Shanghai Jiao Tong University

多肽类药物因其高活性、高靶向性和良好的安全性而备受关注。目前，固相多肽合成（SPPS）已成为实验室研究和工业生产的核心技术。多肽合成的关键在于氨基酸氨基的脱保护与缩合。目前最广泛使用的氨基保护基是Boc和Fmoc，需分别借助三氟乙酸（TFA）和哌啶进行脱除。由于高腐蚀性和高毒性HF和TFA的使用而限制了Boc-SPPS的应用。Fmoc-tBu多肽固相合成策略是沿袭了50多年的传统模式。Fmoc-SPPS虽因条件温和成为主流，但哌啶除受到监管限制外，碱性条件还容易导致天冬酰亚胺（Aspartimide）和二酮哌嗪（Diketopiperazine）等副产物的形成。最终脱除tBu系列保护基使用的三氟乙酸是永久化合物，同时存在脱除的碳正离子产生烷基化副反应、部分保护基难脱除、疏水肽难合成等固有缺点（图1a）。此外，庞大且疏水的Fmoc基团也带来了原子经济性和溶解性等方面的问题。 图1. 研究背景（图源：JACS） 不久前，上海交通大学王平团队针对多肽固相合成的固有缺点，开发了基于吡啶甲基（Picolyl, Pic）的多肽合成新策略—Fmoc-Pic。吡啶甲基不仅来源广泛、性质稳定，而且具备优异的水溶性。借助Pic实现了对氨基酸侧链官能团（羟基、巯基、氨基、羧基、咪唑、胍基等）的保护，通过光催化实现Pic的高效、温和脱除。Pic在TFA条件下极为稳定，也为氨基酸侧链官能团的正交保护提供了全新方案，有望替代目前已经商业化的带有侧链正交保护基的氨基酸（如Cys, Lys, Ser, Asp等侧链保护基Dde/ivDde, Mtt, Mmt, Alloc, tButhio/STmp, Allyl, Dmab, 2-Phipr）。Fmoc-Pic策略克服了传统SPPS的局限，不依赖强酸、强碱脱除保护基，实现了温和条件下困难多肽的高效合成（J. Am. Chem. Soc.2025, 147, 34011−34018）。同时，Pic还能实现蛋白质巯基的正交保护，以及光催化条件下的温和脱除，为复杂蛋白质的高效合成提供了新策略（Angew. Chem. Int. Ed.2025, e202518002）。近日，该团队进一步将吡啶甲氧羰基（Picoc）代替叔丁氧羰基（Boc）和9-芴甲氧羰基（Fmoc）作为氨基酸a氨基保护基，发展了一种绿色固相多肽合成新策略—Picoc-SPPS（图1b）。以题为“Sustainable Peptide Synthesis by Photoredox-Catalyzed Picoc-SPPS”发表于Journal of the American Chemical Society。 图2. Picoc-氨基酸砌块的合成（图源：JACS） 作者通过将Picoc羰基咪唑活性酯与不同的侧链保护氨基酸反应，实现了Picoc氨基酸库的高效构建（图2）。合成方法简单便捷，经萃取和重结晶即可快速大量获得Picoc氨基酸砌块。 图3. 液相Picoc脱除条件优化（图源：JACS） 经过一系列条件筛选，作者建立了以Ru(bpy)₃Cl₂为光催化剂，抗坏血酸为还原剂的液相Picoc脱除的最佳条件。各种Picoc-氨基酸在最佳条件下均表现出优异的光催化脱保护效果（图3）。 图4. 固相Picoc脱除条件优化（图源：JACS） 经过条件筛选，作者建立了以fac-Ir(ppy)₃(PC 2)为光催化剂，汉斯酯为还原剂的固相脱除Picoc的最佳条件。该反应能够兼容常规溶剂和γ-戊内酯、2-甲基四氢呋喃等绿色溶剂（图4）。该固相Picoc脱除条件表现出高效、实用和高度兼容的特点，在固相多肽合成中具有潜在的应用。 图5. Picoc-SPPS策略在多肽合成中的应用（图源：JACS） 随后，作者基于Picoc-氨基酸发展了无需哌啶参与的固相多肽合成新策略—Picoc-SPPS，通过该策略完成了一系列药物肽（32-41）的合成（图5a）。此外，鉴于Picoc-氨基酸水溶性的改善，作者进一步将Picoc-SPPS策略拓展至水相体系，通过水相Picoc-SPPS策略实现了药物肽42-45的制备（图5b）。 图6. 固定催化剂的Picoc-SPPS策略在多肽合成中的应用（图源：JACS） 为提高催化剂的利用效率，作者通过催化剂固定实现了Picoc-SPPS过程中催化剂的高效回收与循环利用，进一步提升了该策略的绿色和可持续性（图6）。Picoc-SPPS作为传统SPPS的一种通用的、可规模化且环境友好型的替代方案，具有广阔的应用前景。 综上，本研究开发了基于光氧化还原催化的Picoc-SPPS新策略，有效解决了传统SPPS方法的局限性——对强酸强碱的依赖以及由其引发的副反应。通过水相合成拓展和催化剂固定，实现了多肽的绿色合成。Picoc-SPPS作为一种兼具稳定性和高选择性的环境友好型的多肽合成方案，为现代多肽药物开发提供了新选择。 原文链接：https://pubs.acs.org/doi/10.1021/jacs.5c17715

引言：AI 驱动的产业革命正在加速到来 当前，人工智能技术正以前所未有的速度渗透到制造业和科学研究的各个领域，推动着产业结构的深度变革。具身智能作为 AI 技术与物理世界深度融合的前沿方向，正在仓储、质检、装配等制造环节展现出巨大的应用潜力；AI for Science在材料科学、药物研发、生物模拟等领域取得了突破性进展，重新定义了科学研究的范式；多智能体系统则通过协同工作模式，为解决工业复杂任务流提供了全新的技术路径；与此同时，AI 基础设施的快速发展，特别是服务器、光模块、散热系统的技术革新与市场扩张，为整个 AI 生态系统的蓬勃发展奠定了坚实基础。 2025 年被业界广泛视为AI 技术全面产业化的关键转折点。根据最新数据显示，全球具身智能市场规模预计将在 2026 年达到 180 亿元，连续两年保持 100% 以上的增速(36)；AI 药物研发将传统 3-6 年的发现阶段缩短至 1.5-3.6 年(53)；多智能体系统在工业场景的应用使整体效率提升超过 80%；AI 基础设施市场更是呈现爆发式增长，光模块市场规模达 240 亿美元，液冷技术市场规模预计 2026 年突破 500 亿元(87)。 本报告将深入分析这四大 AI 技术领域在 2025 年的最新进展，重点关注技术突破、实际应用案例、量化效果评估以及面临的挑战与机遇，为企业决策者、技术研发人员和投资机构提供全面的行业洞察和战略参考。一、具身智能在制造业的深度应用与突破1.1 技术定义与发展现状 具身智能是指 AI 技术与物理硬件深度集成的智能系统，代表了人工智能从虚拟世界向物理世界延伸的重要趋势(5)。2025 年政府工作报告将 "具身智能" 列入未来产业重点培育清单，标志着这一技术已上升为国家战略层面的发展重点(3)。 技术层面的核心突破体现在三个方面：首先，硬件能力的显著提升，高功率密度关节模组成为技术攻坚的核心突破口，睿尔曼微悍动力推出的超紧凑型 WHJ03 关节模组，尺寸仅 33×48mm 却能输出 3Nm 额定扭矩，同等体积下性能较主流竞品提升 35%-55%；其次，软件算法的智能化演进，具身智能的深度融入让机器人实现了从 "预设动作" 到 "自主决策" 的飞跃，通过强化学习与模仿学习的结合，人形机器人的运动控制能力显著提升(3)；第三，多模态融合的突破，智元机器人 "一体三智" 架构融合运动、交互、作业智能，使其远征 A2 在高噪环境下语音识别率超 96%，支持多轮对话与自主导航。 产业落地方面，2025 年被业界定义为人形机器人的 "量产元年"。行业实现了从百台到千台级的交付突破，智元机器人已构建稳定供应链，第 5000 台通用具身机器人顺利下线；优必选 Walker S2 开启量产交付，计划 2026 年年产能达 3000-5000 台，2027 年进一步扩至 1 万台。应用场景已从单一展示向多元实用延伸，在工业领域，福田康明斯工厂的 "具身天工 2.0"、优必选 Walker S2 已投入发动机装配、物料搬运等环节，东方证券预测初期工业应用市场规模超百万台。1.2 仓储环节的智能化革新 具身智能在仓储物流领域的应用正在重塑传统的 "货到人" 模式。面对订单波动、SKU 品类从数万级扩容至十万级的趋势，传统 AGV/AMR 等自动化设备虽然解决了 "搬运" 问题，但 "拣选" 环节依然面临劳动力紧缺和智能化程度不足的瓶颈。 智能分拣与码垛技术的突破：华为与拓斯达合作推出的 "工业具身智能工作站" 基于云端大模型做 3D 语义分割，在 3C 电子仓库对 5000+ SKU 进行无序拣选，单小时 1200 次循环，比传统方案提速 40%，已在东莞某头部代工厂复制 12 条线。该系统的关键指标包括 2m/s 峰值节拍、97% 以上抓取成功率、连续 24 小时作业能力。 人形机器人的全链路应用：亚马逊试用 Agility Robotics 的 Digit 机器人在 SAT1 仓库完成车厢卸货→搬运→货架管理全链路作业，无需改造场地，单班减少 2 名搬运工，2025 年计划部署 1000 台。该机器人实现了 7.5 小时连续作业、97% 任务完成率、75% 人类速度的性能指标。 多尺寸混合码垛的创新应用：南京航空航天大学与某白色家电巨头合作，基于深度强化学习的多智能体调度，机器人实时生成 "箱型 - 重量 - 重心" 最优垛型，同等产能下托盘利用率提升 18%，年节省木托盘费用 600 万元。该系统的技术指标包括 ±1cm 码垛精度、10 箱 /min 处理速度、支持 200 + 异形箱体。 端到端 VLA 技术的全球首次应用：星动纪元联合合作伙伴推出的 "具身智能物流仓储解决方案"，将全尺寸双足人形机器人星动 L7 及自研具身大脑 ERA-42 部署于 "货到人" 拣选环节，是全球首次端到端 VLA 具身模型在物流仓储场景真实落地应用。该方案通过双向交互机制，物流客户业务系统向具身模型下发精准任务信号，具身模型实时反馈作业进度与状态，形成特有的双向信号闭环。1.3 质检环节的智能化升级 具身智能在质检环节的应用正在实现从人工抽检向全自动化、高精度检测的转变，为制造业质量控制带来了革命性的变化。 高精度视觉检测技术：某新能源车企焊装车间采用机器人搭载结构光 + 双目技术，对四门两盖 182 条缝隙进行在线测量，与 MES 系统实时闭环，缺陷追溯时间从 2 小时缩短到 30 秒，年节省返工成本 1200 万元。该系统的技术指标包括 ±0.1mm 缝隙检测精度、0 漏检率、10 秒内完成整车覆盖件扫描。 多工位旋转检测模式：基于人工智能视觉检测技术实现对产品不良外观缺陷的检测判定，企业独创的基于五工位旋转检测模式 AI 视觉检测，避免了人工错检、漏检的可能，极大提升产品检测的可靠性(27)。线扫相机结合伺服旋转系统在线检测换向器外观，面阵相机结合伺服旋转和 AI 机器视觉技术，检查铁芯表面和槽楔不良，转子漆损、缺料、歪钩等外观检测(27)。 人形机器人的复杂质检任务：在汽车制造领域，搭载 GOVLA 大模型的机器人 "爱宝" 在车门质检与贴保护布环节，借助大模型协调视觉、决策与动作系统，自主执行车门识别、车门检测、漆面扫描、抓取保护布、保护布贴合等多步骤复杂任务，确保长程任务稳定操作。 跨系统信息流转的智能质检：美的荆州工厂的质检环节借助 "工厂大脑"，AI 眼镜辅助工人根据市场反馈与首检历史数据进行易错点提醒，并通过视觉技术打通研发与品质智能体，实现跨系统的信息流转。工人只需拍摄实物，系统即可自动调用研发系统的图纸进行比对，检验结果随即返回品质智能体，形成完整闭环。原本需要 15 分钟的首检环节，如今缩短至 30 秒。1.4 装配环节的精密化与柔性化 具身智能在装配环节的应用正在推动制造业向柔性化、精密化方向发展，实现了从传统刚性生产线向灵活自适应生产系统的转变。 柔性装配技术的突破：珞石机器人与某外资 Tier-1 合作的汽车门铰链柔性压装线，采用全关节力控 + 自研动力学 2000 + 参数模型，实现 0.03mm 级对位，单条产线兼容 38 种铰链，换型时间 18 分钟，直通率 99.2%。