湿电子化学品渐入佳境—— AI 赋能化工之三 相关报告 《新材料产业周报： 小米发布首款新能源汽车 SU7 中国移动宣布 5G-A 正式商 用（推荐） * 基础化工 * 李永磊， 董伯骏》 —— 2024-04-01 《新材料产业周报： 1-2 月我国集成电路制造业增加值增长 21.6% ， 全球首列 氢能源市域列车成功试跑（推荐） * 基础化工 * 李永磊， 董伯骏》 —— 整体行业增速快 湿电子化学品是微电子 、光电子湿法工艺制程中使用的各种电子化工材料 ，具有技术门槛高 、资金投入大 、产品更新换代快等特点 ，广泛应用于 集 成电路 、显示面板 、太阳能光伏领域 ，据中国电子材料行业协会 ， 2021 年应用于三大领域的比例为 33% 、 36% 、 31% 。据我们测算 ， 随着集成电 路国产化进程加快 、显示面板产能持续增长， 国内湿电子化学品需求量有望从 、日韩企业主导了全球湿电子化学品市场 。据中国电子材料行业协 会 ， 2021 年 我国集成电路用湿电子化学品整体国产化率达到 35% 。高端湿电子化学品主要由国外厂商垄断 ，半导体用高端湿电子化学品主要由 欧美 、日本厂商 把控 ；平板用湿电子化学品领域， 国内高世代线主要由韩国东进世美肯和韩国 ENF 供货， 国内企业国产化空间较大。 受益标的 随着国内湿电子化学品市场持续增长以及半导体行业国产化进程加快，

），一期实施 1000 吨 / 年现已投入运营。项目产品主要有 JHT 电子流体系列、 JHLO 润 滑油系 列以及 JX 浸没式冷却液等产品） 、 II. 新宙邦（六氟丙烯下游的含氟精细化学品，含氟冷却液（氟化液）顺利通过行业知名客户认证，实现批量交付）、 III. 永和股份（ 1 万吨 / 年 硅片 / 化合物半导体、光刻胶、湿电子化学品、电子气体、掩膜版、 CMP 抛光液 和抛光垫、溅射靶材等）及封装材料。其中， 半导体几大核心耗材我国国产率均较低， 国产替代需求旺盛，有望在 AI 快速发展中实现 需求大增与技 术突破。涉及标的： 1) 光刻胶：彤程新材、晶瑞电材、久日新材、万润股份、雅克科技、容大感光、南大光电等； 2) 湿电子化学品：江化微、格林达、晶瑞电材、飞凯材料、多氟多、兴发集团等； 脂肪族化合物、有机硅类物质、碳氟类化合物等。其中氟化液是一种无色无味绝缘且不燃的化学溶剂，最开始是用作线路板的清洗 液；加上其不燃和绝缘的惰性特点，目前下游应用领域已经涉及半导体冷却板的冷却、数据中心的浸入式冷却、航空电子设备的喷雾 冷却等。氟化液的优点包括： 1 ）具有优异的电绝缘性和热传导性； 2 ）理想的化学惰性和热稳定性，能广泛使用于各种温控散热场 合 ； 3 ）良好的材料相容性，与绝大多数金属、塑料和聚合物不反应；

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 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 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 -

等手段大 幅加速分子动力学的研究。例如 AI 2BMD 系统在精度相同的情况下，实现了超过 100 万倍的 模拟加速，并将误差减少了 10 倍以上。 3.小样本强化学习：在有限的实验次数、原材料等条件下，AI 通过机器强化学习以及推理， 使得能够在少量实验数据的基础上，快速学习到如何调整配方和条件以提高反应效率。比如 Wen 等在 Al-Co-Cr-Cu-Fe-Ni 系统中搜索高硬度的 HEAs Li₂TiMn₃O₈。 ➢ 高通量机器人+AI 驱动的生产流程革命：成本与精度双突破 AI 可以对生产流程进行全方位的“管理”和优化。比如原材料的成分、用量，生产设备的运 行参数，环境温度、湿度等，进而通过机器强化学习结合高通量机器人实验，相比“人工试 错法”，找到生产过程中的最优解，精确地控制生产过程中的各个参数的能力或呈指数级提 升，生产过程的损耗也有望大幅降低的同时产品合格率也有望得到大幅提升。AI 还可以实 ..................... 6 1.2 分子动力学加速 ............................................. 10 1.3 小样本强化学习 ............................................. 11 1.4 高通量机器人验证：大幅提升新产品的研发速度 .................. 14

