Beijing University of Chemical Technology

即将开始—2025第三届高级酶工程与酶技术应用大会（22位专家报告） 由于酶具有反应专一性、催化效率高及反应条件温和等优点，因此在工业、农业、医药和环保等方面已经得到越来越多的应用。但总体还没有达到大规模应用的程度，其主要原因在于酶自身性质上的一些不足，如不稳定性、对pH的要求严格以及具有抗原性等等。因此，人们希望通过各种方法、按照需要定向地改造酶分子，甚至创造出自然界尚未发现的新酶，从而适合各行各业的需要。 1、改造酶分子的方法 目前改造酶分子的方法主要有两种，即化学修饰法和生物酶工程法。 化学修饰法  用化学方法对酶分子迸行改造，即体外在酶的侧链基团上接上或去掉一些化学基团，从而改变酶的物理化学性质，最后达到改变酶的催化性质的目的。 酶分子的化学修饰法技术较简单。但大多数酶经修饰后，理化及生物学性质会发生改变，因此应根据具体情况选定修饰方法，同时应注意采取一些保护性措施来尽量维持酶的稳定性及得率。 生物酶工程法  酶的化学修饰法并非改造酶的惟一手段。随着人们对酶的深入研究以及氨基酸一级结构的测定、基因重组技术的应用等，可以彻底地改造、合成并且模拟酶。这也就是生物酶工程的主要内容。生物酶工程主要包括基因工程技术生产酶和蛋白质工程技术改造酶两方面内容。 基因工程技术生产酶  自从20世纪70年代重组DNA技术建立以来，人们在很大程度上摆脱了对天然酶的依赖。基因工程的发展使得人们通过克隆可以比较容易地得到许多种天然的酶基因，并使其在微生物中高效表达，再通过发酵技术进行大规模生产。用基因工程方法生产酶可以大大降低酶产品的成本，同时可以使稀有酶的生产变得更加容易。 目前已有100多种酶基因克隆成功，包括尿激酶基因、凝乳酶基因等。其中纤维蛋白溶酶原激活剂和凝乳蛋白酶是应用基因工程获得大量酶的最成功例子。 人纤维蛋白溶酶原激活剂是一类丝氨酸蛋白酶。能使纤维蛋白溶酶原水解产生有活性的纤维蛋白溶酶，溶解血块中的纤维蛋白。临床上用于治疗血栓性疾病，促进体内血栓的溶解。利用工程菌株生产的纤维蛋白溶酶原激活剂在疗效上与人体合成的酶完全一效，目前已用于临床试验。 凝乳蛋白酶是生产乳酪的必需用酶，其来源有限。从微生物中提取的凝乳蛋白酶常会引起乳酪苦味。因此，人们克隆了小牛凝乳酶基因在酵母系统中表达，得到的凝乳酶与从小牛胃中提取的天然酶性质完全一致。 蛋白质工程技术改造酶  是在基因工程的基础上发展起来的，两者对酶工程的贡献有所区别。基因工程主要解决的是酶大量生产的问题，而蛋白质工程主要是修饰（或改造）天然蛋白质，从而获得具有新的功能的酶或创造全新的酶分子。 蛋白质工程改造酶是改变或去掉酶蛋白质一级结构中的某些氨基酸残基，从而改变酶相关的功能，使酶在不影响其他功能的前提下表现出某种新的特性。 目前酶蛋白质工程主要是用于工业用酶的改造，例如，洗衣粉中添加的枯草芽孢杆菌蛋白酶以加强去污能力，但这种酶在漂白剂的作用下易失去活性。现在利用蛋白质工程技术将酶蛋白分子中的氨基酸进行替代，使酶的抗氧化能力大大提高，因而可与漂白剂同时使用。 利用蛋白质工程还可以设计新酶。从目前蛋白质工程发展的水平来说，设计全新的酶还有一定的困难，但随着蛋白质化学、蛋白质晶体学、酶学等相关学科研究的深入，必然会使蛋白质工程发展刭一个更高的层次上。 2、改造酶分子的新思路 近年来，抗体酶的发展为酶分子设计提供了一个全新的思路。它打破了化学酶工程和生物酶工程的界限，结合了免疫学、细胞生物学、分子生物学、化学等技术，制备出具有高度底物专一性及特殊催化活力的新型催化抗体。人们预测，随着新生物工程技术和噬菌体抗体库技术的发展，将有更先进的重组技术用来直接从抗体库中筛选催化抗体。 出席嘉宾及报告情况  （排名不分先后，具体以现场为准） 孙周通  中国科学院天津工业生物技术研究所研究员报告题目：酶分子空间能力设计与生物合成 研究领域：1. 生物催化与蛋白质工程：a）生物信息学挖掘新型工业用酶；b）生物催化剂的分子定向进化改造；c）计算机(In Silico)定向进化与设计；d) 新酶新反应设计与催化机制研究。  