该系统的关键技术指标包括 ±0.05mm 重复定位精度、0.5N・m 级力控、切换时间≤30 分钟。 人形机器人的复杂装配作业：智平方与东风柳汽合作，搭载 GOVLA 大模型的通用智能机器人 "爱宝" 在上下料、拖拽料车、贴挡风玻璃标签、收纳保护布等多个场景开展智能化作业，覆盖汽车制造的各大关键环节。"爱宝" 拥有 34 + 自由度全身协同控制、三百六十度全域自主行动能力以及复杂长程任务操作三大核心优势，能够实现双臂、躯干与底盘的高精度联动，进行跨区域自主作业，适应汽车产线高柔性、高负载的工作环境。 双臂协同装配技术：新时达发布的行业首款工规级工业具身智能机器人 SYNDA R1 在重庆工厂承担双臂协同装配等核心工业任务，双臂配合误差控制在微米级，成功完成多组件高精度组装，解决了传统自动化设备在柔性装配中的痛点。该机器人采用全尺寸拟人化架构，身高 1.78 米、臂展 2.05 米，配备 24 个高自由度关节，作业范围可覆盖地面至 2.1 米高度，双臂负载提供 3/5/10KG 三档可选，作业范围直径达 1.95 米。 多机器人协同装配系统：优必选实现多台多场景多任务人形机器人协同实训，Walker S1 机器人分布于总装车间、SPS 仪表区、质检区及车门装配区等多个复杂场景，成功实现了协同分拣、协同搬运和精密装配等多任务协同作业(26)。Walker S1 融合采用基于视觉感知的全局初对准，以及基于力感知的强化学习二次对准技术，完成精准操作类质检任务(26)。1.5 应用效果的量化评估 具身智能在制造业各环节的应用效果已经通过大量实际案例得到了充分验证，展现出了显著的效率提升和成本节约效果。 整体效率提升数据：根据行业统计数据，装配环节良品率由 98.2% 提升至 99.6%；单条产线人力配置减少 37%，主要替代了重复性高、劳动强度大的岗位；设备综合效率（OEE）提升 12 个百分点。徐工集团引入焊接机器人后，合格率几乎达到 100%；无锡某汽车工厂通过 "柔性产线 + 具身 AGV" 模式，将产线重构时间从 72 小时压缩至 3 小时(38)。 仓储物流效率提升：华为 + 拓斯达的工业具身智能工作站比传统方案提速 40%，已在东莞某头部代工厂复制 12 条线。亚马逊的 Digit 机器人单班减少 2 名搬运工，2025 年计划部署 1000 台。南京航空航天大学的多尺寸混合码垛系统同等产能下托盘利用率提升 18%，年节省木托盘费用 600 万元。 质检环节效率革命：某新能源车企的高精度质检系统缺陷追溯时间从 2 小时缩短到 30 秒，年节省返工成本 1200 万元。美的荆州工厂的质检环节，原本需要 15 分钟的首检环节缩短至 30 秒，整体平均效率提升超过 80%，其中排产响应速度提升了 90%。 成本效益分析：从成本角度看，具身智能的应用带来了多重效益。在人力成本方面，单条产线人力配置减少 37%；在设备效率方面，OEE 提升 12 个百分点；在质量成本方面，缺陷追溯时间大幅缩短，年节省返工成本上千万元；在生产灵活性方面，产线重构时间从 72 小时压缩至 3 小时，极大提升了企业对市场需求变化的响应速度(38)。1.6 面临的技术与产业挑战 尽管具身智能在制造业展现出巨大潜力，但其大规模产业化仍面临多重挑战，需要从技术、成本、生态等多个维度协同解决。 技术层面的核心挑战包括： 算力与成本的平衡难题：具身智能需要实时处理视觉、运动、决策等多类数据，尤其引入大语言模型（LLM）后，算力需求呈指数级增长，传统方案要么性能不够，要么功耗太高，小企业难以承受(39)。大模型（如 LLM/VLA）引入导致算力需求激增，亟需高效能算力架构；多模态系统集成与协同调度复杂性高，视觉、语言、运动等多模态任务集成困难，系统冗余度高(42)。 场景泛化与适配性挑战：工业场景差异大，系统跨产线迁移时易出现性能损失；工程化应用的实时性与可靠性瓶颈，需实现毫秒级响应和长期鲁棒性，传统架构难以满足(42)。多传感器数据融合面临数据维度不一致和语义对齐问题，使制造系统具备类似人类的认知能力来理解和推理复杂制造任务仍是巨大挑战(41)。 产业层面的发展瓶颈包括： 成本控制与规模化难题：当前具身智能机器人仍未大规模量产，数十万元甚至百万元的机器人成本，并不是所有企业都能够承受的，而且还需要招纳新人才，形成了 "用不起、不会用" 的尴尬局面(43)。由于缺乏成熟的、本土化的精密致动器和减速箱生态系统，BOM（物料清单）成本居高不下，导致单位经济模型在消费级市场根本无法跑通；当试图将产量从 10 台提升到 1000 台时，缺乏低成本的硬件生态，使得边际成本无法像软件那样迅速趋零。 标准化与生态建设挑战：硬件成本高限制了大规模应用推广，将通用知识转化为实际操作的效率需要改善，跨域泛化和多智能体协作仍需突破，实现实时性能与计算成本的平衡困难(44)。开源软件平台与仿真环境建设滞后，导致开发者重复 "造轮子"，影响行业创新效率；产品同质化现象初显，部分企业缺乏核心技术却盲目跟风，可能引发行业泡沫。 安全与伦理考量：人形机器人的规模化应用带来了独特的安全风险与伦理挑战。工业场景中，机器人与人类协同作业可能引发碰撞、机械伤害等安全事故，对运动精度与应急响应能力提出极高要求；数据安全方面，机器人搭载的摄像头、传感器会采集环境与人员信息，若防护不当可能导致隐私泄露；伦理层面，"机器替代人类" 引发的就业结构变化、情感陪伴场景中的伦理边界等问题，逐渐成为社会关注焦点。二、AI for Science 在科学研究领域的革命性突破2.1 材料科学领域的 AI 驱动创新 AI 技术正在材料科学领域引发一场前所未有的革命，从根本上改变了新材料发现、设计和优化的传统模式，实现了从 "试错式" 研究向 "预测式" 创新的历史性转变。 高通量材料发现平台的突破：麻省理工学院研究团队开发的 CRESt 系统成功将人工智能、机器人技术和科学文献知识融合到一个统一的实验平台中，在短短三个月内探索了 900 多种化学物质，进行了 3500 次电化学测试，最终发现了一种创纪录的燃料电池催化剂材料(51)。该系统的核心创新在于其多模态学习能力，能够整合来自文献洞察、化学成分、微观结构图像等多种信息源，实现对材料配方的智能优化和实验规划。 CRESt 系统的技术架构包括液体处理机器人、碳热冲击系统快速合成材料、自动化电化学工作站测试、自动化电子显微镜和光学显微镜等表征设备，以及泵和气体阀等辅助设备，许多处理参数也可以调节。研究人员可以通过用户界面与 CRESt 对话，告诉它使用主动学习为不同项目寻找有前景的材料配方，CRESt 可以在其配方中包含多达 20 种前驱体分子和基底。 生成式 AI 在材料设计中的突破：微软研究院开发的 MatterGen 是一个基于扩散模型的晶体材料生成模型，相关成果发表于《自然》杂志。它是材料逆向设计领域的一项重大突破，能显著提高新型稳定材料的生成效率和定向可控性。与现有模型相比，MatterGen 生成的稳定、独特且新颖材料的比例提升了 2.9 倍，其结构接近局部能量最小值的程度更是提高了 17.5 倍。在实验验证中，模型设计的材料结构与实际合成结果高度吻合，并且能够区分具有相同成分但结构无序度不同的材料。 多元素催化剂的智能设计：在燃料电池催化剂的开发中，CRESt 系统经过三个月探索 900 多种化学物质，发现了一种由八种元素制成的催化剂材料，与纯钯这一昂贵的贵金属相比，每美元功率密度提升了 9.3 倍。在进一步测试中，即使电池中仅含前一代设备四分之一的贵金属，CRESt 的材料仍能为工作中的直接甲酸盐燃料电池提供创纪录的功率密度。这一突破为解决困扰材料科学和工程界数十年的实际能源问题提供了解决方案。 AI 辅助材料性能预测：生成式 AI 正在推动材料科学的范式转变，帮助研究人员通过第一性原理预测物质特性，更快地筛选更多材料候选者(45)。AI 技术能够从海量的材料数据库中学习结构 - 性能关系，预测新材料的各种物理、化学和机械性能，极大地加速了材料发现过程。2.2 药物研发的智能化变革 AI 技术在药物研发领域的应用正在彻底改变传统的新药开发模式，从靶点发现到临床试验的各个环节都展现出了革命性的效率提升和成本降低效果。 AI 制药平台的全面突破：2025 年 12 月 11 日，全球健康药物研发中心在北京正式推出中国自主研发的 AI 制药平台 "AI 孔明"。该平台实现了从靶点分析到成药性优化的药物研发全流程智能设计，标志着我国在人工智能赋能药物研发领域取得重大突破(52)。 临床试验阶段的显著加速：权威专家指出，AI 的介入已能显著压缩药物研发周期与成本。在药物发现和临床前研究阶段，AI 可将传统所需的 3-6 年时间缩短至 1.5-3.6 年；在耗资巨大的临床试验阶段，周期可从 6-7 年压缩至 2.4-3.5 年。整体来看，AI 有望使药物总研发周期平均缩短三分之一至一半，并将总成功率从 10% 提升至 14%(53)。 中国 AI 创新药的历史性突破：2025 年 12 月 22 日，位于中国杭州的德睿智药（MindRank）宣布正式启动其自主研发的 AI 辅助设计小分子 GLP-1 受体激动剂 MDR-001 的 III 期中国临床试验 MOBILE。这是中国第一个人工智能设计（AIDD）的药物分子进入 III 期确证性临床研究试验。该药物仅用时四年半便高效推进至 III 期临床，充分展现了 AI 在新药研发方向的硬核实力。 在已有的临床研究中，MDR-001 展示了优异的治疗潜力与卓越的安全性优势。在疗效方面，入组患者在治疗 24 周后体重下降幅度达 10.3%，远超 12 周减重幅度大于等于 5% 的早期应答门槛。在安全性方面，MDR-001 的 II 期临床试验期间无药物相关严重不良事件（SAE），因不良事件（TEAE）导致的终止治疗率仅 0.8%；试验全程未观察到心率增加风险。 全球 AI 药物研发的里程碑进展：Insilico Medicine 的特发性肺纤维化药物成为首个完全由 AI 发现和设计并进入 2 期临床试验的药物，这一突破证明了 AI 将药物开发时间线从 4-6 年缩短至可能不到 18 个月的能力(66)。Insilico 已提名超过 20 个临床前候选药物，获得 10 个研究性新药申请批准，并将 7 个项目推进到临床开发阶段，其领先疗法成为全球首个在 2a 期试验中证明疗效的 AI 发现药物，这是一个行业里程碑(68)。 多智能体虚拟生物学家系统：2025 年 6 月，由临港实验室牵头，联合上海人工智能实验室、上海交通大学、复旦大学等研发机构发布的专注于靶标发现与临床转化价值评估的多智能体虚拟疾病生物学家系统 "元生"（OriGene）的能力显著超越目前的主流基座大模型，且靶标发现能力得到前瞻性实验验证(54)。2.3 生物模拟与蛋白质研究的技术飞跃 AI 技术在生物模拟和蛋白质研究领域的突破正在为人类理解生命机制和开发新型治疗方法开辟全新的道路，从蛋白质结构预测到动态模拟，从抗体设计到基因组分析，AI 正在重塑整个生物医学研究范式。 蛋白质动态构象模拟的重大突破：微软研究院 AI for Science 团队开发的 BioEmu-1 模型融合了扩散模型架构、AlphaFold 的 Evoformer 编码器以及二阶积分采样技术。通过学习 AlphaFold 数据库的静态结构、200 多毫秒的分子动力学模拟数据及 50 万条蛋白稳定性实验数据，它仅需单张 GPU 即可每小时生成上千个独立的蛋白质结构。BioEmu-1 能够高效模拟蛋白质在发挥功能时的关键动态变化，例如隐性口袋的形成、局部解折叠以及结构域重排，成功率分别达到 70%、75% 和 80%。这一突破为理解蛋白质工作机制和加速药物研发开辟了全新的路径。 蛋白质结构预测精度的持续提升：IntFold 模型在蛋白质单体和蛋白质 - 蛋白质相互作用预测等关键任务上达到了最先进的预测精度，与 AlphaFold 3 的性能相当，同时显著优于其他当代方法(57)。