驱动智能设计，助力效率大幅提升。当前植物育种步入 4.0“智能设计育种”阶段，借助 AI 驱动的工具 对海量数据进行分析，从而精准预测基因型-表型关联，识别新的基因组合，大幅提升精度和效率并优化育种策 略。先正达、拜耳等国际种业巨头完善的作物基因组数据库和表型数据库基础上，利用 AI 算法在作物基因编辑 靶点预测、全基因组选择模型优化等方面取得显著成果，并广泛运用于田间试验及商业化育种中。我国近年来 在 AI 作物育种领 驱动智能设计，助力效率大幅提升............................................................. 11 （一）AI 驱动智能设计育种，赋能表型及基因组学研究 ......................................... 11 （二）海外 AI 育种已臻成熟，国际种业巨头新品种研发提速 ................. 8：达摩院 AI 赋能全流程智慧育种平台 ........................................................... 17 图 9：农科院将气象环境数据纳入基因组预测模型 .............................................. 18 图 10：AI 辅助田间科学决策框架 ......................

东医疗 B2C临床管理 • 定义：B2C临床管理主 要是AI赋能临床决策支 持，辅助疾病诊断、个 性化用药等 • 商业模式分类：AI精准 用药、基因测序、AI影 像识别、疾病模型判断 • 代表性公司：Tempus AI、Grail、华大基因、 华大智造 B端自我管理 • 定义：B端自我管理主 要是定位于医院端利用 AI技术提高内部运营管 理效率 • 商业模式分类：电子病 历、药事管理、HIS系 机器人：微创机器人等 ➢ 小设备：三诺生物、鱼跃医疗、乐普医疗等 ➢ 大设备：迈瑞医疗、联影医疗、开立医疗、万东医疗、鹰瞳科技等 主线二：数据+AI ➢ 金域医学、迪安诊断等 ➢ 华大基因、贝瑞基因、诺禾致源等 ➢ 美年健康、润达医疗等 主线三：CRO+AI ➢ 平台：药明康德、泰格医药、康龙化成等 ➢ 特色：药石科技、皓元医药、成都先导、泓博医药等 ➢ 其他：晶泰控股等 2 C端自我管理 订阅用户数量（万人） 平均订单价值AOV（美元，右轴） 3 B2C远程管理 总结 与上一轮Open AI相比，DeepSeek在远程医疗诊断与治疗带来的新影响： ➢ 多模态数据整合与精准诊疗：通过融合基因组学数据、医学影像及电子病历等多维度信息， 实现了更精准的疾 病预测和个性化治疗方案生成。 ➢ 可视化推理过程：传统的AI模型训练过程如同一个黑匣子，输入数据后直接输出结论，缺乏透明度。DS通过可视化推理过

、东软医疗、迪安诊 断、北陆药业、达安基因。  AI 基因测序：罕见病大模型优化基因测序筛查，AI助力多助学数据分析。涉及收集样本基因测序、罕见病遗传病分析解读、以及多组学风险 预测和评估。企业端可明显降低成本，但商业化落地进度较慢。合作模式和医院正在探索中。整体数据获取成本低，基因测序一次能获取较 大量基因组数据。相关标的：华大智造、贝瑞基因、华大基因。  AI 医疗信息化CDSS辅 2 目录 CONTENTS 01 AI 医学影 像辅助诊断 AI 基因测序 AI 医疗信息化 CDSS辅助临床决策 AI 制药 AI 健康管理 AI 手术机器人 05 02 03 04 06 3 01 AI 医学影像辅 助诊断 AI 基因测序 02 AI 医疗信息化 辅助临床决策 03 AI 健康管理 04 06 如何看待这些应用方向之间的关系 资料来源：西南证券 诊断 药物治疗 手术治疗 AND/OR 终极理想是个人医 疗大数据包，所有 医疗数据/临床数据 /检验数据/体检数 据/基因测序数据/ 单一医学影像设备 的诊断数据的融合 ，不断更新 根据个人医疗数据 包动态给治疗方案 ：病种质控，专家 知识库辅助决策， 流程效率提升，互 联互通，利好医生 ，也利好病人 日常个人健康数据

入立项指南，AI 辅助诊断首次被纳入医保。AI 辅助诊断主要应用于影 像分析、病理诊断、基因检测、早期筛查等，诊断效率逐步提升。OpenAI o1-preview 在鉴别诊断、诊断临床推理和管理推理的质量都有明显提高。 借助 AI，对人类基因组的计算时间已经从 2001 年的 180 天缩短到现在 的 10 分钟，当时分析单个基因组所花费的成本如今可以分析 14 亿个基 因组。 ◼ AI+医院/医保系统：AI 正在全面赋能医疗行业，促进提质降本增效。我们预计未来在生物 制药、辅助诊断、医院/医保信息系统等方面，AI 都将有望促进流程再 造，提升研发和业务效率、质量的同时降低成本。 ◼ 建议关注： AI+辅助诊断：阿里健康、贝瑞基因、华大基因、迪安诊断、美年健康、 金域医学、塞力医疗、圣湘生物、迈瑞医疗、鱼跃医疗、海康威视、润 达医疗、鹰瞳科技、乐普医疗、我武生物； AI+医院/医保系统：卫宁健康、国新健康、久远银海、万达信息、东软 请务必阅读正文之后的免责声明部分 行业点评报告 东吴证券研究所 5 / 14 图2：AI 病理诊断流程 数据来源：头豹研究院，东吴证券研究所 AI 辅助诊断主要应用于影像分析、病理诊断、基因检测、早期筛查等，诊断效率逐 步提升。例如在肺癌筛查中，AI 算法可以敏锐地识别出影像里那些微小的异常阴影， 大幅提升早期诊断的可能性，有助于尽早发现肿瘤的早期迹象。2024 年 7 月，空军军医

