通过释放全价值链改进潜力、实现除自动化以外的效率提升。 AI 的最新发展赋能新用例显著改善各种生产 关 键绩效指标。 商业化领域也受益于 AI 。使用 AI 工具直接协助与医务人员互动的应用日益增多，更快速为团队提供重要的医疗信息。 AI 还可 以通 过使用市场表现数据为销售、营销和市场准入环节提供独到洞察。 将 AI 整合进公司流程为制药公司提供了改善营收和利润的巨大潜力，机会正当时。然而，企业必须考虑大量因素，才能使 宣传材料制作 • 关键意见领袖（ KOL ） 管 理 • （医疗）知识管理 应用得当时， AI 可以同时提高有效性和效率，在更短的时间内为患者带来更好的药物。然而，效率和收益的提升潜力因价值链环节而异。因此，合理管理 AI 预期以调整 AI 投资至关重要。 获取收益 AI 在制药价值链中的应用（部分示例） 制药价值链 资料来源 : GenerativeAi.net, Techtarget 车辆、路线规 划优化 例如：通过机器参数优化减 少废弃物料 7 AI 在制药领域的应用 10-30 % 10-30 % 成本节降 11 无形收益 有形收益 1 常规减少潜力 资料来源：罗兰贝格 影响 更深入的理解 AI 可助力市场洞察和企业战略 1 监管和医学事务 加快审批流程并保持合规性 审批提交支持和合规性监控 • 创建监管申报资料包 • 自动追踪监管变化并进行合规性预测

2.3 中国载人eVTOL商业化进程展望 20 3. 奋楫扬帆：中国eVTOL企业发展展望 22 3.1 发展路径 22 3.2 核心能力建设 23 4. 远航新程：海外eVTOL市场潜力 24 5. 结语：天已开阔，风正可期 28 波士顿咨询公司 2025年9月 1. 起飞前夜：奠定中国eVTOL市场发展的时代基石 eVTOL全称为electric vertical takeoff eVTOL的诞生并非依赖单一技术的发展，而是电机驱动、分布式推进、全新构型与智 能化系统四项关键技术共同突破的结果。这些底层技术的进步为飞行器设计与运行带来了 全新的可能性，也使得eVTOL首次具备了技术可行性和商业化潜力。 • 电动化：重新定义飞行动力来源 相比传统内燃机，电机驱动系统更为安静、清洁且结构简洁，大幅提升了eVTOL在城 市内及低空空域运行的可接受性。同时，电机内部的机械部件更少，显著降低维护成 当前，中国高净值人群数量位居全球第二。截至2024年，中国的高净值家庭及富裕家 庭 3总数已达到740万户，自2016年以来年均增长近3%4。这一规模庞大且持续扩张的群体， 正构成个人飞行eVTOL市场最具潜力的早期用户基础。 3 高净值家庭：家庭净资产超过1,000万元人民币；富裕家庭：家庭净资产超过600万元人民币。 4 数据来源《2024胡润财富报告》。 波士顿咨询公司 2025年9月 中国载人eVTOL行业白皮书

I制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI制药领域进展及具备潜力的海内外前沿公司。以“AI+CRO”、“AI+Biotech”为典型的商业模式，AI制药涌现出了一批优 秀的上市/非上市公司。除此之外，以赛诺菲、GSK、强生为代表的大药企亦在积极布局AI制药领域，一方面运用AI技术加强数据管理决策并 ，一方面运用AI技术加强数据管理决策并 深度融合至药物开发流程之中，一方面不断加强与AI制药专业公司合作，运用后者专业的技术平台，赋能药物发现和临床试验。建议关注AI 制药领域进展及具备潜力的海内外前沿公司：晶泰控股-P、皓元医药、药石科技、药明康德、成都先导等。 请务必阅读正文之后的免责声明及其项下所有内容 医疗健康是AI最大的应用领域 01 AI为药物发现带来时间及效率变革 02 国内外“AI+制药”企业梳理 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 6 ◼ 人工智能在医疗保健领域的应用场景广泛，能够为多个环节赋能。AI（Artificial intelligence）在医疗领域应用潜力巨大，可以为生命科 学研究、药械研发、医学影像、辅助诊断、健康管理等多个环节赋能，有助于提高医疗服务的效率和质量，改善患者的就医体验，并推动医 疗行业向智慧医疗新时代发展。 图：AI+医疗健康生态架构

