第一章 序言 1. 定义与范式 2. 发展与态势 3. 数据分析 第二章 AI 前沿 1. 从大语言模型走向自主智能体 2. 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 第一章 序言 第一章 序言 1. 定义与范式 1.1 定义 面向科学研究的人工智能（AI) 创新和 人工智能驱动的科学研究的总和可被定义为 科学智能（AI for Science, AI4S），是体现 了人工智能创新与科学研究双向促进与深度 融合 1，从而变革科研范式。 1.2 范式 科学研究促进人工智能创新。传统科研 范式大致可分为经验归纳（实验科学）、理 论建模（理论科学）、计算模拟（计算科学） 证。计算科学以科学模型为基础，通过数值 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 成本高的挑战。随着技术的发展和数据规模 的增长，出现了数据密集型科学的研究范式。 这一范式利用机器学习方法，自动从数据中 发现统计关联，一定程度上避免了提出科学 假设，但无法发现因果关系，且难以分析低 质量数据和发现复杂系统中的规律。当前的 科学研究主要面临系统复杂性的挑战，相互

快速迭代的背景下，期待与产业界共同探索最佳实 践，务实推进应用智能化落地进程。 ——《应用全生命周期智能化白皮书》编写组 前言 迈向 AI-Native 时代：智能体驱动的应用现代化新范式 近两年来，随着 ChatGPT、DeepSeek 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 Agent 智能体的崛起标志着应用现代化迈入全新阶段。未来大于 50% 的 界、科技企业和无数开发者探索数十 年的 AI 技术，迎来了应用大规模落地的奇点时刻。以应用智能体为代表的 AI 新范式，已成为推动行业变革的重要力量， 智能化必将成为驱动数字经济发展的核心引擎。 过去十年，云原生重构了 IT 基础设施；未来十年，AI 原生将重新定义企业运营范式。这场变革不是简单的技术迭代， 而是认知维度的跃迁——企业需要从“功能驱动”转向“价值创造”，从“流程优化”升级为“智能决策”。 大模型技术加速全球产业价值链重构 1.2 数字基础设施逐渐成为国际竞争制高点 1.3 数据联接正在影响行业转型和应用安全 1.4 人机协作成为社会融合发展的主流趋势 1.5 客户群体转型加速驱动应用开发新范式 2 智能应用企业端和个人端双爆发，市场空间巨大 2.1 智能应用双端爆发，孕育万亿市场空间 2.2 智能体在 B 端和 C 端加速落地 2.3 央国企正成为应用智能化的主力军，领跑多个场景落地

演进，多次推动了信息产业浪潮的发展。 操作系统的演进大体上经历了批处理、主机、PC 互联网、移动互联网几个阶段的发展， 正走向万物智联的时代。不同历史时期的操作系统在底层硬件架构与形态、人机交互方式、信 息呈现方式，以及生态范式上展现出不同的技术特征。 进入全新的万物智联时代，新技术的发展趋势、用户体验诉求以及随着而来的新应用场景， 都将对操作系统提出新的需求和挑战。 图 1 操作系统历史演进和技术特征变化 1990's 用户的数据安全和隐私的前提下，充分发挥数据的价值，赋能生态，给用户带来更便 捷的智能生活体验？ 挑战三：生态使能 可以预见服务智能化、体验空间化、终端多样化将重塑操作系统的生态范式，作 为生态的基座和入口，操作系统如何使能使能新型服务，推动生态范式的变革？ 鸿蒙 2030 愿景及关键特征 - 17 - 鸿蒙 2030 白皮书 3.2 关键特征 3.2.1 智能化：突破人机协作方式的边界 随着大模型等新技术的出现和不断发展，AI 数量一般十亿到百亿。端云协同可以最大化 发挥“端侧快”和“云侧强”的优势，同时解决信息安全隐患、云端算力成本过高等问题。 开放的生态系统 开放繁荣的生态是终端操作系统的活力之源。智能化也对生态范式产生了巨大的影响，未 来的生态中应用、元服务、AI Agents 等多种服务形态将并存并相互协作。通过构建分层的 AI 开放平台，开发者可以低成本接入和利用系统 AI 能力，从而快速开发出创新的应用和服务，

