现降本增效。 ◼ AI+辅助诊断：2024 年 11 月，国家医保局首次将人工智能辅助诊断列 入立项指南，AI 辅助诊断首次被纳入医保。AI 辅助诊断主要应用于影 像分析、病理诊断、基因检测、早期筛查等，诊断效率逐步提升。OpenAI o1-preview 在鉴别诊断、诊断临床推理和管理推理的质量都有明显提高。 借助 AI，对人类基因组的计算时间已经从 2001 年的 180 天缩短到现在 病理诊断流程 数据来源：头豹研究院，东吴证券研究所 AI 辅助诊断主要应用于影像分析、病理诊断、基因检测、早期筛查等，诊断效率逐 步提升。例如在肺癌筛查中，AI 算法可以敏锐地识别出影像里那些微小的异常阴影， 大幅提升早期诊断的可能性，有助于尽早发现肿瘤的早期迹象。2024 年 7 月，空军军医 大学联合清华大学、中国科学技术大学发布国内首个病理大模型“PathOrchestra”，实现

投资要点：  AI 技术蓬勃发展，AI+制药有望成为下一个黄金赛道。AI 技术通过机器学习和深 度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要 作用。从 2007 年的早期探索至今，AI 制药技术经历了技术积累、验证和快速发 展期，目前正处于一个技术创新活跃、政策扶持明显、市场前景广阔的阶段。 AI 制药投融资市场活跃，根据 Deep Pharma Intelligence 替代大量实验，对药物结构、功效等进行快速分析，以优化药物研发环节的技术手段。 从初期计算机辅助药物设计，发展到如今的人工智能药物研发，AI 几乎参与了从药物靶 点发现到临床试验的全流程。 AI 制药技术发展历史： 1) 早期探索期（2007-2012 年）：人工智能技术在药物发现中的使用，可以追溯到 2007 年剑桥大学开发的 Adam 机器人成功预测酵母菌新功能的案例。而后，机 器人 Eva 发现了牙膏中的成分三氯生可以靶向抑制 技术积累期（2013-2016 年）：一大批标志性企业在此阶段成立，包括 Exscientia、 Atomwise、Recursion，国内的英矽智能、晶泰科技等。这一阶段主要是进行前 期的技术积累与早期商业模式的探索，研究 AI 如何与新药研发的各环节融合。 3) 技术验证期（2017-2019 年）：最早一批 AI+新药企业基本完成前期技术积累， 并陆续开始获得临床前候选药物一类的验证性成果，部分

对疾病风险评估、诊断辅助等的准确性仍有提升空间。医疗机构、保险机构等数据分散 ，出于利益、安全等考虑，数据共享意愿低，限制了 AI 健康管理数据来源和应用范围，难以形成全面的健康管理方案。且目前消费者付费 意愿较低，尚处于早期阶段。相关标的：美年健康、鱼跃医疗、智云健康、九安医疗、乐心医疗、三诺生物。  AI 制药：缩短药物研发周期，助力靶点发现及临床疗效预测。1）逐渐完善的行业拼图，行业玩家逐渐增加；2）AI在多疾病领域广泛应用 ，肿瘤（37%）、免疫学（21%）及神经病学（14%）领域占比最大；3）AI可参与药物开发过程多个阶段。其中涉及AI虚拟筛选、药物发 现、优化药物结构、临床试验优化、建立疾病风险模型、肿瘤精准治疗等。商业化落地中等，仍处于临床早期阶段，数据获取成本高，依赖 文献数据及实验室数据。相关标的：晶泰科技、丽珠集团、药明康德、信立泰、成都先导、川宁生物、药石科技、健康元、美迪西、东阳光 长江药业、皓元医药、悦康药业、泓博医药、博济医药。 学习算法的人工智能视网膜影像识别的早期检测、诊断及健康风险评估解决方案，2021年11月在香交所上市。鹰瞳科技的 AI 产品 已在多家医院和基层医疗机构广泛应用。  Airdoc-AIFUNDUS：AI视网膜影像识别系统。Airdoc-AIFUNDUS为一款使用复杂深度学习算法的人工智能SaMD，利用视网 膜影像准确检测及诊断慢性病。利用独有的人工智能视网膜影像识别的早期检测、诊断及健康风险评估技术平台开发Airdoc-

