具身智能 3. 脑机接口 4. AI 内生安全 第三章 数学 1. 基础理论 2. 优化 3. 统计 4. 科学计算 5. 复杂系统 第四章 物质科学 1. 物理 2. 化学 3. 材料 4. 能源 第五章 生命科学 1. 合成生物学 2. 医学 3. 神经科学 4. 医疗 5. 演化 第六章 地球与环境科学 1. 大气科学 2 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等 技术的突破，人工智能不仅能从海量数据中 识别人类难以察觉的复杂模式，更展现出自 主提出科学假设、设计实验方案、优化研究 路 径 的 惊 人 能 力。DeepMind 推 出 的 AlphaFold GraphCast 模型 2、华为“盘古”大模型 3、 复旦大学“伏羲”大模型 4 等 AI 气象模型显 著提升了全球天气预报能力，实现更长时间 尺度、更高精度的天气预测。普林斯顿等离 子物理实验室利用强化学习优化等离子体控 制，解决撕裂不稳定性问题，加速核聚变能 源的实现 5。加州大学伯克利分校和劳伦斯 伯克利国家实验室利用机器人执行实验，机 器学习规划实验并结合主动学习优化实验过 程，研发用于无机粉末固态合成的自动实验

计 总 院 ◎编著 编制单位 国家能源局能源节约和科技装备司 电力规划设计总院 支持单位 中国电力科学研究院有限公司 中国电力企业联合会电动汽车与储能分会 中关村储能产业技术联盟 中国化学与物理电源行业协会储能应用分会 中国新型储能发展报告（2025） 前 言 2024 年，是新中国成立 75 周年，是实现“十四五”规划目标的 关键一年。党中央、国务院高度重视新型储能发展，作出重大决策部 3.7 亿千瓦时，同比增长约 65% A。全球储能系统出货量为 2.4 亿千瓦时，同比增长超 60% B。 （三）新型储能技术不断拓展应用 2024 年，各国持续开展新型储能技术创新探索。电化学储能领 域，澳大利亚推动新型锂离子电池硅负极材料应用；美国和日本布局 以铁 - 空气和锌 - 空气为代表的金属空气电池技术研究，正在推动技 术示范。长时储能领域，美国、德国、日本等多国正在推进绝热压缩 工程应用各环节标准日趋完善 2024 年，超过 20 项电化学储能标准发布实施，覆盖规划设计、 接入电网、运行控制、检修试验、后评价等多个环节。其中，《电力 系统新型储能电站规划设计技术导则》（NB/T 11681-2024）根据不 同时长需求对新型储能设备选型提出建议，在不同应用场景下提出了 容量配置技术要求，对于新型储能电站系统接入、布局选址给出科学 指导。《电化学储能电站接入电网技术规定》（GB/T 36547-2024）明

的。基于学习数据和行为模式分析的AI时代课程如图1-6所示。 图1-6 基于学习数据和行为模式分析的AI时代课程 AI在个性化教育与学习方面的应用包括但不限于以下几个方面。 ❍ 自适应学习平台——基于AI技术的个性化学习工具。它能够根据学生的学习进 度和能力水平，为他们推荐合适的学习资源和练习题目。通过持续的学习和数据反 馈，自适应学习平台能够不断调整学习内容和难度，以满足学生的个性化需求。这 种个性化的学习方式 为未来AI技术的发 展方向提供了重要的参考。 3.1.2 生成式AI对教育的影响 生成式AI对教育领域产生了深远的影响，既带来了创新和机遇，也引发了挑战和争 议。 1. 正面影响 （1）个性化学习 对于学生而言，生成式AI能够根据学生的学习速度、知识水平和兴趣定制个性化的 学习路径和材料。这种个性化定制可以提高学习效率，帮助学生更好地掌握知识， 尤其是在复杂和抽象的主题上。 （2）提升教学资源 AI不仅能够生成文本内容，还能够创建视觉材料，如PPT和与课程内容相关的图 像。这些工具能够根据教师的指令自动生成高质量的视觉辅助材料，使课堂更加生 动有趣，提高学生的学习兴趣和效率。 3.2.2 AI对学生的支持 1. 个性化学习路径 AI能够根据学生的学习进度、能力和偏好，提供个性化的学习路径和资源。这种个 性化的学习方法有助于学生在自己的节奏下学习，弥补知识空缺，提高理解和应用 能力。 37 2. 即时反馈和辅导

