AI 大模型在药物研发的第一步: 靶点识别中的应用。这篇文章，我们将 延续这一路线，介绍AI在药物研发的第二步: 先导化合物发现中的应 用。 图1：药物研发生产流程，图片引自[1] 传统方法在先导化合物发现中的局限性 在AI大模型时代到来之前，先导化合物的发现以实验方法及计算机辅助药物 设计(CADD)的方法为主。这些方法都有着一些自身难以解决的问题。 实验方法: 当前，药物化学实 物数据库的筛选所需的时间是一个天文数字。此外，实验方法还受到可用测试化 合物的供应和准确预测它们在体内行为的难度的限制。 计算机辅助药物设计方法(CADD): CADD相较实验方法极大地加速了先导 化合物发现的速度。在CADD中，先导化合物的筛选被普遍称为: 虚拟筛选 (virtual screening)。他使用基于分子力场或者量子力场的分子对接方式，对数 据库中的海量化合物与靶点进行对接，从而依据自由能最小化等方式，计算靶点 能够加速，还不受化 合物是否可以获得的限制。然而，基于CADD的虚拟筛选存在一个trade off， 即想要进行精确的筛选需要大量的计算资源和时间，而想要快速的完成筛选，则 会损失较大的精度。在药物发现这个先导化合物准确率极为重要的领域，大量的 计算资源和时间很难避免。曾有研究统计过，若想要对100亿个小分子进行令人 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。

讨AI在药物研发的第 一步: 靶点发现中的作用，以及它如何为这个过程带来革新。 药物研发的整体流程 药物的研发是一个复杂且耗时的过程，业内一直流传着"三十定律"的说法: 耗时10年，耗资10亿美金，成功率不足10%。因此，如何降低药物研发的金钱 成本、时间成本，提高成功率已然成为了药物研发行业的重中之重。 通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 优化，临床前研究，临床实验，以及市场化等步骤 优化，临床前研究，临床实验，以及市场化等步骤 [1]。靶点发现作为整个流程 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅 助药物设计的方法。多组学方法主要通过对病例组和对照组进行基因组、蛋白质 型可以整合海量的医疗研究相关文本，通过在文本中提取潜在的关联信息，发现 人类可能忽视的模式或连接。目前已有研究通过向大语言模型提问的方式，提取 出针对特定疾病的潜在靶点，从而避免一些不必要的组学实验。此外，AI模型完 成训练之后，可以将类似反向对接技术的时间复杂度降低到线性级别，甚至提高 精度。AI也可以进行蛋白质结构的预测，从而帮助结构相似性分析等技术的实 现。 基于上述所提的AI在靶点发现中的应用，本文将依据近期的AI医疗相关论

个城市实现 5G-A 网络覆盖，为无人机物流、城 市空中交通、低空遥感等场景提供实时通讯支持。机载传感器、地面雷达、卫星遥感等多源感知手段也 AI 的深度学习技术能够从海量“弱相关数据”中挖掘隐含关联，发现传统模型无法捕捉的规律，如 构建统一的企业或个人数字画像。2025 年初，Deep Seek 的诞生为行业从业者带来了全新的思路，推动 大模型技术从单纯的“生成”迈向了更高级的“理解”与“推理”阶段。蚂蚁集团就基于 能够高效支撑业务运行，提升运营水平；在用户服务方面，基于 AI 构 建的数字员工、数字专家等虚拟角色，可实现实时响应，持续优化服务供给能力和客户体验；在风险控 制环节，AI 通过动态监测交易与行为数据，可以及时发现潜在隐患，显著提升风险预警与处置的效能。 此外，在当前关注度较低但亟待加强的投资者教育领域，人工智能大模型具备生成专业内容的能力，且 能通过自然语言交互提供个性化的学习引导，提供良好的人机互动体验，未来有望在该领域发挥重要作用。 人工智能领域的规制数据。从整体上看，各国数字规制呈现出部分领域规制建设稳定、部分领域规制建 设快速分化的演化格局。 （一）全球数字规制核心趋稳，新兴领域快速演化 通过数字规制领域各类指标的变化可发现各国在数字规制领域建设的不均衡性。一方面，整体的稳 定性仍然是各国制度构建的底色，大多数领域的法律框架和规制制度延续了既有路径，变化有限。另一 方面，在某些关键环节上，又可以清晰看到制度突破与局

