湿电子化学品渐入佳境—— AI 赋能化工之三 相关报告 《新材料产业周报： 小米发布首款新能源汽车 SU7 中国移动宣布 5G-A 正式商 用（推荐） * 基础化工 * 李永磊， 董伯骏》 —— 2024-04-01 《新材料产业周报： 1-2 月我国集成电路制造业增加值增长 21.6% ， 全球首列 氢能源市域列车成功试跑（推荐） * 基础化工 * 李永磊， 董伯骏》 —— 整体行业增速快 湿电子化学品是微电子 、光电子湿法工艺制程中使用的各种电子化工材料 ，具有技术门槛高 、资金投入大 、产品更新换代快等特点 ，广泛应用于 集 成电路 、显示面板 、太阳能光伏领域 ，据中国电子材料行业协会 ， 2021 年应用于三大领域的比例为 33% 、 36% 、 31% 。据我们测算 ， 随着集成电 路国产化进程加快 、显示面板产能持续增长， 国内湿电子化学品需求量有望从 、日韩企业主导了全球湿电子化学品市场 。据中国电子材料行业协 会 ， 2021 年 我国集成电路用湿电子化学品整体国产化率达到 35% 。高端湿电子化学品主要由国外厂商垄断 ，半导体用高端湿电子化学品主要由 欧美 、日本厂商 把控 ；平板用湿电子化学品领域， 国内高世代线主要由韩国东进世美肯和韩国 ENF 供货， 国内企业国产化空间较大。 受益标的 随着国内湿电子化学品市场持续增长以及半导体行业国产化进程加快，

），一期实施 1000 吨 / 年现已投入运营。项目产品主要有 JHT 电子流体系列、 JHLO 润 滑油系 列以及 JX 浸没式冷却液等产品） 、 II. 新宙邦（六氟丙烯下游的含氟精细化学品，含氟冷却液（氟化液）顺利通过行业知名客户认证，实现批量交付）、 III. 永和股份（ 1 万吨 / 年 硅片 / 化合物半导体、光刻胶、湿电子化学品、电子气体、掩膜版、 CMP 抛光液 和抛光垫、溅射靶材等）及封装材料。其中， 半导体几大核心耗材我国国产率均较低， 国产替代需求旺盛，有望在 AI 快速发展中实现 需求大增与技 术突破。涉及标的： 1) 光刻胶：彤程新材、晶瑞电材、久日新材、万润股份、雅克科技、容大感光、南大光电等； 2) 湿电子化学品：江化微、格林达、晶瑞电材、飞凯材料、多氟多、兴发集团等； 脂肪族化合物、有机硅类物质、碳氟类化合物等。其中氟化液是一种无色无味绝缘且不燃的化学溶剂，最开始是用作线路板的清洗 液；加上其不燃和绝缘的惰性特点，目前下游应用领域已经涉及半导体冷却板的冷却、数据中心的浸入式冷却、航空电子设备的喷雾 冷却等。氟化液的优点包括： 1 ）具有优异的电绝缘性和热传导性； 2 ）理想的化学惰性和热稳定性，能广泛使用于各种温控散热场 合 ； 3 ）良好的材料相容性，与绝大多数金属、塑料和聚合物不反应；

技术对比探讨 ➢ STaR-based Methods vs. RL-based Methods 强推理路径对比 (DS-R1 \ Kimi-1.5 \ o-series) ➢ 蒸馏 vs. 强化学习驱动：国内外现有各家技术路线对比分析及Takeaways ➢ PRM & MCTS 的作用 ➢ 从文本模态到多模态 ➢ 其他讨论：Over-Thinking 过度思考等 ➢ 未来方向分析探讨 和 Train-Time Scaling 提升模型的推理能力？ ➢ 得益于纯大规模强化学习，DeepSeek-R1 具备强大推理能力与长文本思考能力，继开源来备受关注。 ➢ DeepSeek R1-Zero 和 R1的出现再次证明了强化学习的潜力所在： ➢ R1-Zero 从基础模型开始构建，完全依赖强化学习，而不使用人类专家标注的监督微调（SFT）； ➢ 随着训练步骤增加，模型逐渐展现出长文本推理及长链推理能力； DeepSeek-R1 Zero: 无需监督微调SFT，纯强化学习驱动的强推理模型 DeepSeek-v3-Base (671B) DeepSeek-R1-Zero 基于规则的奖励 Rule-Based Reward 推理为中心的大规模强化学习 Large-Scale Reasoning-Oriented RL 大规模推理为中心的强化学习，提升模型数学代码能力 RL驱动下自然涌现长文本推理能力

