证券研究报告·公司深度研究·IT 服务Ⅱ 东吴证券研究所 1 / 17 请务必阅读正文之后的免责声明部分 千方科技（002373） 智慧交通领军，AI+全面赋能 2025 年 10 月 25 日 证券分析师 王紫敬 执业证书：S0600521080005 021-60199781 wangzj@dwzq.com 交 通路口升级带来的软硬件市场规模超 600 亿元。公路数字化转型升级示 范项目启动，新增投资超 500 亿元。公司在全国车辆位置信息感知领域 拥有核心卡位优势，积累大量交通数据，推动交通运输大模型深度应用。 ◼ 智能物联：AI 迭代加速。AI 推动安防市场持续提升。根据中商产业研 究院，2024 年中国智能安防软硬件的市场规模达到 823 亿元，同比增长 13.05%，预计 2025 年中国智能安防软硬件市场规模将达到 赋能、 AI 深度应用，首次覆盖，给予“买入”评级。 ◼ 风险提示：政策推进不及预期，行业竞争加剧，订单落地不及预期。 -20% -16% -12% -8% -4% 0% 4% 8% 12% 16% 20% 2024/10/25 2025/2/23 2025/6/24 2025/10/23 千方科技 沪深300 请务必阅读正文之后的免责声明部分 公司深度研究 东吴证券研究所

亿邦智库产业互联网系列报告 2025.12 目 录 CONTENTS 01 产业互联网年度进展 02 产业AI新模式与案例 04 产业出海新模式与案例 03 深度价值链新模式与案例 产业互联网年度进展 /01 产业互联网迎战新周期 企业生存情况调查 资本市场动向 政策趋势与实践 - 4 - 产业互联网迎战新周期：大范围价值闭环效应驱动 亿邦动力团队25年来一直跟踪B 联网发展新研判：产业互 联网基本面未变，但已进入新周期。从资本闭环效应显著的初创期迈入以大范围价值创造为主线的成长期，长坡厚雪来自数智技术变革、全球 化变革带来的产供链变革，其中产业AI、产业出海与深度供应链成为解锁新周期的关键钥匙，也是新模式新业态的三大质变方向。 信息与金融促进交易 孕育期（~2018年） • 互联网提效信息对称。平台通过促成买卖双方在线询盘、报价、支付等交易行为，将线下分散、不透明的交易迁移至线上，解 阶段局限：供应链主要处于线上化提效。 大范围价值闭环效应发力于“产业AI、产业出海和深度价值链” 成长期（2025年~） • 价值闭环效应：企业将展现出持续盈利能力，酝酿出现利润率高于现有行业惯例的企业。 • 大范围价值创造：平台将凸显组织生态协同，配置生产要素价值。 • 新模式新业态质变：将从产业AI、深度价值链、产业出海三个方向，催生高效率高盈利，组织大范围生态协作的数字供应链平台、 产业数智科技、平台化品牌。

011 1.1 农业科学、植物学和动物学领域 Top10 热点前沿发展态势 011 1.2 重点热点前沿⸺“利用植物根际促生菌缓解植物的盐胁迫” 012 1.3 重点热点前沿⸺“基于深度学习的植物病害检测” 016 2. 新兴前沿及重点新兴前沿解读 019 2.1 新兴前沿概述 019 2.2 重点新兴前沿⸺“花青素在食品智能包装膜中的应用” 019 生态与环境科学 临床医学领域 Top 10 热点前沿发展态势 041 1.2 重点热点前沿⸺“CFTR 调节剂三联疗法对囊性纤维化实现从症状控制到病因治疗” 042 1.3 重点热点前沿⸺“全切片病理图像的弱监督深度学习框架” 045 2. 新兴前沿及重点新兴前沿解读 048 2.1 新兴前沿概述 048 2.2 重点新兴前沿⸺“人工智能大语言模型 ChatGPT 等在医疗健康领域的应用” 049 热点前沿及重点热点前沿解读 105 1.1 信息科学领域 Top 10 热点前沿发展态势 105 1.2 重点热点前沿⸺“6D 目标姿态估计和跟踪技术” 106 1.3 重点热点前沿⸺“神经渲染和深度伪造的生成与检测” 110 2. 新兴前沿及重点新兴前沿解读 113 2.1 新兴前沿概述 113 2.2 重点新兴前沿⸺“可移动天线在智能无线通信中的性能优化研究” 113 经济学、心理学及

