《》 ： 与 ⽣改 变 ） 占⽐ / 集 采 监管 度更强 ⽐如药 参 管 业 构 监 商 重 化 元⽀ 据安 药品 据 驱 多 数 vs 数 • • • 与学术⽅式和效率 临床决策影响模式 发 / 培训模式发⽣改 变 研 ⽣ 习 科 医 学 ⽣ • ⼤模型成为新 的信息来源 患者 • 患者⾏为“消费者化”：医疗信息透明化，患者有更多 DeepSeek 对于医疗体系有那些影响？ - 患者 超级产品 增长 1 亿⽤户所⽤时 间 16 • ⽬标⼈群画像 / 潜在⼈群标签 （⽐如年龄、性别、主诉、现病史等） 体系性患者宣教 腾讯医典 腾讯视频 视频号 线下就诊 ⾮标数据”等困境能得到极⼤ 缓解， 医院数据的应⽤价值 可 以得到释放 医学数据结构化提取、标准化 DeepSeek 对于医疗体系有那些影响？ - 医 院 医院 24 研发⽅向探索 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需 RAG 未公开数据） • 知识图谱可关联临床试验数据与 RWE 试验， 去观察有潜⼒的适应症 试验设计优化 • 患者分层：基于⼤模型的语义理解能⼒，

主动权→⼤模型成为患者信息来源 • “数字健康”和⽣态“破壁跨圈”，⽐如可穿戴设备与AI 分析相结合→⼤模型汇聚和分析数据 • 个性化诊疗和健康管理→获取服务的路径发⽣改变 患者 超级产品 增长1亿⽤户所⽤时间 ⼤模型成为新 的信息来源 16 ⽤户触达 潜在⽤户 “⼤模型会替代搜索引擎， 成为新⼀代精准流量⼊⼝v” ⽤户认知 ⽤户⾏为 ⽤户依从性 • ⽬标⼈群画像/潜在⼈群标签 PR先⾏，但过去“纸⾯数据、 ⾮标数据”等困境能得到极⼤ 缓解，医院数据的应⽤价值可 以得到释放 医学数据结构化提取、标准化 24 新药研发：借助⼤模型，提升药品研发的效率和速度 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需RAG未公开数据） • 知识图谱可关联临床试验数据与RWE 试验，去观察有潜⼒的适应症 研发⽅向探索 • 患者分层：基于⼤模型的语义理解能⼒，

����年�月��日 网信办等七部委 联合公布《生成式人工智能服务管理暂行办法》 ����年�月��日 �� 随着数字化进程的日益加快，企业管理者洞察到企业的发展正被一系列崭新的驱 动力所推动，这些动力源来自于三个方面的深刻变革：即新技术的进步、新环境 的重塑以及新业务模式的全面落地实践。 新技术 无处不在的AI：生成式人工智能无疑是近一 年来引领技术变革的一颗超级新星，正在引 的流动难度加大，极容易造成服务过程中的数据泄漏问题，使数据资产的合 �.� IT复杂性攀升，安全、效率、创新、 成本成为长期挑战 �� 规管理和治理变得更为困难。在应对上述风险的过程中，企业在过去所熟知 的运维知识需要更新，运营经验需要逐步积累。 挑战二：效率与运维复杂性挑战 多云间的管理和协同仍是当前企业面临的重要难题。有多个受访企业表示， 在多云之间传递数据和进行数据迁移时会遇到很多现实问题，厂商之间往往 �� �� �� �� 能力一：创新、卓越的AI全栈云服务 AI深度赋能业务应用是未来企业不可或缺的能力要求。在预训练大模型开启的生 成式AI时代中，云和智能算力、AI平台的融合是大势所趋，也是评价云服务商先 进性的重要考量因素。 在传统的AI应用中，以视觉智能、NLP为主的智能化算法，主要依赖边缘计算资 源以及小规模的GPU中心集群进行处理。随着AI应用规模急速增长以及行业大模

风险提示 请务必阅读正文之后的免责条款部分 3 端到端发展进入加速期，基于 规则长期护航 1 请务必阅读正文之后的免责条款部分 图1：端到端与模块化自动驾驶 资料来源：电动车公社，国元证券研究所 4 端到端的定义：基于数据驱动的深度学习 在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由 一个模型完整实现输入到输出的全过程。在智能驾驶 干网络大幅提高了计算效率，使智驾方案具备更高的迭 代效率，有效降低了维护成本。 请务必阅读正文之后的免责条款部分 图2：端到端技术演进 资料来源：辰韬资本，Ai fighting，国元证券研究所 5 从模块化方案向一体化端到端模型过渡 端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化 端到端与一体化端到端。 模块化端到端将感知模块和决 请务必阅读正文之后的免责条款部分 图3：UniAD架构设计概览 资料来源：Hu Y, Yang J, Chen L, et al，Planning-oriented Autonomous Driving，国元证券研究所 6 端到端的发展历程 • 早期探索阶段（2016-2018年） 2016年：英伟达（NVIDIA）推出DAVE-2。端到端概念的提出 可 以 追 溯 至 英 伟 达 于 2016 年 发 表 的

