业发展规划》和《“十 四五"生物经济发展规划》等，旨在推动云计算、大数据、人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试 逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到 药物设计等。维亚生物建立纵向 AI 应用技术平台加速先导化合物发现；泓博医 药持续推进 PR-GPT 多模态大型语言模型的应用；成都先导依托 DNA 编码化合物 库技术与 AI 技术结合，优化苗头化合物的识别过程；药石科技利用其分子砌块 库结合 AI 技术，开发动态化学空间，并通过一站式计算筛选平台，提供全面的 活性化合物筛选服务。随着 AI 技术的不断进步和 AlphaFold 促使蛋白质结构预测革命性进步 .......................................................... 12 2.3 化合物虚拟筛选有效提升化合物结构新颖性 ...................................................... 12 2.4 ADMET 预测可提前考量药物成药可能性

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 医疗大数据、 智能诊断、 科研管理、 设备互联互通 综合性解决方案 AI 基因测序 收集样本基因测序、 罕见病遗传病分析解读 多组学风险预测和评估 AI 制药 分子虚拟筛选、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 AI 医学影像 图像处理、 勾勒病灶大小、 特征识别、诊断建议 AI 健康管理 可穿戴设备 物研发周期。传统药物研发遵循“双十定律”（10年时间 、10亿美元投入），而AI模型可将化合物设计时间缩短 70%，成功率提升10倍。例如，医渡科技通过DeepSeek 处理55亿份医疗记录，加速药物靶点筛选与临床试验设计 ，研发效率提升显著。  模型训练与部署成本降低 DeepSeek通过强化学习技术减少对高成本标注数据的依 赖，结合开源策略，使企业能以更低成本实现本地化部署 。例如，方舟健

成为国内AI制药头部企业 自主研发建立AI 制药平台 基于腾讯AI Lab自主研发的深度学习算法开发AI驱动临床前新药研发 开放平台“云深智药”，同时提供数据库和云计算支持，主要功能有 蛋白质结构预测、虚拟筛选、分子生成、ADMET预测和合成路线规划 基于华为云AI和大数据技术优势开发华为云“EIHealth”，为基因组 分析、药物研发、临床研究三个领域提供专业AI研发平台 成立负责大健康业务的极光部门，其AI Pharma Intelligence，西南证券整理 32  应用在制药环节的AI技术主要包括机器学习中的深度学习、大数据及自然语言处理，通过训练数据库内目标信息搭建精准模型 ，实现药物分子的筛选、预测及分析、用药安全的试验、评估等研发目标。AI制药应用场景主要包括药物研发、用药安全、供 应链管理、商业拓展、个性化诊疗及监管审批六个方面，其中药物研发及用药安全是AI技术在制药环节的主要内容。传统新药 建模型，进行功能的推断、预测及分类 大数据 通过深度学习，从大量患者样本及生物医学资料中整理筛选相关基因组学、蛋白质组学、代谢组学等多组学数据，分析疾病 与非疾病间差异，或寻找可对疾病产生影响的蛋白质 基于表型的药物发现 机器学习 通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，获得靶点、信号通路或遗 传疾病相关聚类 分子生成 机器学习、深度学习

消费金融 通信 电信运营商 电商 教育 银行 商机挖掘 账单查询 办理贷款 查询额度 通知 消费确认 智能营销催收 客户回访 问卷调查 会议邀约 用户关怀 意向筛选 销售转化 营 销 服 务 信用卡办理 账单查询 办理贷款 查询额度 通知 消费确认 智能营销催收 客户回访 问卷调查 会议邀约 金 融 业 细 分 服 务 . 全栈企业级对话产品矩 阵 . 金融行业垂直的解决方 案 . 成就客户的实践方法 助 力 企 业 客 户 营 销 与 服 务 闭 环 打 造 销售转化 客诉处理 意向筛选 流程办理 业务咨询 商机挖掘 智能外呼 智能服务 隐私号 来电秘书 场景化、内容化 企业验证 语音通知 回访调研 教育约课 … … 呼入工作台 呼出工作台 云联络中心 预测试外呼 号码状态侦测 数据分析 . 多维度筛选、统计与分析结果 . 输出数据报表，高效管理数据 Mysq l Kafka ES NFS Red is . 提供模型训练能力 百度 TTS Action 百度 ASR 百度 NLP Intent Speec h API 意向筛选 . 海量客户按需设置意向指标 . 提升筛选效率，精准获 客 任务 管理 语音网关 软硬交换