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 组等组学数据差异性比较，提取出可能致病的基因或蛋白靶点。这一方法通常有 着较高的准确性，但整体策略既费时又费力，且实验结果严重受到生物样本质量 的限制。 计算机辅助的方法主要包括反向对接，结构相似性分析等。这些计算技术能 这将更充分的调动大语言模型 在细分任务上的性能。 PROMPT设计：作者期望向BioGPT-G询问疾病相关靶点时，模型能直接回 答基因的名称。因此作者对多种prompt进行了评测。依据向模型输入 prompt时，返回的概率前1000的token列表中基因缩写的数目进行评价，数 目越多，该prompt越好。最终得到的prompt为：“human gene targeted by a drug the”。作者发现prompt的长度越短， 模型越容易直接返回基因名称。此外prompt以the或者a结尾也能够提高模型 直接返回基因名称的概率。 信息提取流程设计：因为绝大部分的基因名在BioGPT-G的字典中都并非是单 独的一个token，而是多个token组合而成的。如基因EXO1在BioGPT的字典 中是由EX，O，1组合而成的。因此在计算多token基因的next token probabili

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。

2、在科教资源优势突出、产业基础 雄厚的地区，布局一批国家未来产业 技术研究院，加强前沿技术多路径探 索、交叉融合和颠覆性技术供给 3、实施产业跨界融合示范工程，打 造未来技术应用场景，加速形成若干 未来产业 量子信息 基因技术 未来网络 深海空天开发 氢能与储能 政策文件名称 重点布局领域 细分方向 《关于推动未来 产业创新发展的 实施意见》 未来制造 智能制造、生物制造、纳米制造、激光制造、 循环制造等 深空/深海/深地高端装备、深海智能无人平台、 极地探测作业装备等 未来健康 细胞与基因、合成生物、生物育种、新型医疗 服务、高端医疗装备和健康用品等 7 2. 2 2.3 我国重点省市未来产业布局 北京市重点发展方向 上海市重点发展方向 发展方向 发展领域 未来信息 通用人工智能、元宇宙、量子信息等 未来健康 基因技术、脑科学与脑机接口等 未来制造 类人机器人、智慧出行等 未来能源 氢能、新型储能等 《2024年全球未来产业发展指数报告》 9 2. 2 2.5 构建我国未来产业重点赛道目录 10 3 2 11 2. 2 赛迪未来产业研究中心：2025年未来产业十大重点赛道 算力芯片 人形机器人/具身智能 细胞与基因治 疗 通用人工智能 （大模型等） 元宇宙 清洁氢 低空经济/通用航空 商业航天 高级别自动驾驶 新型储能 （固态电池等） 12 赛道 1：通用人工智能（大模型等） 公司 国家 代表性模型

精准分期和病理分型；② 发展集成调控多物理场响应探针材料，为疾病的实时可视化诊疗提供新途径； ③ 建立高特异性智能诊疗探针材料体系，为疾病的靶向精准个性化诊疗提供新策略。未来，将进一步结合 蛋白组学、代谢组学、基因组学等多组学平台研究探针材料的生物分子机制，同时开展探针材料的标准化 研究，从而加速推动精准医学生物探针材料的临床转化应用。 （9）催化降解废弃塑料定向转化制高值化学品 废弃塑料已经造成巨大的 品生产中 的微生物，旨在提升食品的营养价值、风味和安全性。这一技术不局限于传统发酵，还包括基因改造、代 谢调控和人工微生物群落构建等手段，用于提高食品加工效率及功能性食品开发。 主要研究方向有以下几个方面：① 发酵技术创新，通过多菌种共发酵和控制微生物群落结构，提升发 酵食品的口感和功能性；② 基因编辑与合成生物学，应用 CRISPR 等工具定向改造微生物的代谢途径，使 其生产特定功能性成分，如益生元、活性肽、维生素等；③ 微生态调控，利用益生菌调节人体肠道微生物 群，增强免疫力并改善健康；④ 绿色与可持续发展，利用微生物将农业废弃物转化为高营养食品，推动绿 色生产体系的建设，减少资源浪费。 未来，食品微生物技术将向精准优化发展，通过基因组学和蛋白质组学等技术深度解析微生物功能， 实现精准应用；个性化食品将成为趋势，根据个体微生态特征开发定制化功能食品；智能发酵技术结合人 工智能将实现生产过程的优化与控制；同时，绿色微生物技术将进一步整合，助力食品工业的可持续发展

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