AI 带动材料新需求—— AI 赋能化工之一 相关报告 《——碳纤维行业框架报告：双碳战略推动碳纤维景气度上行， 技术进步产能 扩张降本可期（推荐） * 化工 * 杨阳，李永磊》 —— 2022-05-27 《磷化工和钛白粉企业进军磷酸铁， 大有可为（推荐） * 化工 * 董伯骏，李永 磊》—— 2021-09-09 请务必阅读报告附注中的风险提示和免责声明 3M -0.8% 3.7% 1M -6.6% -1.0% 12M -5.3% -1.7% 基础化工 沪 深 300 相对沪深 300 表 现 AI 浪潮下，化工材料迎来新发展 u 算力大幅提升，液冷技术成为大势所趋，氟化液大有可为 AI 技术迅猛发展，极大增加了相关产业对高性能算力的需求，进而对设备散热冷却提出了更高要求。目前来看，液冷更适用于高密度功率的数据中 年全氟己酮项目副产六氟丙烯三聚体可以应用于冷却液领域）、 IV. 润禾材料（公司硅油和改性硅油可用于冷却液生产）等。 u AI 芯片是人工智能核心，推动半导体材料大发展 AI 芯片系 AI 的核心，将在 AI 浪潮下获得快速发展和应用。半导体材料是芯片的基石，受益于 AI 需求拉动，半导体材料将获得更大发展空间，技 术变 革和国产替代的步伐将进一步加快。半导体材料主要分为制造材料（硅片 / 化合物半导体、光刻胶、湿电子化学品、电子气体、掩膜版、

AI 与机器人技术融合后，从分子模拟到材料基因组学的全链条效率将被重新定义， 既能降低传统材料成本，又能缩短新材料研发周期。面对化工新材料研发的“多尺度复杂性” 与“实验验证滞后”痛点，AI 通过跨尺度建模、分子动力学加速等方案实现突破。在生产流 程中，AI 结合高通量机器人实验优化生产，降低损耗与故障率。但 AI 也在瓦解传统技术壁 垒，“白痴指数”高的材料受冲击大。化工企业需加强 AI 研发、引进人才、推动数字化转型， 合，化工研发大概率将经历一场范式革命——从分子模拟到高通量实验，再到材料基因组学， 全链条效率被重新定义，不但可能大幅降低传统材料的生产成本，也很可能使得新材料研发 周期大幅缩短。化工企业应当充分认识到：当前的产品壁垒已经不是壁垒，当前的产品利润 随时面临挑战。 ➢ 新材料预测的挑战与 AI 的破局方案：数据+算法的双重赋能 我们认为：化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点。类似 Deepseek 等顶尖 AI 工具有望通过以下方案突破瓶颈： 1.跨尺度建模误差控制：微观层面，从每个原子之间相互作用力的计算误差；到介观层面， 微小的孔洞结构或者材料密度变化对材料强度带来影响；再到宏观层面，在实验室小试成功， 但是规模化生产却完全失败，此类风险与跨尺度误差累积紧密相关。目前的最新研究显示， 类似 Deepseek 这类 AI 工具可以在粗糙尺度、中间尺度以及全原子尺度建模，在耗时和精准

国内外化工行业的软实力差距有望逐步缩窄。经过 20 多年的发展，我国的竞争优势从前期低人力成本、政策驱动的 资本投入向产业链市场配套和系统化的综合赋能进行升级。借助 AI 工具，我国有望弥补多年历史积淀带来的国内外 材料研发的差距，实现高端材料的加速突破。 投资建议 Deepseek 的出现加速了 AI 智能化在各个领域的实体应用和优化，在化工行业领域，我们认为可能出现的四类关注点：  破除现有限制瓶颈的方向，将 ：AI 智能化对接的基础相对较好，投入成本相对可控，产生的长 远影响相对较大。对应的赛道更多是精细化工材料领域，通过 AI 智能化加速研发管线的定制化、高端差异化和 配方产品集合等要求，缩短和国际龙头之间的软实力差距，建议关注新材料领域尚未实现高端产品国产化的赛道， 比如工程塑料、改性材料、辅材供给等领域；  行业领军企业的 AI 智能化推进速度或将较快，重点建议关注央国企的 AI 对接节奏：领军型企业有资金、有要求、 智能化的先期参与者，能够形成成本和管理的改善，在产品落地兑现方面也有望 获得效率提升，建议关注央国企的 AI 对接情况以及实际性的变化；  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