2. 工业微生物代谢工程与合成生物学。 于浩然  浙江大学教授报告题目： 蛋白质语言模型在酶工程中的应用探索 研究方向：1. 酶分子的智能设计方法开发。 2. 探索非天然氨基酸在酶工程领域的应用。 郑高伟  华东理工大学教授报告题目：机器学习赋能亚胺还原酶的挖掘与应用 研究方向： (1) 新酶的发现与鉴定 (2) 酶的创制与改造 (3) 新酶催化机制与构效关系解析 (4) 多酶级联途径的构建与调控 (5) 酶催化过程的强化与放大 (6) 天然化合物和非天然化合物的代谢途径构建 孙明娟  海军军医大学教授报告题目：海洋天然产物代谢相关酶类的优化与作用机制解析 研究方向： 海洋天然产物代谢酶类的分子改造与功能研究酶催化机制在生物合成中的应用 陈海峰  上海交通大学教授 报告题目：基于人工智能的蛋白质酶设计及案例分析 教授，博士生导师。JCIM编委。西安交通大学本科毕业，四川大学硕士毕业，法国巴黎第七大学博士毕业。加州大学尔湾分校进行博士后研究。从事无规蛋白的精准分子力场及基于人工智能的全新蛋白质设计研究。迄今为止发表一百六十多篇SCI论文。获上海市科技进步一等奖。 研究方向‌： 基于人工智能的全新蛋白质设计（如‌GLP-1受体激动剂设计算法）。‌‌ RNA动态构象精准模拟与‌BSFF2分子力场开发。‌‌ ‌天然无序蛋白特异的溶剂模型研究（‌OPC3-B水模型）。‌‌ ‌计算机辅助创新药物设计。‌‌ 胡黔楠  武汉大学教授报告题目：人工智能大模型赋能酶元件筛选、从头设计和优化针对国民经济主战场的国家战略需求，胡黔楠博士致力于打造人工智能驱动的合成生物制造创新发展模式。曾长期在日本京都大学、美国加州大学、德国爱尔兰根纽伦堡大学等高校从事多学科交叉科学研究。在合成生物大数据、高附加值原料大数据（医药、食品、化妆品等）、一系列化学/生物信息学软件工具、基于分子结构转化的酶发现技术、生物合成从头途径设计、生物制造微生物菌株优化、以及一站式设计技术集成等方面取得了突出成绩。构建了全球最大的合成生物学反应/途径知识库，开发了中国首个从头生物合成途径智能设计工具，创建了基于百万级别分子结构和酶序列训练集的酶深度学习模型。开发的数据库服务了全球来自80多个国家的100多万用户访问。Faculty Opinions（原F1000）的数个中国member之一 周  志  江南大学教授 报告题目：新功能人工酶的设计创建与应用 研究领域： 新酶元件创制与应用：以生物酶作为催化元件的合成生物学是当前的研究热点，其中酶元件的设计和创制对合成生物学的发展有着重大的影响。本课题组主要研究通过生物和化学技术手段，高效构建新型人工酶，实现人工酶催化的非天然反应，并阐明新酶催化反应机理，扩展酶催化反应的范畴以及酶在合成生物学中的应用。近些年课题组在国际权威学术期刊发表多篇高水平论文，包括Nature Catalysis、Nature Chemistry、Angew. Chem. Int. Ed.、ACS Catalysis等。 闫振鑫  武汉瀚海新酶生物科技有限公司合成生物学研发总监 报告题目：AI辅助酶改造-生物医药行业的新质生产力 徐  鉴  浙江工业大学教授 报告题目：酶催化新功能的研究 2019年毕业于浙江大学化学系，获理学博士学位，2020年加入浙江工业大学生物工程学院。长期致力于酶催化的非天然反应构筑以及高效蛋白质工程改造策略的研究，主持国家优秀青年科学基金项目、国家自然科学基金面上项目、国家重点研发计划子课题等多项国家及省部级科研项目，在J. Am. Chem. Soc.、Nat. Commun.、Angew. Chem. Int. Ed.等国际期刊上发表论文20余篇。 王雅婕  西湖大学特聘研究员 报告题目：外场赋能高效酶系统的开发 学术成果及研究方向： 麦肯锡预测，未来生物质制造有望覆盖60-70%的化学品生产，市场规模或将达到百万亿美元级别。然而，生物催化剂在实际应用中仍面临活性低、稳定性差及反应类型有限等问题，制约了其工业化推广。传统的定向进化技术虽可优化酶的性能，但在应用范围、开发周期等方面仍存在瓶颈。