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 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 药物 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 AI+制药应用技术。CRO 药物研发外包公司的 AI 技术应用正 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 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 ..

针对大量的监管合规要求，批量、快速的 审核合同文本、协议条款、用户授权文本 等，辅助人工审核，大幅提升审核效率， 如江苏银行合同质检场景应用。 03 舆情监控 实时分析社交媒体与新闻，识别潜在风险 （如客户投诉趋势预测、企业客户舆情风 险预警等） 互 联 网 / 公 有 云 金 融 机 构 内 网 私有云版 DeepSeek or 其他 AI 产品 客观数据：内部 交易数据、客户 数据 监管文件 技术优势：数据可信、生成可控、可 干预、模糊语义理解 BI 分析可分为统计型、归因型、预测型、决策型四个层次 展现数据，了解现状，发现问题 统计型 利用体系，以小见大，见微知著 预测型 拆解指标，建立体系，找到根因 归因型 直面问题，督办改进，完成闭环 决策型 4 BI 分析 层次 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 • 针对所输入的问题进行提 前阅读，模糊字段会触发 据进行问答，提问中 可以方便地进行主题 和模型的切换 划定范围 模糊匹配 业务黑话 • 笨办法：做配置表 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 • 规则模型，提问精准命中底层数据 • 平台配置，辅助企业个性化问题识别 语义清晰的问题 语义模糊的问题 • 基于大语言模型解析意图 •

案（2024—2027 年）》，算电协同被列为七大试点方向之一，明确要求 在国家枢纽节点和青海、新疆等能源富集区，通过“绿电聚合供应” 模式提升数据中心绿电占比，并探索算力负荷与新能源功率联合预测、 柔性控制等技术，以降低电网保障容量需求。国家能源局 2025 年 5 月发布的《新型电力系统建设第一批试点通知》进一步细化实施路径， 提出通过余热回收、光热发电协同等技术提升能源利用效率，并要求 年初，腾讯联合英特尔开发出智能负载调节系统， 可根据电网频率波动在 10 毫秒内完成服务器功耗调整，单数据中心 可提供最大 20%的瞬时调节能力。南方电网研发的“驭电”智能仿真 大模型，通过融合气象、负荷、设备等多维数据，将新能源预测准确 率提升至 95%以上。华为在贵安建设的绿色数据中心采用“分布式光 伏+液冷”技术，年均 PUE 低至 1.12；中国电信青海数据中心实现 100%绿电供应，年减排二氧化碳 50 万吨；万国数据在上海临港试点 100%绿 电微电网算力中心，通过“自发自用”模式实现绿电消纳率超 95%。 学术界则聚焦技术融合创新，清华大学团队提出“算-电-热-碳”协同 理论框架，北京理工大学团队开发出基于 AI 的算力负荷动态预测模 型，可优化电网调度响应速度 30%以上。 学术届也在积极推进算电协同研究，北京邮电大学未来网络团队 （FNL）和紫金山实验室团队持续开展创新实践，共同推动着这一交 叉学科的发展。北京邮

病分析解读、以及多组学风险 预测和评估。企业端可明显降低成本，但商业化落地进度较慢。合作模式和医院正在探索中。整体数据获取成本低，基因测序一次能获取较 大量基因组数据。相关标的：华大智造、贝瑞基因、华大基因。  AI 医疗信息化CDSS辅助临床决策：优化电子病历质控、临床决策支持与智能分诊流程, AIGC大幅拉升效率。包括AI辅助报告解读、推荐检 查项目、疾病预测等。整体商业化落地较快，数据 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 病历分析、 在线问诊、 远程医疗、 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