5 月 23 日《Nature Biotechnology》发表的 D-I-TASSER 研究，开发了一种融合深度学习与基于统计物理能量函数力场的片段组装结构预测方法，通过整合多种深度学习空间约束及统计物理能量函数，并引入全新的结构域划分与组装模块，实现了大尺寸单结构域及多结构域蛋白质的自动化预测(61)。 抗体设计的革命性进展：华盛顿大学 David Baker 团队开发的 RFdiffusion2 模型是基于 RoseTTAFold All-Atom 架构的深度学习工具，已成为当前蛋白质从头设计领域的核心利器。2025 年，Baker 团队利用该模型设计的抗体与流感血凝素、艰难梭菌毒素 B 等靶点的结合构象契合度极高，CDR 环设计达到了原子级精度。此外，团队还利用它从头设计了针对三指毒素（3FTx）的蛇毒中和蛋白，这些蛋白具有显著的热稳定性、高亲和力，且结构与计算模型近乎原子水平一致。 范德比尔特大学 Ivelin S. Georgiev 团队提出的 MAGE 是一种无需模板即可设计多种靶标抗体的序列型蛋白质语言模型，基于在十亿级蛋白序列上预训练的自回归解码器模型 Progen2 微调而来，并经过 18507 对抗体 - 抗原序列的训练。在生成的 1000 条抗体序列中，99.1% 通过了结构完整性和人源性筛选。在针对新冠病毒的抗体设计中，20 种生成抗体里有 9 种具有结合特异性，其中 1 种的中和效价优于 10 纳克 / 毫升。 基因组基础模型的创新突破：由 Arc 研究所、斯坦福大学及 NVIDIA 等团队联合推出的 Evo-2 模型，是一款兼顾预测与生成能力的基因组基础模型，覆盖了原核生物、古菌等所有生命域。Evo-2 具备单核苷酸分辨率，并支持长达 100 万 bp 的超长上下文窗口。它无需专门训练（零样本学习）即可精准预测非编码致病变异、BRCA1 临床变异等，并能生成具有高自然度的基因组序列，自主习得外显子 - 内含子边界等生物特征。2.4 对科研范式与产业生态的深远影响 AI for Science 的突破不仅在技术层面带来了革命性进展，更在科研范式、产业生态和社会影响等多个维度产生了深远的变革。 科研范式的根本性转变：AI 技术正在推动科学研究从传统的 "假设驱动" 向 "数据驱动" 和 "AI 驱动" 的新模式转变。DeepMind 提出的自动化实验室（Automated Labs）是一种全新的研究范式和物理科研设施，基于通用模型 Gemini 架构，由 AI 系统根据现有数据生成假设并设计实验，机器人系统负责执行，机器学习模型则分析结果并确定下一步流程，实现了全流程的自动化和 7×24 小时不间断运行。这种由 AI 系统规模化执行的科研新范式，未来还有望扩展到制造、药物发现、能源优化以及任何依赖重复测试和优化的工业研发领域。 跨学科融合的加速推进：AI for Science 的发展促进了计算机科学、生物学、化学、物理学等多学科的深度融合。谷歌 DeepMind 提出的 AlphaEvolve 是一个由 Gemini 系列大语言模型驱动的进化式编码智能体，专注于通用算法的自主发现与迭代优化。它已深度融入谷歌的计算生态：优化了数据中心调度以提升资源利用率，并优化了用于下一代 TPU 芯片的芯片设计 Verilog 代码；它还提升了 AI 训练效率，使 Gemini 核心矩阵运算提速 23%，Flash Attention 机制运算最高提速 32.5%。 产业生态的全面重塑：AI 技术正在重新定义科学研究的产业链条，从基础研究到应用开发，从技术服务到商业化推广，形成了全新的创新生态系统。Future House 是由 MIT 博士 Sam Rodriques 和 Andrew White 建立的一个多智能体代理平台，核心包括四款专业代理：Crow 负责通用检索，提供简明的学术答案；Falcon 深耕文献综述，覆盖多个专业数据库；Owl 专注于回答 "前人是否做过 X" 这类问题；Phoenix 助力化学实验规划。这些智能体基于其拥有 240 亿参数的开源化学推理模型 ether-0，基准测试显示，前三者的检索精度和准确性优于主流模型，甚至超越了博士级研究人员。 对传统科研机构的冲击与机遇：AI 技术的发展对传统科研机构既是挑战也是机遇。一方面，AI 工具的普及降低了科研门槛，使得更多研究人员能够开展复杂的科学计算和模拟实验；另一方面，掌握 AI 技术的研究团队在科研效率和成果产出方面具有显著优势，传统研究模式面临被颠覆的风险。 社会影响与伦理考量：AI for Science 的快速发展也带来了一系列社会影响和伦理考量。在医疗健康领域，AI 辅助的药物研发和个性化治疗为患者带来了更多希望，但同时也引发了关于数据隐私、算法公平性、医疗责任等方面的争议。在环境保护和能源开发领域，AI 驱动的材料科学研究为解决全球性挑战提供了新的技术路径，但也需要考虑技术应用的可持续性和社会接受度。三、多智能体系统在工业复杂任务流中的协同应用3.1 技术架构与协同机制 多智能体系统（Multi-Agent System, MAS）作为分布式人工智能的重要分支，正在工业制造领域展现出强大的协同作业能力。与传统的集中式控制系统不同，MAS 通过将智能分布在多个能够独立思考、行动和协作的智能体上，实现了对复杂工业任务流的高效处理(77)。 分布式多智能体架构的核心特征：现代工业多智能体系统采用高可用、可扩展的分布式架构，通过 Agent-to-Agent（A2A）通信实现智能体间的自治与协同，并集成工业领域大模型推理引擎以增强智能决策能力。这种架构将工业生产体系中的人、机、料、法、环等要素有机连接，使具身机器人、机械臂、AMR、注塑机、摄像头、传感器等智能终端都被赋予了感知、理解、决策与行动能力。 分层社会网络架构的创新设计：云从科技提出的分层社会网络架构为多智能体协同提供了清晰的层次划分。在这一架构中，决策层（如指标问答智能体）负责下达目标，协调层（如超级知识助手）负责打通数据链路，执行层（如设备维修、安全监控智能体）负责落地操作，形成 "感知 - 决策 - 执行 - 反馈" 的完整闭环(71)。这种分层设计不仅提高了系统的可扩展性，还增强了各智能体之间的协作效率。 基于订单驱动的协同规则：奇墨科技的 Agent 管理平台为工业领域提供了 "工业场景定制包"，企业可以定制 "订单驱动的协同规则"：当新订单进入时，决策层先计算所需原料数量，调度原料配送智能体优先补给；同时根据订单 deadline 调整车床监控智能体的生产节奏，确保在 deadline 前完成；设备维护智能体则根据车床的运行时间，在生产间隙进行维护，避免停机影响进度(75)。 多智能体系统的技术组件：标准的多智能体系统由三个主要组件构成：智能体（Agents）、环境（Environment）和协调层（Coordination Layer）。每个智能体都是专门设计用于执行特定功能的 AI 实体，如分析财务交易、生成营销内容或调度维护任务(80)。在工业场景中，这些智能体需要在共享环境中协同工作，通常需要信任和长期协作，它们可能共享资源、分工合作或相互支持以提高整体性能(82)。3.2 智能制造场景的协同案例 多智能体系统在智能制造领域的应用正在重塑传统的生产模式，通过智能体间的高效协同实现了生产过程的智能化、柔性化和自主化。 美的荆州智能体工厂的全流程协同：美的荆州工厂已部署 14 个智能体，覆盖 38 个核心生产业务场景，并通过 "美的工厂大脑" 实现全流程协同。实践数据显示，在多个关键制造环节，智能体的效率远超传统人工：原本需要人工耗时数小时的任务，如今可在秒级完成，整体平均效率提升超过 80%，其中排产响应速度更是提升了 90%。 在质检环节，借助 "工厂大脑"，AI 眼镜可辅助工人根据市场反馈与首检历史数据进行易错点提醒，并通过视觉技术打通研发与品质智能体，实现跨系统的信息流转。工人只需拍摄实物，系统即可自动调用研发系统的图纸进行比对，检验结果随即返回品质智能体，形成完整闭环。原本需要 15 分钟的首检环节，如今缩短至 30 秒。 在干衣机后盖自动锁附工站，库卡 "iico 协作机器人" 与计划智能体深度协同。其通过实时上传至工厂大脑的图像，自动解析机型特征并快速匹配不同型号。即便在混流生产的复杂场景下，工厂大脑也能即时识别机型并自动更新程序，完成锁附任务。这让柔性化作业具备了接近人类般的灵活性，实现生产精准度与效率的双重提升。 青山工业数字专家团的协同实践：云从科技与青山工业合作打造的十大智能体系统，让各智能体各司其职又协同工作，形成了覆盖企业关键业务的数字专家团队。各智能体通过云从分层社会网络架构联动，在 "感知 - 决策 - 执行 - 反馈" 的完整闭环中，使青山工业相关生产环节整体效率得到显著提升(71)。 慧思开物的多本体协同作业系统：慧思开物开启了全国首个工业 "多本体、多场景、多任务自主协同作业" 系统。在需要多个机器人一起工作的厂房里，系统就像调度大师，随时按工作需要调配电工、搬运工、质检员等多个智能体协同工作。下达工作指令后，多台机器人便能商量着协同工作。比如需要单人完成的，则某个机器人就自主导航精准搬运，视觉识别智能分拣、打包和贴二维码；而需要多人完成的，它们就共同确定，比如物品数量够不够，或者互相帮助搬运更多其他的物品(72)。3.3 物流与供应链协同应用 多智能体系统在物流与供应链管理中的应用正在实现从传统的人工调度向智能化协同管理的转变，通过智能体间的高效协作大幅提升了物流效率和供应链响应速度。 联想制造领域的智能体协同：联想发布的制造领域智能体系统包括 "生产运营智能体" 和 "产品质检智能体" 两大核心组件。"生产运营智能体" 能够构建全过程数字化与透明化管理的智能工厂，实现从订单驱动、生产执行到过程优化的全场景智能协同。"产品质检智能体" 则融合自研小样本工业质检算法、视觉系统、算力平台与生态设备，支持复杂产品表面缺陷的快速检测与智能判别(73)。 该智能体系统以 AI 技术与行业经验的深度耦合为核心，实现从研发设计、生产优化、供应链协同、客服服务等关键场景的数据闭环与智能驱动(73)。通过多智能体的协同工作，联想的制造系统能够实现跨部门、跨流程的信息共享和任务协调，显著提升了整体运营效率。 广域铭岛的超级智能体矩阵：在 2025 年世界人工智能大会上，广域铭岛发布的 "Geega 工业 AI 应用平台 + 工业智造超级智能体" 组合，揭示了工业 AI 超级智能体如何通过数据标准化、知识封装与智能体协同，构建覆盖研发、生产、供应链的全链路智能决策网络。基于该平台，广域铭岛构建了覆盖 "研、产、供、销、服" 全链路的超级智能体矩阵，形成 "感知 - 决策 - 规划 - 执行" 的闭环协同网络(74)。 中科斯欧的多智能体融合服务：中科斯欧的多智能体融合服务（MCP Server）融合了自主研发的多智能体协同平台与中之杰业务 Agent 的深度集成能力。MCP Server 作为智能中枢，可实现设备、系统、人的多维度数据互联；中之杰智能业务 Agent 则通过行业知识图谱与机器学习算法，精准解析生产流程中的复杂场景(70)。3.4 能源管理与过程控制协同 多智能体系统在能源管理和工业过程控制领域的应用正在为实现高效、安全、可持续的工业生产提供新的技术路径。 智能能源调度系统：在能源管理领域，多智能体系统能够实现对复杂能源网络的智能调度和优化控制。通过多个智能体的协同工作，可以实时监测能源消耗、预测需求变化、优化能源分配，从而实现能源利用效率的最大化和成本的最小化。 工业过程的协同控制：在化工、冶金、电力等连续生产过程中，多智能体系统能够实现对多个生产环节的协同控制。每个智能体负责监控和控制特定的生产参数，通过智能体间的信息共享和协同决策，实现整个生产过程的稳定运行和优化控制。 跨企业供应链协同：多智能体系统还能够实现跨企业的供应链协同管理。