复杂性理论。 肖尔算法正式提 出：彼得·肖尔提 出了“肖尔算 法”，其核心依 赖于量子傅里叶 变换的高效实现， 能够以指数级的 速度执行因式分 解。 量子搜索算法提 出：洛夫·格罗 弗开发了能加快 无序数据搜索的 Grover量子算 法，大幅提升了 搜索效率。 量子算法成功实现： 1998年，IBM研究 员IsaacChuang团 队首次在两量子比 特系统上实现了 Grover算法。2001 年，该团队利用量 年，该团队利用量 子计算机成功实现 了Shor算法。 HHL算法提出： MIT三位科学家联 合开发了HHL算法， HHL算法用于数值 求解线性方程组， 该算法能够在对数 时间内近似线性方 程组解向量的函数， 相较于经典算法展 现出指数级加速。 首款商用量子计 算机发布：加拿 大D-Wave公司 正式发布了全球 首款商用型量子 退火机“D- Wave One” ， 可应用于解决各 种组合优化问题。 种组合优化问题。 IBM推出云端量子计 算服务：IBM推出了 云端量子计算服务 “Quantum Experience”。这 一服务允许用户通过 互联网访问IBM的量 子计算系统，并在上 面运行算法、操纵量 子比特、开发教学及 模拟实验等。 谷歌宣称实现量 子霸权：谷歌利 用53个量子比特 在200秒内完成 了传统超级计算 机需一万年才能 完成的计算，标 志着量子霸权的 首次实现。 量子计算机模拟

的概念和含义。 目前，国内主流科技咨询公司对人形机器人概念的观点主要如下： 1）人形机器人是具备人类外形特征和行动能力的智能机器人，以 双腿行走的方式，通过手臂和身体的协调完成功能，基于通用型算法 和生成式 AI，具备语义理解、人机交互、自主决策等能力，并利用人 机交互实现任务理解与反馈，需要强大的感知计算与运动控制能力 （《创业邦》）； 2）人形机器人是一种仿生机器人，指形状与尺寸与人体相似，能 科研院校研发投入等掀起的人形机器人热潮，人形机器人正朝着更高 性能、更强适应性的方向爆发式发展。电驱动、液压驱动以及人工肌 肉和气动技术在人形机器人上的应用将会保持较长时间探索，融合眼 －手－足，结合智能芯片、智能算法，构建形成类人“超级大脑”， 形成机器人元宇宙，未来人形机器人将广泛应用于工业生产、社会服 务、救援救灾等领域。伴随着人形机器人的多场景实地应用，为确保 机器人能够在多样化环境中安全、高效地运行，安全测评的需求愈发 动机器人完成精确、稳定的动作； 灵巧手——作为精细操作的关键部件，对结构设计、反馈系统和 尺寸规格要求极高； 芯片——主要涵盖 CPU、GPU、NPU 等计算芯片和各类控制芯片， 是机器人执行复杂算法和智能决策的“大脑”； 动力模块——包括电池、充电装置等，为整机提供可靠的能量支 持。 目前，人形机器人核心零部件的国产化程度整体处于中等水平。 部分关键零部件如无框力矩电机、T 型丝杠、滚珠丝杠和视觉传感器件

创下历史新高。随着市场竞争的加剧和人工智能技术的赋能，工业机 器人性能不断提升、成本持续降低，正在从高新技术制造业延伸到传 统制造业，为越来越多的企业带来可观的效益。 中国工业机器人市场和产量占据绝对优势，算法将成为新一轮市 场竞争的关键。中国具有门类齐全、规模庞大的工业体系，工业增加 值连续多年位居全球第一，2023 年工业增加值达到 5.97 万亿美元， 且是全世界唯一拥有联合国产业分类中全部工业门类的国家。根据国 庞大体量，稳稳占据全球工业机器人四成多的份额。其中，本土工业 机器人制造商强势崛起，市场份额飙升到 47%。然而，本土机器人产 品高端化水平不足，在汽车为代表的高技术制造业市场份额偏低，在 核心零部件和算法方面与机器人“四大家族”存在一定差距，产品的 稳定性、精确度、响应速度和易用性方面有待进一步提升。随着国产 替代进程加速，当前机器人核心零部件在多个关键领域已取得突破， 如减速器、伺服电机、传感器等，未来，机器人行业的差异化竞争将 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 将具备超越人类的智能水平，能够进行创新和自我意识的决策。 在工业领域，机器人的规模化应用正在从中度智能向高度智能过 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备更强大的感知、认知和决策能力，能够更加精准地识别复杂 环境中的物体、声音和图像，理解人类的语言和意图。同时，工业机 器人将具备更强的自主学习能力，能够根据环境变化和任务需求进行