围的目标最优决策，加速全链条下的生产优化和产 销协同。 1.3.5 生成式AI、具身智能等革命性新成果，开辟企业发展新空间 由数据、大模型和算力驱动的“数据密集-智能涌现-人机协同”新一代开发范式正快速出现。具 备专业化能力的行业大模型和智能体能够精准理解石油石化多模态数据，提升地质构造识别、分 子设计与合成、催化剂开发与优化、化工反应模拟、试油选层等应用水平。生成式AI（GenAI） 效的新型运营体系。该体系旨在 推动形成管理新模式、研发新范式、生产新方式与服贸新生态，持续为石油石化企业感知赋值、 认知赋智、应用赋能，最终实现创新引领、全链协同、本质安全、绿色低碳和全球卓越的高质量 发展目标。 �：新智运营相较于智能运营，更突出“新时代技术深度融合+全链数据×知识双轮驱动+体系化创新”，强调形成“新模式、新范式、新方式、新生态”的系统性 变革，是对石油石化传统运营模式的迭代升级。 变革，是对石油石化传统运营模式的迭代升级。 图1 石油石化新智运营概念框架 来源：石化盈科 & IDC，���� 管理新模式 智能感知 智能平台 智能决策 研发新范式 生产新方式 服贸新生态 石油石化新智运营领域 风险管理 财务管理 物资管理 科技研发 客户服务 产品销售 炼油化工 管道储运 资源开发 全球卓越 绿色低碳 本质安全 全链协同 创新引领 “四新” “三智” 新智运营 ...... ...

不过是人工智能在工程领域的简单应用。但随着研究的深入、实践的推进，我们 愈发清晰地认识到，工程智能绝非技术的叠加，而是以改造世界为核心目标，衔 接科学智能与产业应用的跨学科体系，是解决工程领域非确定性问题、实现规模 化赋能的全新范式。 这些年，我们见证了太多鼓舞人心的变化。战略层面，国内外对工程智能的 重视达到了前所未有的高度，中国将“人工智能+”行动写入政府工作报告，把 工程智能作为建设数字中国的重点领域；美国、欧盟纷纷出台专项政策与法律框 大异构系统。如 何实现跨领域知识的高效整合与涌现创新，如何应对极端工况与未知环境下的动 态不确定性，如何确保超大规模系统在全生命周期中的极致安全、高效与可持续， 这些时代之问，为传统的工程技术范式带来了根本性的挑战，也为工程智能的应 用和发展标定了最广阔、最迫切的需求场景。 正是基于这样的初心与担当，我们梳理了多年来的系统性的经验与思考，形 成了这份关于工程智能的白皮书。书中聚焦工程智能的核心，详细阐述了从单点 ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 iv 将成为连接 AI 基础能力与工程核心应用的坚实桥梁，是实现 AI 规模化的关键基 础设施。 那么，工程智能究竟将带来怎样的范式变革？我们常常谈论这个词，但它真 正的内涵是什么？于工程智能而言，范式变革并非一句空洞的口号，它具象为四 个紧密相连的“规模化”：  学科或行业 AI 技术研发的规模化：改变当前学科或行业 AI 能力开发高度依 赖顶尖专家的

批处理模式无法满足实时决策需求；复杂操作和高技术门槛限制了用户参与；预定义指标缺乏灵活性，难 适应多元需求；聚焦历史数据则削弱了预测能力。这些短板使其在数据爆炸和敏捷决策的时代逐渐失位， 亟需向开放、实时、智能的分析范式转型，以释放数据的真正价值。 8 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 （接上页——传统BI局限性） 来源： 中云金诺，头豹研究院 决方案。 25 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 制造行业ABI应用案例 ABI技术正在推动产业从经验驱动型向数据智能型范式转型。以富士康“灯 塔工厂”为例，其智能系统通过订单-生产-供应链的全链路数据协同，已 将工业决策从局部优化升级为生态级战略控制 ABI典型行业应用——制造行业应用案例 来源：华为，工业互联网产业联盟，灯塔工厂，头豹研究院 能决策体系，集成AI算法与数据洞察优 化订单管理、柔性排产及动态库存控制， 实现人力配置从338人精简至18人，单位 产能提升30%，库存周转效率提高15%， 形成可应对订单波动、供应链波动及设 备运维挑战的智能生产范式。 技术框架 自主研发的“雾小脑”技 术和工业云平台（Fii Cloud），将海量设备 连接至边缘计算和云端， 覆盖了表面贴装、数控 加工、机器人、组装测 试等场景 实际应用 在深圳龙华科技园的

前 言 纵观历史，每一次科技革命和产业变革都深刻地改 变人类的生产生活，并对教育产生深远的影响。当前， 人工智能技术快速演进、广泛应用，正在重塑知识供给 模式和科研创新范式，知识创新不断加快，从发现到发 明、从发明到应用加速迭代，促使教育内容、教育模式 和教育形态深刻变革。 中国政府高度重视教育数字化工作。党的十八大以 来，习近平总书记多次就数字教育作出重要指示，为教 开放学习，服务人次达 5000 万。国家老年大学体系在 全国推出多媒体智能软件实操等课程，提升老年群体 人工智能素养。国家开放大学实施人工智能赋能教育教 学要素改革，打造“人工智能+教育”新范式。上海市、 福建省等地老年大学，杭州开放大学等开设人工智能相 关技能课程，获得广泛好评。 二、促进人工智能广泛应用，助力教育创新发展 中国教育部积极推动智能技术在教育领域的深入 广泛应 生，探索学生全流程、全要素评价改革的创新路径。人 工智能让管理决策更加科学，武汉理工大学建设校长数 字驾驶舱、AI 校长助理，科学掌握学校运行情况。 以人工智能改变科研范式。鼓励高校开展人工智能 赋能的科研范式变革。人工智能赋能自然科学方面，复 旦大学开发的伏羲气象大模型，成为全球首个针对新能 源优化的气象大模型。人工智能赋能工程科学方面，同 济大学开发的建筑大模型集成海量自动设计功能，可迅