设定锚点，行动实践 人工智能正在经历新的发展浪潮。某头部公司正在转向AI Agents支持平台，结合第4代人工智能 模型与专业语料库以实现业务创新。AI Agents有望为商业领域注入新活力，展示人工智能的潜力 和商业价值。随着平台的发展，新的AI Agents涌现，提供专业化、高端化、个性化、规模化、持 续化的服务。人工智能的革新涵盖了生成内容（AIGC）和生成服务（AIGS）的领域。保险行业 面 现业务创新。通过 Assistants API，开发者可以轻松地将第4代人工智能模型功能引入应用或平台，提高效率和激发 创造力。AI Agents的出现有望为商业领域注入新的活力，展示人工智能的潜力和商业价值。这 些技术将引领人工智能技术的新发展方向，助力企业和个人实现更高效、智能的创新应用。随着 平台的发展，新的AI Agents各种涌现，它们各具特色，并提供着专业化、高端化、个性化、规 第4代人工智能模型虽集成了更多功能，但 仍偏技术端 1 2 3 技术到应用的转化： • 技术本身不能直接成为服务，它必须通过集成多项技术形成应用。 • 应用是技术与用户需求和场景结合的结果，它将技术的潜力转化为实际可用的功能。 应用到服务的发展： • 应用的成熟是服务发展的前提，只有当应用建立了固定模式，它才能转变为服务。 • 服务是应用在具体领域的实践，它解决了特定用户群体的需求。 随着A

从“助手”升级为“员工”或“自动化引擎”，处理如自动生成报告、解决复杂客服问题等复杂任务，以实现显著生产力 飞 跃。 AI Agent 契合这一需求，其天生适合处理复杂任务，强调执行与行动，具备自动化复杂流程的潜力，有望带来指数级效率提升和生产力解 放，满足市场对显著价值回报的需求。 过去的状态： 停留在概念验证（ PoC ）或小范围试点， AI 更像一个需要被验证的“玩具”或“辅助工具”； 现在的要求： ），转变为能独立承担责任、解决问题的“正式员工”（ Employee ）或“自动化引擎”（ Engine ）。 生产力回报 从“增量优化”走向“指数飞跃” 以“重塑工作方式”响应“指数飞跃”要求： Agent 的巨大潜力在于，通过自动化过去无法自动 化的、更复杂、更耗时的工作流，能够为企业带来 指数级的效率提升和生产力解放，这直接回应了市 场对于“显著价值回报”的终极期待。 www.jazzyear.com 任务复杂度 从“单点技能”走向“综合流程” Agent 满足市场需 求 部署模式 从“实验室”走向“生产线” 01 潜力契合 机制契合 能力契合 4 产品名称 底层模型 核心技术 自主性 多模态能力 高（网页交互） 强（视觉理解） 高（跨领域任务） 强（文本、图像、代码） 高（软件开发） 中（主要文本和代码）

的新阶段， 其中，人工智能专用小模型技术已广泛植根于制造业的各个环节， 而大模型技术亦逐步崭露头角，展现出其在复杂应用场景中的巨大 潜力。 同时，制造业人工智能领域的产业结构日益完善，基础层 虽 面临国外技术主导的挑战，但国产化进程加速，潜力无限；技 术平 台层构建起较为成熟的生态体系；应用层则遍地开花，在多 个行业 实现了广泛而深入的应用，共同驱动着制造业向智能化、 高效化转 和提高效率等方面发挥越来越重要的作用。 15 2.大模型技术已逐渐渗透制造业应用 在制造业智能化转型的浪潮中，大模型技术正逐渐成为研究和 应用的热点。尽管目前大模型技术仍处于探索初期，但其展现出的 巨大潜力却不容忽视。大模型将帮助制造业提升效率、降低落地门 槛。在设计研发阶段，大模型可以根据客户需求自动设计制造原 型， 提高产品开发效率。通过学习大量的制造业设计数据，大模型 可自 动生成一 等底层资源提供开发实现人工智能算法的能力；应用层利用人工智 能技术在制造业生产和服务各个环节中创造价值。 17 来源： 中国信息通信研究院 图 2 制造业人工智能领域产业结构 1.基础层：基础设施市场潜力巨大 复杂的制造业问题需要人工智能芯片高效运算来解决。当前能 适应深度学习的芯片类型主要有 GPU 、FPGA 和 ASIC。 目 前，GPU 凭借其完善易用的软硬件生态、高效的计算能力和较低的

...................................................................................7 1.2 AI 在钢铁行业的潜力............................................................................9 1.3 本文目的与结构......... 需优 化。根据国际钢铁协会（World Steel Association）的数 据，2022 年全球粗钢产量为 18.6 亿吨，其中中国占比超 50%。这 样的产量规模虽显示出行业的巨大市场潜力，但也带来了资源消耗 和环境污染等问题。因此，亟须借助先进技术，提升整体行业竞争 力和可持续发展能力。 一方面，钢铁制造过程中的高能耗及高排放问题日益突出。根 据专家分析，钢铁行业的碳排放已经占到全球工业排放的近 大模型的引入，为这一转型 提供了切实可行的技术支持，使得钢铁企业能够在复杂且富有挑战 性的市场环境中稳步前行。 1.2 AI 在钢铁行业的潜力 在当今的工业变革中，人工智能（AI）正逐渐成为推动各个行 业效率提升和创新的核心动力。特别是在钢铁行业，AI 的全面应用 蕴藏着巨大的潜力，能够助力企业在降低成本、提高生产效率、优 化资源利用、提高产品质量等方面取得显著成效。以下是 AI 在钢 铁行业的几个关键应用领域。

