随着2006年DeepLearning算法的提出，人工智能(AI)的发展进 入了第三次浪潮。DeepLearning凭借自身优秀的信息表征及关系提 取能力，已经为计算机视觉(cv)及自然语言处理(nlp)等领域带来了突 破性的进展。现在，AI的魔力已经被逐步引入药物研发的领域，并正 在深刻地改变这个领域的研究和发展流程。无论是在早期的药物筛 选、药物优化，还是在药物的临床试验和后期的上市监控，AI的应用 都愈发广泛。 在上篇 在上篇 "AI for 医疗" 的专题文章“AI for 医疗: AI大模型在药物 靶点识别中的应用”中，我们整体描述了药物研发的流程，并介绍了AI 大模型在药物研发的第一步: 靶点识别中的应用。这篇文章，我们将 延续这一路线，介绍AI在药物研发的第二步: 先导化合物发现中的应 用。 图1：药物研发生产流程，图片引自[1] 传统方法在先导化合物发现中的局限性 在AI大模型时代到来之前 满意的筛选，则需要长达3000年的时间。简而言之，利用CADD进行高精度的 药物虚拟筛选，所需的时间同样是难以接受的。 AI大模型辅助药物虚拟筛选 基于AI的算法，包括监督学习，无监督学习，自监督学习，强化学习以及基 于规则的算法，可能有助于解决传统方法中存在的问题。 AI方法通常基于对数据特征的学习。具体来说，就是从大量的已知药物化合 物和非药物化合物中，去学习成药所需的潜在特征，并依据这一特征对化合物进

AI如何赋能药物研发工作中的最后一步：临床试验。 图1：药物研发生产流程，图片引自[1]↓ 临床试验简介 药物研发的最后一步，便是将药物大规模应用到患者体内以进行实际效果测试，这 一步骤即临床试验。临床试验是一种系统性的研究，其目的是调查医药产品对人类 疾病过程的影响，以证实或揭示试验药物的作用、不良反应及试验药物的吸收、分 布、代谢和排泄，并最终确定试验药物的疗效与安全性。 基于大语言模型的临床试验患者匹配方法 近年来，随着大语言模型（LLM）的发展，越来越多的人注意到了大语言模型在提 高临床试验招募的效率和准确性方面的潜力。 大语言模型作为一种基于深度学习的AI技术，已经在许多领域展现出了惊人的能 力，比如大语言模型为自然语言处理（NLP）领域的文本生成、文本摘要、问答系 统等任务带来了颠覆性的突破，也为计算机视觉（CV）领域的文生图等多模态任 务提供了新

随着2006年DeepLearning算法的提出，人工智能(AI)的发展进入 了第三次浪潮。DeepLearning凭借自身优秀的信息表征及关系提取能 力，已经为计算机视觉(cv)及自然语言处理(nlp)等领域带来了突破性的 进展。现在，AI的魔力已经被逐步引入药物研发的领域，并正在深刻地 改变这个领域的研究和发展流程。无论是在早期的药物筛选、药物优 化，还是在药物的临床试验和后期的上市监控，AI的应用都愈发广泛。 本文 本文将简要的概括药物研发的流程，并深入探讨AI在药物研发的第 一步: 靶点发现中的作用，以及它如何为这个过程带来革新。 药物研发的整体流程 药物的研发是一个复杂且耗时的过程，业内一直流传着"三十定律"的说法: 耗时10年，耗资10亿美金，成功率不足10%。因此，如何降低药物研发的金钱 成本、时间成本，提高成功率已然成为了药物研发行业的重中之重。 通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅 助药物设计的方法。多组学方法主要通过对病例组和对照组进行基因组、蛋白质 组等组学数据差异性比较，提取出可能致病的基因或蛋白靶点。这一方法通常有

