请务必阅读正文之后的免责条款部分 证券研究报告 DeepSeek-R1 加速 AI 进程，看好 AI 应用端潜力释放 2025 年 02 月 10 日 评级 领先大市 评级变动： 维持 行 业涨跌幅比较 % 1M 3M 12M 电子 9 大模型的成 本与门槛，随着 DeepSeek-R1 等高性能 AI 模型的广泛应用，AIPC、 AI 手机、AI 眼镜、AI 玩具等端侧设备迎来因 AI 渗透加速带来的产业 链发展机会，看好端侧 AI 潜力释放，建议关注水晶光电、立讯精密、 歌尔股份等。3）零组件有望受益于端侧 AI 发展。端侧 AI 有望提高 对芯片、通讯模组等的要求，并丰富使用场景，推动量价齐升。建议 关注通信模组、SoC、

[Table_MainInfo] 行业研究/医药与健康护理 证券研究报告 行业深度报告 [Table_InvestInfo] AI+制药：AI 技术蓬勃发展， AI+制药行业潜力巨大 [Table_Summary] 投资要点：  AI 技术蓬勃发展，AI+制药有望成为下一个黄金赛道。AI 技术通过机器学习和深 度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要 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 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 月，人工智能在药物开发公司的投资总额为 602 亿 美元。 图2 AI 制药领域投融资金额 资料来源：Deep Pharma Intelligence，HTI AI 制药市场蓝海广阔，潜在发展潜力巨大。相较于传统药物研发，AI 技术能将药物 发现、临床前研究的时间缩短近 40%，将临床新药研发的成功率从 12%提高到约 14%。 根据中商产业研究院发布的《2024-2029 中国 AI 制药市场现状研究分析与发展前景预测

12、贸易战，或将是国产 RFID 企业的一个机会？ �������� 131 13、不卷价格，卷价值，但 RFID 的价值是什么？ �������� 132 14、用 UHF RFID 实现厘米级定位，靠不靠谱？潜力如何？ 132 结束语 图表 1 几种主要的环境能量采集技术对比 ························ 02 图表 2 UHF RFID 标签芯片主要厂家及产品特点汇总 ········· 26 图表 18 国产鞋服零售快消品牌 RFID 使用情况汇总 ··············· 27 图表 19 中国鞋服零售快消品与商超零售市场 RFID 需求潜力分析 ··· 28 图表 20 中国鞋服品牌用户 RFID 标签渗透率分析 ················ 29 图表 21 中国国产品牌鞋服快消品与商场零售市场 RFID 标签出货量分析 22 中国快递物流应用场景 RFID 标签需求潜力分析 ·········· 30 图表 23 中国快递物流市场 RFID 标签渗透率分析 ················· 31 图表 24 中国快递物流市场 RFID 标签出货量分析（单位：亿个） ··· 31 图表 25 中国图书档案市场 RFID 标签需求潜力分析··············· 32 图表 26

......................................................151 1. 引言 随着人工智能技术的迅猛发展，生成式大模型在诸多领域展现 出卓越的潜力，特别是在医疗行业。这些模型通过对大量医疗数据 的学习与应用，不仅能够提高医疗服务的效率，还能够助力医生进 行更为精准的诊断和治疗。因此，在医疗场景中应用生成式大模 型，具有极高的现实意义与可行性。 累，这些模型 将会在提高医疗质量、优化资源配置等方面发挥越来越重要的作 用。 1.1 背景介绍 随着人工智能技术的迅猛发展，生成式大模型（如 GPT、BERT 等）在多个领域展现了其强大的潜力，尤其是在医疗 场景中。医疗行业对高效、智能的技术需求日益增加，传统的医疗 服务往往面临着资源短缺、信息不对称和个性化医疗不足等挑战。 借助于生成式大模型，医疗行业可以有效改善这些问题，通过智能 列应用场景带来了广阔的前景。因此，本研究的主要目的在于探索 和验证 AI 生成式大模型在医疗场景中的实际应用可行性，具体可 以概括为以下几个方面： 首先，通过系统调研和分析，以确定 AI 生成式大模型在不同 医疗场景中的应用潜力。这包括对现有技术的评估以及对各类医疗 实践需求的深刻理解，以确保所选应用方向具有实用性和必要性。 其次，旨在搭建一个可供临床验证的 AI 生成式大模型框架， 实现医疗数据与模型输出之间的有效整合。通过与医疗工作者和技