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》 —— —— 2024- 03-24 《化工新材料周报： “商业航天 ”首次写入政府工作报告， 1 月全球半导体行 业销售额同增 15.2% （推荐） * 基础化工 * 李永磊， 董伯骏》 —— 2024-03- 10 请务必阅读报告附注中的风险提示和免责声明 2 表现 1M 300236.SZ 上海新阳 33.39 0.53 1.67 2.09 2.93 0.17 0.53 0.67 0.94 163.60 66.15 49.99 35.67 未评级 300398.SZ 飞凯材料 11.93 4.35 3.45 4.86 6.15 0.82 0.65 0.92 1.16 20.89 18.27 12.99 10.26 未评级 002407.SZ 多氟多 15.40 19.48

DeepSeek-R1 大模型作为一种前沿的人工智能技术，凭借其 强大的数据处理能力和深度学习算法，能够在工程造价领域发挥重 要作用。该模型能够快速处理和分析海量的历史项目数据、市场行 情信息以及建筑材料价格波动，从而为造价工程师提供更为精准的 成本估算和预测。此外，DeepSeek-R1 还能够通过自然语言处理 技术，自动解读建筑图纸、合同文本等技术文档，进一步减少人为 干预，提高工作效率。 此外，DeepSeek-R1 大模型还具备良好的可扩展性和适应性， 能够根据不同项目的需求进行定制化配置。例如，在处理大型基础 设施项目时，可以增加对地质条件、环境保护等复杂因素的考量； 而在住宅建设项目中，则侧重于材料成本和施工周期的优化。 综上所述，DeepSeek-R1 大模型在工程造价领域的应用，不 仅能够显著提升工作效率和准确性，还能为行业带来全新的智能化 解决方案。通过将先进的人工智能技术与传统工程造价方法相结合， 化分析能力，能够有效提升造价管理的精确度和效率。 在当前的工程造价实践中，项目管理者面临着以下主要挑战： - 数据量大且复杂：建筑项目涉及的数据类型繁多，包括设计图纸、 材料价格、人工成本、施工进度等，传统方法难以高效处理。 - 动 态变化快：市场材料价格、人工成本等因素波动频繁，传统的静态 分析方法无法及时响应变化。 - 跨专业协作难度高：造价管理需要 与设计、施工、采购等多个专业部门协同工作，信息流通不畅容易

AI 赋能，助力化工行业转型升级—— AI 赋能化工之二 相关报告 《化工行业深度报告： AI 带动材料新需求—— AI 赋能化工之一 （推荐） * 化工 * 李永磊，董伯骏》—— 2023-04-11 请务必阅读报告附注中的风险提示和免责声明 2 表现 1M 3M 其特点是系统规模大， 覆盖专业多 、 工艺复 杂， 产品多元化， 控制难度大， 耦合度高， 与人工智能的结合能够促使化工企业跳出传统制造行业的范畴， 使化工企业能够 在 一定的体系中， 完成对化工原材料 、能源或其他形势自然资源的利用， 真正实现精细化生产和运营。 图表：流程工业的主要活动 请务必阅读报告附注中的风险提示和免责声明 7 资料来源： 《 Machine Learning an Intelligent 人工智能赋 能 材料研发与合成 材料是人类用以制造基本元件 、构件 、机器以及更复杂材料产品的物质基础 。如今， 在 5G 和物联网时代， 材料的研发与 合成也 逐渐与人工智能技术建立起联系， 藉由人工智能探索其新思路新方法 、新技术。 请务必阅读报告附注中的风险提示和免责声明 8 图表：材料研究的 4 个阶段 : 经验、理论、计算模拟和 ( 大 ) 数据推 动 资料来源：《材料信息学及其在材料研究中的应用》

........................................................................................132 8.1.2 材料完整性检查.............................................................................................. 在此背景下，人工智能技术为理赔业务优化提供了新的可能 性。DeepSeek 大模型凭借其多模态理解、自然语言处理和复杂决 策能力，能够从以下维度重构理赔流程：首先，通过自动化单证识 别与核验，将材料初审时间从小时级缩短至分钟级；其次，基于历 史数据与规则引擎的深度学习模型，可实现对理赔案件的智能分级 与风险预判，准确率可达 92%以上；最后，通过动态生成个性化沟 通话术，显著提升客户服务体验。 三个维度的价值创造：首先，通过自然语言处理与计算机视觉技术 融合，实现理赔材料自动分类、关键信息结构化提取以及欺诈风险 实时预警，将单案件处理时效从传统人工的 48 小时压缩至 30 分钟 以内，同时降低 15%-20%的运营成本。其次，基于多模态交互能 力构建智能客服系统，可同时处理理赔咨询、进度查询、材料补传 等高频需求，客户等待时间由平均 8 分钟缩短至即时响 应，NPS（净推荐值）预计提升

