能够形成的行业赋能和重点关注的行业机会。 核心逻辑 从大致的路径看，AI 在化工行业应用更多向着拓品、降本两个维度发力。拓品可以通过缩短研发时间，落地工艺设 计、优化工程装置、提升产品差异度等或缩短时间，或优化结果；而降本可以通过人工替代，精准对接，流程优化， 模拟改造等维度支撑成本改善。 化工行业智能化升级，顺势把握三重机遇。①影响越大的方向，落地速度越快，技术研发的变革或将是主“战场”； 加速形成材料产品库，缩短产品定制化时间，为新品拓展形成较好的基础； 从大致的路径看，AI 在化工行业应用更多向着拓品、降本两个维度发力。拓品可以通过 缩短研发时间，落地工艺设计、优化工程装置、提升产品差异度等或缩短时间，或优化结 果；而降本可以通过人工替代，精准对接，流程优化，模拟改造等维度支撑成本改善。 图表3：化工在 AI 助力下拓品、降本有望同时发力 来源：国金证券研究所绘制 精细化工 大宗化工 有明显差异，海外企 业在材料的精细度、定制化、高端应用上的优势相对明显，是多年来应用端常年的合作和 产品技术研发的投入累积的。 多数领域受至于技术和设备封锁，我国必须依靠自身的研究形成突破，差距短时间内难以 扭转，然而 AI 的升级优化有望率先在技术研发、产品体系、差别化应用等领域形成加速， 先期能够明显降低路径或方向确定的重复工作的时间和成本，进一步扩展至丰富品类和提 升产品差异化属性，进一

升稽查工作的效率和准确性。 在这一背景下，DeepSeek 技术的引入为税务稽查提供了新的 可能性。DeepSeek 作为一款先进的人工智能工具，具备强大的数 据处理能力和深度学习算法，能够在短时间内对大量财务数据进行 深度分析和模式识别。通过其智能化的分析引擎，DeepSeek 能够 自动识别异常交易、潜在的税务风险点，并为稽查人员提供精准的 风险提示和审计线索。这不仅大大提高了稽查工作的效率，还能够 此外，DeepSeek 技术还支持实时数据监控和动态更新，能够 根据最新数据源及时调整分析模型，确保结果的时效性和准确性。 例如，当某一企业的税务申报数据出现显著变化时，系统会自动触 发分析流程，并在短时间内生成更新后的风险评估报告。 通过以上流程，DeepSeek 技术不仅大幅提升了税务稽查的效 率，还显著降低了人工审核的成本和误差率。其灵活性和可扩展性 使其能够适应不同规模和复杂度的税务稽查需求，为税务部门提供 在税务稽查中的优势 DeepSeek 技术在税务稽查中的优势主要体现在其强大的数据 处理能力和智能化分析功能，能够显著提升稽查效率与准确性。首 先，DeepSeek 具备海量数据的快速处理能力，能够在短时间内完 成对纳税人财务数据、交易记录、税务申报等多维度信息的整合与 分析。通过其高效的算法模型，系统能够自动识别异常数据和潜在 风险点，减少人工排查的工作量。例如，在针对某大型企业的税务 稽查中，DeepSeek

提出了丰富多样且标准日益严苛的要求。在工业互联网领域，为切实 达成生产过程的实时控制与精细化优化，对算力的实时性、可靠性以 及精准性提出了极高要求。生产线上的设备运行数据需要在毫秒级的 极短时间内完成处理与深入分析，以便及时、精准地调整生产参数， 确保产品质量的稳定以及生产效率的提升。在智能安防领域，随着视 频监控分辨率的持续提高以及多模态感知技术的广泛应用，智能安防 系统需要同时 现对多元业务的深度、精准支撑。以政企领域为例，电子政务涉及大 量数据的安全处理与高效流转，企业业务则因行业特性、业务规模的 不同，在算力需求上呈现出多样化特点。车联网场景中，自动驾驶对 实时性要求极高，车辆行驶过程中的决策需在极短时间内完成，这就 要求分布式算力系统能够提供低时延的算力支持，端到端时延需严格 22 控制在极短范围内，保障行车安全；工业互联网领域，生产过程的连 续性与稳定性至关重要，设备控制、实时数据分析等业务不容有丝毫 的内容预加载与帧缓存技术。通过对玩家历史会话数据、网络波动模 式和时段流量特征的深度分析，系统能够在玩家即将进入高带宽消耗 场景（如大型团战、场景切换）前，提前在边缘节点或客户端缓存关 50 键渲染帧与差分数据。即便随后网络出现短时中断或延迟飙升，播放 器也能凭借本地缓存继续输出流畅画面，待链路恢复后再快速补齐缺 失帧和增量信息，从而有效削减了因网络突变带来的卡顿感。 在多租户并发运行的环境中，不同业务的资源隔离与优先级管理