制和采购计划。通过深度学习技术，DeepSeek 大模型能够分析历 史销售数据、季节性波动以及市场趋势，为企业提供精准的库存预 测，减少食材浪费，降低运营成本。此外，该模型还能够实时监控 供应链中的各个环节，及时发现潜在问题，确保供应链的高效运 转。 以下是 DeepSeek 大模型在餐饮服务中的应用场景及其对应的 优势：  智能点餐系统：通过分析顾客的饮食偏好，推荐个性化菜品， 提升顾客体验。  测消费者的口味偏好，优化菜单设计，提升客户体验。同时，其在 供应链管理中的应用，可以实时监控库存和物流，降低运营成本， 提高效率。 此外，DeepSeek 大模型在食品安全监管方面也展现出巨大潜 力。通过实时数据分析，可以及时发现并预警潜在的食品安全问 题，确保消费者用餐安全。综上所述，DeepSeek 大模型的引入不 仅能够帮助餐饮企业应对当前的挑战，更能在未来的竞争中占据先 机。 以下是一些关键数据的列举： - 促销信息和优 惠券，提高顾客的复购率。 对于餐饮企业的营销策略，DeepSeek 可以通过大数据分析， 识别出不同客户群体的消费习惯和偏好，帮助企业制定更精准的市 场推广计划。例如，模型可以发现年轻顾客群体对健康饮食的关注 度较高，从而建议企业推出更多低卡路里或无糖的菜品。 此外，DeepSeek 还可以应用于员工调度和培训。通过分析历 史数据和实时业务情况，模型可以优化员工的排班表，确保在高峰

安全需求，围绕设备、控制、网络、平台和数据等关键要素，构建多层级网络安 工业互联网安全解决方案案例汇编（2024） 2 全防护体系;做好安全应急预案，阶段性开展安全检测评估，提升网络安全监测 水平，确保网络运行平稳，提高安全威胁发现、快速处置和应急响应能力。 2023 年 5 月，由工业和信息化部、国家标准化管理委员会联合印发《工业 领域数据安全标准体系建设指南（2023 版）》，旨在推动工业领域数据安全的 技术引领和规 防护水平。同月工业和信息化部发布《打造“5G+工业互联网”512 工程升级版 实施方案》，强调要加强“5G+工业互联网”应用安全技术产品研究，满足不同 场景下安全保障需求，建立健全网络安全监测发现、预警通报、应急处置技术体 系。 2025 年 4 月，工业和信息化部组织开展 2025 年工业互联网一体化进园区 “百城千园行”活动，深入实施工业互联网安全分类分级管理，引导园区企业接 入 全流量数据开展全网域安全监测预警，实时掌握各区域关键信息基础设施、重要 工业系统、重要业务系统的网络安全态势；实现 7*24 小时全天候的安全监测预 警能力，精准识别网络威胁，利用态势感知系统集成的安全分析工具，可发现更 深层次的问题，及时通报预警重大网络安全威胁，组织相关人员快速处置，降低 网络风险发生的概率，实现“网络看得见、攻击防得住、网情控得住、敌手抓得 住、危险止得住”，为公司网络安全管理工作提供有效的技术支撑，推动公司网

