成本逐渐降低、调拨也在不断下降； 标准化成熟软件调拨降低 产品奖 励 提高库房自主产品调拨奖 励 最后 : 我们的积极配 合 THANK YOU 祝销售同事们多多项目、多多发财！！ (^_^) 科研产品技术支持： 王剑 电话： 18768194798 （通讯 录）

25 日 厦门大学 林子雨 副教授 国 内 高 校 大 数 据 教 学 的 重 要 贡 献 者 团队负责人 ：林子雨 副教授 年轻力量： 核心成员全部 46 周岁以下 结构合理： 教学型、 科研型、 实验工程师 专注专业： 从 2013 年至今 ， 11 年专注于大数据教学 团队特点： 眼光前瞻、 紧跟技术、 创新实干、 执行力 强 影响力高： 多项指标在国内高校大数据教学领域领 先 • 2. 人工智能思维 3. 大模型： 人工智能的前沿 4. 高校本地部署 DeepSeek 大模 型 5. AIGC 应用与实践 6. 基于大模型的智能体 7. AI 赋能高校科研 8. AI 赋能高校教学 目录 厦门大学大数据教学团队作品 2025 年 2 月 1.1 图灵测试 1.2 人工智能的诞生 1.3 人工智能的发展阶段 1.4 未来人工智能发展的五个阶 亿（ 671B ） ， 相当于一个 “超级大脑” ， 能处理复杂数学题、 编程、 长文本分析等高 难度 任务。 部署本地 DeepSeek- R1 （ 671B ） 满血版模型 ，支持校园办公自动化、 科研项目辅助、 学术资源分析等多领域应 用 浙江大学、 中国人民大学、 厦门大学、 北京师范大学、 北京 交 通大学等高校发布消息 ，表示正在探索开展有关 DeepSeek 的 实践应用 ，部分高校已在自主研发的教学课程平台中接入

中国信息通信研究院人工智能研究所 中国人工智能产业发展联盟 全国智能计算标准化工作组 2025年10月 科研智能：人工智能赋能工业 仿真研究报告 (2025 年) 版权声明 本报告版权属于中国信息通信研究院、中国人工智能产 业发展联盟和全国智能计算标准化工作组，并受法律保护。 转载、摘编或利用其它方式使用本报告文字或者观点的， 应注明“来源：中国信息通信研究院、中国人工智能产业发 工业仿真注入全新动能。通过构建“数据+物理”双驱动的智能仿真范 式，AI 不仅能够提升仿真效率，更能在多目标优化、虚实交互决策 等场景开辟新路径，推动仿真从“事后验证工具”向“全生命周期决策 中枢”跃迁。 本报告基于科研背景，全面梳理了 AI 赋能工业仿真的技术路径 与实践脉络。首先探讨人工智能赋能工业仿真的必然性及其应用价 值，然后聚焦于 CAD、CAE 两大核心领域，对比分析国内外技术路 线与应用现状；在 . 60 表 目 录 表 1 AIPOD 风扇 优化设计前后指标对比...........................................................45 科研智能：人工智能赋能工业仿真研究报告（2025 年） 1 一、人工智能赋能工业仿真发展背景 人工智能赋能工业仿真是指将人工智能技术（如机器学习、深度 学习）与工业仿真技术进行深度融合，通过数据驱动、智能决策和动

