AI赋能化工之二_AI助力化工行业转型升级

微信扫码，打开到小程序

AI 赋能，助力化工行业转型升级—— AI 赋能化工之二 相关报告 《化工行业深度报告： AI 带动材料新需求—— AI 赋能化工之一 （推荐） * 化工 * 李永磊，董伯骏》—— 2023-04-11 请务必阅读报告附注中的风险提示和免责声明 2 表现 1M 3M 12M 基础化工 -1.5% -2.6% -5.0% 沪深 300 4.8% 0.3% -0.9% 最近一年走势 0.1344 0.0724 0.0103 -0.0517 -0.1138 -0.1758 基础化工 沪 深 300 沪深 300 表 现 688065.SH 凯赛生物 59.61 - 0.95 1.42 - 62.92 42.06 买入 688639.SH 华恒生物 169.25 1.70 2.84 3.88 76.03 59.60 43.64 买入 601117.SH 中国化学 10.56 0.84 0.89 1.07 14.29 8.92 9.85 买入 002140.SZ 东华科技 10.46 0.46 0.52 0.48 31.61 23.57 21.59 未评级 600028.SH 中国石化 6.35 0.59 0.55 0.59 7.19 7.69 10.79 未评级 601857.SH 中国石油 7.34 0.50 0.82 0.71 9.82 6.62 10.28 未评级 600309.SH 万华化学 97.27 7.85 5.17 6.71 12.87 17.92 14.49 买入 002984.SZ 森麒麟 31.35 1.16 1.23 2.12 30.66 25.03 14.81 买入 002226.SZ 江南化工 5.38 0.40 - - 14.97 - - 未评级 688114.SH 华大智造 93.37 - 5.22 1.45 - 22.50 64.57 未评级 688777.SH 中控技术 97.34 - 1.60 1.97 - 62.41 49.44 未评级 603100.SH 川仪股份 43.30 1.36 1.37 1.68 15.56 23.49 25.84 未评级 688768.SH 容知日新 150.58 - 2.12 3.17 - 65.32 47.52 未评级 2023/04/17 EPS PE 股价 2021 2022A/E 2023E 2021 2022A/E 2023E 重点公司代码 股票名称 投资评级 请务必阅读报告附注中的风险提示和免责声明 3 资料来源： Wind 资讯，国海证券研究所（未评级标的采用 wind 一致预期，中国化学、东华科技、中国石油、中国石化、万华化学、森麒麟、华大智造、中 控 技术、容知日新、川仪股份 2022 年数据为真实值，其余为预测值） 重点关注公司及盈利预测 核心提要 人工智能未来有望赋能化工“研发 - 设计 - 建造 - 运营”全生命周期。 u AI 提升研发效率 在研发环节， AI 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，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，助力化工企业实现数字化转型，数字化孪生工厂的产生为企业后续运营储备了丰富的数据资产。众多的工程 企业尤其是设计院，正在谋求以数字化工厂与数字化交付为突破，从而实现企业的数字化转型。 u AI 赋能化工生产和运营 AI 技术助力化工生产实现底层数据采集、中层数据管理和上层工厂运营以及顶层企业管理全方面多维度的智能化、数字化，具有提高生产效率、减 少用人数量、提升安全性、降低能耗等多维度优势。 u AI 在工业中具有巨大潜力 AI 与工业数据的结合有助于有效获得不同变量之间的关系，并预测及优化特定参数。在工业中， 已应用于精馏塔、反应器、锅炉、控制器、冷水机 组、压缩机、泵、管道等各种工艺设备的校正、工艺参数预测、故障诊断与优化；在纺织，水处理，化肥，核电站和油气等领域均有应用。 