通过在供应商、制造商、物流商、分销商等各个环节部署智能体，可以实现供应链信息的实时共享、需求的快速响应、库存的优化管理，从而构建起高效、灵活、可靠的供应链体系。3.5 协同效果的量化评估与价值分析 多智能体系统在工业复杂任务流中的协同应用已经通过大量实践案例验证了其显著的价值创造能力，在效率提升、成本降低、质量改善等多个维度都取得了突破性进展。 整体效率提升的量化数据：美的荆州智能体工厂的实践数据最具代表性，整体平均效率提升超过 80%，其中排产响应速度提升了 90%，原本需要人工耗时数小时的任务如今可在秒级完成。这一数据充分说明了多智能体系统在处理复杂工业任务流时的卓越性能。 质量控制的显著改善：在质检环节，通过多智能体协同，原本需要 15 分钟的首检环节缩短至 30 秒，效率提升了 30 倍。这种显著的效率提升不仅减少了人工成本，更重要的是提高了产品质量的一致性和可追溯性。 柔性生产能力的大幅增强：多智能体系统的应用使企业能够快速响应市场需求的变化。在混流生产场景下，系统能够即时识别不同型号产品并自动更新生产程序，实现了真正的柔性化生产。干衣机后盖自动锁附工站的案例显示，即便在复杂的混流生产环境中，系统也能保持高精度和高效率的生产作业。 跨系统协同的价值创造：通过智能体间的信息共享和协同决策，企业实现了跨部门、跨系统的高效协作。研发系统、生产系统、质检系统、物流系统等原本相互独立的信息孤岛被有机连接，形成了统一的智能决策网络，极大地提升了企业的整体运营效率。3.6 面临的挑战与发展趋势 尽管多智能体系统在工业应用中展现出巨大潜力，但其大规模推广仍面临技术、成本、标准化等多重挑战。 技术挑战：多智能体系统的设计和实现面临复杂的技术挑战，包括智能体间的通信协议标准化、协同决策算法的优化、实时性与可靠性的平衡等。特别是在工业场景中，系统需要满足严格的实时性要求和高可靠性标准，这对多智能体系统的技术架构提出了更高要求。 成本效益考量：多智能体系统的部署和维护成本相对较高，需要企业在初期投入大量资金用于系统开发、设备采购、人员培训等。此外，系统的复杂性也增加了维护成本和技术风险。 标准化与互操作性：目前多智能体系统缺乏统一的技术标准和接口规范，不同厂商的产品难以实现互操作。这种标准化程度的不足限制了多智能体系统的大规模推广和应用。 未来发展趋势：随着 AI 技术的不断进步和工业 4.0 的深入推进，多智能体系统在工业领域的应用将呈现以下发展趋势： 一是智能化水平的持续提升。随着大语言模型、强化学习等 AI 技术的成熟，未来的多智能体系统将具备更强的自主学习和决策能力，能够处理更加复杂的工业任务。 二是标准化与生态建设的加速推进。行业组织和标准化机构正在加快制定多智能体系统的技术标准和规范，这将促进不同厂商产品的互操作性，推动产业生态的健康发展。 三是跨行业应用的拓展。多智能体系统的应用将从制造业扩展到物流、能源、医疗、交通等更多领域，形成更加广泛的应用生态。 四是人机协同的深度融合。未来的多智能体系统将更加注重与人类工作者的协同配合，通过智能体的辅助作用提升人类工作效率，实现真正的人机协作。四、AI 基础设施市场增长与供应链分析4.1 AI 服务器市场的爆发式增长 AI 服务器作为 AI 计算的核心基础设施，正在经历前所未有的市场扩张。随着大语言模型、深度学习等 AI 应用的快速发展，AI 服务器的需求呈现出爆发式增长态势。 市场规模的快速扩张：根据高盛 2025 年 12 月的最新报告，AI 服务器基础设施的增长正在推动全球光模块需求快速扩张，2025-2027 年市场规模将分别达到 240 亿、300 亿、370 亿美元。这一增长主要由 AI 服务器的 "规模扩张（scale out）、性能升级（scale up）、跨场景延伸（scale across）" 三大趋势驱动，同时 GPU 向 ASIC 服务器的多元化发展，使得 ASIC 芯片更依赖网络能力完成推理工作，进一步扩大了对高速互联的需求。 技术演进推动市场增长：AI 服务器的技术发展呈现出几个重要趋势。首先是算力密度的持续提升，单颗 AI 芯片的热设计功耗（TDP）已经突破 1000W，对散热系统提出了极高要求；其次是互联技术的升级，从传统的 PCIe 向更高速的 CXL、InfiniBand 等技术演进；第三是存储系统的优化，高带宽内存（HBM）技术的应用成为提升 AI 训练效率的关键。 市场竞争格局的变化：在全球 AI 服务器市场中，英伟达凭借其 GPU 产品占据了主导地位，但 AMD、英特尔等传统芯片厂商也在加速推出 AI 专用芯片，试图在这一快速增长的市场中占据一席之地。中国厂商如华为、浪潮、曙光等也在 AI 服务器领域取得了重要进展，特别是在国产化替代的背景下，本土厂商的市场份额正在稳步提升。4.2 光模块市场的高速发展与技术突破 光模块作为 AI 数据中心的关键互联组件，其市场增长直接受益于 AI 算力需求的爆发式增长。高速光模块技术的不断突破正在为 AI 应用提供更高效、更经济的互联解决方案。 市场规模与增长预测：根据多家权威机构的预测，光模块市场正在经历高速增长期。2025 年全球光模块市场规模达到 240 亿美元，预计 2026 年将增长至 302 亿美元，2027 年进一步增长至 368 亿美元，年复合增长率达到 24%。其中，AI 相关的高速光模块（800G 及以上）成为增长的主要驱动力，2027 年 800G + 产品的市场规模将达到 248 亿美元，占整体市场的 67%。 高速产品的出货量激增：高盛报告显示，800G 光模块的出货量将从 2025 年的 102.9 万件激增至 2026 年的 3635.5 万件，2027 年进一步增长至 5571.3 万件；1.6T 光模块的出货量将从 2025 年的 9.6 万件增长至 2026 年的 509.1 万件，2027 年达到 1233.9 万件。这种爆发式增长反映了 AI 数据中心对高速互联的迫切需求。 技术路线的演进趋势：光模块技术正在向更高速度、更低功耗、更经济的方向发展。硅光子（SiPh）技术凭借其在高速场景下的成本优势，渗透率正在快速提升。预计硅光子方案的整体渗透率将从 2025 年的 3% 提升至 2028 年的 19%，在 3.2T 产品中将实现 100% 采用。在 800G 产品中，硅光子方案占比已达 60%，1.6T 产品中占比达到 80%。 中国厂商的全球领先地位：中国光模块厂商在全球市场中占据了重要地位。中国光模块厂商的全球市场份额从 2018 年的 32% 提升至 2023 年的 58%，中际旭创在 800G 产品的全球交付量中占比达到 35%，在 1.6T 产品上也已实现小批量出货。新易盛、光迅科技、华工科技等厂商具备全速率（100G-1.6T）量产能力，并积极布局 LPO（线性直驱）、CPO（共封装光学）等下一代技术。 供应链格局与客户分布：在主要云服务商的供应链中，中国厂商占据了重要份额。Meta 的供应商包括菲尼萨（30%-40%）、旭创（20%）、新易盛（20%-30%）；谷歌的供应商包括旭创（70%）、CloudLight（20%）、菲尼萨（10%）；微软的供应商相对分散，旭创占 20%-30%，新易盛和菲尼萨各占 10%-20%(97)。4.3 散热系统市场的技术革新与需求爆发 随着 AI 芯片功耗的急剧提升，散热系统已成为 AI 基础设施中至关重要的环节。液冷技术的快速发展正在为解决高功耗芯片的散热难题提供革命性的解决方案。 市场规模的爆发式增长：AI 服务器散热市场正在经历前所未有的增长。2025 年全球服务器散热市场规模预计为 79 亿美元，2026 年将增长至 140 亿美元，增长率达到 77%(83)。中国 AI 服务器散热市场规模预计 2025 年达到 300 亿元，复合增长率达到 46.8%(89)。这种爆发式增长主要由 AI 芯片功耗的快速提升驱动，单颗 AI 芯片的 TDP 已突破 1000W，对散热系统提出了极高要求。 液冷技术的快速普及：液冷技术因其卓越的散热效率正在快速替代传统的风冷方案。2025 年中国液冷数据中心市场规模达到 220 亿元，同比增长 120%，但渗透率还不到 10%。随着 2026 年 AI 算力中心的批量落地，液冷的渗透率预计会提升到 25%，市场规模有望突破 500 亿元(87)。 液冷技术的优势十分明显：散热效率是风冷的 10 倍以上，能轻松应对 5000 瓦甚至更高功率的服务器。2025 年国内新建 AI 算力中心的液冷渗透率已达 40%，2026 年这一比例将提升至 70%(90)。浸没式液冷的普及率从 2024 年的 20% 提升至 2025 年的 45%，数据中心 PUE（电源使用效率）降至 1.3 以下(89)。 产业链协同发展：液冷产业链正在快速成熟。东阳光与中际旭创设立合资公司，联合布局液冷产业链，东阳光的氟化冷却液与冷板组件研发能力与中际旭创的光模块散热设计能力深度融合，实现材料 + 场景的双向赋能，共同开发面向 AI 服务器的散热方案(86)。 主要厂商的市场布局：在液冷市场中，英维克、高澜股份、中石科技等企业占据了重要地位。中石科技在服务器散热领域，热模组核心零部件、TIM 材料已批量供货于主流服务器厂商，液冷散热模组正加速客户导入、产品认证和量产供货，成功切入英伟达 GB200 服务器等 AI 算力核心供应链(88)。4.4 供应链瓶颈与风险分析 AI 基础设施的快速发展也带来了严重的供应链挑战，多个关键环节出现了结构性短缺和瓶颈问题。 光芯片供应链的严重短缺：光芯片作为光模块的核心组件，其供应短缺已成为制约行业发展的最大瓶颈。100G EML 芯片、1600G 光芯片的短缺预计将持续至 2027-2028 年。磷化铟衬底材料的全球市场规模超过 50 亿元，但供应紧张问题短期内难以缓解(94)。 中国厂商正在努力提升光芯片的自给率，国产光芯片自给率从 2024 年的 10% 提升至 2025 年的 25%。华为海思硅光芯片良率超 90%，长光华芯 100G PAM4 芯片实现量产，源杰科技的 25G/100G EML 芯片毛利率达到 60%(94)。然而，在高端光芯片领域，特别是 1.6T 及以上产品，对进口芯片的依赖仍然较高。 关键材料的供应风险：AI 基础设施的建设对多种关键材料提出了巨大需求。铜作为电力传输的关键材料，供应短缺问题尤为突出。预计 2025 年精炼铜市场将面临 30.4 万吨的缺口，且这一缺口在 2026 年将进一步扩大。仅一个标准的 100 兆瓦 AI 数据中心，在不计算上游电网改造配套的情况下，就需要消耗数千吨铜(101)。 先进封装产能的严重不足：CoWoS（Chip-on-Wafer-on-Substrate）先进封装技术已成为 AI 芯片供应链的最大瓶颈。这种封装技术是将多个芯片集成在一个封装中的关键工艺，其产能严重不足已成为制约 AI 芯片大规模生产的关键因素。HBM（高带宽内存）和 2-3nm 先进制程的产能限制也将持续影响 AI 基础设施的供应，这些瓶颈将持续到 2027 年(100)。 供应链结构性问题：83% 的专家认为 "供应链没有做好充分准备来交付 AI 数据中心所需的先进冷却技术"(99)。这反映出 AI 基础设施供应链不仅存在短期的产能紧张，更存在结构性的能力不足。从 GPU、冷却器、开关设备到定制 AI 加速器和高带宽网络设备，几乎所有高需求组件都面临供应压力(103)。4.5 技术创新驱动的产业变革 面对供应链挑战，技术创新正在成为推动产业变革的关键动力，多个领域的技术突破正在重塑 AI 基础设施产业格局。 硅光子技术的产业化突破：硅光子技术正在成为解决高速光模块成本和性能问题的关键技术。中际旭创、新易盛等厂商的硅光芯片已实现量产，2025 年渗透率有望达到 50%-70%。硅光子技术不仅能够降低成本，还能提升集成度和降低功耗，是下一代光通信技术的重要发展方向。 CPO 技术的产业化进程：共封装光学（CPO）技术将光学器件与芯片封装在一起，能够显著降低系统功耗和成本。