Seek通过 强化学习技术与混合专家架构（MoE），在极低标注数据需求下实现推理能力跃升，其复杂任务处理与中文语料优化的特性，为医疗场景提 供了精准、低成本且本土化的解决方案。这一技术突破不仅推动了算法与行业工作流的深度结合，更吸引了恒瑞医药、医渡科技、东软集团 、鹰瞳科技等头部企业加速布局，覆盖从辅助诊疗到药物研发的全链条智能化升级。政策端亦为AI医疗注入强劲动能：2024年11月，《卫 生健康 人员 AI 核心特点 内容质 量高 内容丰 富度高 生产效率 高 资料来源：《AIGC: 智能创作时代》，中国工程院，西南证券整理 ANI:单一场景程序化处理 AI: 算法具 有智能特性 GC: 对信息 进行创造性 生产 AGI:多场景处理与自我学习 ASI: 全面超越人类的人工智能水 平 文本：文字+代码信息内容加工 音频：音频内容加工创作 图像（静态）：图片处理+图片 智能决策支持。这 种技术不仅增强了医疗从业者的工作效率，还在一定程度上提高了患者的安全性和医疗质量。  在算法和模型的选择上，DEEPSEEK采用了先进的生成对抗网络（GAN）与变分自编码器（VAE），使得其模型在图像生成 和数据重建等任务中表现出色。与传统模型相比，这些先进算法能够处理更复杂的医疗数据，并提供更具准确性和实用性的 输出。 不同的生成模型 GAN模型 VAE模型

泓博医药语言模型具备丰富应用场景 .................................................................. 19 3.3 成都先导具备独家骨架骨架跃迁算法 .................................................................. 19 3.4 药石科技分子砌块结合 AI 技术突破显著 . 了广泛采用。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 可分为分类算法(包括二分类和多分类)、回归算法、聚类算法、降维算法、异常检测算 法等。 表 1 常用 AI 技术分类 类别 概述 典型算法代表 监 督 学习 监督学习是指在带有标签的数据上训练得到数学模型，然后 给定新的输入，模型会预测相应的输出值。 典型算法包括支持向量机、决策树、随机森林、朴 素贝叶斯、K-近邻、梯度提升、多层感知器、人工神 经网络等。 无 监 督 学 习 无监督学习则与监督学习过程相反，在没有标签的数据上训

BoostKit，极致性能，使能鲲鹏“好用” BoostKit： 加速软件包 + 高性能开源组件 + 参考实现 数据亲和：数据全处理流程负载优化 大数据 算法加速库 OmniRuntime 特性 分布式存储 智能预取 自研压缩算法 数据库 可插拔 在线向量化分析引擎 机密计算 TrustZone 套件 BoostKit 场景化应用 应用加速软件包 参考 实现 基础加速软件包 Web/CDN HPC 八大场景软硬协同优化，使能鲲鹏好用 SQL 执行效率 30% ↑ 11 大类 40+ 算法性能最高 20x ↑ IOPS 性能 1.5x ↑ 压缩率 25% ↑ TPCH 查询性能 4X ↑ 自研安全 OS 内核 性能最高 8x ↑ 就近计算 算法加速 并行化处理 全生命周期安全 13 / 鲲鹏原生开发技术白皮书 鲲鹏原生开发能力介绍 图 3-15 鲲鹏 JDK 性能优化 压缩算法 NVMe SSD 原子写 KAE RSA 加解密 OVS 流表归一化 虚拟化调度优化 ExaGear AArch32 指令翻译软件 Gazelle 网络优化 OVS 流表网卡加速 vKAE 鲲鹏 GCC CFGO 反馈优化 高性能云盘优化 vCPU 热插拔 KAEzip 压缩解压缩优化 虚拟化 DPU 卸载 MPAM 插件 存储算法加速库 存储维护工具库

场景，并探讨了当前 技术落地、基础设施建设与改造以及标准化建设面临的挑战和发展建 议。 目前，工业界和学术界对分布式算力感知与调度技术的研究尚处 于起步阶段，并仍处于快速发展之中，新的架构、算法和应用模式不 断涌现，本白皮书作为阶段性研究成果，还存在需要不断完善的地方， 真诚地企盼读者批评指正。 II 目 录 前 言................................ 力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 述了分布式算力感知与调度的背景、体系结构、关键技术、应用场景、 发展建议，旨在为有兴趣了解分布式算力感知与调度相关概念和技术 抽象后，将形成支撑智能决策的多维度量化算力资源模型。 “调度”则是基于“感知”结果所采取的行动，是整个系统的“大 脑”和中枢。它根据感知到的全网算力资源分布图景和实时状态，在 复杂约束条件下，通过智能高效的算法，将计算任务合理地分配到最 合适的节点上执行，从而实现全局最优的资源利用率、最低的运营成 本和最佳的用户体验。调度决策是一个高度复杂的优化问题，其目标 函数通常是多维度的，需要在性能目标、经济目标和系统目标之间寻