通过释放全价值链改进潜力、实现除自动化以外的效率提升。 AI 的最新发展赋能新用例显著改善各种生产 关 键绩效指标。 商业化领域也受益于 AI 。使用 AI 工具直接协助与医务人员互动的应用日益增多，更快速为团队提供重要的医疗信息。 AI 还可 以通 过使用市场表现数据为销售、营销和市场准入环节提供独到洞察。 将 AI 整合进公司流程为制药公司提供了改善营收和利润的巨大潜力，机会正当时。然而，企业必须考虑大量因素，才能使 宣传材料制作 • 关键意见领袖（ KOL ） 管 理 • （医疗）知识管理 应用得当时， AI 可以同时提高有效性和效率，在更短的时间内为患者带来更好的药物。然而，效率和收益的提升潜力因价值链环节而异。因此，合理管理 AI 预期以调整 AI 投资至关重要。 获取收益 AI 在制药价值链中的应用（部分示例） 制药价值链 资料来源 : GenerativeAi.net, Techtarget 车辆、路线规 划优化 例如：通过机器参数优化减 少废弃物料 7 AI 在制药领域的应用 10-30 % 10-30 % 成本节降 11 无形收益 有形收益 1 常规减少潜力 资料来源：罗兰贝格 影响 更深入的理解 AI 可助力市场洞察和企业战略 1 监管和医学事务 加快审批流程并保持合规性 审批提交支持和合规性监控 • 创建监管申报资料包 • 自动追踪监管变化并进行合规性预测

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； ➢ 随着推理路径增 在知识类问答上推动科学探索边界： ➢ MMLU \ MMLU-Pro \ GPQA Diamond 等 STEM- related 榜单上取得良好表现 ➢ R1 展现出强推理模型在 AI-Driven Research 的潜力 ➢ 在长文本依赖任务如 FRAMEs 和 事实性推断任务 Simple-QA上表现突出 5 回顾：Pre-Training Scaling Law ➢ Pre-Training Scaling ➢ Pure RL to Develop Reasoning Capabilities: ➢ 社区的复现都涉及蒸馏和搜索，而DS-R1 Zero 跳过监督微调SFT阶段，展现出大规模强化学 习的潜力，这也得益于以下几点： ➢ 需要足够强的基座模型：基座模型 (DeepSeek-V3 Base) 超过了某个质量和能力阈值 （671B 在14.8T 高质量Token上训练）； ➢ 大规模强化学习加持：GRPO

2.3 中国载人eVTOL商业化进程展望 20 3. 奋楫扬帆：中国eVTOL企业发展展望 22 3.1 发展路径 22 3.2 核心能力建设 23 4. 远航新程：海外eVTOL市场潜力 24 5. 结语：天已开阔，风正可期 28 波士顿咨询公司 2025年9月 1. 起飞前夜：奠定中国eVTOL市场发展的时代基石 eVTOL全称为electric vertical takeoff eVTOL的诞生并非依赖单一技术的发展，而是电机驱动、分布式推进、全新构型与智 能化系统四项关键技术共同突破的结果。这些底层技术的进步为飞行器设计与运行带来了 全新的可能性，也使得eVTOL首次具备了技术可行性和商业化潜力。 • 电动化：重新定义飞行动力来源 相比传统内燃机，电机驱动系统更为安静、清洁且结构简洁，大幅提升了eVTOL在城 市内及低空空域运行的可接受性。同时，电机内部的机械部件更少，显著降低维护成 当前，中国高净值人群数量位居全球第二。截至2024年，中国的高净值家庭及富裕家 庭 3总数已达到740万户，自2016年以来年均增长近3%4。这一规模庞大且持续扩张的群体， 正构成个人飞行eVTOL市场最具潜力的早期用户基础。 3 高净值家庭：家庭净资产超过1,000万元人民币；富裕家庭：家庭净资产超过600万元人民币。 4 数据来源《2024胡润财富报告》。 波士顿咨询公司 2025年9月 中国载人eVTOL行业白皮书