光模块厂商如旭创科技、Coherent、Neophotonics 正加速推进 CPO 样机开发，部分企业已在 2024 年三季度完成基于硅光平台的 800G CPO 模块送测，预计 2025 年进入小批量部署阶段(95)。 液冷技术的多元化发展：液冷技术正在向更高效、更经济的方向发展。除了传统的冷板式液冷，浸没式液冷、喷淋式液冷等新技术也在快速发展。同时，冷却液的种类也在不断丰富，从传统的水基冷却液到氟化冷却液，再到相变冷却液，技术路线的多元化为不同应用场景提供了更多选择。 供应链本土化的加速推进：面对供应链风险，各国都在加速推进 AI 基础设施的本土化生产。中国企业在光模块、服务器、散热系统等领域的技术实力不断提升，正在逐步减少对进口组件的依赖。同时，产业链上下游企业的协同合作也在加强，通过建立战略联盟、合资公司等方式，构建更加稳定可靠的供应链体系。4.6 未来发展趋势与投资机会 AI 基础设施市场的快速发展为投资者和产业参与者提供了巨大的机遇，同时也需要关注潜在的风险和挑战。 市场增长的持续性：根据多家机构的预测，AI 基础设施市场的高速增长将持续到 2027 年以后。光模块市场规模预计 2027 年达到 370 亿美元，液冷技术市场规模预计 2026 年突破 500 亿元。这种持续的高增长主要由 AI 应用的不断扩展和技术升级驱动。 技术演进的投资机会：技术创新将是推动市场发展的核心动力。硅光子、CPO、液冷等新技术的产业化进程将创造大量投资机会。特别是在关键技术突破和产业化应用的节点，相关企业的价值可能出现爆发式增长。 供应链重构的战略机遇：供应链的本土化和多元化趋势为企业提供了重新布局的机会。掌握核心技术、拥有完整产业链的企业将在未来竞争中占据优势地位。同时，在关键环节如光芯片、先进封装、关键材料等领域的技术突破也将带来巨大的商业价值。 风险因素的防范：投资者也需要关注潜在的风险因素。技术路线的不确定性、供应链瓶颈的持续性、市场竞争的加剧、政策环境的变化等都可能对投资回报产生影响。因此，在投资决策时需要进行全面的风险评估和多元化的投资布局。结语：把握 AI 产业变革的战略机遇 通过对具身智能、AI for Science、多智能体系统和 AI 基础设施四大领域的深入分析，我们可以清晰地看到，人工智能正在引领一场深刻的产业革命，这场革命不仅改变了技术本身，更在重塑整个经济社会的运行模式。 在制造业领域，具身智能的应用已经从实验室走向大规模产业化，在仓储、质检、装配等关键环节实现了效率的成倍提升和成本的大幅降低。特别是在 2025 年这个 "量产元年"，人形机器人的规模化部署正在加速推进，预计将在未来 3-5 年内实现更大规模的商业应用。企业应当积极拥抱这一变革，通过技术升级和流程再造，提升自身的智能制造水平。 在科学研究领域，AI for Science 正在引发一场方法论的革命，从材料科学的新材料发现到药物研发的全流程优化，从生物模拟的精准预测到复杂系统的智能分析，AI 技术正在帮助人类突破传统研究的边界，加速科学发现的进程。科研机构和企业研发部门应当充分利用 AI 工具，提升研究效率和创新能力。 在工业协同领域，多智能体系统通过分布式智能和协同作业，为解决复杂工业任务流提供了全新的技术路径。这种技术不仅提升了生产效率，更重要的是增强了系统的灵活性和适应性，为实现真正的智能制造奠定了基础。 在基础设施领域，AI 应用的爆发式增长正在推动服务器、光模块、散热系统等核心组件的技术革新和市场扩张。虽然供应链瓶颈带来了挑战，但也为技术创新和产业升级提供了机遇。企业应当在关键技术领域加大投入，通过技术突破和产业链协同，构建更加稳定可靠的 AI 基础设施体系。 面向未来，我们提出以下战略建议： 对于制造企业，应当制定清晰的 AI 转型路线图，从试点项目开始，逐步推广到全流程应用。重点关注具身智能在核心生产环节的应用，通过智能化改造提升生产效率和产品质量。同时，要重视人才培养和组织变革，确保技术应用与企业战略的有效结合。 对于科研机构，应当积极拥抱 AI for Science 的发展趋势，建立跨学科的研究团队，充分利用 AI 工具提升研究效率。特别要关注 AI 技术在解决重大科学问题中的应用，通过技术创新推动科学突破。 对于技术企业，应当在 AI 基础设施和核心技术领域加大研发投入，特别是在光芯片、先进封装、液冷技术等关键环节实现技术突破。同时，要加强产业链协同，通过战略合作构建更加稳定的供应体系。 对于投资机构，应当重点关注 AI 产业链中的高成长赛道，包括具身智能、AI 药物研发、多智能体系统、高速光模块、液冷技术等领域的头部企业和创新型公司。同时要注意风险控制，避免盲目投资和过度炒作。 AI 产业变革的浪潮已经到来，这是一次历史性的机遇。只有那些能够准确把握技术趋势、勇于创新变革、善于协同合作的企业和机构，才能在这场变革中脱颖而出，成为新时代的领导者。让我们共同努力，推动 AI 技术与实体经济的深度融合，创造更加智能、高效、可持续的未来。 参考资料 [1] 具身智能驱动柔性制造，普罗宇宙AIE2025展示工业新范式_环球网 http://m.toutiao.com/group/7580321412242473506/?upstream_biz=doubao [2] Accenture Launches “Physical AI Orchestrator” to Help Manufacturers Build Software-Defined Facilities https://newsroom.accenture.com/news/2025/accenture-launches-physical-ai-orchestrator-to-help-manufacturers-build-software-defined-facilities [3] 具身智能:2025年人形机器人的量产革命与产业重构_茶花～～ http://m.toutiao.com/group/7588333899432870463/?upstream_biz=doubao [4] 超级大脑加灵巧双手 具身机器人规模化落地 http://m.chinanews.com/wap/detail/cht/zw/10525998.shtml [5] Industries detail https://www.lingang.gov.cn/html/website/lg/English/Investment/Companies/c1903016832071168001.html [6] 跳舞、奔跑、射门具身智能开启人机共生的马拉松征程 https://www.cnii.com.cn/rmydb/202505/t20250508_656931.html [7] 2025 人形 机器人 爆发 元年 ： 技术 破冰 、 量产 落地 ， 全面 商业化 https://www.iesdouyin.com/share/video/7588872865781468451/?region=&mid=7588873079732931366&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=829s8uWSgkEWGnhwRfyN5T41CNQeaoCdExyewRCpG_Q-&share_version=280700&ts=1768824205&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [8] 深圳人形机器人拿下车厂“全职能offer” 国产具身大模型首获汽车制造全场景验证_深圳新闻网 http://www.sznews.com/news/content/mb/2025-06/08/content_31593300.htm [9] 分拣产品、搬运料箱，人形机器人在工博会上展现未来工厂形态 https://m.jfdaily.com/staticsg/wap/newsDetail?id=988246 [10] 基于具身智能的智慧工厂创新应用白皮书(2025)_搜狐网 https://m.sohu.com/a/952588979_121709768/ [11] 免训练“上岗” 成都高新区企业为智能仓储物流降本增效_上游新闻 http://m.toutiao.com/group/7592225399111778816/?upstream_biz=doubao [12] 药师 帮 与 越 疆 科技 战略 合作 取得 关键 进展 ！ 具 身 智能 落地 新 零售 场景 药师 帮 与 越 疆 科技 战略 合作 取得 关键 进展 ， # 双方 在 即时 零售 前置 药 仓 中 的 机器人 配送 产品 解决 方案 已 完成 样机 开发 和 测试 验证 ， # 进入 首 店 部署 阶段 。  双方将聚焦协作机器人及人工智能产品在医药研发、仓储、配送等核心领域的应用探索，旨在推动医药行业的智能化升级。 # 具 身 智能 # 智慧 医疗 # 智能 机器人 # 药师 帮 https://www.iesdouyin.com/share/video/7569156652985814272/?region=&mid=7569156665979800366&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=p_YTUlEHEMUamqvfBMmV6T.h1vd08SAiPpC07MPIl3c-&share_version=280700&ts=1768824227&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [13] 京东物流发布“超脑大模型2.0”和“异狼”，加速构建“人工智能+”应用生态圈_中国物流与采购杂志 http://m.toutiao.com/group/7554017446210880041/?upstream_biz=doubao [14] 会看会想会干活 智元机器人开启全球首个物流端到端自主作业直播_光明网 http://m.toutiao.com/group/7532040365038158336/?upstream_biz=doubao [15] 2025年具身大模型在智能仓储物流中的应用创新报告.docx-原创力文档 https://m.book118.com/html/2025/0819/7141065035010146.shtm [16] DHL's $737M Robot Army: How AI Transforms Warehouse Labor Economics https://www.traxtech.com/ai-in-supply-chain/dhls-737m-robot-army-how-ai-transforms-warehouse-labor-economics [17] howcanintelligentbodydevelopmentbeintegratedwiththelogisticsindustry? https://www.tencentcloud.com/techpedia/126103 [18] AI-Powered Supply Chain Management https://resources.nvidia.com/en-us-fleet-command/warehouse-logistics [19] Lab0 emerges from stealth mode to unveil ‘humanoid-inspired’ automated warehouse system https://roboticsandautomationnews.com/2025/03/03/lab0-emerges-from-stealth-mode-to-unveil-humanoid-inspired-automated-warehouse-system/89123/ [20] Case