步入“十五五”开局之年，数字技术革命呈现出加速演进的强劲 势头。在数据要素市场化改革持续深化、人工智能大模型实现规范应 用、政务数据共享体系不断完善等一系列关键领域取得重大突破的有 力带动下，政府数字化转型成功步入“深度融合、智能驱动”的全新 阶段。国家高度关注数字治理能力的提升，从技术创新、制度构建、 标准统一等多个层面着手，全面加速数字政府建设的战略布局，积极 运用数字化手段重塑政务服务流程、优化社会治理模式。 的稳固体系，后者有效化解“数据烟囱”“重复建设”等突出难题； 10 月，《中共中央关于制定国民经济和社会发展第十五个五年规划 的建议》明确提出“深入推进数字中国建设”，有力推动数据、人工 智能与数字化治理深度融合，为数字政府建设指明了清晰的发展方向。 在中国社会发展新阶段来临之际，在促进高质量发展和构建新发 展格局的总体指引下，数字政府建设应当主动把握机遇、积极应对挑 战，密切跟踪发展动态，科学评估当前进展，深入剖析发展状况，以 联的“数据底座”，达成核心数据归集与场景数据汇聚，为政务决策 提供精准依据。其二，人工智能加速数据价值转化进程，通过智能算 法挖掘数据要素潜在价值，实现从“被动响应”到“主动预见”的转 变。人工智能深度融入审批、监管、服务等场景，推动政务服务精准 化、社会治理智能化、应急决策科学化以及机关办公高效化。 3. 新挑战：技术赋能带来安全与伦理双重考验 当下，人工智能技术虽为数字政府建设注入强大动力，但安全风

发展新质生产力，进而助力制造强国、网络强国和数字中国的建设， 具有重要的战略意义和支撑作用。 中国电信作为新型信息基础设施的建设者和运营者，正全力打造 服务型、科技型、安全型企业，推动科技创新和产业创新深度融合， 不断增强网络核心功能，提升核心竞争力，坚持“云改数转智惠”战 略，强化“云网融合”目标，深耕细作“全光网”理念，全力支持新 型信息基础设施协调发展。 回顾过去，中国电信“全光网 1 发展。 2 Ⓒ中国电信版权所有 2. 全光网 3.0 概述 2.1. 背景 当前，科技革命与产业变革加速推进，AI、云计算等新一代信息 技术日益成为推动实体经济与数字经济深度融合的关键力量，持续构 筑起数字经济发展的强大引擎，推动实体经济加快向数字化、智能化 方向转型。这一切的融合与变革，均依赖光网络作为核心纽带。 国家相继出台相关政策，强化光网络的核心作用。《深入实施“东 合智能化 升级，实现光网络和云资源的深度融合。依托弹性敏捷、泛在协同、 智能感知的光网络，为算力、存力与运力等所有在网资源构建高效集 约的全光联接底座。同时融合网络自智技术，覆盖光网络“规划、建 设、维护、优化、运营”全生命周期，满足所有用户、终端、节点和 数据中心之间的海量数据快速交换与智能调度需求。 2）光感业融合：通过将光通信与光感知深度耦合，实现从“连 接通道”向“感知中枢

场需求的变化趋势， 获取产品在实际 应用中的反馈信息， 进 而调整生产策略， 提高产品质量和 市场适应性， 加速新材料 的产业化进程。 此外， 可信数据空间能够促进新材料产业链上下游企业之 间 的深度协同创新 。通过建立安全 、高效的数据共享与协 同机 制， 实现多级材料供应商数据的实时共享， 加强了企 业之间 的沟通与协作 。这有助于优化产业链资源配置， 提 高产业链 的协同创新能力， 推动新材料产业整体升级， 推动新材料产业整体升级， 增 强我国在全 球新材料市场的竞争力。 二 、新材料可信数据空间建设目标 2.1 总体目标 致力于构建一个高度安全 、可靠 、高效的新材料数据空间 ， 实现新材料领域多源数据的深度融合与广泛共享 。以数 据驱 动为核心， 全面促进新材料研发创新和产业应用， 显 著提升 新材料产业链的整体竞争力， 为推动新材料产业迈 向高质量 发展新阶段提供坚实支撑。 2.2 具体目标 提高数据的利用价值， 为新材料研发和产业 发展提 供全面 、准确的数据支持， 使数据资源能够在产业 生态中得 到充分的挖掘和利用。 2.2.2 研发创新支持 基于多源融合的数据资源， 深度探索构建具有高度精准性 和 泛化能力的新材料行业大模型 。该模型将集成材料科学 领域 的前沿知识和丰富经验， 为新材料模拟计算 、联合研 发 、试 制工艺优化等关键环节提供强大的数据支撑和先进

传统的智慧城市建设思路,现有业务和大模型结合程 度低,造成市民服务热线需依托大量人工运营、市民办 事材料多次重复填报导致审核速度慢、政府部门面对 应急事件响应不及时等诸多问题,大数据价值未得到 深度挖掘,严重制约了智慧城市建设水平。 本文通过剖析大模型赋能智慧城市的必要性,为 城市管理者和政策制定者提供“人工智能时代” 下大 模型城市赋能体系的建设思路,探讨大模型与智慧城 ·91· ���E�����0 市相结合的 3 种典型场景,提出未来智慧城市发展与 大模型结合的持续发展策略。 1 大模型的定义与核心特征 “大模型”是指基于海量多模态数据预训练、具有 巨量参数规模(通常在百亿至万亿级别) 的深度学习 模型,能够处理复杂语言理解与生成任务,并展现出强 大的泛化、推理和上下文学习能力。 大模型的核心特 征包括以下 4 方面 [5-6]。 其一,巨量参数:模型复杂度和能力的物理基础。 高阶的智能化方向演进。 2 大模型赋能智慧城市建设的必要性分析 大模型代表了一种颠覆性的通用人工智能技术范 式,具有“强认知、泛应用、深融合” [7] 的特点,能够跨 越传统信息化系统的边界,深度赋能城市治理、经济活 动和公共服务。 大模型赋能智慧城市建设的必要性主 要体现在以下 4 方面。 2. 1 破解复杂治理难题 智慧城市面临海量异构数据、多元主体诉求和瞬 息万变的事件,传统规则引擎和浅层人工智能难以有

