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

99.90%、99.62%和 99.18%。2025 年，中科大联合团队等基于“祖冲之三号”求解随机线 路采样任务获得比超级计算机 Frontier 高 15 个数量级的求解速度11。 日本理化学研究所与富士通合作研发具有可扩展架构的 256 比特超 9 https://doi.org/10.1038/s41586-024-08449-y 10 https://doi.org/10.48550/arXiv 量子计算应用软件通过整合量子计算软硬件资源，针对具体应 用场景实现问题求解功能的模块化封装。Quantinuum 推出量子化学 软件 InQuanto 的 4.0 版本，允许编译和执行更复杂的量子线路用于 实现量子化学模拟39。Qunova 将 HI-VQE 量子算法部署到 IBM 的 Qiskit 函数目录中，可面向化学、制药及工业工程领域实现量子模拟40。 量子计算编译软件核心功能是实现量子程序从高级语言描述到 头和初创企业等积极推动行业应用场景探索，已延伸至金融服务、 化学工程、生物制药、交通运输等多领域，研究方向主要包括量子 模拟、量子组合优化、量子基础算法等类型和计算难题。 量子模拟通过调控量子计算机实现对微观粒子体系的精确复现 与动态演化模拟，为揭示复杂量子系统的相互作用机制和演化规律 提供了新手段，被认为是量子计算最具应用突破前景的方向。2025 年，Classiq 和三菱化学等探索化学领域的材料开发，利用 QPE 算法

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

2020.05.22 2020.06.30 2020.08.31 2020.05.18 蓝图设计 报告 测试 以 XXXX 化学 蓝图为模板 做差异分析 差异分析报告 业务解决方案确定 业 务 蓝 图 主 要 工 作 交 付 以 XXXX 化学总体业务为蓝本，以 XXXX 实际业务为基础，进行业务梳理与 差异分析。 集成解决方案确定 组织结构设计 蓝图未来流程 经过多轮 3231 生产工厂 3231 生产工厂 仓储原材料库 仓储原材料库 车间原料库 车间原料库 车间成品库 车间成品库 。。。 。。。 采购组织 3000 XXXX 化学采购组织 采购组织 3000 XXXX 化学采购组织 … … 3233 销售工厂 3233 销售工厂 … … 生产辅料库 生产辅料库 机物料库 机物料库 。。。 。。。 … … 原料组 原料组 备件采购 (IQC) 质量主数据 接口 中纺达 3.2.2 质量管理模块 - 组织架构 QM 在工 厂级别 集团 公司代码 工厂 工作中心 XXXX 化学 3230 XXXX 3220 新疆富丽达 3231 生产工厂 3232 物资工厂 3233 销售工厂 … Q3231001 棉检检验室 Q3231002 成纱检验室 质量主数据编码规则：

02 储能系统全生命周期安全风险特征 02 电化学储能系统作为长周期运行的能源装备，其安全风险源呈现全生命周期覆盖、动态性演变的特征。从设计的缺陷， 到建设安装的过程风险，再到长周期运维的隐患，安全挑战贯穿始终，且随工况、环境、运行时长动态变化，形成持续存 在的安全压力。 储能热失控是能量失衡 - 热蔓延 - 链式反应的递进过程，电化学储能电站的安全问题是系统性问题，事故的发生往往 由 由多因素交互作用导致。其触发因素可归纳为电气、热、机械滥用三大类型，如图 1 所示： 储能系统热失控触发因素 2.1 电气滥用：电气滥用是指电池在超出正常电气工作参数范围下运行，导致内部电化学反应异常并可能引发安全风 险的状态。如过充放、短路、过电流使用、强制放电、外部高压等。 热滥用：热滥用是指电池暴露在超出正常工作温度范围的环境中，或内部产热速率超过散热能力，导致温度持续 升高并引发安全风险的状态。 与量化 精度存在不足。为此，需融合传统分析手段与先进仿真建模技术，构建系统化的储能安全量化评估体系，实现全工况、全 生命周期范围内的安全风险概率评估。 该体系可覆盖当前最主流的锂离子与钠离子电化学体系储能系统，适配不同厂商的储能产品安全评估需求，包含“储 能系统安全风险地图“和“储能系统安全量化评估模型”两部分。 图 13 储能安全评估方法调研 18 基于行业安全风险地图（R-MAP

岗位，但同时也将创造更多与工程智能紧密结合的新岗位，这种变化在人工智能 发展所新兴的职业中已经初见端倪，包括人工智能伦理学家、提示词工程师以及 人机交互设计师等。其次，工程智能还将革新工程教育形式，通过个性化学习、 高保真仿真实践等，显著提升人才培养的质量和效率。更进一步地，人类与智能 的协作将逐步演化为“共生智能”的新模式，在此模式下，人工智能的目标不再 是完全替代人类的“完美机器”，而是作为“灵魂搭档”激发人类创造力和智慧， MDO） 旨在通过数值优化方法对这类复杂系统进行整体设计[24]。AI 技术显著提升了 MDO 的效率和能力。机器学习构建的代理模型能够以极低的计算成本替代高保 真度的物理仿真，而遗传算法、强化学习等元启发式算法则能在巨大的、非凸的 设计空间中进行全局搜索，有效避免陷入局部最优，从而找到更高质量的系统级 解决方案[25]。 尽管人工智能在策划与设计阶段取得了革命性进展，但其应用仍处于从“单 高度依赖项目经理的经验，难以应对多任务并行、资源约束与现场扰动等动态挑 战。人工智能正在重塑执行决策的逻辑，它能够综合历史项目数据、实时状态信 息与外部变量（如供应链、天气），生成最优的作业序列与资源分配方案[27]。例 如，强化学习算法可用于模拟不同执行策略下的工期与成本表现，实现对装配路 径、物流顺序的动态寻优[28]。基于图神经网络（GNN）的调度模型能够有效建模 复杂工序间的依赖关系，在多目标约束下实现人力、设备与物料的协同配置，显

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）。