I制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI制药领域进展及具备潜力的海内外前沿公司。以“AI+CRO”、“AI+Biotech”为典型的商业模式，AI制药涌现出了一批优 秀的上市/非上市公司。除此之外，以赛诺菲、GSK、强生为代表的大药企亦在积极布局AI制药领域，一方面运用AI技术加强数据管理决策并 ，一方面运用AI技术加强数据管理决策并 深度融合至药物开发流程之中，一方面不断加强与AI制药专业公司合作，运用后者专业的技术平台，赋能药物发现和临床试验。建议关注AI 制药领域进展及具备潜力的海内外前沿公司：晶泰控股-P、皓元医药、药石科技、药明康德、成都先导等。 请务必阅读正文之后的免责声明及其项下所有内容 医疗健康是AI最大的应用领域 01 AI为药物发现带来时间及效率变革 02 国内外“AI+制药”企业梳理 请务必阅读正文之后的免责声明及其项下所有内容 医疗保健板块是人工智能应用最大的领域 6 ◼ 人工智能在医疗保健领域的应用场景广泛，能够为多个环节赋能。AI（Artificial intelligence）在医疗领域应用潜力巨大，可以为生命科 学研究、药械研发、医学影像、辅助诊断、健康管理等多个环节赋能，有助于提高医疗服务的效率和质量，改善患者的就医体验，并推动医 疗行业向智慧医疗新时代发展。 图：AI+医疗健康生态架构

在保险行业的广泛应用场景和显著价值。这些案例涵盖了客户服务、理赔定损、营销推广、 承保核保等多个方面，它们充分证明了大模型技术在提升服务效率、优化客户体验、降低运 营成本、增强风险管理能力等方面的巨大潜力，为保险行业的智能化转型提供了有力的实 践支撑。 更重要的是，我们深刻认识到大模型技术与保险行业的深度融合，不仅将推动保险业 务模式的深刻变革，还将重塑保险行业的竞争格局和生态体系。通过精准预知风险、主动管 · · · · · · · · · · · · · · · · 131 6.1.2 应用场景：由非决策类场景向决策类场景过渡· · · · · · · 135 6.1.3 多模态大模型：落地应用潜力巨大· · · · · · · · · · · · · · · · 136 6.2 行业实践建议· · · · · · · · · · · · · · · · · · · · · · · · · · 的训练与优 化提供丰富的数据资源。 以AlphaGeometry项目为例，该项目通过生成高达一亿个精准合成的数据点，为解决 复杂几何问题提供了强大的数据支撑，展现了合成数据在特定领域应用的巨大潜力。 DeepSeekMath项目则充分利用深度学习技术的优势，创造性地生成了包含多种难度级 别与问题类型的复杂数学题目及其解答。这一举措不仅丰富了合成数据的维度，还显著提 升了模型在处理复杂数

设定锚点，行动实践 人工智能正在经历新的发展浪潮。某头部公司正在转向AI Agents支持平台，结合第4代人工智能 模型与专业语料库以实现业务创新。AI Agents有望为商业领域注入新活力，展示人工智能的潜力 和商业价值。随着平台的发展，新的AI Agents涌现，提供专业化、高端化、个性化、规模化、持 续化的服务。人工智能的革新涵盖了生成内容（AIGC）和生成服务（AIGS）的领域。保险行业 面 现业务创新。通过 Assistants API，开发者可以轻松地将第4代人工智能模型功能引入应用或平台，提高效率和激发 创造力。AI Agents的出现有望为商业领域注入新的活力，展示人工智能的潜力和商业价值。这 些技术将引领人工智能技术的新发展方向，助力企业和个人实现更高效、智能的创新应用。随着 平台的发展，新的AI Agents各种涌现，它们各具特色，并提供着专业化、高端化、个性化、规 第4代人工智能模型虽集成了更多功能，但 仍偏技术端 1 2 3 技术到应用的转化： • 技术本身不能直接成为服务，它必须通过集成多项技术形成应用。 • 应用是技术与用户需求和场景结合的结果，它将技术的潜力转化为实际可用的功能。 应用到服务的发展： • 应用的成熟是服务发展的前提，只有当应用建立了固定模式，它才能转变为服务。 • 服务是应用在具体领域的实践，它解决了特定用户群体的需求。 随着A