成熟发展 即将开启： 建设新篇 即将开启： 建设新篇 **** 智慧校园建设方案 教学方面 • 科研资源与基础能力不能充分得到共享与应用 • 科研交流方式比较传统，现代化科研交流方式 未得到广泛应用 • 科研活动管理信息化、智能化程度低，尚未达 到对各项科研活动的规范化和精确化管理 科研方面 生活方面 管理方面 • 教师、学生有效获取所需课程、讲座、学术报 告、就业等相关信息的渠道和手段有限 校园生活的主体学生和教师在遇到各种困难 和问题时，解决渠道单一 • 环保与节能在校园生活各个领域有待拓展 项目背景 2 ：高校应用系统现状 • 校园数据统一管理分析及支持决策程度较低 • 实验室、教室等与教学科研密切相关的基础设 施和资产的管理信息化水平低，不能高效使用 • 校园整体安防尚停留在“护栏 + 摄像 + 保安”的 传统阶段，智能协同安防、重点区域安防程度低 • 教学楼、实验楼、办公楼、宿舍楼、以及校园 智慧的教学 智慧的科研 智慧的生活 智慧的管理 信息共享交互：建立信息发布、共享、传播与交互的公共平台 教学流程管理：从排课、选课、授课、考核等各个阶段对教学课程全面管理 智能视频教学：把 IPTV 、高清视频应用于教学讲座，创造自助交互的学习环 境 改进教学质量：教学录像、学生反馈等教学信息持续跟踪改进教学质量 科研资源共享： 对科研机构和实践场所及所属设备与资源实施整合共享 科研交流方式：

2.3矿山智能化建设案例 三、Q4矿业招投标市场 3.1矿业集团招投标TOP20 3.2设备招投标TOP20 3.3省域/直辖市招投标TOP20 四、煤炭精细勘探与智能开发重点实 验室最新科研成果 4.1内容摘要 4.2研究结论 4.3研究成果部分内容 五、新设备及技术 ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) 2.3矿山智能化建设案例 三、Q4矿业招投标市场 3.1矿业集团招投标TOP20 3.2设备招投标TOP20 3.3省域/直辖市招投标TOP20 四、煤炭精细勘探与智能开发重点实 验室最新科研成果 4.1内容摘要 4.2研究结论 4.3研究成果部分内容 五、新设备及技术 ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) 2.3矿山智能化建设案例 三、Q4矿业招投标市场 3.1矿业集团招投标TOP20 3.2设备招投标TOP20 3.3省域/直辖市招投标TOP20 四、煤炭精细勘探与智能开发重点实 验室最新科研成果 4.1内容摘要 4.2研究结论 4.3研究成果部分内容 五、新设备及技术 ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955)

战略行动实施 三年来，高校数字化转型的成效与不足，并给出了发展建议。《报告》指出，三 年来，高校在数字化转型方面持续发力，数字化转型新格局正在形成，并不断向 纵深发展，教学新生态创新层出不穷，科研新范式加速成形，数字治理能力持续 跃升，数字化发展新底座迭代升级，在国家教育数字化战略行动指引下，高校高 质量发展战略目标正在逐步实现。一条具有中国特色的新时代高校数字化发展大 道已然呈现。 但新技术发展不均衡的现象仍然存在，发展后劲略显不足。管理与技术双轨驱动， 数字教学初具形态，但智慧教学平台对教学全流程的支撑作用尚未充分发挥。信 息技术赋能科研，管理协作智慧升级，但信息化仍未覆盖科研全过程，难以支撑 多学科跨单位的有组织科研。数据应用多点发力，管理安全同步推进，但数据应 用深度不足，难以高质量服务高校治理能力的现代化进程。基础设施日益完善， 安全防护迭代升级，信创生态正在起步，但数据安全仍存短板，数字新底座离好 动能；四要探索资源整合新模式，破解人工智能应用瓶颈；五要深化教学软硬件 使用效能，促进教学数字化的加速演进；六要持续提升师生数字素养，发挥数字 化人才的引领作用；七要完善科研协作体系，提升有组织科研的创新效能；八要 增强科研全过程的数字化管理能力，促进科研创新发展；九要补齐业务管理的数 字化短板，构建业务和数据双轮驱动的智能服务体系；十要加强数据共享和数据 应用，以数据治理加速高校治理能力现代化进程；十一要建设全生命周期的安全