场景篇 趋势篇 医学研究与教学 人工智能尤其是大模型，在医学研究与教学中发 挥着重要作用。它们能够快速分析海量文献与数据， 辅助研究者发现新方向；同时，为医学教育提供个性 化学习支持，模拟临床场景，提升学生的临床技能。 型构建，包括数据预处理、数据挖掘、图像分析等。 通过构建风险预测模型、生命体信号模型等，提高研 究的准确性和效率。 2.个性化教学与临床会诊模拟 1 总体篇 场景篇 趋势篇 药物研发与设计 AI 药物研发通过先进的计算算法和机器学习 技 术，加速和增强新药物和疗法的发现过程。 AI 模型能够分析大量的生物学、化学和临床数据，如基 因表达数据、蛋白质结构数据、疾病相关的分子通路 数据等，从而识别潜在的药物靶标并设计新化合 物。目前， AI 技术虽然在数据分析、模式识别和 预测模型构建方面展现出巨大潜力，但是在整体药 DeepMind 与 Isomor- phic Labs 合作开发的新一代 AI 生物分子结 构模型 Al- phaFlod3，通过深度学习技术，能够生 成分子之间的联合三维结构，揭示它们如何相互作 用，并模拟化学修饰，为药物发现提供重要工具。研 究人员仅需输入一个生物分子复合体的基本描述，几 秒后便能收获该复合体 3D 结构的准确预测。 中山大学与阿里云合作利用云计算与人工智能 技术，设计了基于 Transformer

能量密度 效率/% 循环寿命/ 次 成本/元/KW 抽水蓄能 秒至分钟级 很低 75~85 ＞10000 1000~6000 电化学储能 （锂电池） 毫秒级 很高 90~100 2000~3000 2000~3000 电化学储能 （铅酸电池）毫秒级 高 60~95 2500~3000 500~1000 机械储能 （压缩空气）秒至分钟级 较低 80 ＞10000 25~85 约1000 20000~500 00 资料来源：陈启鑫; 房曦晨; 郭鸿业; 何冠楠; 张达; 夏清《储能参与电 力市场机制：现状与展望》 ，海通证券研究所 储能技术 物理形式 化学形式 机械能 电磁场能 动能： 飞轮储能 势能：抽水 蓄能； CAES （压缩空气 储能） 电场能：超级 电容器 磁场能：超导 磁储能 电池储能：铅 酸、锂离子储 表：欧盟碳边境调节机制（CBAM ）的主要内容 执行进程 过渡期 正式生效期 时间点 2023.10.1-2025年 2026年 征收范围 首批纳入钢铁、铝、电力、水泥、化肥、有机化学品、塑料、氢和氨行业。 核算范围 直接排放和外购电力产生的间接排放。欧盟CBAM管制的温室气体排放与欧盟ETS所涵盖的温室气体排放相对应，即 二氧化碳（CO2）、氧化亚氮（N2O）和全氟碳化物（PFCs）。

全球智慧教育发展新蓝图，特此发布白皮书。 ·3· 第一章 发 展 历 程 党的十八大以来，以习近平同志为核心的党中央 高度重视教育工作，多次就教育数字化作出重要指 示。中国政府围绕普及优化学校数字化环境、强化 优质资源供给、深化大规模常态化应用等方面开展 了大量工作，正从转化阶段、转型阶段并行，加速 迈进智慧教育阶段，构建起面向智能时代的现代数 字教育体系。 一、准确识变，夯实教育数字化发展根基 等一批实用智能工具，获得师生广泛好评。智慧高教平 台上线接入 9 个国产通用大模型，配套建设师生人工智 能应用能力测评系统，为师生应用大模型提供了便利。 实施教育系统人工智能大模型应用示范行动，首批推出 涵盖数学、物理、化学、生物等基础学科领域的学科垂 直模型，打造行业大模型的示范标杆。 创新人工智能技术。利用学校的人才优势、数据优 势和场景优势，推动人工智能技术创新。依托大学数字 图书馆国际合作计划（CADAL）中的电子图书、期刊 实现智能教研，通过多模态数据系统评估教师授课情况， 提出精准改进建议，帮助教师提升授课水平。 打造未来课堂。探索“师—生—机”三元协同的课 堂新模式，将人工智能、大数据、虚拟仿真等有机融入 教学过程。通过模块化课程集群、敏捷化学习小组与开 放式成果评估，构建人机共生的未来教学新模式，丰富 课堂教学呈现手段，更好启发学生参与知识建构。通过 搭建沉浸式学习场景，帮助师生打破认知边界，在虚实 结合中更直接、生动地领略大千世界。