投资建议： 重点关注：合成生物学：凯赛生物、华恒生物；基因测序：华大智造（医药）；设计与建造：中国化学、东华科技、中国石化、中国石油； AI 应用： 万华化学、江南化工；智能制造典型：森麒麟；智能工厂整体方案供应商：中控技术（机械）；智能仪表：川仪股份（电新） ；智能设备管理系统： 容知日新（机械） 。 投资建议： AI 赋能化工产业，助力化工行业转型升级。 综合考虑 AI 对化工行业的赋能和带动效应， 维持基础化工行业“推荐” 评级。 风险提示：重点关注公司业绩不及预期；宏观经济大幅下滑；项目进展不达预期风险；行业政策大幅变动风险；行业竞争加剧风险。 请务必阅读报告附注中的风险提示和免责声明 4 目录 AI 提升研发效率 AI 优化化工设计和建设 AI 赋能化工生产运营 AI 在工业中具有巨大潜 力 投资建议及关注标的 行业评级及风险提示 请务必阅读报告附注中的风险提示和免责声明 5 人工智能逐渐向增强或应用智能的形式转变 人工智能（ AI ）是研究 、开发用于模拟 、延伸和扩展人的智能的理论 、方法 、技术及应用系统的一门新的技术科学 。随 着进一 步发展， 人工智能逐渐向增强或应用智能的形式转变 。如今， 人工智能理论和技术日益成熟， 技术和应用程序的范围也不断 扩 大， 广泛应用于医疗 、 自动化 、游戏 、过程控制等领域。 图表：人工智能在工业中的应用 人工智能 在工业中 的应用 请务必阅读报告附注中的风险提示和免责声明 6 资料来源：《 Machine Learning an Intelligent Approach in Process Industries: A Perspective and Overview 》 -Nadia Khan ，国海证券研究所 在工艺数据上训练 AI 模型进行工艺预 测 训练 AI 以设置和调 整工艺参数达到预 期目标 训练 AI 在实时过程 中优化过程目标参 数 比较显式方法和隐 式方法在异常检测 方面的性能 化工行业推入人工智能势在必行 人工智能应用于化工行业， 具有客观必然性 。化工行业作为流程工业的典型代表， 其特点是系统规模大， 覆盖专业多 、 工艺复 杂， 产品多元化， 控制难度大， 耦合度高， 与人工智能的结合能够促使化工企业跳出传统制造行业的范畴， 使化工企业能够 在 一定的体系中， 完成对化工原材料 、能源或其他形势自然资源的利用， 真正实现精细化生产和运营。 图表：流程工业的主要活动 请务必阅读报告附注中的风险提示和免责声明 7 资料来源： 《 Machine Learning an Intelligent Approach in Process Industries: A Perspective and Overview 》 -Nadia Khan ，国 海证券研究所 非线性程序，基于 方程和顺序模块的 仿真，数学方程优 化 流程网络调度，数 据协调，实时优化 能源装置和多产品 间歇装置的设计， 能源回收系统 预测模型控制和 过程优化 支撑 工具 过程 设计 过程 控制 过程 操作 人工智能赋 能 材料研发与合成 材料是人类用以制造基本元件 、构件 、机器以及更复杂材料产品的物质基础 。如今， 在 5G 和物联网时代， 材料的研发与 合成也 逐渐与人工智能技术建立起联系， 藉由人工智能探索其新思路新方法 、新技术。 请务必阅读报告附注中的风险提示和免责声明 8 图表：材料研究的 4 个阶段 : 经验、理论、计算模拟和 ( 大 ) 数据推 动 资料来源：《材料信息学及其在材料研究中的应用》 - 王卓等，国海证券研究 所 资料来源：《材料基因在锂电研发中的应用》 - 曾乐才，国海证券研究 所 预测分析聚类 ; 矿业的关系 ; 异 常检测 二级范式 基于模型的理论 科学 三级范式 计算科学 （模拟） 密度泛函理论， 分子动力学 图表：新材料研发过程的主要环节 一级范式 经验科学 四级范式 数据驱动科学 性能 优化 验证 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 ，从所设计的分子中筛选出并进行合成 ， 以便得到经过性能优化的材料。 