业发展规划》和《“十 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 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 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

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 现、优化药物结构、临床试验优化、建立疾病风险模型、肿瘤精准治疗等。商业化落地中等，仍处于临床早期阶段，数据获取成本高，依赖 文献数据及实验室数据。相关标的：晶泰科技、丽珠集团、药明康德、信 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 AI 健康管理 可穿戴设备 物研发周期。传统药物研发遵循“双十定律”（10年时间 、10亿美元投入），而AI模型可将化合物设计时间缩短 70%，成功率提升10倍。例如，医渡科技通过DeepSeek 处理55亿份医疗记录，加速药物靶点筛选与临床试验设计 ，研发效率提升显著。  模型训练与部署成本降低 DeepSeek通过强化学习技术减少对高成本标注数据的依 赖，结合开源策略，使企业能以更低成本实现本地化部署 。例如，方舟健

2.9%。资金花费上，一款药物从研发 到上市销售，平均需要投入8-23亿美元，上市后还要投入超过3亿美元。与传统药物研发对比，AI制药更具有优势：AI制药方法可以对数十 亿个分子进行筛选，缩小实际需要合成和筛选的分子数量范围，在2-3年内仅需合成及测试数百个分子；可以定制生成数百个苗头分子，探 索未知分子，提高药物研发的创新性；能够通过计算机模拟的方式减少需要实验室验证的分子数量，节约验证和测试时间。 图：全球AI制药行业的市场规模 数据来源：MedMarket Insight，国信证券经济研究所整理 全球AI制药的市场快速扩张，AI技术布局药物研发全产业链 ◼ AI技术参与药物研发的多个阶段。从靶点发现、虚拟筛选、蛋白质 结构预测、ADMET预测到临床试验等多个研发阶段，AI技术均能参与 其中，全面布局在药物研发的上、中、下游产业链。 ◼ AI制药行业市场规模快速增长。根据MedMarket Insights预测， 93亿美元，预计到2031年将 增长至85.02亿美元，2022-2031年复合增长率约为27.2%。 AIDD 制药流程 新药发现 蛋白质结构预测 AI应用模块 AI模型 药物从头设计 虚拟筛选 靶点的发现和识别 ADMET预测 晶型预测 逆合成预测 临床试验 新药开发 临床阶段 知识图谱 机器学习 深度学习 自然语言处理 大语言模型 请务必阅读正文之后的免责声明及其项下所有内容

成为国内AI制药头部企业 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 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 建模型，进行功能的推断、预测及分类 大数据 通过深度学习，从大量患者样本及生物医学资料中整理筛选相关基因组学、蛋白质组学、代谢组学等多组学数据，分析疾病 与非疾病间差异，或寻找可对疾病产生影响的蛋白质 基于表型的药物发现 机器学习 通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，获得靶点、信号通路或遗 传疾病相关聚类 分子生成 机器学习、深度学习

4.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 .................... 22 图表 23： 材料设计筛选方法和生成方法示意图 ............................ 23 图表 24： MatterGen 可根据不同设计要求对模型进行微调 .................. 24 图表 25： MatterGen 明显优于传统筛选方法 .............................. 25 系统中搜索高硬度的 HEAs 时，仅用 155 个初始样 本，经 7 轮主动学习迭代，就获得了硬度提升显著的合金；Yuan 等运用主动学习策 略，在寻找新型无铅 BaTiO₃基压电材料时，通过 5 轮迭代就筛选出性能优异的材料， 使研发进程大大加快。小样本学习使研究人员突破数据限制，探索更多材料可能性。 少样本学习和虚拟样本生成技术可在少量数据基础上拓展研究边界，挖掘新的材料 性能和应用。随着技术发

MCP Server安装 • 远程 sse/streamable Mcp server 的工具 代理 • 替代在mcp.json文件中编辑 2.【MCP Server筛选 】 • 处理任务时对任务其所需要工具列表进行 预筛选减少token消耗 项目地址：https://github.com/nacos-group/nacos-mcp-router Part 4 Nacos 3.0 未来的规划 MCP Registry 动态Prompt Agent Discovery AI Registry 3.3 3.2 3.1 3.0 • Prompt 管理 • MCP Prompt • MCP 筛选 • 可重入分布式锁 • 锁订阅 • DNS协议支持 • Agent自动注册发现 • Agent任务调度 • 压缩推送 • 动态数据源 • 服务健康检查优化 • LLM模型参数托管 Server意图识别筛选 工具调用代理 Docker部署 多协议支持 主动注册MCP&工具 鉴权&Header透传 工具及描述动态管理 MCP注册与发现 MCP服务器筛选、安装、代理 Agent Nacos MCP Router工作原理--智能路由模式 AI Agent Nacos MCP Router Vector DB query tool call • 智能筛选：根据任务描述及关键字筛选MCP服务器