形成了一个闭环的综合技术平台。 AI+虚拟筛选、AI+冷冻电镜、AI+自动化平 台。 - 138.8 - - - 603259.SH 药明康德 1846 公司是一家全球领先的医药研发服务企业，其主要业 务涵盖化学业务、生物学业务以及高端治疗CTDMO 业务。 通过自研技术、战略合作与生态整合，构 建了AI驱动的研发能力，除了自建药物发 现平台外，还与英矽智能等AI制药公司合 作，开发针对难成药靶点的AI生成分子。 17.1 144.5 117.3 92.3 300725.SZ 药石科技 83 公司主要从事生物医药中小分子药物研发产业链上从 药物分子砌块设计、研发、工艺优化到商业化生产所 有涉及化学的业务。同时,公司的主营业务还包括技术 服务。 利用AI技术搭建药物发现和优化平台。 47.4 5.3 43.0 36.2 30.1 688131.SH 皓元医药 93 公司是一家专注于小分子药物研发服务与产业化应用 用先进的计算方法，为制药公司提供以物理和机 器学习为基础的软件服务，主要应用场景为化合物筛选。公司搭建的AI技术平台基于物理的计算，集成了用于预测建模、数据分析和协作的 差异化解决方案，以实现对化学空间的快速探索。 ◼ 公司业务分为软件和药物发现。软件业务专注于将软件销售给生命科学行业的药物发现以及材料科学行业的客户。药物发现业务专注于从各 种临床前和临床项目中产生收入，目前与多家跨国公司

2 无监督学习.................................................................................79 5.1.3 强化学习.....................................................................................81 5.2 特征工程. 冷却：干馏结束后，焦炭需要冷却以防止其自燃。冷却方式可 以是自然冷却或水冷却，选择合适的冷却方式可有效节约能源 和降低焦炭的氧化损失。 6. 分级和包装：冷却后的焦炭需要经过分级，按照粒度大小进行 筛分，确保其物理、化学性能的均一性。最终，焦炭将被包装 并配送到钢厂。 通过以上步骤，确保焦炭的生产过程高效、环保，并满足不同 钢铁生产的需求。在这个过程中，智能化技术的应用也显得尤为重 要，例如，通过实时监测煤种成分、温度、气氛等参数，能够实时 用人工智能大模型的潜在方向，为未来钢铁生产的智能化提供了可 行的方案。 2.2 炼铁过程 炼铁过程是钢铁生产中至关重要的环节，是将矿石中的铁矿物 转化为生铁的关键步骤。整个炼铁过程通常在高炉中进行，需要一 系列复杂的物理和化学反应。首先，将铁矿石、焦煤、熔剂（如石 灰石）和还原气体（如氢气或一氧化碳）按照一定比例进行配料。 这些原材料的选择和配比直接影响炼铁的效率、质量和成本。 在高炉内，铁矿石在高温下被还原。首先，焦煤在高炉底部燃

专家介绍 张俊，武汉大学电气与自动化学院教授、博导，武汉大学“弘毅青年学者”，国家级海外高层次引进人才，“杨嘉墀科技奖”获得者，现任中国自动化学 会副秘书长、武汉市自动化工程技术研究中心主任、武汉产业创新发展研究院智能工业软件研究所副所长。张俊教授研究领域包括新型电力系统领域中复 杂系统建模、人机混合增强智能、生成式人工智能大模型、多源异构数据和知识的融合计算和处理等理论方法。张俊教授近 5 年主持或参与二十余项国家 篇专著（章节），SCI 收录论文四十余篇， 发表 ESI 和知网中文高被引论文 5 篇。近 5 年张俊教授获国际、省部级、行业奖项十余项。张俊教授现任 IEEE 武汉分会主席、《智能科学与技术学报》 副主编、《自动化学报》（中英文版）编委会成员， IEEE Transactions on Computational Social Systems 编委会成员。