................................................................................... 25 5.1 芯片级：新计算范式芯片...............................................................................................25 互通，实现不同芯片间的超低时延传输。 （3）统一调度：实现全局最优的资源编排中枢 统一调度是异构算力协同的智能决策中枢，旨在解决多任务资源争用引发的“效率下降” 难题，构建全局最优的资源编排范式，实现对异构算力集群的全维度精细化调度。针对异构 算力计算能力差距，面向大模型训练场景构建分布式并行策略组合、业务感知的非均质拆分 等能力，实现跨厂商算力的弹性按需调度；面向大模型推理场景，支持单机多卡异构分布式 两阶段资源最佳配比，交叉混合推理吞吐性能最高提升 72%，成本最大降 低 42%，盘活异构国产算力，实现“利旧降本”，为后续推进异构芯片混合部署和规模化 应用提供了技术验证。 25 第五章 未来技术展望 5.1 芯片级：新计算范式芯片 当前主流 AI 芯片（包括 GPGPU 和 ASIC）仍延续冯·诺依曼架构的“计算-存储分离” 设计模式，该架构在应对大模型时代的海量数据并行计算需求时面临“内存墙”和“功耗墙” 瓶颈，

告指令》（CSRD）到 国际可持续准则理事会（ISSB）的全球基准，力图为中国构建与国际接轨的披露 体系提供参照。我们剖析了区块链、隐私计算、人工智能等前沿技术在数据确权、 估值、交易中的应用范式，并对其内在的技术风险与算法偏见进行了客观评估。 更重要的是，我们提出了一个多层次、多主体的协同治理框架。我们认为，有效 的治理并非单一维度的强监管，而是需要政府、市场、社会、企业之间形成良性 1 数据作为新型生产要素的战略价值.............................................................. 5 1.2 “双碳”目标下的绿色金融新范式.............................................................. 5 1.3 ESG：从合规要求到价值创造引擎............. 目标引领绿色转型的当下，两大 时代浪潮交汇催生了 ESG 数据资产化这一新兴领域。ESG 也从最初的合规要求 ，逐步演变为企业创造价值、提升核心竞争力的关键引擎。本章将从数据要素 的战略意义以及“双碳”目标下绿色金融新范式入手，剖析 ESG 的价值转型， 深入阐释 ESG 数据资产化的核心内涵与经济意义，为理解该领域的发展逻辑奠 定宏观基础。 1.1 数据作为新型生产要素的战略价值 随着数字经济的蓬勃发展，数据已正式成为继土地、劳动力、资本、技术

应用创建的数据库，都保存到应用沙盒，当应用卸载时，数据库也会自动删除。 2.1.4ArkTS（方舟编程语言） ArkTS 是 HarmonyOS 优选的应用高级开发语言。ArkTS 提供了声明式 UI 范式、状态 管理支持等相应的能力，让开发者可以以更简洁、更自然的方式开发应用。 同时，它在保持 TypeScript 基本语法风格的基础上，进一步通过规范强化静态检查和 分析，使得在程序运行之前 针对不同的应用场景及技术背景，方舟 UI 框架提供了两种开发范式，分别是基于 ArkTS 的声明式开发范式（简称“声明式开发范式”）和兼容 JS 的类 Web 开发范式（简称 “类 Web 开发范式”）。 ⚫ 声明式开发范式：采用基于 TypeScript 声明式 UI 语法扩展而来的 ArkTS 语言，从 组件、动画和状态管理三个维度提供 UI 绘制能力。 ⚫ 类 Web 开发范式：采用经典的 HML、CSS、JavaScript HML、CSS、JavaScript 三段式开发方式，即使用 HML 标签文件搭建布局、使用 CSS 文件描述样式、使用 JavaScript 文件处理逻辑。 该范式更符合于 Web 前端开发者的使用习惯，便于快速将已有的 Web 应用改造成 方舟 UI 框架应用。 15 方舟 UI 框架示意图: 2.1.6ArkWeb（方舟 Web） ArkWeb（方舟 Web）提供了 Web