....................................................................................... 40 5.2 智慧科研的主要应用场景 ........................................................................................... 级替代”。即在新一代信息技术的技术架构体系和模式下，构建创新的中国技术 体系。 教育作为一个特殊的行业，在信创中起着非常独特的作用。首先，教育机构 本身也是信创的用户，不管是智慧教学、智慧科研、智慧校园和智慧管理，教育 机构的数字化建设本身也是信创的应用阵地。教育的数字化转型需要实现基于信 创技术体系的数字化转型。其次，信创工作需要大量的人才，而教育机构是信创 人才供给的主要来源。 教育信创的目的是建立起符合“信创”要求的技术底座和技术体系，并基于 这样的技术底座和技术体系实现教育信息系统“升级替代”和教育数字化转型， 最终目的是推动教育机构建立基于信创体系的智慧教学、智慧科研、智慧校园与 智慧管理，并培养符合未来产业需要的信创人才。教育信创应服务于教育机构数 字化战略目标，支持教育机构实现“自主可控”的数字化转型，通过构建“创新 高效、安全稳定“的数字化技术平台，支撑学校业务应用场景的创新，提升学校

能教育 行业研究报告（2025 年）》。报告阐述了“算力+教育”行业应用发展 的背景，剖析了算力在不同学段的应用现状，明确了“算力+教育” 产业发展状况，以及算力赋能教育在教学、学习、管理以及科研等领 域的典型应用场景，并对各应用场景的部署进行了分析，征集了“算 力+教育”在基础设施层、平台技术层和应用服务层的典型案例，最 后从基础设施、标准规范、人才培养以及政策支持等维度提出了推动 .......................... 27 （三）算力赋能优化教育管理 ........................................ 29 （四）算力赋能提高科研效率 ........................................ 31 （五）“算力+教育”应用场景梳理 .................................. .......................... 16 图 7 算力赋能教育典型应用场景 .................................... 23 图 8 人工智能教育科研解决方案功能框架 ............................ 40 表 目 录 表 1 算力赋能教育典型应用场景梳理 ...............................

烟火 医闹 智慧医学科研平台 CHIMA 导航式科研工具应用 • 数据驾驶舱 • 患者全景视图 • 多条件筛选搜索引擎 • 研究路径导航式工具应用 • 科研项目管理 科研能力提升 • 科研方法论培训 • 人才培养 • 数据 + 工具 + 方法论融合 • 助力高水平医院建设 智慧医学科研平台 全院级“多模态异构数据治理 全院级“多模态异构数据治理 + 智能工具应用 + 科研转化体系建设”支撑高水平医院建设目标 多模态异构数据治理 • AI 技术 + 疾病知识图谱融合 • 文本数据 + 影像组学 + 生物信 息等多模态数据治理 AI 技术赋能 • NLP 自然语言处理 • 深度学习 / 机器学习 • 统计分析支持 • 工具、算法开放探索 CHIMA 提出科学问题 科研方法学 统计方法学 成果转化方法学 科研设计

。据统计， 一款新型高性能材料从基础研究到实现产 业化，平均研发周期长达 10 - 15 年，研发投入高达数亿元。 实验数据分散于各类科研机构 、高校以及企业内部， 缺乏统 一的整合与共享机制， 导致大量重复实验， 严重浪费了宝 贵 的科研资源，降低了研发效率。以某新型合金材料研发为 例， 由于不同团队之间数据无法有效共享， 重复进行了超 过 30% 的相似实验， 使得研发周期延长了 法为 实验提供精准的理论指导。 在产业应用层面 ，新材料从实验室走向市场的转化之路困 难 重重 。科研机构与企业之间信息沟通不畅， 科研成果往 往未 能充分考虑市场实际需求， 导致大量具有潜在价值的 新材料 成果被束之高阁， 无法实现产业化 。相关研究表 明， 我国新 材料领域的科研成果转化率仅为 10% - 15%， 远低于发达 国家的 40% - 50% 。新材料产业链上下游企 过制定统一的数据标准和规范， 打破数据孤岛， 实现数 据的 无障碍流通与高效共享 。这为新材料研发提供了丰富 、全面 的数据资源， 使科研人员能够站在更广阔的视角进 行研究 ， 避免重复劳动， 极大地提高了研发效率。 在研发阶段， 多源融合的数据为科研人员提供了强大的分 析 基础 。通过对大量实验数据和模拟计算数据的深入挖 掘， 科 研人员能够更准确地揭示材料性能与结构之间的内 在联系