为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI技术演变路线 5 理解Chatgpt,J⼀个AI领域的“⼯程奇迹” Chatbot： ⽂本交互式应⽤ Gpt3： 预训练⼤模型 Prompt engineering 提⽰词⼯程 RLHF 强化学习 Nvidia A100（A800） ⾼性能卡 SFT 监督微调 RDMA 提升训练速度同时保持精度，降低硬件门槛 FPBn混合精度训练 • 从海量数据中提炼⾼价值信息，提升模型 学习效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模型 数据蒸馏技术 • ⼤道⾄简，⽤强化学习跳出题海和⼩测 让模型⾃⼰学会思考 GRPO(群体相对策略优化) 效果体验惊艳，成本极致压缩 8 为什么⼈⼈都爱DeepSeek? 成本优势 • 550万美元预训练成 本达到GPT-4级别性 患者新旅程：终端+数据+AI+服务，AI串联全流程，激发新需求 19 “精益求精”⽤户画像 “细致⼊微”⾏为管理 “极致简化”服务路径 DeepSeek对于医疗体系有那些影响？-医⽣ • 学习/培训模式发⽣改变→交互性、个性化学习 模式 • 医⽣临床决策影响模式发⽣改变→从经验驱动 →基于医学搜索、循证医学证据的驱动 • 科研与学术⽅式和效率→通过⼤模型进⾏科研 课题筛选、⽂献收集、数据结构化提取和分析、 摘要及初稿撰写等

发布开源大模型 R1，迅速出圈月活破 3000 万。2025 年 1 月 20 日，DeepSeek 正式发布 DeepSeek-R1，并同步开源模型权重。DeepSeek- R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下， 极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。自 1 月 20 日 DeepSeek 发布 R1 模型，该模型的用户数 R1，性能比肩 OpenAI 的 o1 模型。2025 年 1 月 20 日，DeepSeek 正式发布 DeepSeek-R1，并同步开源模型权重。DeepSeek- R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极 大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。 图1：DeepSeek 发布 R1 模型性能上对标 国产大模型的“百花齐放”为 AI+教育场景的革新注入了多重动力： 1）教学效率与个性化学习的双重提升。国产大模型通过自动化工具显著减轻 教师负担。例如，AI 助教可快速生成教案、PPT，并设计分层练习题，节省教师备 课时间；自动批改系统能够扫描手写作业或试卷，识别错题并提供反馈，甚至生成 成绩分析报告，帮助教师精准定位学生薄弱点。在个性化学习方面，大模型通过分 析学生的错题记录、学习习惯等数据，生成定制化复习计划。

Mimicry Defense 计算机科学, 2024, 51(11A): 231000005-6. https://doi.org/10.11896/jsjkx.231000005 基于深度学习的个性化学习资源推荐综述 Survey on Deep Learning-based Personalized Learning Resource Recommendation 计算机科学, 2024, 51(10): Security Threats 计算机科学, 2024, 51(6): 399-408. https://doi.org/10.11896/jsjkx.230200099 SGPot:一种基于强化学习的智能电网蜜罐框架 SGPot:A Reinforcement Learning-based Honeypot Framework for Smart Grid 计算机科学, 2024, 51(2): 实 现 方 式,它 利用机器学习技术自动分析攻击行为,检测异常流量,激活跳 变策略等,根据实时的网络状态动态调整网络防御策略,从而 进一步提高系统的安全性和可靠性. Gao等提出了一种基于强化学习的自适应策略,与当前 环境实时交互来自适应调整防御策略,同时通过算法参数来 平衡系统的安全和性能问题,以满足不同的场景的 需 求[６２]. Chai等根据当前系统安全状态和攻防次数,使用深度学习算