 AI 智能化的变化为现有化工行业提供了时代的契机：①我国的竞争优势延续，海内外在材料领域的软实力差距 降低，将有望形成进一步的产品竞争力输出；②AI 智能化升级再次为行业提供长生命周期的筛选机会，没有投入 产出比优势的或者难以达到行业门槛的企业将再次面临淘汰；③AI 智能化或将带动能耗、碳排等先期较难落实的 政策形成可尝试空间，进一步影响现有的竞争格局。 风险提示 AI 或将改变行业格局，导致阶段性的竞争加剧；AI 非天然核酸领域：通过深度学习、分子动力学模拟等方法，能够预测非天然核酸的空 间结构，以便合理的分子设计；能够加速合成大量非天然核酸分子，还用于预测修饰 基团的位置和效应，从而优化非天然核酸的修饰策略；可以快速筛选具有特定生物活 性的非天然核酸分子，并用于预测非天然核酸在生物体内的代谢途径和毒性；  新型蛋白设计：人工智能的运用可以对酶结构、新型结构蛋白的开发等提供支持，通 过引入非天然氨基酸，可以对蛋白质进行功能扩展和结构优化； 2、Deepseek 赋能农药创制，或将大幅提升研发效率 农药研发流程较长，涉及多个筛选与评价环节。根据《我国创制农药生物测定概述与展望》 相关数据和信息，农药创制是一项高投入、高风险、高回报的长期项目，新农药品种必须 同时满足“高效、安全、经济”的要求。从农药创制的流程角度而言，需要经过普筛、初 筛、复筛、田间筛选等多个筛选环节以及毒性测定、环境影响、生产评估等一系列动态评 价过程，最终才能实现农药的工业化生产与上市。

在此情形下，算网协同调度平台在接收到需求后，算网协同调度平台 会识别自治系统所属的资源范围，并在资源筛选与调度过程中，将这 部分资源予以过滤，转而在其他更为广泛的资源池内，对算力需求进 行优化匹配与调度。算网协同调度平台依托其庞大的资源数据库，其 ●中涵盖了来自不同地理区域 、各类资源供应主体的丰富资源信息，从 众多外部资源中筛选出最契合算力使用方需求的资源组合，实现跨区 域、跨系统的资源高效调配，以满足自治系统资源提供方作为算力使 具体有以下三种需求处理路径： ● 自治系统内部调度 算力使用者向自治系统提交需求。自治系统 利用内部资源管理 与调度模块，实时监测系统内计算、网络、存储资源状态，依据使用 者需求，运用本地预设算法，在系统内筛选、匹配、调度资源，利用 内部资源优势，实现快速自主调配，降低对外部系统的依赖。  自治系统与算网协同调度平台协同处理 若自治系统评估自身资源无法满足需求，会按既定协议和流程， 将未满足部 心的算力、存储和网络资源情况，最终生成包含任务调度结果、流量 调度结果和数据调度结果的调度结果集，为后续的任务执行提供详细 的指导方案。需要注意的是，若涉及混合调度场景，系统将遵循既定 规则，对资源进行筛选。具体而言，对于归属于自治系统的资源，系 统不会将其纳入本次混合调度的资源池范畴，避免调度请求在两个系 统间循环往复的乒乓效应。 25 图 4-4 东数西算-协同调度与结果生成 步骤四：调度结果实施与数据迁移

望借助 AI 技术在先导化合物筛选、药物分子设计等方面取得更大突破，进一步 提升新药研发效率 301230.SZ 泓博医药 泓博医药打造了人工智能药物设计平台，运用深度学习、大数据分析等技 术，能够快速筛选潜在药物分子，降低研发成本并提高效率。该平台已成 功推进近 69 个新药项目，其中 5 个进入临床 I 期。此外，公司通过 AI 技 术从患者数据中筛选适合临床试验的样本，显著提高了试验成功率