为此，王雅婕课题组自立项以来，融合人工智能、合成生物学、蛋白质工程、化学与化工等多学科技术，构建“AI-BT-Chem”生物催化剂高效开发平台，以推动生物制造产业的创新发展。研究成果发表在Nature, Nature Catalysis, Nature Communications, ACS Catalysis, Green Chemistry, Chemical Review, Natural Product Report 等国际著名学术期刊。 张一飞  北京化工大学教授 报告题目：人工智能辅助的酶分子改造及应用研究 北京化工大学教授，博士生导师，国家海外高层次人才计划青年项目获得者，国家重点研发计划青年项目负责人。清华大学化学工程系学士（2010）、博士（2015），美国哥伦比亚大学博士后（2015-2020）。从事生物化工基础和应用研究，致力于发展绿色生物催化过程。在新酶设计、高效酶催化剂的制备及应用、多酶反应动力学解析、酶催化反应-传递特性研究等方面做出了系列工作。主要论文发表在Nature Catalysis (封面)、Nature Communications、Nature Reviews Chemistry、Advanced Science、ACS Nano、ACS Catalysis等期刊。担任《华东理工大学学报自然科学版》、Food Bioengineering期刊青年编委，中国化工学会生物化工青年委员会委员。担任Science、JACS、ACS Catalysis等学术期刊审稿人。曾获美国2020年布拉瓦尼克区域青年科学家奖最终提名奖，入选2024全球前2%科学家榜单。 韩葳葳  吉林大学教授 报告题目：人工智能驱动的蛋白质设计 吉林大学生命科学学院教授、博士生导师, 吉林省高层次人才。 长期从事通过人工智能和分子动力学模拟指导酶分子的理性设计、药物分子的筛选和设计。 近年来发表包括 Nat Commun在内的高水平 SCI 论文 100多篇，授权（申报）3 项发明专利。先后主持包括国家自然科学基金面上以及吉林省科技攻关项目在内的省部级项目以及横向课题等科技类项目项 10 余项。现任吉林省生物物理协会常务理事，CCF数字医学分会执行委员，中国化学学会会员，农业农村部人力资源开发中心和中国农学会“科创中国”作物材料再利用产业服务团成员。同时为Interdiscip Sci、 Int. J. Mol. Sci青年编委。获得吉林省自然成果奖二等奖两次，吉林省科技进步奖三等奖一次。 黄火清  中国农业科学院北京畜牧兽医研究所研究员 报告题目：蛋白质的高效表达及其应用 研究方向和成果：  长期从事酶蛋白高效表达菌株构建及产业化研究，完成了蛋白酶、淀粉酶、脂肪酶、植酸酶、木聚糖酶、甘露聚糖酶、葡萄糖氧化酶、过氧化氢酶等10余种饲用酶生产菌种的构建，达到行业领先水平，完成技术转让28项次，发表SCI 论文 22篇，获得授权国际专利2项，北京市科技进步一等奖、国家科学技术进步奖二等奖、以及产学研合作创新奖一等奖各1项。 王玮   华东理工大学副教授 报告题目： 构建里氏木霉细胞工厂生产酶制剂 研究方向： （1）丝状真菌生产溶菌酶、木聚糖酶、脂肪酶、天冬酰胺酶、乳酸氧化酶、糖氧化酶等工业用酶的生产平台；（2）丝状真菌生产植物甜蛋白；（3）丝状真菌生产苹果酸、衣康酸、丁二酸、聚苹果酸；（4）丝状真菌生产萜类和聚酮类物质；（5）纤维素制淀粉研究。 姜艳军  河北工业大学教授 报告题目： 酶固定化技术的研究与开发 教授，博导，化工学院副院长，河北工业大学“元光学者”计划特聘岗位教授 研究领域： 1、环境友好的化工过程；2、酶工程；3、生物催化与转化；4、化学-生物级联催化。 陈景程   华大新一产商务拓展总监 报告题目：人工智能大模型赋能酶元件筛选、从头设计和优化 于爱琴  南京药石科技股份有限公司酶催化研究员 报告题目：生物催化技术在CDMO业务和绿色减排中的践行应用 何腊平  贵州大学教授 报告题目：黑曲霉乙酰酯酶特异性催化乙酰胆碱的分子机制 贵州大学酿酒与食品工程学院教授、博士生导师，现任学院党委委员，贵州省百层次人才，贵州大学学科学术带头人 。