消费金融 通信 电信运营商 电商 教育 银行 商机挖掘 账单查询 办理贷款 查询额度 通知 消费确认 智能营销催收 客户回访 问卷调查 会议邀约 用户关怀 意向筛选 销售转化 营 销 服 务 信用卡办理 账单查询 办理贷款 查询额度 通知 消费确认 智能营销催收 客户回访 问卷调查 会议邀约 金 融 业 细 分 服 务 . 全栈企业级对话产品矩 阵 . 金融行业垂直的解决方 案 . 成就客户的实践方法 助 力 企 业 客 户 营 销 与 服 务 闭 环 打 造 销售转化 客诉处理 意向筛选 流程办理 业务咨询 商机挖掘 智能外呼 智能服务 隐私号 来电秘书 场景化、内容化 企业验证 语音通知 回访调研 教育约课 … … 呼入工作台 呼出工作台 云联络中心 预测试外呼 号码状态侦测 数据分析 . 多维度筛选、统计与分析结果 . 输出数据报表，高效管理数据 Mysq l Kafka ES NFS Red is . 提供模型训练能力 百度 TTS Action 百度 ASR 百度 NLP Intent Speec h API 意向筛选 . 海量客户按需设置意向指标 . 提升筛选效率，精准获 客 任务 管理 语音网关 软硬交换

......................................................................................35 4.1 风险评估与筛选................................................................................................... .......................................................................................66 7. 风险评估与筛选................................................................................................... ........................................................................................73 7.3 自动化筛选流程.................................................................................................

人工智能未来有望赋能化工“研发 - 设计 - 建造 - 运营”全生命周期。 u AI 提升研发效率 在研发环节， AI 可提高研发效率，对实验数据建模，并使用该模型对反应条件进行优化和筛选催化剂等，加速研发进程；还可用于分子设计，并在 分子性能预测的基础上，提前筛选出合适的化学物质。 尤其是在合成生物学领域， AI 已在元件工程、基因线路、代谢工程、基因组工程中广泛应用，大幅提升合成生物学的各环节效率。基于 AI 的研发 人工智能有助于开发高性能材料、 识别关键点并获得新的科学规律 ，促进化学信息学的发展。 化学信息学可用来对反应条 件进 行优化和筛选催化剂等 ，这主要是通过对实验数据进行建模 ，然后使用该预测模型实现对实验工作的指导； 可用于分子模拟 和 分子设计 ， 并在分子性能预测的基础上 ，从所设计的分子中筛选出并进行合成 ， 以便得到经过性能优化的材料。 图表：分子模拟与人工智能平台主要流程 将材料数据库和机器学习有效结合，则可实现对基于材料性能的新材料的快速 预测和筛选，从而能够有效发现大量候选新材料，在缩小目标范围后配以实验 方法和第一性原理计算方法进行验证，则可加快新材料的研发合成过程。 材料合成路线的筛选 利用精选的合成规则预测反应路线图，完成从目标产物到可获取的起始原料间 的逆合成分析；进行配方虚拟筛选，从多方位优化研发策略、探寻更优性能材 料，包括高分子、纳米材料、非金属、金属材料等。

可以啊，尽快介绍吧。 好的，祝您生活愉快，再见！ 60% 的筛选和呼叫，可由机器人完成 » 》 百度智能客服实施案例 — 智能外呼平 台 -------- 意向筛选 -------- 多轮会话 --------FAQ -------- 打断 -------- 静默音识别 -------- 智能反问 -------- 意向筛选 -------- 自动挂断 语义理解 / 多轮会话 根据客户需求专门定制 实 现真人对话效果 语义理解 领先的多轮会话技术 识别 统计分析 从多个角度对通话进行详细 并判断客户意图 ，精准回复 地筛选、统计与分析 》》 产品特 性 》》 使用流程：先体验，后使用，再计 费 百度云企业认证 账号余额≥ 600 元 体验与试用 使用步骤 计费方式 开通服务 0.10 元 / 分钟 如果挑选出合适的对象，可以给您介绍吗？ 可以啊，尽快介绍吧。 好的，祝您生活愉快，再见！ 60% 的筛选和呼叫，可由机器人完成 -------- 意向筛选 -------- 多轮会话 --------FAQ -------- 打断 -------- 静默音识别 -------- 智能反问 -------- 意向筛选 -------- 自动挂断 语义理解 / 多轮会话 最好的自然语言理解和会话中控引擎