。 美国通用汽车1960年首次将Unimate工业机器人投入生产线进行焊接 工作。斯坦福大学、早稻田大学分别研发了首台移动机器人和可对话 的人形机器人。 1980年—2000年，进入早期探索阶段，得益于计算机硬件和传感 器设备取得突破，麻省理工学院推出了具有类似人类听觉、视觉和本 体感知功能的机器人Kismet。1991年出现了六条腿机器人Genghis， 实现了自主行走。 地互动。在临床干预场景下，人形机器人在外科手术中起到辅助作用， 实现技术精度的突破与极限协作。如MIT的NanoSurgeon X1系统，配 备原子力显微镜探针和量子纠缠触觉传感器，可识别细胞膜刚度差异， 用于早期肿瘤边界定位。 12 2. 未来发展趋势 在技术方面，工业人形机器人将从单机作业到“机器人班组”进化， 实现群里智能协同，支持“一脑多机”调度。在应用方面，虽然人形机 器人在工业 关键技术，不仅能 够提升制造效率，还将重塑产业形态。 18 世界互联网大会智库合作计划系列成果 一是人形机器人行业应用方面可以走差异化发展路线，多形态多场 景阶段性落地。在形态上，早期重点布局难度较低的轮式机器人，后期 重点布局全人形机器人；在应用场景上，分类施策场景牵引，“小应用， 大推广”。在重点行业和业务场景的选择上，遵循“循序渐进、由易到 难”的原则。首先，在重点行业方面，从汽车制造业导入，逐渐渗透到

界里的状态都是某一个确定的状态，比如光子要么处于水平偏振，要 么就是竖直偏振。一只猫，要么是死的，要么就是活的。同时处于死 和活的状态是一种什么样子，我们根本想象不出来。所以在量子力学 建立的早期，许多量子物理学家都很难接受其他人甚至自己提出的一 些理论带来的“奇怪”结论。其中对于叠加态的质疑就是著名的薛定谔 的猫。物理学家们通过猫能否同时处于死和活的状态来质疑量子力学 的正确性。因为 子 14 密钥，然后结合一次一密来实现绝对安全的通信。除了上述基于单光 子的 BB84 协议，还有基于纠缠态的 QKD 协议，比如著名的 E91 协 议[8]和 BBM92 协议[9]。这些早期的协议都是基于理想的物理实现， 比如完美的单光子源和测量设备等。然而在现实应用中，这些理想的 实验条件很难达到，使得实际运行的量子通信存在安全漏洞。随着研 究的深入，人们不断发展出可以应用于实际非完美物理系统下的 未来，量子云计算的一项关键创新是将其与量子网络进行深度整 合，从而实现分布式量子云计算。 6.1.2 量子-超算融合计算 在高性能计算（HPC）系统的发展历程中，始终通过引入新的专 64 用加速器支持新的计算范式，例如，从早期处理器架构中的算术逻辑 单元（ALU）和浮点运算单元（FPU），到后来的向量处理器和图形 处理单元（GPU），专用加速器的演进不断推动高性能计算能力的提 升。随着量子计算技术的发展，量子处理单元（QPU）被视为一种新