系统立即触发告警机制，通过短信、邮件或专业运维管理平台通知运维人员。 例如，当 CPU 温度过高时，可能是散热风扇故障或服务器负载过大，及时发现 并处理可以避免 CPU 因过热而损坏。 （2）. 监控与告警处理方面，熟悉监控工具，通过监控数据发现服务器运行异常 并处理告警，确保服务器的高可用性。 （3）. 对于故障诊断，采用大数据分析与机器学习算法。收集服务器历史故障数 据和对应的硬 存储设备性能监控与优化： （1）. 利用存储设备自带的管理工具或第三方监控软件，对存储设备的性能进行 实时监控。监控指标包括读写速度、IOPS、响应时间等。通过性能监控数据的 分析，及时发现存储性能瓶颈。例如，如果发现存储设备的读写速度逐渐下降， 可能是存储设备老化、磁盘碎片过多或存储网络出现问题。 （2）. 针对性能瓶颈，采取相应的优化措施。对于磁盘碎片问题，进行磁盘碎片 整理；对于存储网络 RAID 级别，在保障数据安全性的同时，提升存储 性能。 2.2.7 网络设备运维 2.2.7.1 网络拓扑管理与优化： （1）. 清晰的网络拓扑结构是保障网络稳定运行的基础。通过网络拓扑发现工具， 自动发现并绘制网络拓扑图，实时展示网络设备（如路由器、交换机、防火墙 等）之间的连接关系。定期对网络拓扑进行梳理和优化，根据业务发展需求， 调整网络设备的部署位置和连接方式。例如，当数据中心新增业务区域时，合

济性。在水力发电厂，智慧电厂技术可以实时监测水库 水位、流量以及发电机组的运行状态，以实现最优的水 力发电效率。对于核电厂，智慧电厂技术更是关乎安全 的重要一环，它可以实时监测反应堆的运行状态，及时 发现并处理潜在的安全隐患。（2）能源管理与优化也是 智慧电厂的重要应用领域。在电力生产过程中，能源的 消耗和分配是一个复杂而精细的过程。通过大数据分析 技术，智慧电厂可以实时分析电力生产过程中的能源消 能在一定程度上降低生产成本，提高企业的经济效益。 （3）运维管理与故障诊断也是智慧电厂不可或缺的一部 分。在传统的电厂运维模式中，往往依赖于人工巡检和 定期维修，这种方式不仅效率低下，而且难以及时发现 并处理潜在的故障。而智慧电厂通过引入物联网技术和 2024� 第5卷� 第24期·工程学研究与实用 38 人工智能技术，可以实时监测设备的运行状态，及时发 现并预警潜在的故障，从而提高设备的运行效率和可靠 警是智慧电厂应用中不可忽视的一环。电力生产过程中 存在着诸多安全隐患，如设备故障、操作失误等。智慧 电厂通过全面的监测系统和智能化的预警机制，可以及 时发现并处理这些安全隐患，确保电力生产的安全稳定 进行。例如，在水电厂中，智慧电厂技术能够实时监控 水库的水位和发电机组的运行状态。一旦发现水位异常 或发电机故障，系统会立刻启动报警程序，提醒工作人 员进行必要的检查和维修，确保电厂安全稳定运行 [2]。 3��智慧电厂的发展趋势

经常按照上级指示登记流动人口、老人、孕 妇、儿童等，大多是纸质管理，很难清除辖 区内的人口情况。 • 事后告知被动应对：没有精力走访巡查，很 多问题发现不了、解决不了。 2 、社区安全隐患大 访客、外来人员及车辆多，识别困难，单纯靠 人防控不能及时发现，造成社区安全隐患逐渐 突出。 3 、社区服务缺乏 社区承接上级以及各条线下派的任务， 很难有精力沉下身子到社区走访巡查以 及为民服务。 底数不清、情况不明：社区人员难于管控，经常按照上级指示登记流动人口、 老人、孕妇、儿童等，大多是纸质管理，很难清除辖区内的人口情况。事后 告知被动应对：没有精力走访巡查，很多问题发现不了、解决不了。 社区安全隐患大 访客、外来人员及车辆多，识别困难，单纯靠人防控不能及时发现，造成社 区安全隐患逐渐突出。 社区服务缺乏 社区承接上级以及各条线下派的任务，很难有精力沉下身子到社区走访巡查 以及为民服务。管理模式落后，没有运用好现代化管理手段，党群之间的脱 车牌数据上传，比对是否为 重点人员车辆 系统预警，吸毒人员车辆进 入小区 推送关注指令至 民警警务通 感知 发现 系统自动化研判，分析 所有和车辆相关的人员 新、进出轨迹信息 掌控 比对 车辆进入社区 车辆号牌抓拍 车牌数据上传，比对为外来 陌生车辆 系统预警，提示工作人员关 注 感知 发现 比对 场景 1 场景 2 系统预警，提示工作人员关 注 对超过外来陌生车辆超过 3 天未有出去的记录系统自动