何腊平长期从事食品贮藏保鲜与风味分析研究，主持国家自然科学基金面上项目等科研课题10项，获贵州省科技进步奖三等奖。其研究成果涉及食品贮藏保鲜、风味分析及功能菌应用研发，在《Meat Science》《Applied microbiology and biotechnology》等期刊发表论文，授权发明专利12项 。2022年在第九届全国发酵工程学术研讨会上作"高产纳豆激酶的菌株开发与应用基础研究"主题报告 。2020年参与校企合作推动生物技术新工艺研发与科技成果转化 ，2024年组织教学示范公开课活动提升教学质量 。 张荣珍 江南大学教授 报告题目：高值化学品的高效生物催化合成 教授，博士生导师，合作导师为中科院生物物理所饶子和院士，美国纽约大学博士后，主持十四五重点研发项目（首席科学家）、5项国家基金面上项目等共32个项目，潜心研究重要酶蛋白的高效表达与纯化，酶蛋白结构及构效关系，理性设计酶高效催化合成重要化学品。以第一/责任作者在 Adv Mater, EMBO J, ACS Catal, Biotech Adv, Green Chem等期刊发表论文89 篇，IF值>10的7篇，单篇IF值最高29.4，担任Front Bioeng Biotech期刊的副主编，授权国际发明专利 5 项，国家发明专利 36项，成果转让德国巴斯夫、安琪酵母、齐鲁制药等知名企业，取得显著社会经济效益。入选教育部新世纪优秀人才、江苏省六大人才高峰人才、江苏省333工程第二层次人才等。获2008年教育部高等学校技术发明一等奖、2015年江苏省科学技术二等奖（排1）、2020年安徽省科技进步二等奖（排1）、2020全国工商联A类创新成果（排1）等。 竺立哲 香港中文大学（深圳）瓦谢尔计算生物研究院副教授 报告题目：反应坐标问题与分子精细设计 研究领域： 计算生物学、生物大分子模拟、分子精细设计、增强采样与机器学习的融合、新型采样算法开发、基因编辑酶理性设计、药物特异性设计 张阿磊 南京工业大学副教授 报告题目：氨基酸羟化酶分子改造及生物合成系统构建 副教授，硕士生导师，生物化工博士，师从欧阳平凯院士。主要研究方向为以酶催化技术转化低值含氮大分子（甲壳素、硝化纤维素等）合成高值含氮化学品如材料单体、功能糖等，涉及酶挖掘、酶改造及酶催化过程强化等技术。以第一/通讯作者在生物化工领域权威期刊Green Chemistry、Chemical Engineering Journal、Carbohydrate Polymers、 Biotechnology For Biofuels等发表SCI论文30余篇，中国发明专利授权8件。 张微微 水滴农厂（苏州硕泓）公司商业拓展主管兼项目经理 报告题目：利用多肽与甜味和咸味受体的精准对接开发减糖和减盐产品 参会人员 l 生物化学、药物化学，材料化学涉及人工智能研发部门负责人； l 各科研院所人工智能领域专家学者； l 人工智能技术开发人员。 主题内容 1. 绿色生物智造与酶； 2. 酶的智能设计与改造； 3. 新酶元件挖掘与机制解析； 4. 酶系统表达与固定化； 5. 酶的高通量筛选与定向进化； 6. 酶技术开发与酶制剂的应用； 7. 酶工程领域其他先进技术分享。 时间地点 时 间：2025年12月26日-28日（26日全天报道） 地 点：杭州（详细地址直接通知报名者） 会议注册 会务费：2600元/人（含会议费、资料费、两天会议中餐等）；同一企业报名 2人以上2200 元/人；科研院所、高校2200元/人。住宿统一安排，费用自理。 展位：含2个免费代表名额及背景板，一张桌子两把椅子 企业协办、展位宣传、发言、彩页、资料发放请联系会务组咨询 电 话：13001080157（同微信）        联系人: 赵蕊    电子邮箱：zghg2012@126.com   扫码提交信息