华为AI数据中心 参考设计 构建万物互联的智能世界 Reliable Agile Sustainable 目录 序言 01 1 预制模块化方案 02 方案简介 02 模块简介 03 参考设计(RD) 01-14 04 2 钢结构方案 32 方案简介 32 DC架构简介 33 参考设计(RD) 15-21 34 3 产品手册 47 室外电力模块 47 UPS 50 锂电 锂电 53 TMU 55 风墙 57 序言 01 本手册系统性展示了华为面向AI智算场景的数据中心能源解决方案。我们针对不同场 景需求提出两大参考设计范式。 预制模块化解决方案，核心系统采用全预制模块化产品，工厂预集成、现场乐高式安 装，快速交付，将数据中心的建设周期从18个月压缩至6个月。 钢结构解决方案，核心构件可以在工厂预制生产，然后运输到施工现场进行装配，减 少了现场施 二次侧管路、阀门、仪器仪表、漏水检测等 备注： 1、制冷管路支持上下部署 2、机柜配电支持小母线或者配电柜 通道撬块 DC架构简介 钢构方案 34 RD15 IT负载： 15.2MW@50 kW/机柜 AI：16模块 丨 872 kW/模块 丨 3488 kW/厅丨 14MW/集群 园区渲染图 总体指标 总用地面积 13440㎡ 数据中心建筑面积 5450㎡（不含钢架平台、制冷机房面积） 总IT功率

践行深度用云 AI 可信数据空间 白皮书 编制单位 编委顾问 编写成员 贵州省数据流通交易服务中心 贵州大数据集团 贵州贵旅数网科技有限公司 华为云计算技术有限公司 （排名不分先后） 朱宗尧 徐 昊 张 广 肖 霏 潘伟杰 金 凯 艾晓松 胡琼元 黄籽渝 赵 将 吕 东 宋 雪 胡 2、新架构: AI 可信数据空间 3、数据空间与 AI 协同发展的关键挑战 3、新生态:数智共生 0 AI 可信数据空 间顶层设计 0 目 录 15- 06- 03 1、贵州大数据集团公共数据授权运营空间实践 跃迁的新高度。当前全球数据总量虽呈指数级增长（2023 年突破 175ZB）， 但高质量语料尤其是中文语料严重匮乏，实际流通率却不足 5%。数据 “ ” 产业面临 不敢共享、不愿共享、不能共享 的困局如同无形枷锁禁锢着 AI 创新的步伐。 比如医疗数据因隐私顾虑难以赋能疾病预测模型，工业数据因竞争壁垒阻碍供应链协 同优化，金融数据因权属模糊制约风险管控精度，这些挑战的本质，是数据要素市场化 “ ” 配置过程中 信任基础

AI 供电的未来 重新定义 AI 数据中心供电 Gerald Deboy 博士，英飞凌科技股份公司 PSS 创新实验室院士 Fanny Björk 博士，英飞凌科技股份公司数据中心配电主管 www.infineon.com/wepowerai 2 目录 Adam White 寄语 3 引言 4 一、现代处理器的供电 5 预测一：垂直供电将成为现代处理器的关键技术 5 预测二：服务器主板将采用高压直流供电架构 7 二、AI 服务器机架的供电 12 预测三：AI 服务器机架的功耗将超过 1 兆瓦 12 预测四：AI 的能耗需求将推动电源架的功率等级突破 100 千瓦 13 三、数据中心的整体供电 16 预测五：新一代数据中心的功率需求将迈向吉瓦级规模 16 预测六：配电将从交流系统转向直流微电网 17 预测七：可再生能源将成为满足 AI 数据中心增长能耗需求的关键 我们正站在一场全新技术革命的起点——这场革命由 人工智能（AI）驱动，并以史无前例的速度向前发展。 自 2022 年底 ChatGPT 发布以来，仅两个月便吸引了 一亿活跃用户，我们的世界由此发生了深刻的变化。 AI 不仅具备改变人类生活方方面面的潜力——无论是 金融服务、数字助理、气候研究，还是其他领域—— 它也正在重塑整个计算市场的格局。然而，这场变革 面临着一个日益突出的挑战：AI 技术不断增长的庞大 的功

