聚 11866 万条数 据 ，数据接 口 累 计 被 调 用 4648 万次 水管理平台建设 进展成效（ 1161 ） ： 1 个统一水利数 据仓 水利数据共享交换平台 同步上线 ，数据超市已上架 729 个数据共享服务 ，逐步开放在线申 请 水管理平台建设 进展成效（ 1161 ） ： 1 个统一水利数 据仓 统一地图建设 ，集 成 全省重要水利工程 、 乡 镇 级以上河流水系等数据 级以上河流水系等数据 ， 并接入水管理平台 。 水利工程 ： 6.4 万个 河 流 水 系 ： 9 4 0 0 条 水管理平台建设 进展成效（ 1161 ） ： 1 个统一地图 服务 水管理平台建设 进展成效（ 1161 ） ： 1 个统一工作 门户 手机端（ 浙政钉移动端 ） PC 端（ 浙政钉 PC 端 ） 平台布局（统一门户）突出开放性 ，支持各处室、各级水 利主管部门在统一框架标准下实施数据入仓、 模块上架 ；初步实现水管平台与钱塘江 防洪减灾数两大平台整合。 水管理平台建设 进展成效（ 1161 ） ： 1 个统一工作 门户 移 动 端 22 模块上线 5 数字看板 9 办公应用 8 公共服务 PC 端 43 模块上线 6 大业务 +1 个公共服 务 14 个处室

阶段。对AI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A I制药领域，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 analysis and emerging lessons. Drug Discov Today. 2024 Jun;29(6):104009，国信证券经济研究所整理 图：AI制药开发药物的临床进展 数据来源：Kp Jayatunga M, Ayers M, Bruens L, Jayanth D, Meier C. How successful are AI- discovered drugs

其中，该系统的核心技术是使用 CBCT 影像通过 AI 生成高质量的合成 CT 影像，基于此 影像在线生成单次治疗高精度靶区和器官轮廓，预测单次照射的剂量，以及评估多个分 次的累积剂量，从剂量学维度评估患者放射治疗执行的进展，为患者的放射治疗方案调 整和定制 ART 方案提供剂量学的临床决策依据。 图表 8 人工智能在放疗领域中的扩展应用（上） 16 图表 9 人工智能在放疗领域中的扩展应用（下） 资料来源：公开信息整理 家主流制药 AI 公司新增管线/适应症 。 2.3.3 策略变化 面对下行的融资形势，许多制药 AI 企业制定符合自身形势的战略计划，在尽可能压缩 成本的同时维持研发。 作为国内 AI 药物管线进展最快之一的埃格林医药，其核心管线 EG301、501、101 均借 助 AI 技术实现了降本增效。埃格林医药表示，通过 AI 技术优化临床试验设计，新的策 27 略只需进行 100 人规模的关键性临床试验，而原方案预计需要 技术探索人类生物学，旨在发现能够 治疗一些最致命疾病的疗法。 6 月，英伟达参与了 Vilya 的 A 轮融资，助力企业加速专有的计算药物设计和开发平台 及其精确靶向疾病生物学的新型大周期管道的进展；同月，2024 年上半年排名第五的 AI 制药融资中，再次出现它的身影，从事 AI+蛋白质结构预测的 EvolutionaryScale 种 子轮融资 1.42 亿美元，英伟达参投。 7 月，其又参与了分子数据库提供商

.................. 19 图表 19： AI 在工业中的各类运用 ....................................... 20 图表 20： 科学方法的进展 .............................................. 21 请务必阅读报告末页的重要声明 4 / 29 行业研究|行业深度研究 图表 陷。这项研究的核心目的是借助石墨烯薄片的热振动拓扑，来预测缺陷所处位置。研 究人员通过对石墨烯薄片进行分子动力学仿真，发现了任意分布的空位，同时计算出 了每个原子的振动能量。 该研究取得了突破性进展，提出了两种预测策略：一种是基于原子层面，通过原子索 引来构建数据；另一种是基于域的层面，通过域离散化来构建数据。从原子尺度过渡 到包含多个原子的域尺度，在捕捉薄片中的多个空位时，展现出了极高的准确性。需 目前国内已有相关研究成果。近日，哈尔滨工业大学（深圳）刘兴军教授和张海军教 授等人在 Science China Materials 发表综述论文，系统地梳理了材料科学中小样 本学习策略的研究进展，包括集成学习、无监督学习、主动学习和迁移学习，并提出 了未来研究的方向，如少样本学习和虚拟样本生成。此外，还强调了将材料领域知识 嵌入机器学习的重要性。 小样本学习能从多方面推动材料研发的