本源量子 2025年11月20日 15:57 转自《人民日报》 部分内容由《人民日报》记者田先进整理 作者：本源量子计算科技（合肥）股份有限公司副总裁 赵雪娇 原标题：一台计算机“算”出产业链 原文链接： http://paper.people.com.cn/rmrb/pc/content/202511/20/content_30115861.html 《人民日报》2025年11月20日 13版 “十五五”规划建议提出，“前瞻布局未来产业，探索多元技术路线、典型应用场景、可行商业模式、市场监管规则，推动量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等成为新的经济增长点。”我国积极培育未来产业，为高质量发展持续注入新动能。近日，记者采访了相关领域的科研人员、企业管理者，一起来谈谈未来产业的现在进行时。 ——编  者 一台计算机“算”出产业链 赵雪娇 云飞路，是安徽合肥高新区一条东西走向的道路，虽然不长，却有一个响当当的别称——“量子大道”。在其周边，分布着众多科技企业，构建起覆盖量子计算、通信、测量全链条的产业生态。 在我们公司的实验室里，有一台白色的大型设备——我国第三代自主超导量子计算机“本源悟空”。2024年1月，“本源悟空”正式上线运行。“本源悟空”由超导量子芯片系统、量子计算测控系统、量子计算机操作软件系统等构成，国产化率超80%，其余部件也已自研备用，标志着我国超导量子计算机自主产业链基本成链。 量子计算其实已经逐渐应用于日常生活。举个例子，在蚌埠医科大学第一附属医院，医生利用“乳腺癌钼靶健康检测真机应用”系统，可以在短时间内排查出以前传统算法难以发现的早期乳腺癌潜在征象，其背后正是“本源悟空”提供的强大算力支持。 今年8月，本源量子联合中国科学技术大学、合肥综合性国家科学中心人工智能研究院，成功实现基于量子边编码技术的药物分子性质预测应用，并在“本源悟空”上完成真机验证。该技术能有效提升关键药物性质预测准确率，推动生物医药领域发展。 从实验室迈向市场，“本源悟空”已被163个国家和地区的用户访问超3700万次，成功完成74万个全球量子计算任务，涵盖流体动力学、金融、生物医药等多个领域。 合肥目前已培育集聚相关企业93家，正加快打造以“量子大道”为中轴线的产业园区，力争到2028年，量子信息集聚企业超170家，将量子产业打造成百亿元级产业集群。 （作者为本源量子计算科技（合肥）股份有限公司副总裁，本报记者田先进整理） 从“碳消耗”迈向“碳循环” 谭天伟 原料可再生、过程绿色化、产物可设计，生物制造是传统发酵产业和合成生物学前沿技术高度耦合的新型产业。面向未来，生物制造正在打开崭新的产业空间。 在医疗健康领域，依托合成生物学技术，可定制化生产基因编辑药物等精准医疗产品；在农业和食品行业，微生物蛋白合成技术构建“细胞工厂”；在化工材料行业，生物基塑料和聚合物替代传统石化产品，白色污染治理迎来曙光。生物制造还可以将二氧化碳直接转化为燃料和高端化学品，形成未来新型的工业制造路线和技术体系，推动制造业从“碳消耗”向“碳循环”跃迁。 在这场产业变革中，我国具备独特优势：生物发酵产能占全球70%以上，氨基酸、有机酸等产品产量稳居世界第一，庞大的市场规模和完整的工业体系为转型升级奠定了坚实基础。 面临的挑战也不少，比如核心菌种和关键酶创制所需的生物信息数据库和设计工具等底层技术领域存在“卡脖子”风险，高端生物反应器及关键零部件尚未实现自主可控。 大力发展生物制造产业，需要进行全链条突破： 补短板，推动生物技术与人工智能融合创新，弥补数据、软件等底层技术上的弱项，构建具有自主知识产权的数据库及软硬件保障体系，实现适配工业环境与工业原料的高性能菌种及关键酶的创制。 强供给，重构原料供给体系，提高木质纤维素、二氧化碳等原料利用水平，支撑未来生物制造规模化发展；强化国家级中试平台建设，加速技术商业化落地；创新政策“工具箱”、优化产业生态，形成一批具有国际影响力的新产品和新标准。 （作者为中国工程院院士、北京化工大学校长，本报记者谷业凯整理） “人造太阳”的梦想越来越近 刘  叶 能源是人类文明进步的基础和动力。核聚变能具备燃料丰富、环境友好、固有安全、不产生长周期放射性废物等优势。 可控核聚变，亦称“人造太阳”——模拟太阳发光发热原理，通过氢同位素氘和氚的核聚变反应释放能量。当前，全球聚变能领域已进入关键发展阶段。