Study: Enhancing Warehouse Efficiency with Digital Twins Powered by NVIDIA Omniverse https://www.rs-online.com/designspark/case-study-enhancing-warehouse-efficiency-with-digital-twins-powered-by-nvidia-omniverse [21] AI-Agent Driven Inbound Logistics Automation https://www.crossml.com/ai-agent-driven-inbound-logistics-automation/ [22] 深圳人形机器人拿下车厂“全职能offer” 国产具身大模型首获汽车制造全场景验证_深圳新闻网 http://www.sznews.com/news/content/mb/2025-06/08/content_31593300.htm [23] 行业首款工业具身智能机器人落地重庆 新时达开启智能制造新纪元_93913虚拟现实 http://m.toutiao.com/group/7590076761203933711/?upstream_biz=doubao [24] 无锡携手华为云以具身智能驱动智能制造升级 https://www.iesdouyin.com/share/video/7537989987065711907/?region=&mid=7537990015939709742&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=j1j7vi.zTTJ0disHUC.POOmHXZ5IABO51lZEtmMCn6s-&share_version=280700&ts=1768824234&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [25] 梅卡曼德精彩亮相韩国SFAW2025，机器人AI大脑和3D视觉之眼赋能各领域智造升级 - 梅卡曼德机器人 https://www.mech-mind.com.cn/NewsStd/mkmdjclxhgSFAW2025jqrAId.html [26] 全球首例!优必选实现多台多场景多任务人形机器人协同实训 https://www.ncsti.gov.cn/kjdt/scyq/bjjjjskfq/jkdt/202503/t20250303_197203.html [27] 具身智能看高新 | 不休息、不眨眼，AI“质检员”上岗!_苏州高新区发布 http://m.toutiao.com/group/7596993240054825482/?upstream_biz=doubao [28] AI visual insights drive manufacturing efficiency gains https://www.ibm.com/think/insights/ai-visual-insights-drive-manufacturing-efficiency [29] Product Case Studies https://www.solomon-3d.com/case-studies/ [30] How Our AI Model Cut Manual Inspection Effort by 50% for a Leading Automaker https://www.orangemantra.com/case-studies/ai-model-cuts-inspection-time-auto-industry/ [31] Manufacturing Quality Control with Vision AI https://eightgen.ai/case-studies/case-study-11 [32] Improving accuracy and speed of production lines with Visual Inspection AI(pdf) https://services.google.com/fh/files/misc/manufacturing_customer_case_study_lg.pdf?authuser=2 [33] Reducing defects and downtime with AI-enabled automated inspections https://www.ibm.com/case-studies/blog/reducing-defects-and-downtime-with-ai-enabled-automated-inspections [34] 具身智能机器人多领域规模化应用赋能行业智能转型 https://www.iesdouyin.com/share/video/7584977376666357029/?region=&mid=7584977331907808042&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=1cIAaFCB1DrerqHjFmtdNv49Ap2nzbGUNE_E_UfE4TA-&share_version=280700&ts=1768824250&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [35] 2025基于具身智能的智慧工厂创新应用白皮书_搜狐网 https://m.sohu.com/a/942626007_122120704/ [36] 2025H1具身智能产业十大数据_2025h1具身智能产业十大数据调研报告-CSDN博客 https://blog.csdn.net/2501_91883294/article/details/149842524 [37] 2025 人形 机器人 爆发 元年 ： 技术 破冰 、 量产 落地 ， 全面 商业化 https://www.iesdouyin.com/share/video/7588872865781468451/?region=&mid=7588873079732931366&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=829s8uWSgkEWGnhwRfyN5T41CNQeaoCdExyewRCpG_Q-&share_version=280700&ts=1768824250&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [38] 跳舞、奔跑、射门具身智能开启人机共生的马拉松征程 https://www.cnii.com.cn/rmydb/202505/t20250508_656931.html [39] 2025基于具身智能的智慧工厂创新应用白皮书_搜狐网 https://m.sohu.com/a/945136484_121924045/ [40] Physical AI is changing manufacturing – here's what the era of intelligent robotics looks like https://www.weforum.org/stories/2025/09/what-is-physical-ai-changing-manufacturing/ [41] Embodied Intelligence Empowering Customized Manufacturing: Architecture, Opportunities, and Challenges(pdf) https://xplorestaging.ieee.org/ielx8/6287639/10820123/11009153.pdf?arnumber=11009153&isnumber=10820123 [42] 基于具身智能的智慧工厂创新应用白皮书(2025)_搜狐网 https://m.sohu.com/a/952588979_121709768/ [43] 40+产业链CEO闭门讨论:借鉴"特链"成功经验，加速机器人赛道产业化|2025 T-EDGE全球对话_钛媒体APP http://m.toutiao.com/group/7580675644451815962/?upstream_biz=doubao [44] Focusing on Embodied Intelligence at the Service Trade Fair: AI Robots Achieving Autonomous Decision-Making to Break Through Industrial Challenges_搜狐网 https://m.sohu.com/a/934478314_122328931/ [45] AI for science: Six trends powering cutting-edge research https://www.cas.org/zh-hans/resources/cas-insights/ai-for-science-trends [46] AI system learns from many types of scientific information and runs experiments to discover new materials https://news.mit.edu/2025/ai-system-learns-many-types-scientific-information-and-runs-experiments-discovering-new-materials-0925 [47] This AI-powered lab runs itself—and discovers new materials 10x faster https://www.sciencedaily.com/releases/2025/07/250714052105.htm?