0.95 1.42 - 62.92 42.06 买入 688639.SH 华恒生物 169.25 1.70 2.84 3.88 76.03 59.60 43.64 买入 601117.SH 中国化学 10.56 0.84 0.89 1.07 14.29 8.92 9.85 买入 002140.SZ 东华科技 10.46 0.46 0.52 0.48 31.61 23.57 21.59 未评级 0.55 0.59 7.19 7.69 10.79 未评级 601857.SH 中国石油 7.34 0.50 0.82 0.71 9.82 6.62 10.28 未评级 600309.SH 万华化学 97.27 7.85 5.17 6.71 12.87 17.92 14.49 买入 002984.SZ 森麒麟 31.35 1.16 1.23 2.12 30.66 25.03 14.81 买入 重点公司代码 股票名称 投资评级 请务必阅读报告附注中的风险提示和免责声明 3 资料来源： Wind 资讯，国海证券研究所（未评级标的采用 wind 一致预期，中国化学、东华科技、中国石油、中国石化、万华化学、森麒麟、华大智造、中 控 技术、容知日新、川仪股份 2022 年数据为真实值，其余为预测值） 重点关注公司及盈利预测 核心提要 人工智能未来有望赋能化工“研发 - 设计 -

等手段大 幅加速分子动力学的研究。例如 AI 2BMD 系统在精度相同的情况下，实现了超过 100 万倍的 模拟加速，并将误差减少了 10 倍以上。 3.小样本强化学习：在有限的实验次数、原材料等条件下，AI 通过机器强化学习以及推理， 使得能够在少量实验数据的基础上，快速学习到如何调整配方和条件以提高反应效率。比如 Wen 等在 Al-Co-Cr-Cu-Fe-Ni 系统中搜索高硬度的 HEAs Li₂TiMn₃O₈。 ➢ 高通量机器人+AI 驱动的生产流程革命：成本与精度双突破 AI 可以对生产流程进行全方位的“管理”和优化。比如原材料的成分、用量，生产设备的运 行参数，环境温度、湿度等，进而通过机器强化学习结合高通量机器人实验，相比“人工试 错法”，找到生产过程中的最优解，精确地控制生产过程中的各个参数的能力或呈指数级提 升，生产过程的损耗也有望大幅降低的同时产品合格率也有望得到大幅提升。AI 还可以实 ..................... 6 1.2 分子动力学加速 ............................................. 10 1.3 小样本强化学习 ............................................. 11 1.4 高通量机器人验证：大幅提升新产品的研发速度 .................. 14

11： 合成生物的构建策略 ................................................................... 12 图表 12： AI 智能化学习能够加速底盘细胞的构建................................................... 13 图表 13： 现阶段农药研发流程与周期较长 ........ 方向三：具有较高的行业敏感度，对接难度相对较小或者改造优势比较明显的意愿型企业 也将具有先期优势。化工行业赛道多、产品种类极其丰富，产品链涉及到有机、无机，加 工包括矿产加工、能源加工，方式包括化学合成、物理提纯还有生物发酵等等，其中部分 企业设备的自动化控制能力相对较强，能够较为容易形成数字化对接，也有望提升 AI 优 化的速度；部分行业可以通过较低成本的对接获得较大的问题改善，比如加快产品落地、 年启动的结构调整战略下已经减产，剩余产能主要保障 CDon 和 CPon 的原料供应，并将于 2025 年全部关闭，但韩国翁山以及在 法国夏朗普的合资企业会继续生产己二酸。 己二酸：372 万吨 己二酸：神马股 份、华峰化学、 华鲁恒升 盛禧奥 德国 公司已决定退出位于德国斯塔德的聚碳酸酯（PC）工厂的生产，此决定 是在与相关工作委员会讨论后作出的，预计工厂生产将在 2025 年 1 月 前结束。后续公司所有下游