等）的应用逐渐扩展，钢铁行业也开始考虑这些先进 技术带来的潜在转型机会。 在钢铁生产过程中，原材料采购、生产规划、设备维护、质量 监控和市场需求预测等环节均蕴含着丰富的数据资源。通过将人工 智能大模型应用于这些关键环节，企业能够实现数据驱动的决策与 优化，提升运营效率，降低成本并提高产品质量。具体而言，AI 大 模型可以在以下几个方面发挥关键作用： 1. 原材料智能采购：利用机器学习算法分析市场供需关系及价格 波动，帮 视觉检测技术，实时监测产品质量，识别 并剔除不合格品，提高产品合格率。 3. 设备维护：利用机器学习分析设备运行状态，实施预测性维 护，降低设备故障率，减少停机时间。 4. 供应链管理：优化原材料采购及库存管理，通过数据分析预测 市场需求波动，提升整体供应链效率。 5. 环保管理：通过 AI 大模型分析生产过程中排放数据，制定更 为精确的减排措施，助力企业实现可持续发展。 总的来说， 括原料准备、熔炼、精炼、铸造和轧制等步骤。每个环节都对钢铁 的质量和生产效率有着重要影响。在全球钢铁需求不断增长的背景 下，优化生产流程、提升生产效率与产品质量显得尤为重要。 在传统的钢铁生产中，原材料首先会经过粉碎与筛分，从而得 到适合高炉炼铁的粒度。主要原料包括铁矿石、焦炭以及石灰石 等。焦炭的质和量直接影响炉内的温度和还原反应的效率，因此在 原料准备阶段就需要实施严格的质量控制。 熔

为缓解风冷部分散热，逐渐提高液冷散 热的占比，出现了风液混合散热解决方案。另一方面，随着单芯片功率密度的提升， 对液冷部件的散热性能提出了更高的要求，冷板微通道强化散热、液态金属等高性能 导热材料以及大通径的盲插快速互联技术等，为智算液冷解决方案提供更优异的散热 条件。 二、 术语和定义 下列术语和定义适用于本文件。 1) 冷板式液冷系统 cold plate liquid cooling 可维护性 优秀 较差 中等 空间利用率 较高 中等 较差 冷却效果 较好 优秀 优秀 兼容性 未与主板和芯片模块进行直 接的接触，材料兼容性较强 直接接触，材料兼容较 差 直接接触，材料兼容较 差 安装便捷程度 不改变服务器主板原有的形 态，保留现有服务器主板，安 装便捷 改变服务器主板原有 结构，服务器易残留冷 却液 改变服务器主板原有 同时，通过进一步对液体､管理和设备冗余进行更为合理的设计和应用，液冷也将具 有比风冷更高的散热可靠性，有效提高数据中心的能源利用率。 (2) 高可靠性：冷板式液冷技术在冷却液管路中流动时，并未与主板和芯片模块 进行直接的接触，材料兼容性较强，提高系统的运行安全性｡此外，液体冷却芯片温 度更低，可延长芯片寿命 30%以上，降低因过热导致的硬件故障率。 (3) 强适用性：冷板式液冷技术不改变服务器主板原有的形态，而是对现有服务

................................................91 1 前 言 在全球智能化浪潮风起云涌的时代背景下，人形机器人作为人工 智能、高端制造与新材料等前沿技术深度融合的结晶，正逐渐崭露头 角，成为连接未来理想与现实生活的关键桥梁。它有望继计算机、智 能手机和新能源汽车之后，成为重塑全球经济产业格局、改变人类生 活与生产方式的又一强大驱动力，其在智能制造、家庭及商业服务、 年）、智能化发展阶段（2020 年至今） 等四个阶段（如图 3），人形机器人从最初以模仿人类外观和基本动作 为起点，逐步演变成了具有人类特征的智能系统，并推动了人工智能、 自动控制、机器视觉、材料科学、精密仪器等相关科学领域的研究。 图 3 国内外人形机器人发展时间轴 1.2.1 我国人形机器人发展历程 12 我国对人形机器人的探索起步于 20 世纪 80 年代末，并且早期的 机器人研究主要集中在高校以及科研院所。自 CyberOne、浙江人形 NAVIAI 等为代 表的人形机器人，能识别语义和情绪，具备平稳行走和复杂动作能力， 助推我国人形机器人产业步入了智能化发展阶段。同一时期，介电弹 性体、超螺旋聚合物、气动仿生肌肉等柔性材料的快速发展也带来了 人形机器人的驱动器的革新，以北工大研发的气动人工肌肉驱动器、 中国计量大学设计的一种拮抗气动肌肉驱动的人形机器人为例，实现 了膝关节角度与刚度的精确控制，将为复杂任务和交互场景提供更加