发达国家正加大研发投入，制定聚变能发展战略和路线图。 经过持续努力，我国可控核聚变研究实现了从跟跑到并跑、部分领域领跑的历史性跨越。可控聚变技术的突破，还将推动人工智能、高温超导、材料科学等尖端技术领域的发展。 作为我国核聚变能源开发的国家队和主力军，中核集团核工业西南物理研究院（以下简称“西物院”）已建成包括“中国环流三号”在内的一批国际先进实验装置，突破了多项关键核心技术。近期，“中国环流三号”成功实现离子温度1.2亿摄氏度、电子温度1.6亿摄氏度的“双亿度”高参数运行，创下我国聚变装置运行新纪录。 今年10月，全球首个国际原子能机构聚变能研究与培训协作中心正式落地西物院，标志着我国在全球聚变领域从积极参与者迈向重要推动者和规则制定者。我国聚变工程化实践已形成坚实基础，正朝着建设工程实验堆、商用示范堆的目标稳步迈进。预计到2027年，“中国环流三号”将开展燃烧等离子体实验，并积极推进中国聚变工程实验堆建设。预计到本世纪中叶，有望实现聚变商业发电。 我们正全力以赴，推动“人造太阳”的梦想加速照进现实。 （作者为中核集团核工业西南物理研究院党委书记，本报记者王永战整理） “心想事成”接入更多场景 李文宇 脑机接口通过在脑与机器之间建立信息通道，实现生物智能与机器智能的协同交互，是生命科学和信息科学融合发展的前沿技术。 当前，脑机接口技术正加速渗透至各领域，应用场景持续拓展。医疗领域率先落地，可助力神经功能障碍患者康复、辅助重大疾病诊疗，还能帮助瘫痪患者实现意念控制假肢等；消费电子领域，相关技术验证已完成，多款脑控智能终端上市，如意念打字AR（增强现实）眼镜、情绪监测智能头环等；工业安全领域，在地下施工、货车驾驶等场景，已开展状态监测、远程操控、协同决策等试点应用。 我国已初步构建“技术引领—产业集聚—政策保障”的良性发展格局。技术层面，介入式等新兴赛道跻身国际前沿，清华大学与博睿康合作研发的NEO系统、复旦大学的脑脊接口技术等在临床应用中取得积极成效；产业层面，区域协同布局成形，京津冀聚焦基础研究突破与创新生态构建，长三角依托医疗资源优势推进临床转化与产品落地，珠三角发挥制造业集群优势主攻硬件研发与商业化推广；政策层面，工业和信息化部等7部门联合印发《关于推动脑机接口产业创新发展的实施意见》，明确了至2030年构建具有国际竞争力的产业生态的战略目标。 推动脑机接口产业高质量发展，需聚焦三方面发力：一是强化核心技术攻关，针对高密度柔性电极、低功耗处理芯片等核心环节，建立“揭榜挂帅”机制，构建开放共享的共性技术平台，降低研发门槛；二是完善创新生态构建，推动政产学研用深度融合，加速成果转化；三是加快构建脑机接口技术伦理审查和监管框架，平衡创新发展与安全保障。 （作者为中国信通院知识产权与创新发展中心主任、脑机接口产业联盟秘书长，本报记者吕钟正整理） 人形机器人正加速“进化” 喻  超 在广东深圳鹿明机器人的实验室里，仅仅一秒钟，躺倒在地的人形机器人用“髋关节”与“膝关节”瞬间发力，一个“鲤鱼打挺”从地面弹起，稳稳站定。 这个机器人身高1.6米、体重57公斤，更高的重心带来更大挑战，它既需要强健的“肌肉”，也离不开“大脑”与“小脑”的精准配合。 我们自研了大功率、高密度的关节模组来提供爆发力，配合毫秒级的运动控制规划，并通过仿真环境中的强化学习来优化轨迹、保持稳定。这些技术为机器人完成高动态、高爆发力的动作打下了基础。 我们自研硬件和数据采集技术，不断优化硬件、降低数据成本。在场景方面，公司正与三菱电机、中远海运等产业伙伴深化合作，在质检、物流等场景中共同开发具身智能解决方案，积极拓展全球市场。 我们所在的深圳宝安区，一个“具身智能港”正加速成形，汇聚了从技术研发、生产制造到场景应用的完整产业链，形成协同发展的产业生态。这里拥有完善、高性价比且响应迅速的供应链体系，为我们的产品研发和快速迭代提供了有力支撑。 在第十五届全运会火炬传递深圳站，人形机器人奔跑着完成百米传递；在居民小区，四足机器狗进行夜间巡逻；在汽车产线上，机器人完成搬运、自主换电等任务……丰富的应用场景和旺盛的市场需求，加速了产品从实验室到商业落地的全过程。 