监督学习与无监督学习.......................................................................................86 5.1.2 深度学习与传统机器学习...................................................................................87 5.2 近年来，人工智能技术的快速发展为金融领域带来了革命性变 化，其中量化交易作为数据驱动的典型应用场景，正逐步从传统统 计模型转向以机器学习为核心的 AI 赋能模式。根据国际清算银行 2023 年报告，全球顶级对冲基金中已有 78%将深度学习纳入核心 交易策略，其资产管理规模年均增长率达 23%，显著超越传统量化 基金表现。这一趋势背后是 AI 技术在处理高维非线性市场数据时 的独特优势：通过实时分析海量异构数据（包括行情数据、新闻舆 万亿美元增长至 2023 年的 2.8 万亿美元，年复合增 长率达 18.5%，AI 策略占比从 12%提升至 34%。这一趋势背后是 金融机构对交易效率、风险控制和收益稳定性的持续追求，而 AI 技术通过深度学习、强化学习等方法，能够处理海量非结构化数 据，识别传统方法难以捕捉的市场微观模式。 然而，AI 量化交易的广泛应用仍面临三大核心挑战：首先，模 型的可解释性不足导致监管合规风险，2022 年

在当今快速发展的科技环境中，人工智能（AI）正逐渐成为推 动各个领域革新的关键技术之一。交通领域作为国民经济的重要组 成部分，面临着日益增长的出行需求、交通拥堵、环境污染及安全 隐患等挑战。因此，将人工智能技术与交通领域的深度融合，能够 有效提高交通系统的效率、安全性与可持续性。 AI 在交通领域的应用主要包括智能交通管理系统、自动驾驶技 术、交通流量预测与优化、公共交通资源分配等方面。例如，智能 交通信号控制系统利用 信息，开发自动驾驶车辆，不仅可以减少人工驾驶带来的安全 隐患，还能优化城市的道路使用效率。未来，逐步推进与公共 交通结合的项目，让自动驾驶车辆作为接驳车，提升公共交通 的便利性。 3. 交通流量预测系统：利用深度学习模型分析历史和实时交通数 据，预测短期和长期的交通流量趋势，并提出相应的优化措 施。例如，在高峰期提前调整公共交通出行班次，提升服务效 率。 4. 共享出行服务：开发基于 AI 的共享出行平台，通过用户数据 智能交通信号控制：利用 AI 算法对实时交通流量进行分析与 预测，从而优化交通信号的配时。  自动驾驶：众多汽车制造商和科技公司正投入大量资源发展自 动驾驶技术，将环境感知、决策与控制的各个环节使用深度学 习等算法进行集成，实现全自动驾驶。  交通流量预测：基于历史数据和实时数据，利用机器学习模型 进行交通流量预测，帮助城市进行交通规划与管理。 在技术实现上，智能交通系统通过大量传感器、摄像头和数据

2）超大规模与智能韧性协同演进挑战加剧 伴随通用计算服务器迈向50万乃至百万级规模，单数据中心网络的物理规模与逻辑复杂 性激增。传统依赖人工策略管理的模式已无法满足需求。带宽对等化、毫秒级切换等硬性要 求，迫使网络架构向深度智能化演进： 5 意图驱动网络（IDN）与AI融合：AI的应用将网络运维从故障后的辅助诊断扩展到运 行风险预测和优化。运维系统将基于对业务意图的理解（如“支付交易必须在50毫秒内返 回结果” Gemini 2.5 Pro在数学推理（2025高考数学卷得分140分）和多模态理解（支持100万令牌上下文窗 口）上达到新高度，而Claude 4 Opus通过混合推断模式实现“快速响应”与“深度反 思”的动态平衡。 模型摸高驱动集群规模走向10万卡，代际快速演进： 北美头部互联网客户在智算领域 的投资保持60%增速，例如Meta在2025年持续扩大英伟达H100 GPU集群，规模超35万 Attn-FFN分离等新 架构模式相继涌现，有效优化资源利用效率，进一步推动推理集群化部署。 3）普惠AI与终端革命：应用AI化，要求高性能、低时延的网络 AI技术正从“奢侈品”变为“基础设施”，带动产业AI升级，并深度融入终端设备。 产业AI升级，对性能要求更高：以金融为例，风控策略从之前的静态模型+动态策略升 级为基于AI模型的实时主动防护，要求在交易的同时快速做出判断。以某国内领先的银行为 例，其日均交易额约1