2.1 AI 技术驱动治疗靶点发现，增加靶点新颖性 ....................................................... 10 2.1.1 系统生物学方法 ................................................................................................ 11 ................................................................................... 10 表 5 已有系统生物学平台/系统/方法 ..................................................................................... 11 表 广泛采用。数据、算法和算力 被认为是 AI 的三大支柱，持续推动 AI 领域的发展。机器学习是 AI 的一种类型，计算机 可以自己学习，识别模式然后建立模型，并根据这些模型进行预测;深度学习则是机器学 习的一种进阶类型。AI 算法可以按照不同的分类标准进行类型划分，例如按照模型训练 方式的差异可以分为监督学习、无监督学习，以及强化学习，按照模型预测任务的不同 可分为分类算法(包括二分类和多分类)

Anything Model（SAM）及其训练数据集 Segment Anything 1-Billion（SA-1B），并将其开源于 GitHub。该模型的推出旨在促进机器视觉通用基础大模型的进一步研 究，为图像分割领域的研究和应用提供更加完备的解决方案。  SAM 模型基于 Meta 在 2021 年发布的 Unified Vision 模型架构，并在此基础上进行了优化和改进。该模型采用了多尺度特征 糖网病变/青光眼/黄斑病变 13 安必平: AI 辅助诊断产品+宫颈液基细胞学数据库建设 主营业务板块及核心技术实现 资料来源：安必平2022年年报 ，西南证券整理 公司主要从事体外诊断试剂和仪器的研发、生产和销售，是一家具有自主研发和创新能力的高新技术企业。公司建立体外诊断的三 大技术平台，即细胞学诊断、分子诊断和免疫诊断，较为完整地覆盖从细胞形态到蛋白表达、基因检测等不同诊断层次的临床需求 +“爱病理”病理医生社区APP 助力病理科自动化、标准化、数字化、智能化 宫颈细胞学AI 辅助诊断产品  与腾讯合作开发相关病理宫颈病变人工智能辅助诊断产品，提升病理医生工作效率及工 作质量。  2022年进入三类注册申报 宫颈液基细胞学数据库建设  联合腾讯AI Lab以及腾讯觅影，建设宫颈液基细胞学数据库，助力行业标准规范的制定  已完成产品定型，临床科研评价中反馈良好

前产品基本是原有教学场景和产品的替代，原有技术功能的优化迭代，而少有新场景的迸发；就落 地速度而言，尚不成熟的教育大模型落地，仍需学生思考和辨别能力的加持、以及相对明确统一的 评估标准支撑，各领域、场景、学段落地情况各有差异。 同时需要警惕的是，AIGC技术具有显著的资源密集和依赖特点，而教育是一项社会公益事业，事关 人的发展权，教育福祉应尽可能地保证公平和均衡。如何防止强势资源的相互吸引和马太效应的加 布的《未来就业报告2023》显示，未来5年内，人工智能、商业智能分析师、数据科学等大数据相关职位的需求增长最快，且创造性 思维、技术素养、好奇心和学习能力等通识素养是未来最需要培养的技能。智能时代背景下，传统的技能已无法满足社会需求，学 科壁垒不断消融，跨专业人才需求紧俏。 来源：麦肯锡《生成式人工智能的经济潜力:下一个生产力前沿》、世界经济论坛《未来就业报告2023》 ，艾瑞咨询研究院根据公开资料自主研究绘制。 AI成为基础设施，基础工作被替代 全球AI+教育经历了诞生期-摸索期-产业期三个阶段，在诞生期，AI和教育的结合主要围绕辅助教学进行探索，应用于答疑、练习、 模拟测试等环节，代替部分教师的重复性劳动。在机器学习的兴起下，AI+教育进入摸索期，二者结合的探索主题为智能导学及自适 应学习。随着深度学习技术的进步，人工智能技术步入商业化阶段，AI+教育也进入产业期。近几年大数据、云计算、算力能力提升， 大规模语言模型急速发展，2022年ChatGPT的发布更是引发了海内外

2025.01 时 间 资料来源：中文大模型基准测评 2024 年度报告 (2025.01.08) 深化期 ·OpenAI 发 布 0 1 , 强 化 学 习 新 范 式 ， 实现推理等复杂能力上的重大突破。 Claude3.5-Sonnet 发 布 ，在 代 码 和 Agent 能力上掀起效率革命。 · ChatGPT 一键生成竞 品报告 SOT 内 部 数 据 新药情报库 bypatsnap Bio by patsnap Chemical by patsnap 自研数据 自有数据 药物交 易追踪 专利追 踪 构建路径 流 病 数 据 临 床 数 据 专 利 数据 文献 数据 新闻 数据 LM 管线 数据 个 ● 入 口 campaign_promotion=HiroLS_PR 入 口 2 : 扫 码 通 过 手 机 端 小 程 序 访 问 Hello 持 续 进 化 的 生 物 医 药 大 脑 ， 为 生 命 科 学 探 索 创 造 无 限 机 会 学 提 取 实 体 支持药物、配点、适应症。公司四类实体的识别 上传文档》 田 提 取 表 格 支持 PDF 表格中的文本控取和 Exo 下鞋 上传文档》 商洁深 度 探