5000+ 泛化准确率 90%+ 5 张样本训练准确率 95%+ 大规模多模态预训练 CV 信息、语义信息、 布局信息、知识图谱 OCR 大模型应用案 例 覆盖 解决 达到 算法 优势 语义融合高精度识别 结合图像信息及语义信息 提供更高精度 角度感知文本检测 多角度、多方向、 任意文本形状 泛化准确率 98%+ 500 张样本训练准确率 99%+ 泛互联网 AI 应用 金融产业 AI 应用 企业 AI 应用 腾讯云 TI 平台 Tencent Cloud TI Platform 算法和模型开发者 数据服务提供商 智能设备提供商 计算资源 网络资源 存储资源 边缘中心 模型管理 模型服务 训练工坊 三 大 能 力 平 台 九 大 能 力 中 心 算法 模型 算法 服务 数据采集 数据标注 AI 设 备 3 1 差异化算法模型构建 l 腾讯云 TI 平台 TI-ONE 提供差异化算法模型构建工具，面向零基 础业务人员，初级算法工程师，高级算法工程师等不同使用人 群，提供自动学习建模工具，可视化拖拽式建模工具，交互式 代码开发环境，训练软件开发包

更智能化以及更开放的方向演进。在高速率方面，将通过更高频段的 微波通信和光通信技术，结合新一代高速调制编码和自适应链路控制， 实现 Tbps 级骨干通道；在低时延方面，将优化轨道布局和跨域路由 4 算法，以满足 6G 及其后续网络对超低时延通信的需求；在智能化方 面，将引入人工智能和机器学习技术，用于链路状态预测、路由动态 优化和资源自适应分配，推动网络具备更高的自治能力；在开放性方 面，承 这种方法在一定程度上提高了路由的稳定性和适应性，但仍然无法完 7 全解决依赖地面控制器的问题。此外，为了进一步提升路由算法的负 载均衡、运行效率、故障容错以及差异化服务保障能力，部分研究引 入了网络状态感知机制以及深度强化学习等人工智能方法，进一步优 化路由策略。通过实时感知网络状态，并利用人工智能算法进行智能 决策，提高了集中式架构下卫星互联网承载网的性能。 3.1 分布式架构 分布式架构与集中式架构截然不同。在分布式路由方案中，卫星 在网络中出现循环转发等问题。 从产业落地角度看，分布式架构的标准化与兼容性难题显著增加 了工程化难度。不同卫星制造商的载荷硬件、操作系统及通信协议存 9 在差异，而分布式协同依赖统一的交互接口与算法逻辑，若缺乏跨厂 商的标准规范，极易出现“信息孤岛”。例如，某星座的卫星采用自 主研发的邻居发现协议，将无法与采用国际通用协议的其他星座节点 建立有效协同，限制了卫星互联网承载网的跨系统互联能力。这种标

3 核 心 观 点  前言：本篇主旨在探讨AIGC相关概念及技术在医药产业方向上的潜在应用。AIGC突出创造性生产，依赖于多模型 的技术融合。整体来看，AIGC的创造力发展归功于算法领域的技术积累，而ChatGPT或将成为我们未来更为智能时 代的全新信息系统入口。此前，Meta 在2023年4月5日发布了机器视觉领域首个用于图像分割的通用大模型 Segment Anything 风险提示：行业竞争加剧风险、政策风险政策风险、市场需求变动风险、宏观经济增速大幅下滑等风险。 AIGC 4 AIGC突出创造性生产，依赖于多模型 的技术融合 AIGC的创造力发展归功于算法领域的 技术积累 ChatGPT 将成为智能时代的全新信 息系统入口 SAM的开源将促进机器视觉通用大模 型的进一步研究 AIGC突出创造性生产，依赖于多模型的技术融合 AI 核心特点 内容质 量高 内容丰 富度高 生产效率 高 资料来源：《AIGC: 智能创作时代》，增长黑盒，中国工程院，西南证券整理 ANI:单一场景程序化处理 AI: 算法具 有智能特性 GC: 对信息 进行创造性 生产 AGI:多场景处理与自我学习 ASI: 全面超越人类的人工智能水 平 文本：文字+代码信息内容加工 音频：音频内容加工创作 图像（静态）：图片处理+图片