今年深圳出台了具身智能机器人技术创新与产业发展行动计划，促进技术创新与产业发展。在多方支持下，凭借我们在技术研发与场景应用上的深厚积累，定能在具身智能领域大展身手。 （作者为鹿明机器人科技有限公司创始人、首席执行官，本报记者吕绍刚整理） 搭建智慧社会的“神经中枢” 黄永明 与5G相比，6G不仅仅是传输速度的简单提升，更是集通信与无线感知、先进计算、人工智能等技术于一体的“移动信息网络”。相较于5G侧重的“万物互联”，6G更强调跨领域融合这些技术实现“万物智联”。 在通信速率、时延和可靠性方面，6G将较5G提升10倍到100倍，形成覆盖空、天、地、海全域的连接能力，全面支撑未来智慧社会的发展，是支撑社会和工业企业数字化转型的“神经中枢”。 6G的特征体现为“一极致三融合”，即以“无所不在的网络化极致连接”为基础，发展“通感算智控（DOICT）跨界融合、卫星与地面通信融合、数字与物理世界融合”3个新方向。 在工业领域，6G不仅能够实现工业设备、传感器等海量终端的实时数据传输，还能够支持极高精度的工业控制和灵活生产；在车联网领域，6G将扮演智慧交通大脑角色，支持实现实时可靠的车路协同，大幅提升自动驾驶的安全性与效率；在低空经济领域，6G将支撑实现高密度低空飞行器的连续可靠通信、高精度感知以及多场景高效作业…… 我国在6G研发领域已构建先发优势，并加速向场景验证与标准化工作迈进。2025年紫金山实验室在江苏南京紫金山科技城建设了首个6G通智感融合外场试验网。卫星互联网的建设和应用加快推进，“手机直连卫星”技术逐渐走向大众化商业服务。 今年是6G标准化元年，预计2030年前后在我国实现商用。我们将加速推进6G技术的研发和应用，以务实姿态推进技术验证与生态构建，为中国式现代化注入澎湃数字动能。 （作者为紫金山实验室普适通信研究中心主任、东南大学教授，本报记者姚雪青整理）

剖析材料（核心是通过成分分析、结构表征、性能测试等手段解构材料本质）的应用场景贯穿材料研发、生产、质控全链条，尤其在 AI + 生物制造、新材料创新等交叉领域应用突出，以下是分类清晰的核心场景及底层逻辑： 一、基础科研与机理探索（核心目标：揭示材料本质） 应用场景 核心目的 关键手段 典型领域 材料成分解构 明确元素 / 分子组成、含量及分布 质谱（MS）、红外光谱（FTIR）、X 射线荧光（XRF） 生物材料（如微生物合成聚合物）、纳米材料 微观结构分析 观察形貌、晶型、孔隙结构等 扫描电镜（SEM）、透射电镜（TEM）、XRD 催化材料、生物医用材料 性能机理关联 建立 “成分 - 结构 - 性能” 量化关系 力学测试、电化学测试、热分析（DSC/TGA） 储能材料、生物能源载体 失效机理探究 分析材料降解 / 失效的微观原因 表面分析（XPS）、断层扫描（CT） 生物基材料、工业耗材二、新材料研发与优化（核心目标：加速迭代效率）高通量筛选 ：通过批量剖析材料样品，快速筛选符合性能要求的配方（如 AI 辅助下的生物聚合物配方筛选）。工艺优化 ：剖析不同工艺参数（温度、压力、反应时间）下的材料结构，反向优化生产工艺（如微生物合成材料的发酵工艺）。性能改性 ：针对材料短板（如强度不足、降解慢），通过剖析改性前后的结构变化，验证改性效果（如生物材料的交联改性）。新功能开发 ：解构材料的功能位点（如催化活性位点、生物相容性基团），指导新功能材料设计（如 AI 预测的高效生物催化材料）。三、工业生产与质量控制（核心目标：保障稳定性）原料质检 ：剖析原材料的成分纯度，杜绝杂质影响最终产品质量（如生物制造用的碳源 / 氮源纯度检测）。过程质控 ：实时剖析生产过程中材料的结构 / 成分变化，及时调整工艺参数（如生物基材料的连续化生产监控）。成品检测 ：验证成品材料的成分、结构、性能是否符合标准（如生物医用材料的生物相容性检测）。批次一致性验证 ：对比不同批次材料的剖析结果，确保产品稳定性（如工业级生物能源材料的批量生产）。四、交叉领域专项应用（核心目标：解决场景化难题）1. AI + 生物制造领域 剖析微生物合成材料（如 PHA、生物柴油）的成分与结构，为 AI 模型提供训练数据，优化合成路径。 