图表：分子模拟与人工智能平台主要流程 图表：人工智能指导并挖掘隐藏要素的工作流程示意图 请务必阅读报告附注中的风险提示和免责声明 9 收集数据 AI 模型专家 多算法调用 算法的说明 算法的操作文档 算法参数的说明 训练模型 人工智能 • 实验数据采集 • 配方数据清洗 • 配方数据建模 • 模型验证和预 测 • 虚拟测试和筛 选 • 配方模型库 资料来源：创腾科技官网，国海证券研究所 资料来源：能源学人公众号，国海证券研究所 实验数据集 指导实验 发布模型 利用模型 机器学习建模 关键因素挖掘 实验科学家 特征排序 发现机理 实验验证 预测性质 应用领域 应用场景 应用剖析 材料合成 新材料的研发合成 将材料数据库和机器学习有效结合，则可实现对基于材料性能的新材料的快速 预测和筛选，从而能够有效发现大量候选新材料，在缩小目标范围后配以实验 方法和第一性原理计算方法进行验证，则可加快新材料的研发合成过程。 材料合成路线的筛选 利用精选的合成规则预测反应路线图，完成从目标产物到可获取的起始原料间 的逆合成分析；进行配方虚拟筛选，从多方位优化研发策略、探寻更优性能材 料，包括高分子、纳米材料、非金属、金属材料等。 人工智能为材料合成提供有效途径 新材料的合成往往伴随大量的数据和冗杂的参数， 在材料化学合成路线中， 由于每一个步骤发生的变量从几十到几千不等， 需 要考虑到极端庞杂的系统和大量潜在的解决方案的组合 。在这些组合中， 往往还存在着很多相互竞争的参数（比如时间 、 成本 、 温度 、湿度 、纯度 、毒性等） ， 所以传统实验方式非常不适合当今形势下的新材料的合成和开发。 采用人工智能进行新材料的合成设计 ，渐渐成为新材料合成及设计的新选择 ，也给深入研究新的化合物合成准则带来了可能。 图表：人工智能在材料合成中的应用 请务必阅读报告附注中的风险提示和免责声明 10 资料来源：《机器学习在材料信息学中的应用综述》 - 牛程程， X-MOL 资讯公众号，创腾科技官网，国海证券研 究所 计算机模拟软件提升研发效率 在化工领域中 ，应用计算机模拟软件 ，不仅能够促进化工设计严谨性和系统操作精准程度的提升 ，还有利于科学合理地进行系统流程的计算 与分 析 ，可在一定程度上推动化工行业的发展进步。 分子模拟作为一个重要的理论研究手段 ，可以在微观分子世界与宏观可观测量之间搭建桥梁 ，从而为人们在分子水平上理解物质的结构和动 力学 性质提供工具 ，其在化学化工 、生物医药 、能源 、材料等多个领域都有广泛的应用 。近几十年来国际学术界和工业界已发展出很多具有 特色的分 子模拟软件 ，但国内一直没有成熟的自主知识产权软件 ，且现有的分子模拟软件在实际应用中可靠性和效率都亟待提高 ，北京大 学 / 深圳湾实验室 高毅勤研究团队开发了 SPONGE ，不仅是国内首个开源发布的通用分子模拟软件框架 ，更布局以大数据和深度学习为代表的 人工智能技术 ，力求 成为在算力时代引领技术变革的下一代分子模拟软件平台。 图表：常用的分子模拟软件 软件类型 名称 主要功能 分子模拟软件 Materials Studio 构型优化、性质预测和 X 射线衍射分析，以及复杂的动力学模拟和量子力学计算 HyperChem 通过量子化学的半经验方法、从头算方法、密度泛函方法进行计算，进行单点能、几何 优化、分子轨道分析、蒙特卡罗和分子力学计算、预测可见 - 紫外光谱等功能。 ChemOffice 分为功能不同的几个版本，其 ChemOffice Ultra 版本包含了 : ChemDraw Ultra( 化学结构 绘 图 ) 、 Chem3D ultra ( 分子模型及仿真 ) 和 ChemFinder Pro( 化学信息搜寻整合系 统 ) 。 Gaussian 半经验计算和从头计算使用最广泛的量子化学软件。 SPONGE 新一代开源分子软件，实现深度学习与分子模拟的高效融合，由北京大学 / 深圳湾实验 室 高毅勤研究团队开发。 请务必阅读报告附注中的风险提示和免责声明 11 资料来源：科学计算软件网，投必得学术公众号，化学加公众号，北京大学官网，《计算机模拟软件在化工设计中的应用》 - 高源， 《远程 教学中 Chemoffice 的功能和应用研究》 - 李伟琦，国海证券研究所 合成生物学在多领域展现出巨大潜力 合成生物学基于生物信息学 、 DNA 合成技术 、遗传学和系统生物学等学科 ，应用领域覆盖医疗健康 、科研 、化工 、美妆 、材料 、食品 、农 业和能 源等细分行业 。