仿真就是应用计算机对复杂的现实系统经过抽象和简化形成系统模型，然后在 分析的基础上运行此模型，从而得到系统一系列的统计性能。由于仿真是以系统模型 为对象的研究方法，不会干扰实际生产系统，同时利用计算机的快速运算能力，仿真 可以用很短时间模拟实际生产中需要很长时间的生产周期，因而可以缩短决策时间， 避免资金、人力和时间的浪费，并可重复仿真，优化实施方案。 仿真的基本步骤为：研究系统——收集数据、建立系统模型——确定仿真算法、

高通量机器人验证：传统化工材料的研发，科学家需要从成千上万种化合物的效果进行筛 选，可能需要研究人员手动对每个化合物进行测试，这不仅耗时耗力，而且可能会因为人为 因素出现遗漏或错误。而高通量筛选技术可以在短时间内对大量化合物进行自动测试，例如 阿姆斯特丹大学开发了一种集成人工智能机器学习单元的机器人 RoboChem，一周内， RoboChem 可以优化大约 10 到 20 个分子的合成，而对于研究人员手动来说，这通常需要几 传统化工材料的研发，科学家需要从成千上万种化合物的效果进行筛选，可能需要研 究人员手动对每个化合物进行测试，这不仅耗时耗力，而且可能会因为人为因素出现 遗漏或错误。而高通量机器人验证可以在短时间内对大量化合物进行自动测试、检测 性能，且能更深入地了解新化合物的反应机理和各种变量之间复杂的相互作用。 当前利物浦大学和阿姆斯特丹大学的化学实验室均推出了不同方向的高通量机器人 用于化合

为何能改变制药行业的游戏规则 十月 2024 封面 Just_Super/iStock AI 可提升制药企业的营收和利润 AI 能够在制药价值链中释放巨大价值。应用得当时，它可以同时提高效率和收益，并在更短时间内为患者提供更好的药物。 在研发环节， AI 能够生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程。 在运营和生产环节， AI 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。

化、离散化和特征工程，以满足不同场景下的数据处理需求。 在处理大规模数据集时，DeepSeek-R1 采用了分布式计算框 架，显著提升了数据处理效率。模型通过并行计算和内存优化技术， 能够在短时间内完成海量数据的处理任务。例如，在处理超过 10 亿条的工程造价数据时，模型能够在 30 分钟内完成清洗和转换操 作，较传统方法提升了约 60%的效率。 为了进一步提升数据处理的智能化水平，DeepSeek-R1 在可扩展性方面，DeepSeek-R1 大模型采用了分布式计算架 构，能够通过增加计算节点来线性提升处理能力。这对于大型工程 项目尤为重要，因为这些项目通常涉及海量数据处理和复杂的计算 任务。通过分布式架构，模型可以在短时间内完成大规模数据的分 析和预测，显著提高了工作效率。 此外，模型还支持横向扩展，用户可以根据业务需求动态调整 资源配置。例如，在项目高峰期，可以通过增加云计算资源来提升 模型的计算能力；而 定了坚实的基础。 4.4 错误检测与修正 在工程量清单编制过程中，错误检测与修正是确保数据准确性 和项目顺利进行的关键环节。DeepSeek-R1 大模型通过其强大的 数据处理能力和机器学习算法，能够在短时间内识别和修正清单中 的潜在错误。首先，模型会对输入的工程量数据进行初步校验，检 查数据格式是否符合标准，确保数据的完整性和一致性。接着，利 用深度学习技术，模型能够识别出常见的人为错误，如数字输入错