这种个性化的治疗和建议不仅可以提高疗效，还能减少不必要的副作用和治疗成本。 在药物发现方面， 大模型也发挥了关键作 用。传统的药物研发周期长、成本高， 对于药物效果和 安全性的验证过程复杂且耗时。应用大模型技术分析生物数据和化学化合物的相互作用， 快速筛选 出潜在的药物候选物，并预测其疗效和安全性，从而大大缩短药物研发的时间和成本。 此外， 医疗影像分析是医疗健康大模型的另一个重要应用场景。现代医学影像技术生成的数据量 通过专家标注或自动化标注工具为数据添加标签， 并确保隐 私数据经过严格脱敏处理，保护患者信息安全。 接下来是训练层， 这一层专注于大模型的设计与开发。大模型的训练通常包含预训练、指令微调、 强化学习等步骤。在模型训练过程中， 需要利用高性能计算资源， 进行大规模的分布式训练， 优化 模型的学习效率。对超参数的不断优化和交叉验证也是必要环节，以确保模型的稳健性和可靠性。 部署层则涉及模型的上线和优化加速， RLHF 是一种结合了强化学习和人类反馈的技术，用于进一步提高模型的性能和准确性。在医疗 健康大模型的训练中， RLHF 可以用于优化模型的决策过 程， 同时对齐人类的价值观， 使其更符合 人类的预期和需求。这 一 步骤中需要将医疗领域的决策过程转化为 强化学习问题， 建立决策过程的 模型。同时收集专家或医生的反馈信息， 用于指导强化学习过程的奖励函数设计， 并训练相应的奖

↓ 静态报表 自动化数据治理 ↓ 动态知识图谱 NLP 自动打标签 知识图谱关联分析 描述性分析 预测性 + 规范性 时序预测模型（如 LSTM） 强化学习决策优化 固定仪表盘 自适应可视化 （用户行为驱动） 强化学习推荐引擎 个性化布局算法 SQL/代码依赖 自然语言交互（NLQ/NLG） GPT 类大模型语义理解 多轮对话推理 ➢ AI for BI模式技术痛点 数据质量陷阱 ，共同提升推荐系统的准确率和覆盖率。 ◼ 供应链与库存优化：（1）需求预测：融合天气数据与节假日因素，精准预测区域化SKU需求， 有效减少缺货与过剩现象，提升库存管理效率。（2）动态定价：运用强化学习模型，根据市场 反馈和销售目标，智能地平衡利润与销量。 ◼ 门店运营效率提升：（1）智能货架管理：利用RFID技术与摄像头监控商品摆放情况，结合AI算 法智能分析，自动触发补货提醒。（2）客 得虚拟工厂能够实时映射实际生产过程中的 每一个环节，为管理者提供了直观、高效、精准的数据支持和决策依据。 ◼ AI驱动的自主决策：强化学习算法可以根据生产任务的优先级、设备状态、工艺流程等多种因 素，动态调整生产调度方案，确保生产过程的平稳运行。同时，强化学习算法还能不断从生产 过程中获取新的数据和信息，持续优化调度策略，减少人工干预和决策失误。 ◼ 可持续制造：ABI通过结合碳足迹追踪

励支持工业企业利用屋顶等资源建设分布式光伏，促进能源结构低碳升 级，按建设容量（装机容量≥0.5 兆瓦）给予 1 兆瓦 4 万元一次性建设 补助，同步配套建成投产不小于项目规模 10%（时长不低于 2 小时）的 电化学储能设施，按建设容量给予 1 兆瓦 10 万元一次性建设补助。单个 项目最高不超过 30 万元，建设容量不足 1 兆瓦的按比例给予补助。（责 任单位：市工信局、城管局、供电公司） （二）挖掘绿 争力的氢气资源参与全市氢能产业高质量发展。允许在化工园区外建设 电解水、生物质气化与裂解、天然气重整等制氢项目，发电厂利用低谷 时段富余发电能力电解水制氢项目和富余蒸汽热解制氢项目，且不需取 得危险化学品安全生产许可。化工企业制氢项目，应取得危险化学品安 全生产许可。（责任单位:市工业和信息化局、市应急管理局、市城市管 理综合执法局） 三、支持加氢站建设 市级财政对“十四五”期间建成并投入使用，且日加氢能力（按照 的运行控制和响应电网调度、储能系统状态评估、安全分析、配电自动 化与管理；（9）单个储能项目规模原则上不少于 2MWh。 （四）支持安全性锂离子电池，并鼓励采用钠离子电池、固态锂离 子电池、液流电池、液冷技术等先进电化学储能技术。 （五）申报单位应拥有较强的技术开发和项目实施能力，经营管理 状况良好。事业单位、社会团体和民办非企业应拥有专业化的技术及管 理团队，财务制度健全，具有较高水平的研发成果和技术储备。