与传统分子和细胞生物学区别 ，合成生物学专注于核心生命元件的设计 、构建与优化新生物组分 ，包括酶 、“ 电路 ”和 生物系统， 从头设计或编辑现有基因 。合成生物学中最强大的工具之一是 DNA 合成技术 。据牛氪研究院 ，在过去 15 年中 ，基因合成的成本下 降了 10 倍， 由此 促进了合成生物学产业的蓬勃发展。 目前合成生物学主要由北美主导 ，其次是欧洲 ，亚太是第三大市场 。根据 Markets and Markets 预测 ， 2021 年全球合成生物学市场规模达到 95 亿美 元 ，预计 2026 年全球达到 307 亿美元， 中国合成生物学 2025 年预计 70 亿美元 。近年来 ，合成生物学领域的出版物及投资也在不断增 加。 图表：合成生物学影响众多领域 图表：合成生物学领域的 (a) 出版物和 (b) 投资在不断增加 环 农 医 能 材 境 业 药 源 料 请务必阅读报告附注中的风险提示和免责声明 12 资料来源： 《 Artificial Intelligence for Synthetic Biology 》 -MOHAMMED ESLAMI 等 , 国海证券研究所 资料来源： 《 Artificial Intelligence for Synthetic Biology 》 - MOHAMMED ESLAMI 等，国海证券研究所 合成生物学 总投资额（十亿美元） 出 版 物 数 量 ( 年 度 ) 法国 中国 英国 德国 美国 总计 日本 人工智能在合成生物学全产业链均有应用 当前 ，合成生物学领域常见的上下游主要包括上游工具层 、中游软件 / 硬件层以及下游应用层 。以 AI 为主导的从头设计应用于合成生物学 ， 可以 有目的地设计具有特定功能的标准生物元件 ，代替部分需要在实验中获得有效表达和测试的环节 ，跨越下游实验优化的时间和成本 ，数以百万 计 的潜在有价值的蛋白质无法通过生化方式获得 ，现在可以直接通过设计研究 ，并用于生物医学和化学 、工业 、农业 、食品 、材料学 、环境 保护等 众多领域 ，加速应用于合成生物学的工程化落地。 图表：合成生物学产业链上下游 DNA 元件设计软件 高通量、自动化实验室设备 云端生物代工厂 微流控 大数据与机器学习 新药开发、植物天然代谢产 物、基因治疗、精细化工品、 生物材料、食品 / 饮料、工业 酶、生物农药技术、生物基 化学品、微生物药 DNA/RNA 合成、 DNA 测序、 DNA 元件库、模式生物库、 工具酶、基因编辑服务 （ CRISPR-Cas9 ） 请务必阅读报告附注中的风险提示和免责声明 13 中游 软件 / 硬件层 下游 应用层 上游 工具层 资料来源：凯莱英 Asymchem ，国海证券研 究所 人工智能使合成生物学各环节效率大大提升 当前 ，人工智能已在元件工程 、基因线路 、代谢工程 、基因组工程中广泛应用 ，将合成生物各个环节的工作效率大大提升 ，成本明显降低 ， 成功 缩短研发周期并扩大研发可能。 以 Deep Mind 旗下 Alpha Fold 平台为代表， 目前该平台已可预测的蛋白质结构超过 2 亿 ，来自于 100 万个物种 ，基于 Alphafold2 ，科学 家有望设计 出自然界不存在的具有更高催化效率或是具有未知催化功能的酶，从而开发出更加高效的代谢线路或是合成自然界中目前无法生物 合成的物质。 图表：人工智能在合成生物学不同环节中的应用 环节 含义 应用 元件工程 生物元件是合成生物系统中最简单、最基 本的单元，其生物学本质是具有特定功能的 DNA 序列、 RNA 序列、氨基酸序列或蛋白质结构域 改善生物元件的鉴定和功能注释效率 加速理性设计和定向进化优化现有元件结构、增强其功能特性 设计合成自然界不存在的元件 线路工程 线路工程是利用元件工程中的各类元件针对多样的需求 依照电子工程中电路搭建的思维进行设计及功能优化，