学习辅导能力不足： 72% 的家长遇到“ 四年级 数学题不会做 ”的窘境 。 亲子冲突频发： 65% 的家庭因辅导作业问题 爆 发亲子冲突 。 家长焦虑情绪普遍： 80% 的家长对孩子的学 业 表现感到焦虑， 60% 的家长时刻担忧孩子 出现 意外 。 杠杆点：教育需求的演进 从标准化教学到个性化培养 时间精力不足 教育能力 有限 当代家 父母分工：父亲负责运动技能，母亲管理学习。 外部交互 家校协同（作业反馈机制） 、社会影响（短视频对注意力的冲击） 。 特点维度 技术支撑与实现方式 典型应用场景 解决的核心问题 个性化学习路径 机器学习算法分析学 习数据， 动态调整难 度 数学分步拆解 、作 文智能润色 传统教育“一刀切 ” 模式与个体差异不 匹配 实时反馈与迭代 自动化评估系统 + 即 时纠错机制 作业进度跟踪 制定合理的 使 用时间和学习目标 。 家长首先需要了解这 些工具 “ 会做什么 ” 和 “ 不能做什么 ” 。 第三步 ： 观 察学习 效果 并调 整策略 第二步 ： 与 孩子共建学 习规则 关注情感 需求与全 面成长 A I 四能教育 以 AI 为基础， 旨在帮助人们从低 能 到高能 、单能到多能 、多能到超 能 、 超能到异能的教育模式 ③ 多 能 到 超

复杂疾病抗药性、创新药检验检测等复杂领域有广泛的应用。2023 年，AI 药企 Neumora Therapeutics 以 2.5 亿美元募资总额登陆纳斯达克，旗下有整合基因组学、蛋白质组学、 脑电图、成像、数字化和临床测量等多源数据，以及人工智能、机器学习和生物信息学 等分析手段，打造出的神经科学数据平台——Data Biopsy Signatures 和 Precision Phenotypes。Neumora AI 团队已在专业意图分析、单项报告解读、综合报告解读等下游任务上 与行业专家深度联动，利用 DeepSeek 系列模型深度推理能力整合多组学 信息，提升大语言模型在千人千面的个性化临床咨询场景中的逻辑性和可 解释性 688289.SH 圣湘生物 自研平台“传染病数智化系统”宣布正式接入 DeepSeek-R1 模型，进一 步增强数智化系统检索和数据挖掘能力 603716.SH 塞力医疗 应用于医药领域的人工智能项目，主要集中在医疗影像处理、疾病预测分 析及智能辅助诊断等方面。公司通过 AI 技术分析患者数据，为过敏性疾 病提供个性化治疗方案 AI+ 医疗/ 医保 300253.SZ 卫宁健康 公司发布了自研医疗大模型 WiNGPT 2.8 和医护智能助手 WiNEX Copilot 2.1，全面对接 DeepSeek，助力 AI 医疗突进之路进入快车道 000503.SZ 国新健康 已启动 “AI

的生态闭环，不仅重构了医疗工作流，更催生了 六大核心应用方向的爆发：  AI 医学影像辅助诊断：进入发展快车道，辅助诊断为主。包括AI超声诊断、病理学AI等影像学辅助诊，涉及到图像处理、勾勒病灶大小、特 征识别、诊断建议。影像学AI辅助诊断商业化落地快，应用场景明确，院端需求较大。数据获取成本较高，行业正在探索AI收费模式。相关 标的：联影医疗、理邦仪器、万东医疗、一脉阳光、祥生医疗、兰卫医 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 DeepSeek-V3系统通过语义解析电子病历和影像特征智能比对，显著提升了呼吸系统疾病的诊断准确率。此外，DeepSeek- R1模型在乳腺癌新辅助化疗方案优化中，通过整合全外显子测序数据和影像组学特征，生成个体化用药敏感性预测模型，显著 提高了病理完全缓解率  DEEPSEEK通过多模型技术融合，在医疗领域展现出显著的应用潜力。其核心技术依托于深度学习和自然语言处理，致力于开 发高效的智

机器人以电机驱动，机身共 12 个自由度，可以实现静态行走。国防科技大学于 2000 年率先自行研 制出我国具有历史意义的第一台仿人机器人“先行者”，这一阶段研 究集中在机器人关节以及简单步态控制上；21 世纪初，伴随着传感技 术和智能控制技术的突破，以北理工研发的第二代“汇童”、浙江大 学研制出“悟”和“空”双胞胎人形机器人为代表，人形机器人行业 步入了快速发展期，手臂活动灵巧，能够完成稳定行走、给人送递饮 产业发展现状与趋势 2.1.1 产业政策 2.1.1.1 全球产业政策特点 人形机器人作为新一代人工智能的集大成者，已经成为全球科技 和产业竞争的新高地。各国政府高度重视，从促进多方协同、加大研 发投入、完善产业生态、重视人才培养、加强国际合作以及关注伦理 安全等维度，出台了一系列政策措施，为本国的人形机器人产业发展 提供强力支持。 15 以中国、欧美、日韩地区为例，各国政府在技术创新与研究支持 强大潜力，并与国际知名大模型（如 ChatGPT、PaLM-E）同台竞技；仿 真软件的国产化程度正在逐步提高，国外软件如 Gazebo 和 MATLAB 等 在仿真领域被广泛应用，而国内则正在加大力度发展自研仿真工具， 并推动其标准化与推广。通过建立统一的建模规范、仿真精度和接口 标准，国内仿真软件逐渐具备更高的适配性，推动数字孪生系统的发 24 展。 未来，应加快基础软件的标准化进程，通过制定接口标准、算法