公司代码 工厂 工作中心 XXXX 化学 3230 XXXX 3220 新疆富丽达 3231 生产工厂 3232 物资工厂 3233 销售工厂 … Q3231001 棉检检验室 Q3231002 成纱检验室 质量主数据编码规则：

化的关 键，尤其是真实环境的多模态交互数据；学习进化架构则是具身持续进步和适应性提升的关键，它支持 智能体通过仿真或真实交互持续优化策略、减少失误率、提高任务执行效率、适应新环境，通常通过强 化学习、进化算法等多种技术实现。 四大核心要素最终形成“本体收集环境数据 → 数据训练智能体 → 智能体生成决策 → 学习框架优化策略 并反馈至本体执行”的具身智能运作闭环。 -05 - 运动机制，体现机器人学、认知科学、神经科学和计 算机科学等多学科融合趋势； 算法渗透：深度学习、强化学习、模仿学习等算法开始渗透机器人控制，使机器人具备初步感知和简单互动能力，如索尼AIBO机器狗、 波士顿BigDog机器狗等。 2010-2020 算法演进与技术突破 深度学习与强化学习取得突破性进展：机器人的环境感知能力、决策复杂度、路径规划与控制能力实现质的飞跃，自主学习能力也取 从技术角度来看，人形机器人本体可分为“大脑”、“小脑”和“肢体”三部分，分别对应着决策交互 模块、运动控制模块和执行模块。 • “大脑”的核心为人工智能大模型技术，通过多模态大模型实现环境感知、任务规划与决策； • “小脑”通过强化学习与动力学模型协调关节运动，确保机器人的动态平衡和动作精准； • “肢体”（或称关节模组、执行器）主要有三类：线性执行器、旋转执行器和灵巧手。其中线性执行 器产生直线运动，主要应用于人形机器人的

太阳能发电 17 风能发电 22 核能发电 25 03 构建超大城市可靠电网 输电数字化 35 变电数字化 37 配电数字化 39 智能化调度 41 05 创新多元路线新型储能 电化学储能及关键材料 55 物理储能 58 智慧氢能 60 终端应用 62 智慧运维 66 06 打造“AI+能源”数字平台 实时感知 69 全域互联 73 07 创新电碳融合商业模式 碳计量 通过隧穿结构实现顶底电池高效串联，钙钛矿组分调控优化带隙匹配以平衡光电流、减少热弛豫损失，光学设计提升叠层 电池陷光能力与短路电流，传输层界面工程抑制载流子传输复合以提升开路电压，钙钛矿界面优化与化学锚定制备抗光热 湿衰减的高稳定叠层光伏电池。 成效 该技术将突破传统晶硅电池29.4%的效率瓶颈，未来光电转换效率有望达43%，度电成本有望降至0.18元/瓦以下；通过不 断提升抗光热湿性能 损耗。 05 创新多元路线新型储能 电化学储能 物理储能 智慧氢能 终端应用 智慧运维 围绕世界一流新型储能产业 创新中心建设目标，聚焦前沿电 化学储能技术及材料、新兴物理 储能和氢储能，通过前瞻技术布 局、多元储能技术示范和数字化 手段全生命周期赋能，为构建安 全、灵活、高效的新型能源体系 提供关键技术支撑与实施路径。 电化学储能及关键材料 通过改进工艺和材料（如应