中，不断试错、学习和优化策略，并依据奖励策略不断优化动作执行 结果。然而，强化学习在面对新场景时存在迁移困境，对高质量训练 数据的要求较高，目前主流的改进方法有两种，一是通过模仿人类的 行为快速掌握新技能，比如丰田研究所开发的“大型行为模型”，机 器人能够通过观看视频等物理演示学习新动作；二是通过多模态数据 驱动强化学习实现任务泛化，比如若愚科技推出的九天机器人大脑， 能够通过自然语言与机器人交互完成任务。 索。端到端架构 融合“大脑”和“小脑”功能，通过统一的神经网络，直接将任务目 10 标转化为控制信号。比如特斯拉的 Optimus 机器人能通过搭载的 2D 摄像头以及集成的触觉和压力感应器所收集的信息，直接生成用于驱 动关节的指令序列，能完成分拣、放置、叠衣服等任务；谷歌的 VLA （视觉-语言-动作模型），通过对 VLM（视觉-语言模型）进行预训 练，然后在具体的机器人任务上进行微调，结合视觉和动作数据，能 机器人节拍 的严苛要求。机器人性能可靠稳定，可长时间运行，保证生产连续性。 精密零件力控装配。在一些复杂精细的力控装配场景中，如笔记 本主板生产过程中的内存条装配，由于装配精度要求较高，同时需监 控装配过程中的力，避免损坏工件。因此机器人不仅需要具备高精度 运动控制，还需具备与人手类似的柔性装配能力，以位置控制为主的 传统机器人难以应对挑战。珞石柔性协作机器人所有关节均内置高精 度力

进一步开展转型。以 eCOA 为例，美国约 80%的临床研究都以 eCOA 的形式进行，欧 洲也有 60%依照这一路径，而中国只有不到 5%的申办方使用了 eCOA。当出海“欧美” 成为大势所趋，FDA 的政策也将传导至中国的药企。目前，Medidata、Veeva 等企业 已将 AI 融入数字化转型解决方案中，准备承接这波海外政策变化带来的新需求。 3 1.2 提效主导下的 AI 购置动力 根据风险程度确立人工智能产品的使用方式 针对特定应用场景、风险程度较低和技术成熟度较高的产品，可尝试进行独立使用"的 管理模式，即不再进行医师签字确认，例如前文提到的肺结核 CAD 产品，以及国内药 监局审批的相关的分诊产品（骨折、脑出血、肺炎等）。因为风险等级较低，可根据“独 立性能评估”和“临床试验”的有效结果，相关医疗责任由相关注册证持有企业/机构承担。 针对风险程度较高的辅助检测类产品可 2021 年的招股说明书递交热潮后，经过了近 2 年的上市平淡期，在 2024 年迎来了新的突破与进展。晶泰科技与太美科技分别于 6 月和 10 月在港交所成功挂牌 上市。此外，讯飞医疗、英矽智能也纷纷更新了招股书，以更优异的商业化能力继续冲 刺港交所。 而二级市场上，医渡科技和鹰瞳科技等企业发布的财报也为行业释放了诸多 AI 医疗商 业化进程的利好形势，医渡科技更是实现了盈利能力的大幅提升，现有业务管理口径经

MIMO • 射频前端用量翻倍 • 终端天线数量增加 双连接 • 射频器件数量增加 • 器件性能要求提升： 射频前端及终端 天线量价齐升， 并且由于射频内 容大幅增加，而 手机内部射频所 占空间却在不断 缩小，射频前端 集成化趋势将会 加快。 5G带来的挑战 5G对终端射频带来的影响 1.2 13 -20 0 20 40 60 80 100 0 5,000 面板材料：面板材料国产化有望加速 面板材料国产化有望加速：大陆面板产能已经跃居全球第一，但玻璃基板、偏光片、彩色滤光片等面板核心材料依旧依赖于国外供应商， 随着大陆面板厂商的崛起，面板上游材料国产化大势所趋，在全球贸易摩擦加剧的背景下，国内面板巨头也在积极扶持国内供应商，保障 供应链安全，未来几年面板材料国产化有望加速。 LCD面板材料构成及成本结构 面板材料主要供应商都是海外厂商 面板零组件 成本占比 Development，国泰君安证券研究 2.3 103 电子行业2019年春季投资策略 IoT：智能穿戴导入健康监测功能，进一步带动销量增长 最新一代Watch 4，除了在外观和性能上大幅提升外，更重要的是导入了健康监 测功能：支持 ECG心电监测，已通过了美国 FDA认证；能够实现用户摔倒状态 的监测，并支持自动SOS求救。健康监测甚至医疗功能的导入，使得Watch不仅 仅是手机功能的延伸，我们认为这将带动Apple

