与机器人技术融合后，从分子模拟到材料基因组学的全链条效率将被重新定义， 既能降低传统材料成本，又能缩短新材料研发周期。面对化工新材料研发的“多尺度复杂性” 与“实验验证滞后”痛点，AI 通过跨尺度建模、分子动力学加速等方案实现突破。在生产流 程中，AI 结合高通量机器人实验优化生产，降低损耗与故障率。但 AI 也在瓦解传统技术壁 垒，“白痴指数”高的材料受冲击大。化工企业需加强 AI 研发、引进人才、推动数字化转型， 05 2、《石油石化：2025：大化工大有可为—— 大化工行业 2025 年度投资策略》2024.12.18 扫码查看更多 ➢ AI+机器人重构化工研发范式：从实验室到工业化的效率革命 我们认为 AI+机器人大概率将带来化工行业的效率革命，尤其是类似 Deepseek 这样的顶尖 AI 工具的广泛应用，或驱动化工行业的研发和生产流程发生数量级层面的跃迁，在不久的将 合，化工研发大概率将经历一场范式革命——从分子模拟到高通量实验，再到材料基因组学， 全链条效率被重新定义，不但可能大幅降低传统材料的生产成本，也很可能使得新材料研发 周期大幅缩短。化工企业应当充分认识到：当前的产品壁垒已经不是壁垒，当前的产品利润 随时面临挑战。 ➢ 新材料预测的挑战与 AI 的破局方案：数据+算法的双重赋能 我们认为：化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点。类似 Deepseek

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 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 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

亿个分子进行筛选，缩小实际需要合成和筛选的分子数量范围，在2-3年内仅需合成及测试数百个分子；可以定制生成数百个苗头分子，探 索未知分子，提高药物研发的创新性；能够通过计算机模拟的方式减少需要实验室验证的分子数量，节约验证和测试时间。 ◼ AI研发的药物逐步进入临床阶段，且药物类型多样。尽管当前暂时没有利用AI制药技术研发的药物成功获批上市，但通过公开的数据库检索， 2015年-2023 图：全球人工智能解决方案市场规模 图：人工智能三要素 资料来源：晶泰控股招股书，国信证券经济研究所整理 资料来源：药智局，国信证券经济研究所整理 人工智能三要素 算力 算法 数据 CPU 机器学习 实验数据 GPU 深度学习 开源数据 FPGA 自然语言 处理 生成数据 ...... 其他 公开信息 数据 请务必阅读正文之后的免责声明及其项下所有内容 医疗保健板块是人工智能应用最大的领域 2-3年内仅需合成及测试数百个分子。 ② 传统筛选方式仅针对有限的分子库对特定的靶点进 行分子筛选，而AI制药可以定制生成数百个苗头分子， 探索未知分子，提高药物研发的创新性。 ③ 传统人工方法需要在实验室通过反复实验进行验证 和优化，AI制药能够通过计算机模拟的方式减少需要实 验室验证的分子数量，节约验证和测试时间。 请务必阅读正文之后的免责声明及其项下所有内容 图：AI制药开发药物的类型 数据来源：Kp

慧体育角、智慧体育空间、智慧体育家庭、数字云平台矩阵、AI 新体考。3）AI+ 理化生：理化生实验 AI 解决方案包含信息化系统建设模式、实验室基装建设模式、 实验室吊装建设模式以及实验仪器模式 4 种模式，覆盖理化生实验考试、教学、 场地等各个方面。目前，在大庆市 2024 年中考理化生实验操作中，2 所试点学校 1280 余名考生在数字化实验室中完成了理化生实验操作考试。 图15：佳发教育的 AI+英语听说 图16：佳发教育

DeepSeek的本地化部署与AI通识教育之未来 陈建海 博导/副教授 浙江大学通识人工智能（A）（理工农医）课程团队负责人 浙江大学计算机科学与技术学院 基础教学中心副主任/支部书记 浙江大学智能计算与系统实验室 负责人 浙江大学人工智能教育教学研究中心 2 提纲 vDeepSeek AI的新时代背景 vDeepSeek的本地化部署实践 vDeepSeek与AI通识教育之未来 v总结 3 Specialized Courses 39 改革计算机大类通识课程培养方案 类别 课程号 课程名称 学分 周学时 建议学期 课程说明 程序语言类课程 （三选一） CS1001G C程序设计基础及实验 4 3.0-2.0 秋冬 建议工科类(信息)专业设置 CS1002G C程序设计基础 3 2.0-2.0 秋冬/春夏 CS1006G Python程序设计 3 2.0-2.0 秋冬/春夏 计算机和人工智 5%，出勤率、课堂互动、随堂测试（>=5次）、答疑等 • 理论作业： 10%，学在浙大上的理论练习题 • 阶段测试：20%，随堂小测>=4次抵（4%）+阶段测试2次（6%）+期中测试1次（10%） • 实验作业：25%，实验报告小作业7次（15%，个人完成）+综合大作业1次（3人组团队合作，10%） 四统一课程与成绩评定 请阅读《人工智能基础A》教学大纲 45 教学大纲-学习目标 16个实例 46