人机的支持下，精准农业不仅能提高产量，还能在保护生物多样性方面发挥作用。智能电网将通过 实时分析系统的安排，实现可再生能源发电与需求的平衡，开启零碳城市生态系统的时代。此外， 基于 AI 的气候建模将提供前所未有的预测能力，帮助决策者采取预防措施，应对极端天气事件和海 平面上升，这对像香港这样易受影响的沿海地区来说至关重要。 人类生产将经历场景跃升，重塑工作的本质和创造力。在制造业，具身智能将催生出自我优 郭毅可 析。这种人机协作将加速医学、材料科学和量子技术等领域的突破，推动人类在疾病治疗、气候韧 性和可持续材料方面取得进步。 我们的日常生活也将发生改变。智能体将成为值得信赖的伙伴，持续监测并预测我们的健康需 求，并在症状显现之前提供个性化的治疗干预。教育将转向自适应、沉浸式平台，根据每个学习者 的进度和兴趣定制课程，在高度互联的世界中促进终身学习。家庭将成为一个虚实融合的全息生活 空 度和高度。没有高性能计算、高速网络和高质量数 据所构建的坚实基础，再先进的算法也无法高效运转，再广阔的应用场景也无法落地实现。 人工智能技术的迅猛发展，正以前所未有的速度推动算力需求的增长。我们预测，2035 年全 社会的算力总量跟 2025 年相比，将增长 10 万倍。计算领域将迎来历史性变革——技术演进路径将 逐步脱离传统冯 • 诺依曼架构的框架束缚，在计算架构、材料器件、工程工艺、计算范式四大核心

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 49家）、端到端药物开发（83家）、临床前发展（57家）及药物再利用（ 26家）等在内的六大环节。使用AI进行药物开发的主要领域是早期药物开发和数据处理。这些过程中涉及的数据多样性，使人 工智能成为预测小分子的生物活性、毒性等不可替代的工具。  适应症上看，肿瘤、免疫学及神经病学领域占比最大，分别为37%、21%和14%。随着全球肿瘤疾病负担日益提升，发现癌症 的治疗方法是21世纪最重大的公 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

务。在这些世界市场上，我们的员⼯进⾏着持续的多学科对话 - 获取信息，分析数据，制 定⻅解和提出建议。作为我们的⾸要思想引领产品，花旗全球展望旨在帮助我们的读者应对全球经济⾯临的最具挑战性的问题，并预测⼀个快速变化且相互关 联的世界中的未来主题和趋势。花旗全球展望汇集了我们全球对话的最佳要素，并整合了我公司各个⾼级专业⼈员的思想领导⼒。本⽂不是研究报告，也不构 成对投资的建议或要约购买或出售任何⾦ ⽤例-静态机器⼈也在增⻓，但本报告的重点是在AI- 启⽤移动的机器⼈。第2-8章探讨了AI机器⼈的潜在⽤例，从清洁、驾驶、交 付，到⼯业、建筑、零售、酒店和护理领域的使⽤。我们对9个⽤例领域的专 有分析预测到2050年将有41亿个机器⼈。对于⼀个⽤例，⼈形机器⼈，我们 进⼀步将其分为7个领域。我们的⽅法论将在下⽂中进⾏总结。 3. 挑战 - 第10章探讨了值得关注、辩论和解决的12个挑战。 和解决⽅案。 2049 2050 Hourly wage AI机器⼈的崛起 物理人工智能即将来袭 我们预测到2035年时，将有13亿台AI机器⼈在我们周围移动，到2050年将达到40亿台。这其中的三个主要推动因素将是技术、经济和改善。以下是⼀些关于机器⼈崛 起的数字。 机器人单位数量（以百万计）按类型预测 来源：花旗经济研究部 2024 2025 2030 2035 2050 CAGR ⾃动驾驶汽⻋