需 要 AI 基础设施, 同时, 也需要 AI 运行所需的技术平台。这包括: "3 库 4 平台" , 这些技术平台已经对传统的大数据平台、应用开发平台形成 替代之势,是企业混合 AI 应用落地所必须的,企业也必须遵循这样的方 向进行企业 IT 架构的升级。 1. 三大价值: 以价值为导向 如今, 随着 AI 技术的飞速发展, 人工智能已经逐渐渗透到企业运营的方方 面面, 并在企业价值创造中凸显出了不可忽视的作用。 是对智能化转型的结果和效果的憧憬和预设, 需要达成一 把手和高层共识。企业需在充分研讨和反复论证的基础上, 于内部的各部门和各 层级达成共识。通常情况下, 智能化转型战略需解决以下关键问题: • 企业所希望实现的核心目标是什么? (明确愿景和目标) • 企业是否有明确的转型蓝图, 并准备通过哪些具体途径来实现这一目标? (转型 蓝图) 首先,智能化转型战略的基石在于明确的愿景和目标。 多数企业会用简洁的 智能业务运营、数字底座能力的提升,显著优化了医疗卫生服务的流程与质 量。例如智能诊断系统能够辅助医生进行疾病诊断,提高诊断准确性;远程医疗 借助高清视频通信和医疗设备远程监测技术,实现了专家远程会诊、 患者远程监 护等服务, 打破了地域限制, 优化了医疗资源配置。组织文化变革在医疗卫生行 业的智能化进程中起到了关键的推动作用。越来越多的医疗机构开始倡导创新文 化,鼓励医护人员积极探索新技术在医疗服务中的应用。

“堆算力”不是训练侧的唯一真理位，推理侧算力需求将大幅上涨 来源：艾瑞咨询研究院自主研究绘制。 近年来中国持续投资智算产业资源，2024年，部分智算中心出现了闲置情况。AI算力是否投资过剩的问题被人们所关注与提出。艾瑞认为， 2024年的部分算力闲置现象主要由于当地产业规划错配、供给侧前置布局及需求侧训练需求有所缓解等原因导致，随着模型技术迭代及推 理应用爆发，长久来看高性能算力仍处于高需求状态。智 入公众视野，其影响不仅在于工程、算法层面的突破，更重要的是重构了技术扩散 的路径，促进人工智能在应用层面的落地。在技术路径方面，DeepSeek进一步推动了对于AGI的探索，有可能带来AI技术范式从监 督微调向自我推理的演进，以及竞争范式向“以效率换规模、以创新换算力”的转变。DeepSeek不仅通过开源的方式加速了技术迭 代，其高效的技术架构还显著降低了大模型的训练和推理成本，使得中小企业和个人 方法，部分文字和数据采集于公开信息，并且结合艾瑞监测产品数据，通过艾瑞统计预测模型估算获 得；企业数据主要为访谈获得，艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求， 但不作任何保证。在任何情况下，本报告中的信息或所表述的观点均不构成任何建议。 本报告中发布的调研数据采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限 制，调查资料收集范围的限制，该数据仅代表调研时间和人群的基本状况，仅服务于当前的调研目的，

“堆算力”不是训练侧的唯一真理位，推理侧算力需求将大幅上涨 来源：艾瑞咨询研究院自主研究绘制。 近年来中国持续投资智算产业资源，2024年，部分智算中心出现了闲置情况。AI算力是否投资过剩的问题被人们所关注与提出。艾瑞认为， 2024年的部分算力闲置现象主要由于当地产业规划错配、供给侧前置布局及需求侧训练需求有所缓解等原因导致，随着模型技术迭代及推 理应用爆发，长久来看高性能算力仍处于高需求状态。智 入公众视野，其影响不仅在于工程、算法层面的突破，更重要的是重构了技术扩散 的路径，促进人工智能在应用层面的落地。在技术路径方面，DeepSeek进一步推动了对于AGI的探索，有可能带来AI技术范式从监 督微调向自我推理的演进，以及竞争范式向“以效率换规模、以创新换算力”的转变。DeepSeek不仅通过开源的方式加速了技术迭 代，其高效的技术架构还显著降低了大模型的训练和推理成本，使得中小企业和个人 方法，部分文字和数据采集于公开信息，并且结合艾瑞监测产品数据，通过艾瑞统计预测模型估算获 得；企业数据主要为访谈获得，艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求， 但不作任何保证。在任何情况下，本报告中的信息或所表述的观点均不构成任何建议。 本报告中发布的调研数据采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限 制，调查资料收集范围的限制，该数据仅代表调研时间和人群的基本状况，仅服务于当前的调研目的，