_bhlid=4fb1796c351c04e3cca43fa0ae9232fa8c127747 [48] AI breakthrough designs peptide drugs to target previously untreatable proteins https://www.news-medical.net/news/20250813/AI-breakthrough-designs-peptide-drugs-to-target-previously-untreatable-proteins.aspx [49] MIT and Recursion Release Boltz-2, an AI Breakthrough in Drug Discovery Modeling https://www.biopharminternational.com/view/mit-and-recursion-release-boltz-2-an-ai-breakthrough-in-drug-discovery-modeling [50] AI Across the R&D Value Chain: Drug Discovery https://www.sanofi.com/en/magazine/our-science/ai-across-the-randd-value-chain-drug-discovery [51] 科学实验迎来AI革命:机器人助手三个月内发现突破性燃料电池材料_人工智能学家 http://m.toutiao.com/group/7554289938208965172/?upstream_biz=doubao [52] 中国 自主 研发 的 AI 制药 平台 “ AI 孔明 ” 正式 发布 ， 为 新药 研发 全 流程 带来 革新 # 中国 科研 力量 以 公益 使命 驱动 创新 https://www.iesdouyin.com/share/video/7583136984848436529/?region=&mid=7377838878989813787&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=AJeObQrY56ZlXOHFJxI_BGu5IgE0GXL4c6hXVUPzqnc-&share_version=280700&ts=1768824255&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [53] 2025年中国AI制药全景图:技术突破、商业落地与生态重塑_再出发restart http://m.toutiao.com/group/7586645669524374026/?upstream_biz=doubao [54] AI赋能:从靶点发现到产业变革-健康报网——健康门户 https://www.healthnews.com.cn:2443/horizon/2025/1017/506326.html [55] AI and ML Breakthroughs Transforming Healthcare(pdf) https://genhealthconsult.ai/wp-content/uploads/2025/06/GHC-Daily-7-21-25.pdf [56] 人工智能为药物研发按下“快进键”--经济·科技--人民网 http://finance.people.com.cn/BIG5/n1/2025/0729/c1004-40531782.html [57] IntFold: A Controllable Foundation Model for General and Specialized Biomolecular Structure Prediction(pdf) https://arxiv.org/pdf/2507.02025 [58] Nature Biotechnology | D-I-TASSER:深度学习与物理模拟“联手”，蛋白质预测超越AlphaFold-腾讯新闻 https://view.inews.qq.com/k/20250526A05ZFF00?no-redirect=1 [59] AlphaFold应用新里程碑!剑桥大学团队提出AlphaFold-Metainference，精准预测无序蛋白质结构集合_蛋白质无序预测-CSDN博客 https://blog.csdn.net/HyperAI/article/details/146480503 [60] 人工 智能 前沿 （ 六 ） ： 癌症 、 阿尔 兹 海默 症 有 新希望 ？ AI 帮 人类 提前 识别 “ 坏 蛋白 ” ！ Alpha Fold 3 ， 让 新药 研发 像 开挂 一样 快 ！ # Deep Seek # 人工 智能 # AI # Chat GPT # 癌症 药物 研发 @ 人工 智能 创新 应用 https://www.iesdouyin.com/share/video/7503542195342658827/?region=&mid=7503542346319956746&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=ZfR5lgv9w8UWqMicvX6ufIswIvPyBKjAier7Xeocghk-&share_version=280700&ts=1768824267&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [61] Nat. Biotechnol. | 新一代AI模型D-I-TASSER，实现超越AlphaFold3的结构预测精度 - 智源社区 https://hub.baai.ac.cn/view/45866 [62] 深度学习与AlphaFold融合创新:突破低分辨率冷冻电镜图谱的蛋白质结构预测瓶颈 - 生物通 https://www.ebiotrade.com/newsf/2025-5/20250528142749574.htm [63] Science | 微软公司开源发布生成式AI模型BioEmu，可快速、精准预测蛋白质多种构象状态 - 智源社区 https://hub.baai.ac.cn/view/47480 [64] 多个产品进入临床后期 AI制药冲出“死亡谷”?_科创板日报 http://m.toutiao.com/group/7593675998168760884/?upstream_biz=doubao [65] Lantern Pharma Unveils Groundbreaking AI-Powered Module to Predict Activity and Efficacy of Combination Regimens in Clinical Cancer Treatment https://www.pharmafocusamerica.com/pharma-exclusives/press-releases/lantern-pharma-unveils-groundbreaking-ai-powered-module [66] AI and ML Breakthroughs Transforming Healthcare(pdf) https://genhealthconsult.ai/wp-content/uploads/2025/06/GHC-Daily-7-21-25.pdf [67] World's fastest AI-discovered medicine enters phase 2a trial https://m.chinanews.com/wap/detail/ecnszw/hesawyz5552880.shtml [68] AI spurs gene therapy, drug development https://mobile.chinadaily.com.cn/cn/html5/2025-09/30/content_014_68daf8a0ed50ccabe151a662.htm [69] 实探美的荆州智能体工厂:如何实现全流程自主协同 https://c.m.163.com/news/a/K81QLD4805199NHJ.html [70] 工博会揭秘 | MCP Server/AI一体机:打造离散制造的“智造引擎” - 中科斯欧(合肥)科技股份有限公司 https://www.china-soa.com/nd.jsp?id=214&fromMid=1453 [71] 青山工业“数字专家团”亮相中德论坛 云从科技工业智能体破局智能制造 | 云从科技 https://www.cloudwalk.cn/news/show/id/298 [72] 天工 机器人 升 任 主管 ， 赛博 员工 组团 打工 ！ 全国 首个 工业 “ 多 本体 、 多 场景 、 多 任务 自主 协同 作业 ” ， 由 慧思 开物 开启 ！  # 机器人 # 人形 机器人 # 北京 人形 机器人 创新 中心 # 慧思 开物 # 天工 机器人 # 具 身 智能 # 优 必选 # 科技 # 机器人 商演 # 机器人 租赁 @ 艾 Ai 科技 @ 艾 科技 商业 https://www.iesdouyin.com/share/video/7533181886986800435/?region=&mid=7533181910458157874&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=FgOdfheKF.nOT34ljs3kTmoxwDorXHBwSWVid3qynQg-&share_version=280700&ts=1768824276&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [73] 联想制造领域智能体发布 携手客户共筑AI新质生产力-经济参考网 _ 新华社《经济参考报》官方网站 http://www.jjckb.cn/20250529/bc008127f93d4cb693f3b0d923a83bd3/c.html [74] 工业AI超级智能体:重构制造业的“智慧中枢” https://www.geega.com/news/1008 [75] 2025年agent管理平台多智能体协同技术实践分享_搜狐网 https://m.sohu.com/a/936758874_121606208/ [76] From Automation to Autonomy: A Digital Twin Framework for transparent Agent and Human Collaboration in Industrial Multi-Agent Systems(pdf) https://elib.dlr.de/218118/1/From_Automation_to_Autonomy__A_Digital_Approach__MPDI.pdf [77] Which Industry Gain the Most from Multi-Agent Systems in 2025? https://kanerika.com/blogs/multi-agent-systems-industry-benefit/?ref=examples.tely.ai [78] 多智能体协作系统:破解跨领域复杂任务新范式_agent security link-CSDN博客 https://blog.csdn.net/yuntongliangda/article/details/148462174 [79] Unlocking complex problem-solving with multi-agent collaboration on Amazon Bedrock https://aws.amazon.com/blogs/machine-learning/unlocking-complex-problem-solving-with-multi-agent-collaboration-on-amazon-bedrock/ [80] How Multi-Agent Systems Coordinate Tasks Across Enterprise Workflows https://shieldbase.ai/blog/how-multi-agent-systems-coordinate-tasks-across-enterprise-workflows [81] Top Industries Adopting Collaborative AI Models in 2025 https://www.inoru.com/blog/top-industries-adopting-collaborative-ai-models-in-2025/ [82] How do AI agents collaborate in multi-agent systems? - Tencent Cloud https://www.tencentcloud.com/techpedia/126547 [83] 英维克 ： AI 驱动 液冷 技术 高速 增长 ， 预测 英维克 将 获得 7 % 份额 https://www.iesdouyin.com/share/video/7596331920812805382/?region=&mid=7596332172686904100&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=PXz.mdTnE2TzHjVrzemS_VYFhE0hh9orZhW8pbnSjtU-&share_version=280700&ts=1768824288&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [84] 算力“硬通货”当道 英伟达产业链狂奔_21世纪经济报道 http://m.toutiao.com/group/7544131638339404340/?upstream_biz=doubao [85] 中国人工智能服务器散热产业发展研究报告(GEPResearch2025 TFGQNYQ487921)_全球环保研究网 ♻ https://m.gepresearch.com/1190/view-873300-1.html [86] 东阳光与中际旭创设立合资公司 联合布局液冷产业链 http://www.zqrb.cn/gscy/gongsi/2025-03-02/A1740906623879.html [87] 2025是光模块的天下， 2026请关注液冷_微笑宇宙 http://m.toutiao.com/group/7588501779474645510/?upstream_biz=doubao [88] 净利飙涨90%+液冷并购!