务、管理创新、技术、产品 和服务等 a) 应具备顶层战略规划设 计，形成对外输出的规 划 策 略 ； b) 应具备利用数字化技术 进行转型决策的能力； c) 应基于转型活动的历史 数据，预测、模拟数字化 转型的成果或效果，明 确数字化转型需求 流程管理 应具有局部业务流程的管理 规范或规章制度 a) 应使用信息技术手段管 理流程制修订过程、宣贯 活动、配套成果等； 成果进行模拟和评价； b) 应基于流程管理与各业 务管理系统的集成，实 现流程发布、执行、反 馈、监控的闭环管理； c) 应建立主要流程改进影 响因素模型，结合流程 全局图谱和历史数据 等，预测流程改进面临 的问题，基于知识库给 出解决方案 cn GB/T 43439—2023 〇 表 2 组织的成熟度要求 (续) 成熟度等级要求 能力子域 一级 二级 三级 四级 据要素，建立组织的可 持续竞争力模型，在体 系化变革机制中，基于 模型数据自动识别变革 需求，并基于知识库，形 成建议方案或路径； b)应基于变革前后的数据 监测和数据模型，预测 变革风险，并使用数字 化技术实现各类预案的 启动、发布和实施； c) 应基于数据分析模型， 实现变革各项关键指标 关联，精准识别变革优 化的关键项和下一场变 革的关键驱动因素指标

再是遥远的愿景。这项技术正在迅速重塑人们的生 活、工作和交互方式，推动全球产业、经济和社会 转型。人工智能的影响力有望超越前面几次技术革 命，促进生产力提升，重新定义竞争力，开启全新 的经济与社会价值增长路径。IDC 预测到 2030 年， 人工智能将累积为全球带来近 22.3 万亿美元的经 济收入，占全球 GDP 的 3.7%。 为帮助政策制定者、商业领袖和社会各界有效应 对这场重大变革，IDC 与华为开展长期合作，共 人工智能作为引领未来的战略性技术，正深度融入 能源转型进程，成为构建新型能源体系的关键力 量。以电力行业为例，新一代 AI 技术（如大模型） 与电力系统加速融合，依托大数据分析与机器学习 算法，可显著提升可再生能源发电预测精度、优化 需求侧灵活性资源调度、实现电网故障智能预警与 诊断，全方位增强电网运行的安全性与效率。 然而，电力数智化转型并非一蹴而就。当前各国发 展水平差异显著 ：部分国家已启动面向未来的新型 定，适应数智化转型，覆盖从在线金融到自主 金融等多个阶段。 » 轨道交通 ：依托人工智能与云平台，提升安全 保障和运营效率，优化乘客体验，推动向自主 运营转型。 » 物流 ：聚焦可视化、预测性分析以及绿色物流， 开展人工智能优化，推进数字化生态建设。 行动建议 加快数智经济增长的举措包括 ： » 重视网络、计算、存储协同一体的数智基础设 施建设。 » 利用智能应用赋能各行各业。

奕瑞科技 688301 CH 246.80 买入 舜宇光学科技 2382 HK 60.00 买入 歌尔股份 002241 CH 20.00 买入 资料来源：华泰研究预测 2024 年 6 月 21 日│中国内地 专题研究 华泰观点：关注 AI 大模型 x 硬件的两条思路 从 22 年 11 月 OpenAI 推出 ChatGPT 至今，我们看到 OpenAI，Google 的现有功能差异不大，但由于此类功能只在 iPhone 15 pro/max 及以后系列搭载，有望推动苹果用户换机。根据 IDC 数 字，苹果 2023 年销量 2.34 亿台，华泰预测苹果 2024 年销量下降 8.2%到 2.15 亿台。根据 BankMyCell 数字，2024 年苹果手机活跃用户 14.6 亿人， 对应目前换机周期 6.23 年，如果 Apple Intelligence 是汽车智能化阶段竞争的关键，但受 制于竞争加剧、销量承压，智能驾驶产业链普跌。人形机器人方面，优必选涨 72.6%。 图表3： AI 大模型及应用产业链估值表 注：2024 年 6 月 20 日数据，预测数据来自彭博 资料来源：Wind，Bloomberg，华泰研究 图表4： A/H 消费电子产业链公司 注：市值为 2024 年 6 月 20 日数据 资料来源：Wind，华泰研究