公众无需佩戴硬件设备 , 在步道内进 行运动即可实现通过百度人脸识别技术自动记录运动数据。终点处还设置智能步道排行榜 , 展示单圈最快 速度 , 累计运动时长 , 累计运动里程排行榜等数据。通过关注“ AI 未来公园”公众号或在排行榜屏幕处刷脸 均可获取自己的运动数据。 智 能步道 未来空间是科技前沿内容的展示窗口 , 定期以主题展览的形式面向公众开放 0 在这里 , 公众可以了解未来科技在生活中的

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI：大模型掘金金融行业数据富矿 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 金融行业坐拥数据富矿，有望成为 AI 大模型率先落地的垂直领域之一 近期，多家金融机构、金融服务机构发布其 AI 大模型：彭博发布支持金融 领域的自然语言处理（NLP）任务的 BloombergGPT，中国农业银行推出类 ChatGPT 的大模型应用 ChatABC，中国工商银行发布了基于昇腾 AI 的金 融行业通用模型。我们认为垂直行业的高价值量数据对于 AI 大模型的训练 和垂直领域应用至关 和垂直领域应用至关重要，金融行业数字化程度领先，拥有数据富矿，有望 成为 AI 大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解 式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有 潜在落地场景，帮助金融机构降本增效。 银行：大模型助力数据洞察能力提升，赋能高质量顾问式金融服务 在银行领域，理解式大模型可以用在信贷风险管理、智能获客和产品识别等 场景，通过提升银行的数据洞察理解能力，来更好地识别客户需求以及评估

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 资料来源：Wind，华泰研究 2023 年 4 月 06 日│中国内地 专题研究 生成式 AI 为问诊、影像、制药等各个医疗健康场景注入新活力 医疗健康领域是人工智能率先落地的行业之一，也已经催生了 Nuance、IBM Watson 等一批全球知名企业。随着基于大模型的生成式 AI 的出现，我们看 到 AI+医疗有望迎来一波新的发展机遇，具体看好：1）基于大模型的实时 问诊病例生成，2）按需生 方面，目前尚未看到面向医疗影像的新 AI 大模型服务，大模型在医疗影像 领域主要作用是降本。国内关注讯飞医疗、云知声、晶泰、数坤等企业发展。 AI+问诊：从语音录入到实时生成内容，提高临床记录环节效率 病例的录入是 AI+医疗中最经典的应用场景之一。2021 年被微软以 197 亿 美金收购的 Nuance 和国内的科大讯飞、云知声等是主要企业。生成式 AI 的出现，使病例的录入过程从过去医生问诊后口述总结，向基于大模型的自

AI 产业应用专场 CRM 的发展历史与趋势 渠道商 & 服务商 伙伴云 赋能渠道伙伴 SCR 易行、电商云 M 客户连接 互动 现场服务云 智能化服务流程 后端 财务 生产 供应链 产研 企业 分析数据 精准预测 智能分析云 助力转型 变现数据价值 前端 销售云 自动化销售管理 营销云 大数据与 AI 驱动 的精准营销获客 汽车、 T 医 疗 器 械 salesforce 高科技 S! , 装 备 制 造 199 缩 2025 腾讯云城市峰会 · 青岛峰会 AI 产业应用专场 基于腾讯大模型应用平台打造的 NeoAgent 平台，重构 CRM 文档解析 多轮改写 混 元 大 模 型 turbo large Agentic RAG 大模型网关 AI 原生 CRM -NeoAgent+Customer Data Cloud Agents 6 大场景化 Agent 赋能营销服业务 销售经理 Agent 销售助理 Agent 销 售 营销 Agent 营销 2025 腾讯云城市峰会 · 青岛峰会 AI 产业应用专场 渠 道