.............................................................................. 8 1.2 AI 大模型在公共安全中的潜力 .......................................................... 10 1.3 文章目的 .......................... 反应、精准应对的需求。与此同时，信息技术的迅猛发展，特别是 人工智能（AI）技术的崛起，为公共安全领域提供了新的解决方 案。 人工智能大模型的应用，尤其是在视频智能挖掘方面，展现了 巨大的潜力。通过深度学习技术，这些模型能够从海量的视频数据 中提取出关键的信息，进行智能分析与判别。这种能力不仅能够提 高监控视频的利用效率，还能在发生风险时提供及时的预警，快速 制定应对策略。结 最后，未来公共安全领域将朝着智能化、系统化的方向发展。 AI 大模型的应用是提升公共安全管理效率的重要途径，期待这一技 术在实际运用中发挥更大的作用，助力城市安全管理的现代化进 程。 1.2 AI 大模型在公共安全中的潜力 在当今信息技术飞速发展的背景下，人工智能特别是大模型技 术，正在为公共安全领域带来深远的影响。AI 大模型在数据处理和 分析能力上具有显著优势，能够从海量视频监控数据中提取有价值 的

力。 目前，中国清洁电力装机占比已过半，超过了火电，达到 52%。到 2030 年，中 国省级电网碳排因子将大幅下降，即使不包括核电，绿电年发电量规模将达到 5.5 万亿度。中国丰富的绿电供给潜力，可以满足中国智算的电力需求，并帮助 中国缓解算力“卡脖子”问题。 全国智算中心用电量，同时也等于各省智算中心用电总量，包括因为时延等要 求下必须在当地完成的推理需求，也包括由绿电丰富地区额外承担跨省训练与 产单位电力过程中平均排放的二氧化碳量）的大幅下降，是中国建立绿色算力 网络的基本前提。 从区域碳排因子的分布上看，中国西部地区水电、光伏及风力发电等资源丰富， 具备发展绿色智算中心、承接东部算力需求的潜力。智算中心的建设，应当充 分利用不同区位的清洁电力。国家的东数西算项目提出了八大枢纽与十大集群 建设规划，其中八大枢纽分别为西部的内蒙古枢纽、宁夏枢纽、甘肃枢纽、成 渝枢纽、贵州枢纽，和东部的京津冀枢纽、长三角枢纽和粤港澳枢纽。 2030 年，年发电量规模将达到 5.50 万亿度，其中水电、风电、太阳能年发 电分别为 1.87 万亿度、2.36 万亿度和 1.27 万亿度。 核电应被视为清洁能源，作为绿电的补充，它的同样潜力巨大。至 2030 年，清 洁电力（包括核电）年发电量规模将达到 7.80 万亿度。这额外的 2.3 万亿度稳 定供应的清洁电力，主要来自核电，对东部沿海地区格外重要。 中国净零碳电力算力地图

。 目前，中国清洁电力装机占比已过半，超过了火电，达到 52%。到 2030 年， 中国省级电网碳排因子将大幅下降，即使不包括核电，绿电年发电量规模将达 到 5.5 万亿度。中国丰富的绿电供给潜力，可以满足中国智算的电力需求，并 帮助中国缓解算力“卡脖子”问题。 全国智算中心用电量，同时也等于各省智算中心用电总量，包括因为时延等要 求下必须在当地完成的推理需求，也包括由绿电丰富地区额外承担跨省训练与 产单位电力过程中平均排放的二氧化碳量）的大幅下降，是中国建立绿色算力 网络的基本前提。 从区域碳排因子的分布上看，中国西部地区水电、光伏及风力发电等资源丰富， 具备发展绿色智算中心、承接东部算力需求的潜力。智算中心的建设，应当充 分利用不同区位的清洁电力。国家的东数西算项目提出了八大枢纽与十大集群 建设规划，其中八大枢纽分别为西部的内蒙古枢纽、宁夏枢纽、甘肃枢纽、成 渝枢纽、贵州枢纽，和东部的京津冀枢纽、长三角枢纽和粤港澳枢纽。 2030 年，年发电量规模将达到 5.50 万亿度，其中水电、风电、太阳能年发 电分别为 1.87 万亿度、2.36 万亿度和 1.27 万亿度。 核电应被视为清洁能源，作为绿电的补充，它的同样潜力巨大。至 2030 年， 清洁电力（包括核电）年发电量规模将达到 7.80 万亿度。这额外的 2.3 万亿度 稳定供应的清洁电力，主要来自核电，对东部沿海地区格外重要。 中国净零碳电力算力地图