知识的传播速度加快，新的知识和信息 不断涌现，家长的知识储备可能无法满 足孩子对前沿知识的需求。 • 家长不再是孩子获取知识的唯一来 源 ，需要从“传授者 ”转变为“ 引 导者 ”，帮助孩子筛选和辨别信息。 • 家长需要与孩子一起学习，共同探 索新知识，成为孩子的学习伙伴。 学习方式变得 更加个性化 • 每个孩子的学习风格 、兴趣爱好和学习 节奏各不相同，传统的“一刀切 A I 时代家长需要具备的核心技能 1. 学习策略设计者 • 家长帮助制定科学合理的学习计划。 • 家长需要根据孩子的反馈和学习效果 及时调整策略。 2. A I 工具筛选者 • 家长在关注功能和教育价值外，还需 重点考量数据隐私和使用安全性， • 判断工具是否真正符合孩子的学习需 求 第四步 ： 第一步 ： 熟悉 A I • 开场：提出一个开放性问题， 如 " 我 们能想出多少种方法来 [ 任 务 ] ？ " • 头脑风暴：请 AI 帮助引导孩子提出 不 同想法，每个都给予积极反馈 • 筛选：帮助孩子选择 1-2 个最感兴 趣 的想法深入探讨 • 完善：让 AI 协助孩子完善想法的细 节 • 展示：鼓励孩子将想法通过绘画 、 讲 述或其他方式展示出来 场景化聊法模版

分级分域调度技术立足多层次算力系统架构，通过划分“全局— 区域—边缘”三级调度域，形成一体化、自适应的调度控制体系，满 足不同层级算力节点对资源管理与任务响应的差异化需求。其中，全 33 局调度中心聚焦于策略制定、任务初步筛选与跨域任务解析，承担整 体资源视角下的调度决策与任务分派；区域调度中心面向本域内资源 聚合、策略细化与调度优化，实现区域内的资源高效利用与跨域间负 载均衡；边缘调度单元部署于算力节点侧，具备就近响应、细粒度感 宽等信息，算力资源状态维度一般涉及服务器/虚机/容器等的 CPU/GPU 资源类型/负载、内存/硬盘可用容量等信息。算网多因子选 路算法因为涉及到对众多信息的筛选选择，可采用分级筛选策略，首 先对于用户请求的服务标识对应的所有候选服务实例集合，基于网络 状态矩阵筛选满足时延、带宽等 SLA 约束的候选实例子集一，然后再 基于候选实例子集一，通过算力状态矩阵过滤出具备充足计算资源和 良好资源状态的实例子集二，最后基于实例子集二运用多因子加权评 产品质量检测与控制需要对产品进行高精度的图像识别和数据 分析，分布式算力感知与调度技术可以支持大规模的图像处理和数据 分析任务，提升检测精度与效率。例如，在边缘节点利用轻量化图像 识别模型实时对图像进行初步筛选，识别明显缺陷，复杂缺陷图像再 56 上传至云端进行深度分析；实时监测各个计算节点的负载情况，并将 图像处理任务动态分配到空闲的节点上，从而加快检测速度。此外， 分布式算力调度还可以支持多模态数据融合，例如将图像数据和传感

11: 1. 结构相似性检索： 基于奥希替尼与伏美替尼的共享骨架 ( 吲哚环 + 丙烯酰胺基团 ), 通过子结构检索 (Substructure Search) 筛选具有相似代谢特征的化合物 11 . 2. 代谢反应规则库匹配： 利用智慧芽内置的 P450 酶代谢规则库 ( 如羟基化、去甲基化、氧化等 ), 结合伏美替 尼 的官能团 ( 三氟乙氧基、吡啶环 ) SI-B001 的核心专利家族包括： SI-B001 的 序 列 信 息 序列数据库查询方法 1. 智慧芽 Bio 生物序列数据库：通过药物 / 基因索引模块输入 "SI-B001°, 筛选抗体序列类型，结合靶点名称 ( 如 PD-L1/4-1BB) 进行交叉验证。若序列未公开，可通过轻链 (VL) 、 重 链 (VH) 或 CDR 区域 ( 如 HCDR3) 进 扩展检索范围 89 . 2. 专利数据库检索：在智慧芽专利库中，以“ SI-B001” 为关键词，结合 IPC 分类号 ( 如 CO7K16/28) 和申请人 ( 如 四川百利药业 ) 筛选核心专利，通过序列助手功能定位权利要求中的 SEQ ID NO, 提取全长或可变区序 列 10 11. 3. 新药情报库关联分析：在 Synapse 平台查询 SI-B001 的研发管线信息，关联其