方批准。项目计划阶段，需制定详细的项目计划，包括时间表、资 源分配、成本预算和风险管理计划。项目执行阶段，需严格按照计 划执行，确保各项任务按时完成，同时进行有效的沟通和协调。项 目监控阶段，需实时跟踪项目进展，及时发现和解决问题，确保项 目按计划推进。项目收尾阶段，需进行项目总结和评估，确保项目 成果符合预期，并形成完整的项目文档。 在风险控制方面，需从技术风险、数据风险、安全风险和合规 风险等 标准、违 反内部政策等，需通过合规审查、法律咨询和政策培训等手段进行 控制。 为确保项目管理和风险控制的有效性，需建立一套完整的监控 和评估机制。具体措施包括：  定期召开项目进展会议，审查项目进展和风险状况，及时调整 项目计划和风险控制策略。  建立项目风险管理台账，记录已识别风险、风险等级、应对措 施和风险状态，定期更新和评估。  引入第三方审计和评估机构，对项目管理和风险控制进行独立 在进度管理方面，采用敏捷开发与瀑布模型相结合的方式，以 提高灵活性和可控性。每周召开项目例会，审查任务完成情况，及 时发现并解决问题。使用项目管理工具（如 Jira 或 Trello）跟踪任 务进展，确保团队成员对当前任务的优先级和截止日期有清晰认知。 为应对潜在的进度延误，需制定风险管理计划，明确应对措施，如 增加资源投入或调整任务优先级。 为确保阶段性目标的达成，需设定关键绩效指标（KPI），例

成本效益优化：通过资源整合和算法优化，降低整体运营成本， 提升性价比。 通过实现上述目标，DeepSeek 智算一体机将显著提升医疗场 景中的数据计算能力，助力医疗机构在精准医疗、智慧医院等领域 取得突破性进展。 1.2 市场需求分析 在当前的医疗行业中，随着数据量的爆炸性增长和人工智能技 术的广泛应用，医疗场景对于高效、智能的计算平台需求日益迫 切。传统的数据处理方式已无法满足现代医疗对于实时性、准确性 在交互反馈方面，设备应提供即时的操作反馈。例如，当用户 点击某个按钮时，设备应通过声音、震动或视觉变化等方式确认操 作已被接收。对于长时间运行的任务，设备应提供进度条或剩余时 间提示，帮助用户了解任务进展情况。 最后，设备应具备良好的扩展性和兼容性。用户界面设计应预 留扩展接口，方便未来功能的添加或升级。同时，设备应支持与医 院现有的信息系统无缝对接，确保数据的流畅传输和共享。通过以 上设计，确保医疗场景下的 此外，跨团队协作的协调难度也不容忽视。医疗场景下的深度 智能计算一体机项目通常需要多学科团队的紧密合作，包括软件工 程师、硬件工程师、医学专家和产品经理等。不同团队的工作节 奏、优先级和沟通效率可能存在差异，导致项目进展不一致。例 如，医学专家的需求变更可能需要在后期的开发阶段重新调整算 法，从而影响整体进度。 为有效管控项目进度风险，建议采取以下措施：  制定详细的项目计划：在项目启动阶段，制定详细的项目计

测试效率，特别是对于重复性高、覆盖面广的测试场景，如回归测 试和性能测试。同时，手动测试也不可忽视，特别是针对用户体验 和界面交互的测试。 在测试执行过程中，定期召开测试评审会议，分析测试进展、 发现的问题以及风险点。测试团队与开发团队保持紧密沟通，确保 问题能够及时反馈并得到修复。对于影响系统核心功能或安全性的 问题，需优先处理，并在修复后进行回归测试，确保问题得到彻底 解决。 销毁，以支持多次迭代测试。 最后，集成测试将通过与开发团队、运维团队和安全团队的协 作，确保发现的问题能够及时修复，并验证修复后的系统是否满足 设计要求。测试团队将定期召开测试评审会议，分析测试进展和结 果，并根据反馈调整测试策略，以确保电子政务系统与 DeepSeek 模型的知识库集成能够稳定、高效地运行。 6.2.3 系统测试 在系统测试执行阶段，针对电子政务接入 DeepSeek 第 2-3 个月：数据整合与预处理，模型训练；  第 4-5 个月：系统开发与集成；  第 6 个月：测试与部署；  第 7 个月及以后：运维与优化。 项目将采用动态调整策略，根据实际进展和外部环境变化，及 时优化计划，确保项目按时高质量完成。 7.1.1 资源调配与人员安排 在项目实施阶段，资源调配与人员安排是确保项目顺利推进的 关键环节。首先，需明确项目所需的主要资源类型，包括硬件设备、