段，许多省市已经启动了人工智能教育的实验性建设。在高等 教育阶段，已有数百所本科院校和高职院校开设了人工智能相 关专业，并建立起一大批人工智能实验室供师生开展人工智能 学习和实训。 图 2-1-1 K12 阶段的人工智能教育目标 在人工智能教育的不同阶段，对教学目标和教学环节的设置 也有所不同。在K12阶段，如图2-1-1所示，人工智能教学主 要是通过一系列基于场景实验的感性引导和动手实验，让中 小学 人工智能教育实训环境 如图 2-1-3 所示，这个过程可以分解为： • 从感知到认知：通过场景实验帮助学生感性地了解人工智 能在生活生产中的应用，触发学生的思考，揭开人工智能 的神秘面纱，了解人工智能背后的基础理论，进而引导学 生用多元的视角感知人工智能世界。 • 从认知到应用：通过动手实验体验人工智能实现过程，让 学生习得的知识得到实践，从而体会人工智能技术带来的 成就感，激发其探究和应用技术的热情。 件开设人工智能推理加速等实用性非常强的课程，使现有学习 内容与未来工作实操对接，让人工智能教育更具实践意义。 在人工智能实训阶段，从零起步的中小学、高校等教育机构往 往缺乏适用于人工智能教育的实训环境，相关的实训实验室通 常是在原有的电教室、微机室基础上改造而成，在应对大规模 学生进行人工智能实操时，往往存在以下问题： • 缺乏规模化人工智能训练、推理所需的算力储备，传统 PC 在执行人工智能训练、推理时效率低下，而要大规模采购

在制药领域的应用 ■ ■ ■ ■ 高 二 二 二 二 低 3 1 商业化 研发 在研发环节， AI 可以在多个领域增加价值，如计算机模拟研究、医学洞察和湿实验室支持。 AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程， 帮 助药物发现环节变革。 AI 如何助力研发 在整个产品开发过程中提升创新力和效率 高效流程 • 正在推动从药物发现到临床前候选阶段的全面变 革 已经证实收益 AI 对药物发现时间和成本减少的潜在影 响 到临床前候选药物 (PCC) 的成本 ( 百万美 元 ) 1 临床前候选药物 (PCC) 是指在早期实验室研究和动物模型中显示出良好效果、但尚未在人体临床试验中进行测试的化合物或候选药 物 到临床前候选药物 (PCC) 的时间 ( 年 ) 基线 AI 赋能流程 基线 AI 赋能流程 基线

测工具。 药物发现方面虽未出现 AlphaFlod 3 这样的里程碑式事件，但伴随生成式 AI 技术的不 断融入，制药 AI 的数据处理能力、算法模型、应用场景、可解释性、个性化和精准化 以及自动化实验平台等方面都发生了显著变化。这些变化为新药研发提供了更强大的工 具和手段，有望加速新药的研发进程并提高成功率。 图表 18 AI 制药的技术变化趋势 资料来源：公开信息整理 据相关分析，当前的 传统固态研发方法无法根据过往的数据及刊物有效预测可能形成特定分子的正确晶体 结构，仅能对数量有限的配体测定进行筛选及评价，难以确定最佳的盐型、共晶型或多 晶型，亦无法通过人工分析准确确定晶体结构，仅可利用实验分析进行固态测试及分析， 不足以获得特定品型的详细特征。此外，传统固态研发方法仅可通过试错法解决结晶过 程中的问题，需要耗费大量的时间及成本。 图表 22 固态研发传统研发方法与自动化方法关键步骤对比 改良固态试验晶体结构预测、固态筛选及评估、晶体结构确定、固态测试及分析、结晶 工艺研发五个关键步骤，进而在计算预测与实验验证之间建立反馈回路，于更短的时期 内提供更高的功效及精确度，降低研发方的成本。 晶泰科技自动化研发试验室的入局逻辑与固态研发相似，也是融入 AI、量子力学等前沿 技术，帮助实验室完成数智化转型，进而实现提质增效。但较于固态研发而言，市面上 已有的解决方案提供商实力雄厚、布局完整，晶泰科技可能需要更多时间才能啃下这块

种基础方案推 荐，而实际需考虑 11 类影响因素（如肾素活性、合并症等），导 致首诊方案调整率达 34%。 解决上述痛点需突破三项技术瓶颈： 1. 多模态数据融合：建立统一特征工程框架，支持实验室指标、影 像报告、基因检测数据的联合建模 2. 动态知识库构建：通过增量学习技术实现指南更新 72 小时内触 达临床终端 3. 可解释推荐系统：提供诊断路径的置信度评估与循证医学依据 链，例如： 在医疗系统智能化转型过程中，DeepSeek 智能体凭借其多模 态数据处理、自然语言交互和垂直领域优化能力，可高效覆盖以下 核心场景： 临床辅助决策场景 通过整合电子病历（EMR）、影像报告和实验室数据，DeepSeek 智能体可提供实时诊疗建议。例如在肿瘤科应用中，系统能基于 NCCN 指南和患者历史数据生成个性化化疗方案，准确率在测试中 达到 92% （对比三甲医院专家会诊结果）。典型应用流程包括： 报告解析效率提升 12 倍，关键指标提取准确率达到 98.7%。 2. 实时临床决策支持 基于动态更新的医疗知识图谱，智能体可在以下场景提供实时 分析： o 住院患者风险预警：整合生命体征监测数据、实验室结 果和用药记录，每 5 分钟更新预测模型 o 治疗方案优化：对比当前患者特征与历史相似病例的治 疗效果数据，生成疗效概率矩阵 典型应用案例显示，对于脓毒症患者的早期识别，系统通过分 析

卡片管理、日常管理、应付款管理 机构、账套、基础编码、角色、权限… 移动及物 联网 信息服务 系统 移动 无线 RFID 电子病 历 EMR 医院信息 系统 HIS 实验室信息 系统 LIS 实验室信息 系统 PACS/RIS 科教与知识 管理 管理与质 量控制 客户档案管理 VIP 管理 客户满意度管理 客户忠诚度管理 客户回访管理 潜在客户挖掘 一站式服务中心