光电融合网络的发展目标是通过光层传输与电层计算的深度协 同，构建“光电一体、融合协同”的新型信息基础设施，以解决传统 网络在带宽、时延、能耗方面的根本性瓶颈。 （1）带宽升级 网络带宽演进是一个不断发展提升的过程，从早期低速拨号上网， 到如今的千兆、万兆光纤入户，以及数据中心的超高带宽网络，经历 了多个阶段，以太网的速率也经历了从 10Mb/s，逐渐提升到 400Gb/s。 未来光电融合网络需要支持 800Gb/s、1 保持了一致。 为了满足更强的传输性能，扩展光接口和光模块的传输距离的需求， 400G ZR+会使用开销约 15.3%，净编码增益 11.6dB 的开放 FEC（Open FEC，OFEC）。调制格式方面，早期的 400G 信号使用 DP-16QAM 调 制，传输距离可达数百公里。近年来，伴随着芯片与器件技术发展， 信号带宽与波特率进一步提升，400G 信号已经可以支持 DP-QPSK （Dual-Polarization 从而实现业务在多种传输介质之间的统一调度与快速故障恢复。 理论上具备跨域、跨层调度能力，是一种典型的光电协同协议。 它支持 LMP、RSVP-TE 等多种信令机制，可实现链路资源发现、光 层路径计算、保护倒换等功能，曾在早期 IPoDWDM 架构中被多家 厂商作为标准方案采用。 然而，随着网络规模扩大与业务多样化，GMPLS 逐渐暴露出一 系列现实问题： 1.协议复杂，配置维护成本高； 2.占用大量控制带宽，效率低；

环境隐形智能（Ambient Invisible Intelligence） 技术趋势 环境隐形智能 分析师 Christian Titze 和 Nick Jones 战略规划假设 到 2028 年，环境隐形智能的早期示例将侧重于通过实现低成本的物品 跟踪和传感、降低成本和/或提高效率来解决紧迫的问题。 趋势基本描述 环境隐形智能由超低成本的小型智能标签和传感器实现，将提供大规 模、经济实惠的跟踪和传感。从长远来看，这将使传感和智能更深入地 得信赖的嵌入 式来源和身份 — 所有这些都以低廉的价格提供。此外，环境不可见智 能将为分析和 AI 提供关键的新数据源，以改进产品和供应链流程。 趋势基本影响  到 2028 年，环境隐形智能的早期示例将专注于通过实现对产品和 资产的低成本跟踪和传感、降低成本和/或提高效率来解决紧迫的供 应链问题。  短期机会包括零售店或仓库的自动库存检查、易腐货物的状态监 测、实时货物跟踪或利用实时基础设施 他们的基础设施可能会带来新的网络安全和弹性挑战，例如，在受 监管的行业中，外人无法接受知道事物的位置。 行动建议  确定环境智能在 2025 年至 2028 年期间提供投资回报 （ROI） 的 信息影子和早期用例，并试点最有前途的示例。将其视为某些当前 或计划中的射频识别 （RFID） 用例的潜在替代品。  寻找由实时信息启用的新分析机会（例如，与对象的使用方式、存 储方式和位置以及资产的位置和使用位置有关）。这项技术将加速

人工智能的故事是逐渐出现和同质化的 来源：关于基础模型的机遇与⻛险 ⼈⼯智能中的多模态概念在过去⼀年中得到了极⼤的主流关注，随着OpenAI的G PT-4和Google的Gemini等先进模型的开发。 早期的⾃然语⾔处理（NLP）模型经常在上下⽂⽅⾯遇到困难，导致句⼦缺乏 连贯性和微妙之处。这在开发能够理解并回应复杂指令或进⾏有意义互动的机 器⼈时是⼀个重要障碍。 2020年，OpenAI的GPT- 进⾏精细运动的能⼒意味着外科医⽣现在可以以⼈类⼿部只能达到的⼗分之⼀的 尺度进⾏操作，极⼤地拓展了微创⼿术和其他复杂程序的可能性。 机器⼈灵巧性的发展也体现在现代机器⼈拥有的⾃由度（DOFs）不断增加。早期 的机器⼈⼿臂通常只有3-4个DOF，严重限制了它们的活动范围和灵活性。相⽐之 下，特斯拉的奥普蒂默斯⼈形机器⼈旨在辅助⼯业和家庭环境，在⼿部⽬前拥有11 个DOF，计划在2024年底前增加到22个。 使公司可以在不需要进⾏重⼤前期投资的情况下访问尖端软件和服务。相反，企业可 以根据⾃⾝需求按订阅⽅式⽀付这些服务的费⽤，并根据需要调整使⽤量。 RaaS是⼀种基于订阅的商业模式，允许⽤⼾租⽤机器⼈⽽不是直接购买它们。尽管 还处于早期阶段，但RaaS市场已经价值约20亿美元，并有望在未来⼏年以17％的复 合年增⻓率增⻓。 图10. 机器人即服务（RaaS）的市场规模预测 来源：Statista RaaS模型提供了⼏个关键优