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。 当前，面对全球医疗资源紧张、临床决策复杂化等挑战，传统 医疗模式已无法满足日益增长的患者需求。医务人员需要在短时间 内处理海量的信息并做出决策，这无疑增加了医疗风险。生成式大 模型通过自然语言处理、图像生成等技术，可以在多方面为医疗应 用提供支持。 首先，生成式大模型可以应用于临床诊断辅助。通过分析患者 AI 生成式大模型在医疗场景中的潜力。 首先，在医学图像分析方面，AI 生成式大模型被用于处理和解 读医学影像，如 X 光片、CT 和 MRI。某些医院引入了基于深度学 习的大模型，能够在短时间内提供初步的诊断意见，大幅提高了工 作效率。例如，一家医院通过使用 AI 系统分析胸部 X 光片，发现 早期肺炎病例的准确率达到 95%以上，这一效果显著地提高了医务 人员的工作效率并减轻了负担。 在影像分析中的应用可以大大提高工作效率。传统的 影像分析往往需要专业医师耗费大量时间进行逐一检查，而 AI 模 型可以进行自动化处理和初步筛查，从而减少医师的工作负担。具 体来说，AI 系统能够将医学影像通过算法进行处理，并在短时间内 生成影像解读报告，这样医师只需针对可疑病例进行进一步的评估 与确认。 为了使 AI 生成式大模型在影像分析中更有效地应用，可以引 入以下具体的实施方案： 1. 数据集的多样性：确保使用包含多种影像和病例的数据集进行

3–6个月，可在申 请TC期间申请 • 进行批量生产的基 础条件 • 如用于商业用途，则必 须获得相应资质 • 开展eVTOL销售的基础 条件 • 6–12个月 • 获得TC和PC后所需的 最短时间 • eVTOL运营公司 • eVTOL整机OEM厂商 （针对具体产品） • 地方民航局 • 中国民航局 申请主体 主管部门 监管部门 关注重点 所需时间 必要性 来源：专家访谈；BCG分析。 本地化供给。 这些企业具备大规模制造与交付能力，为eVTOL的质量控制与成本优化奠定了基础（参阅 图6）。 个人飞行eVTOL 出行eVTOL 垂直起降点 导航 通常在独立且预先审批的空域内短时运行 适用于更长距、更高空及更复杂一体化空域的运行任务 通信 监视 气象服务 • 个人飞行eVTOL所需基础设施（如基础GNSS 导航和起降点）简单、成本低、易于建设 • 如已建成，可灵活扩容

千人千 15 思必驰大数据分析。 16《2019 年全球及中国车载语音行业研究报告》。 17 人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，理论上说，每个人说话时的 短时频谱、声源、时序动态、韵律、语言学特征等都有差异。因此，声纹就像指纹一样具有唯一性和独特 性，可以用于说话人辨认和说话人确认。 人工智能在交通领域业务应用白皮书 40 面的智能助手 与闲聊助手中的邻家风格不一样，车载语音助手多呈现以亲切、专业、 简洁、干练的风格。搭载斑马网络系统的上汽荣威 RX5 PLUS 率先采 用并落地了声音复刻技术——用户可以进行朗读和录制 5-20 分钟的 音频，即可短时间训练生成自己的专属合成音。 内容和技能：在车载场景下，人机对话的核心目的是为了让设备 满足用户的意图，从而完成指令。当前的车载语音助手，除了支持对 话以外，还会接入海量的第三方资源，如导航、音乐、天气，以及打 高速交通出行问题。 2.2 赋能作用 1）智慧交通管理 主要有智能交通应急疏导、最优车流诱导分析、交通事件预警分 析等应用场景。 智能交通应急疏导：结合高速公路全路网断面的实时车流信息、 短时交通车流路况预测、各收费站互通实时路况信息进行智能交通应 急疏导，实现收费站应急疏导方案应用后高速公路主线交通路况演变 预测。 最优车流诱导分析：结合全路网交通态势的实时数据、交通路况