决策的关键要素。通过数据治理全生命 周期的处理让数据可信、可用。建设数据标准管理系统，建设数据 29 / 309 大数据能力平台建设项目方案建议书 质量管理系统，在治理过程中对数据进行质量检测，发现数据质量 问题，评估数据质量，利用数据质量工单，形成数据质量闭环管理， 实现对数据的分布和动态变更情况的追踪，持续提升数据质量。 5、数据安全更“稳”: 数据安全是关系到群众和企业的切实利益， 题后，仍然存在数据冲突的问题，可能是更新的时间有先后，可能 是信息填报时就不全或者输入错误，也可能是填报了虚假错误信息。 不难发现 Z 务数据的多源性，决定了 Z 务数据的融合与治理的难度。 所以，在数据质量评估和标准化的基础上，数据融合与数据治 理中需要对新增数据进行多源数据的比对，从多源验证的角度发现 数据存在的质量问题，进而反应业务当中可能出现的问题。 2.3.1.5 数据管理机制提升需求 在数据采 标准和管理规范，定期开展数据质量评估，采用数据全量比对评估 方式，对重要基础库出具数据质量评估报告;完善数据质量通报和反 35 / 309 大数据能力平台建设项目方案建议书 馈机制，实现问题发现、跟踪、整改、反馈的管理闭环，保障数据 在采集、传输、处理、共享、应用全过程中的规范性、一致性、准 确性。 2.3.2 “互联网+监管”系统功能需求 2.3.2.1 监管数据中心实施 建设市一级

一个原因就是「为了直接减少 员工人数」。而使用AI最常被提及的原因是，强化现有产品、最佳化内部营运、 做出更好的决策，以及让员工发挥更大的创造力。10 两年后，德勤在2020年的调 查报告中，发现了非常相似的状况。11 事实上，裁员不仅是企业使用AI最少提到的原因，而且提到的频率比2018年 更低。这些调查结果符合我们在研究个案里观察到的结论。简言之，根据我们和 其他人的研究，眼前并没 人类和AI 的合作是现在进行式 本书描述的研究有个明确的发现，也是我们开始这个计划时的猜测，那就是 人类和AI的合作不是未来式，而是现在式。这种合作虽然非俯拾即是，但起码对 许多组织和员工来说确实如此。我们很容易就找到许多这类现象的例子。事实 上，如果不是由于本书篇幅和出版截止日期等限制，本可涵盖更多案例。现今， 很多人每天都和AI打交道，我们发现这类情况在大公司、小公司、办公室、工 厂、农场，以及广泛的知识型和行政工作里上演。 职场里使用AI应用程式、增强技术，以及和第二部中那几章提出的主题相关的趋 势看法。我们也为高阶管理层、员工和政策制定者提供一些建议。 身为读者的你，要如何浏览这本书全由你决定。不同的读者可能根据自身产 业、职能或使用的技术，可能会发现某些研究案例比其他案例，与他们的担忧更 休戚相关。在阅读其他内容之前，你可以选择先阅读所有案例。或者，你可以先 阅读第一部中感兴趣的案例，浏览所有学习要点，然后跳到第二部和第三部，以 整理出个