全球数智化指数（GDII）2025 执行概要 全球数智化指数（GDII）是一个强有力的框架，旨 在评估和监测各国在向人工智能时代转型中的数字 化进程。基于全球联接指数（GCI）和全球数字化 指数（GDI）等早期模型，GDII 围绕七个关键支柱 针对各国的表现进行评估。这些支柱代表了支撑人 工智能成功所依赖的数据循环。 » 数据生成 » 数据传输 » 数据处理与存储 » 数据应用 » 网络连接成为支撑信息技术的基础设施，构建起 “信息高速公路”。数字化的广泛采用意味着数字应 用开始大规模落地。 全球联接指数（GCI）在这一时期发挥了重要作用。 通过宽带可访问性、云服务和物联网的早期应用等 在内的 40 项指标，对全球 79 个国家进行了评估。 这一时期突显了网络连接在推动经济增长中的关键 作用。 数字化时代（2020 年 –2024 年） 随着数智经济初具规模，数字化开始赋能各行各 尽管面临这些限制，这类国家仍在以下方面取得了进展 ： » 数字能源平均得分（36.4 分）与中高收入国家相当，表明可再生能源融入数智化发展存在重大机会。 » 数据应用得分（平均 33.9 分）反映了多个行业在数字服务早期应用方面取得的显著成效。 为了实现进一步发展，这些国家需要优先考虑 ： » 普遍联接倡议 » 吸引数字投资的政策改革 » STEM 教育和人才发展 聚焦建设包容性基础设施并持续采用可

通信技术。 微波的波长范围在毫米到米之间，其在空间通信中的优势在于对卫星 的捕获、对准和跟踪精度要求相对较低。相比激光链路，微波链路的 建立和维护更加容易，系统复杂度相对较低。这使得微波技术在早期 的卫星通信系统以及一些对通信设备复杂度和成本较为敏感的应用 场景中得到了广泛应用。例如，在一些低轨卫星星座系统中，为了实 现快速组网和低成本部署，部分星间链路采用了微波技术。 微波技术在大 优化算法生成最优路由策略，并将其转化为流表 / 转发表定期或实 时上注至卫星互联网路由器。这种方式显著简化了星上处理载荷的设 计复杂度，降低了对卫星平台的功耗、算力和存储资源要求，尤其适 合早期小容量卫星星座或对成本敏感的任务场景。然而，集中式路由 对地面中心的依赖性极强，当地面控制器与卫星互联网路由器之间的 通信链路出现延迟、中断或干扰时，路由策略的更新将受阻，导致网 络无法及时响 略，能够更好地满足多样化的业务需求，提高卫星互联网承载网的服 务质量。 22 4.3 交换技术 卫星互联网承载网的交换技术是实现卫星节点间数据高效转发 的核心支撑，其发展历程与卫星处理能力的演进密切相关。早期卫星 主要采用透明弯管转发模式，仅在物理层完成信号放大和频率转换， 交换功能完全依赖地面站，这种模式虽简单但灵活性极差，无法适应 复杂业务需求。​ 随着星上处理能力的提升，现代卫星已能在链路层甚至网络层执