形成了一个闭环的综合技术平台。 AI+虚拟筛选、AI+冷冻电镜、AI+自动化平 台。 - 138.8 - - - 603259.SH 药明康德 1846 公司是一家全球领先的医药研发服务企业，其主要业 务涵盖化学业务、生物学业务以及高端治疗CTDMO 业务。 通过自研技术、战略合作与生态整合，构 建了AI驱动的研发能力，除了自建药物发 现平台外，还与英矽智能等AI制药公司合 作，开发针对难成药靶点的AI生成分子。 17.1 144.5 117.3 92.3 300725.SZ 药石科技 83 公司主要从事生物医药中小分子药物研发产业链上从 药物分子砌块设计、研发、工艺优化到商业化生产所 有涉及化学的业务。同时,公司的主营业务还包括技术 服务。 利用AI技术搭建药物发现和优化平台。 47.4 5.3 43.0 36.2 30.1 688131.SH 皓元医药 93 公司是一家专注于小分子药物研发服务与产业化应用 用先进的计算方法，为制药公司提供以物理和机 器学习为基础的软件服务，主要应用场景为化合物筛选。公司搭建的AI技术平台基于物理的计算，集成了用于预测建模、数据分析和协作的 差异化解决方案，以实现对化学空间的快速探索。 ◼ 公司业务分为软件和药物发现。软件业务专注于将软件销售给生命科学行业的药物发现以及材料科学行业的客户。药物发现业务专注于从各 种临床前和临床项目中产生收入，目前与多家跨国公司

核心观点 DeepSeek 开源、低成本、强推 理 助推银行业应用 1 n DeepSeek 模型在 Post-Train 阶段大规模应用了强化学习方法。 R1 使用了冷启动 + 大规模强化学习方法， R1-Zero 版 本模 型使用纯强化学习方法。随训练过程推进，模型展现出了推理能力的扩展（高准确率和 long-CoT 能力涌现等） 。 图表：随步数提升 R1-Zero 的 AIME 任务准确度 任务准确度 图表：深度思考能力提升 性能：后训练阶段大规模应用强化学习，表现推理能力扩展 资料来源： DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning ，中泰证券研究所 资料来源： DeepSeek-R1: 理中的成本更具优势。 它在 MoE 架构的基础上， 通过多头潜注意力机制（ Multi-Head Latent Attention ， MLA ）进行优化；在后训练阶段采用冷启动 + 大规模强化学习 方 式，不再使用传统 SFT 做大规模监督微调， 甚至绕过了一些 CUDA ，采用 PTX 汇编来提升能力；在推理场景下通过 大规模 跨节点专家并行（ Expert Parallelism

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 CRO 公司专业能力的增强，我 们预计未来药物研发领域将迎来更多创新突破。  风险提示。AI+制药 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)、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 常用的无监督学习算法包括聚类和降维。代表算法 包括 K 均值、期望最大化、主成分分析、线性判别 分析、高斯混合模型、奇异值分解、自编码器等。 强 化 学习 强化学习是另一种机器学习范式，不需要外部提供大量带标 签的数据进行训练。强化学习中有两个可交互的对象，智能 体与环境，智能体利用已有动作和经验的反馈不断地与环境 进行交互，以实现特定目标或取得最大化的预期利益。 - 深 度 学习

2 无监督学习.................................................................................79 5.1.3 强化学习.....................................................................................81 5.2 特征工程. 冷却：干馏结束后，焦炭需要冷却以防止其自燃。冷却方式可 以是自然冷却或水冷却，选择合适的冷却方式可有效节约能源 和降低焦炭的氧化损失。 6. 分级和包装：冷却后的焦炭需要经过分级，按照粒度大小进行 筛分，确保其物理、化学性能的均一性。最终，焦炭将被包装 并配送到钢厂。 通过以上步骤，确保焦炭的生产过程高效、环保，并满足不同 钢铁生产的需求。在这个过程中，智能化技术的应用也显得尤为重 要，例如，通过实时监测煤种成分、温度、气氛等参数，能够实时 用人工智能大模型的潜在方向，为未来钢铁生产的智能化提供了可 行的方案。 2.2 炼铁过程 炼铁过程是钢铁生产中至关重要的环节，是将矿石中的铁矿物 转化为生铁的关键步骤。整个炼铁过程通常在高炉中进行，需要一 系列复杂的物理和化学反应。首先，将铁矿石、焦煤、熔剂（如石 灰石）和还原气体（如氢气或一氧化碳）按照一定比例进行配料。 这些原材料的选择和配比直接影响炼铁的效率、质量和成本。 在高炉内，铁矿石在高温下被还原。首先，焦煤在高炉底部燃