。 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 李敏等，中国科学院，国海证券研究 所 人工智能开辟合成生物学发展的新道路 21 世纪以来 ，人工智能与合成生物学交叉研究驱使元件工程 、线路工程 、代谢工程 、基因组工程等领域取得了一些代表性的进展 ，并使许 多具备 鲜明领域交叉特色的创新研究手段和理论得以成功运用 。其中， 2005 一 2017 年为缓慢发展阶段 ，研究主要集中在线路工程； 2018 一 2021 年 为相对 高速发展阶段 ，极大地提高了筛选效 率 ，可以实 请务必阅读报告附注中的风险提示和免责声明 17 现高度重复和高通量的纳米颗粒制备和生产。 图表：微流控芯片 资料来源：《液滴微流控技术在微生物工程菌株选育中的应用进展》 - 涂 然 图表：用于菌株检测筛选的液滴微流控装置 资料来源：莱塞激光官网 人工智能应用于合成生物学仍存在挑战 当前合成生物学研究存在数据来源广 、形式异构 、高质量训练数据不足等问题

的决策文化。 7. 部署跟踪与效果评估：实施后应定期对模型应用的效果进行评 估，收集各项指标的数据，以便进行分析和反馈。根据评估结 果，调整模型参数或部署策略。 在实际操作过程中，企业可以使用下表跟踪进展和效果： 阶段 关键活动 预期成果 需求分析 明确模型应用场景与目标 制定项目计划 数据准备 数据收集、清洗与处理 数据质量报告 模型选择 选择与优化适合的 AI 模型 完成模型验证 基础设施建 系统集成测试报告 人员培训 针对员工的专业技能培训 员工能力提升 效果评估 模型应用后的效果监测与反馈 持续改进计划 此外，为了实现更高效的实施策略，团队应建立有效的沟通机 制，及时分享项目进展与经验，确保跨部门协调与资源优化，实现 利益相关者的全面参与。 通过以上详细而系统的实施与部署策略，钢铁行业能够充分发 挥 AI 大模型的潜力，从而提升生产效率，降低成本，提高产品质 量，为企业的可持续发展提供坚实的支持。 合规性、环境影响评估 合作研究机构 低 科研成果转化、技术共享 在沟通过程中，制定利益相关者管理计划至关重要。应该明确 每个利益相关者的沟通频率、沟通方式和核心信息，确保所有相关 方都能及时获得项目进展信息并能参与到关键决策中。此外，定期 评估利益相关者的态度变化，调整沟通策略也是必要的。 通过上述措施，我们能够有效识别和管理关键利益相关者，从 而为 AI 大模型在钢铁领域的实施和部署奠定坚实的基础。

能的夏天”和“人工智能的冬天”。尽管每次技术革新都为智能机器的创造指明了新的方向，但最 终都未能实现预期目标。现在，人工智能正迎来另一波浪潮，业界对此充满期待。安永将持续关 注这一领域的最新进展，与各界共同探讨如何利用这一技术，推动创新与发展，为我们的未来创 造更多可能性。 期待保险行业：数据 + AI开启经验 规模化复制时代 目前，某头部人工智能研发公司正在将人工智能的发展重点转向AI Assistants API，将第4代人工智能模型引入服务流程。其在自然语言处理领域具有强大的能 力，可以帮助更快速、更准确地处理大量的文本数据，提高效率并减少人工错误。 AI在保险行业的应用进展如何？ AI在保险业的应用主要集中在哪些方面？ AI对保险行业的革新体现在哪些方面？ AI路线五花八门，哪些技术最适合保险行业？ 保险公司该如何培养和布局AI能力？ …… 类似的问题层出