中石科技AI散热双线爆发_无心是道 http://m.toutiao.com/group/7596995701695988276/?upstream_biz=doubao [89] AI算力市场的演变趋势_雪地里的竹子 http://m.toutiao.com/group/7586359377397940751/?upstream_biz=doubao [90] 液冷能否接棒光模块?资本布局棒光模块?资本布局的核心逻辑扒清_微笑宇宙 http://m.toutiao.com/group/7587703536536879670/?upstream_biz=doubao [91] AI液冷龙头创历史新高!真能取代CPO成最强AI方向?_万象来财 http://m.toutiao.com/group/7587068701808132662/?upstream_biz=doubao [92] AI算力产业链细分赛道深度研究:PCB、光模块与液冷技术市场前景分析 *数据根据公开信息，雪球网络等平台用AI辅助收集分析，数据不对的地方请指正。投资要点AI算力基础设施建设正处于高速发展阶... https://xueqiu.com/5963406195/348093193 [93] 2025年通信行业分析:AI技术推动下的发展机遇与挑战 - 报告精读 - 未来智库 https://m.vzkoo.com/read/20250311afbc1e6d358cba141edaa04e.html [94] 光模块产业链 以下是光模块产业链的全面分析，涵盖市场规模、未来前景、上下游产业链及相关公司财务数据，基于权威行业报告和最新企业财报整理... https://xueqiu.com/3928194152/350068049 [95] 2025-2030光模块技术迭代节奏与数据中心带宽需求匹配度分析.docx-原创力文档 https://m.book118.com/html/2026/0107/6103114005012043.shtm [96] AI 算 力 驱动 需求 翻倍 ！ 800G / 1 . 6T 光 模块 缺口 大 ， 2027 年 出货 量 冲 千万 级 ？ # AI 算 力 # 高速 光 模块 # 光 芯片 # cpo # 真实 生活 分享 计划 https://www.iesdouyin.com/share/video/7594485871635206858/?region=&mid=7492249211129497636&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=MJesQekyXOvfI9Fuvy.5LWp0IjEKDHaK4z28xTjH.BQ-&share_version=280700&ts=1768824297&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D [97] 光模块纪要(非常有料的一篇)2025年 一、市场需求高增延续 市场一直认为算力硬件，特别是光模块的算力需求会下降，从数据上看，这部分有预期差，未来会有量价齐升... https://xueqiu.com/3946267131/343158015 [98] 算力基建金铲子:光模块如何驱动万亿级AI算力市场!-电子头条-EEWORLD电子工程世界 https://m.eeworld.com.cn/news_mp/XSY/a408770.jspx [99] Rush to Build AI Data Centers Pushes Global Infrastructure to Limits https://www.techrepublic.com/article/news-ai-data-center-rush/ [100] Inside the AI Bottleneck: CoWoS, HBM, and 2–3nm Capacity Constraints Through 2027 https://www.fusionww.com/insights/blog/inside-the-ai-bottleneck-cowos-hbm-and-2-3nm-capacity-constraints-through-2027 [101] 缺口约30万吨:AI基建狂潮引爆2025年铜供应危机_IT之家 http://m.toutiao.com/group/7579900839427342884/?upstream_biz=doubao [102] Growing bottlenecks pose challenge to AI frontrunners https://www.investmentexecutive.com/soundbites/equities/growing-bottlenecks-pose-challenge-to-ai-frontrunners/ [103] AI ready data centres: A new era of infrastructure planning https://www.linesight.com/insights/ai-ready-data-centres-a-new-era-of-infrastructure-planning/ [104] Why Microsoft's AI Chip Supply Chain Awaits Power https://supplychaindigital.com/news/microsofts-power-problem-ai-chips-are-sitting-in-inventory （注：文档部分内容可能由 AI 生成）

勤浩医药（苏州）股份有限公司（以下简称“勤浩医药”）向港交所主板提交上市申请，华泰国际担任独家保荐人。根据勤浩医药招股书，此次募集资金所得款项净额将用于公司核心产品GH21持续的临床研发活动及未来上市注册成本、GH56的1期及2期临床试验以及若干其他候选药物的持续临床研发活动等。 聚焦肿瘤靶向治疗难题 以自主创新为核，构筑行业竞争壁垒 成立于2014年的勤浩医药，作为国内深耕肿瘤学领域的创新型生物制药企业，围绕RAS信号通路及合成致死机制构建的差异化自主创新管线已自主开发七款候选药物，其中四款已处于临床阶段。根据招股书披露，就同一靶点的临床进展而言，该公司的多款候选药物处于全球领先地位。勤浩医药历经逾十年的发展，已打造强大的自主研发能力，覆盖研发的全链条，构建了四个自主开发的研发技术平台及三个先进的研发中心，持续向市场输出潜在同类最佳靶向治疗方案。 致力攻克难成药靶点 “RAS+合成致死”双核心布局挖掘百亿蓝海市场 截取自勤浩医药招股书 在肿瘤治疗领域，RAS被认定为致癌基因，约1/3的癌症中存在其突变，被视为“不可成药靶点”的经典难题，其在肺癌、胰腺癌、结直肠癌等高发瘤种中突变率高，相关患者长期面临治疗选择有限、耐药性突出的困境。勤浩医药精准锚定这一临床痛点打造的RAS信号传导通路管线资产GH21，不仅临床进展领跑全球，更在联合疗法领域展现出显著应用潜力。根据灼识咨询数据，2024年在中国及全球范围内，可能受益于勤浩医药GH21与其他靶向疗法的联合疗法的患者的总体年发病率分别为1.9百万例及6.4百万例，可见未来市场发展潜力巨大。随着联合疗法临床数据的逐步释放，GH21有望成为兼具临床价值与商业影响力的创新疗法药物。 根据灼识咨询数据，合成致死药物赛道展现强劲增长潜力，2024 年全球市场规模达42亿美元，预计至2033年将攀升至176亿美元，复合年增长率高达17.3%。下图载列2020年至2033年中国、美国及全球其他地区的合成致死药物市场规模。 截取自勤浩医药招股书 勤浩医药布局的创新合成致死管线，精准契合全球抗肿瘤药物研发的热门赛道与市场需求。截至目前，该公司正在开发五款通过合成致死作用发挥抗肿瘤活性的候选药物，包括处于1期临床试验阶段的MTA协同型PRMT5抑制剂GH56、处于1期临床试验阶段的KIF18A抑制剂GH2616、已获得中国国家药监局及美国FDAIND批准的MAT2A抑制剂GH31、处于临床前阶段的WRN抑制剂GH1581，以及处于临床前阶段的DHX9抑制剂GH3595。 GH56作为其中的代表性药物，目前已观察到良好的安全性和有效性，截至2025年12月31日，13名可评估受试者中有12名(92.3%)的靶病灶观察到肿瘤缩小。所有患者未报告剂量限制性毒性(DLT)，亦未发生导致治疗终止的治疗相关不良事件(TRAE)或引致死亡的不良事件(AE)。勤浩医药正在计划开发GH56的多项临床试验，包括预计在2026年第四季度于美国开展的一项一期临床试验。随着管线研发的持续推进，勤浩医药有望凭借差异化的技术优势，在全球与本土的双重市场中抢占先机，实现研发价值与商业价值的双重跃升。 四大核心技术平台 + 三大研发中心 +核心团队 构筑勤浩医药全链条创新支撑体系 强大的自主研发能力是勤浩医药持续突破的核心引擎。勤浩医药以结构生物学平台、新药发现与设计平台、成药性评价平台、转化医学平台为核心，配套苏州药物设计与开发中心、苏州药物筛选与评价研发中心、上海临床开发研发中心三个先进研发中心，全面覆盖靶点发现、药物分子设计、临床前研究、临床试验及工艺优化等关键药物开发环节，形成从基础研究到临床运营的全链条协同支撑体系，有效提升研发效率与成果转化率。 研发团队的深厚积淀为管线推进提供了关键保障。勤浩医药研发团队核心成员共40人，其中24人具备硕士或以上学历，团队由兼具行业洞察与管理经验的高级管理层领导，包括：创始人、董事会主席兼首席执行官王奎锋博士（中国科学院上海药物研究所药理学博士，入选国家“万人计划”等多项人才项目）；执行董事兼研发副总裁张贵平博士（拥有超十年创新药物研发及CMC开发经验，兼任上海交通大学行业导师）；以及执行董事兼研发副总裁李家鹏先生（在临床前研究、临床开发及质量控制方面拥有逾十年经验）。研发部门覆盖药物发现、临床前开发、CMC、临床开发、医学事务及注册申报等全流程职能，通过高效的跨职能协作，为管线推进提供关键保障，为持续研发注入源源动力。 （本文来源：日照新闻网。本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。对文章事实有疑问，请与有关方核实或与本网联系。文章观点非本网观点，仅供读者参考。）