解析基因编辑后微生物的代谢产物结构，验证 AI 预测的代谢调控效果。 剖析生物催化剂（酶、微生物菌群）的活性结构，指导 AI 设计高效催化体系。2. 生物能源与生物材料领域 剖析生物质原料（秸秆、藻类）的成分（纤维素、半纤维素、木质素），优化生物能源转化效率。 检测生物基材料（如可降解塑料、生物炭）的降解产物结构，评估环境安全性。 剖析储能材料（如生物基电池电极、超级电容器）的电化学性能与微观结构，提升储能效率。3. 医药与生物医用领域 剖析药物载体材料（如纳米粒、微球）的粒径分布、包封率，保障药物递送效率。 检测医用植入材料（如生物陶瓷、可降解支架）的表面结构，验证生物相容性与降解速率。 剖析疫苗 / 蛋白药物的稳定性（如结构完整性、活性保留率），指导储存条件优化。五、合规性与安全评估（核心目标：满足监管要求）成分合规性检测 ：验证材料是否含有禁用成分（如生物医用材料的重金属残留、食品接触材料的有害物质）。环境安全性评估 ：剖析材料的降解产物成分，评估其对土壤 / 水体的环境影响（如可降解生物材料的环保性检测）。安全性验证 ：针对生物材料，剖析其是否存在致敏 / 毒性成分（如微生物合成材料的内毒素检测）。六、失效分析与回收利用（核心目标：降本与环保）废旧材料回收 ：剖析废旧材料（如废弃生物塑料、废旧电池材料）的成分，指导高效回收工艺设计（如化学解聚、物理再生）。设备故障排查 ：剖析工业设备中失效的材料部件（如管道、阀门），找出磨损 / 腐蚀原因，延长设备寿命。循环利用优化 ：分析回收后材料的结构变化，优化循环利用工艺（如生物基材料的多次降解 - 再生循环）。核心应用逻辑总结 剖析材料的本质是 **“从微观解构到宏观应用” 的桥梁 **：通过精准获取材料的成分、结构数据，为科研（机理探索）、研发（效率提升）、生产（质量保障）、交叉领域（难题解决）提供可量化、可验证的科学依据，尤其在 AI + 生物制造等领域，是连接 “AI 预测” 与 “实际应用” 的关键验证手段。AI + 生物制造 & 生物能源材料领域剖析材料应用场景清单（含技术手段与 AI 结合点） 结合 AI + 生物制造、生物能源材料的核心研发与生产需求，以下是聚焦该领域的剖析材料应用场景清单，涵盖研发优化、生产质控、性能验证三大核心环节，同时明确各场景的技术手段与 AI 结合逻辑： 应用场景分类 具体应用场景 核心剖析技术手段 AI 结合点 应用价值研发优化类 生物基原料成分筛选（如秸秆、藻类、淀粉） 红外光谱（FTIR）、高效液相色谱（HPLC）、元素分析 AI 基于原料成分数据建立筛选模型，快速匹配高转化效率的生物质原料 缩短原料筛选周期 70% 以上，降低研发成本 生物催化剂（酶 / 微生物）结构与活性分析 质谱（MS）、X 射线衍射（XRD）、冷冻电镜 AI 通过催化剂结构数据构建活性预测模型，设计高活性位点的纳米催化剂 提升催化剂活性与选择性，降低生物制造反应成本 生物聚合物（如 PHA、FDCA）合成路径优化 气相色谱 - 质谱（GC-MS）、核磁共振（NMR） AI 整合合成过程的成分、工艺参数数据，拟合多变量关系模型，优化发酵 / 反应参数 实现生物聚合物一步法制备，提升收率与工艺稳定性 生物能源材料（如生物炭、生物柴油）性能设计 热重分析（TGA）、电化学测试、比表面分析（BET） AI 基于材料微观结构与性能数据，逆向设计符合储能 / 燃烧需求的材料结构 提升生物能源转化效率与储能密度生产质控类 发酵过程中代谢产物实时监测 拉曼光谱、在线质谱、生物传感器 AI 通过实时监测数据构建发酵状态识别模型，自动判定发酵阶段并调整参数 批次间误差控制在 ±10% 以内，提升产品一致性 生物基材料成品成分与纯度检测 离子色谱（IC）、X 射线荧光（XRF）、紫外 - 可见光谱（UV-Vis） AI 建立质控数据模型，自动识别成品是否符合成分标准 替代人工质检，提升检测效率与准确性 生物制造三废（废水 / 废渣）成分分析 电感耦合等离子体质谱（ICP-MS）、TOC 分析仪 AI 基于三废成分数据优化处理工艺模型，降低环保处理成本 减少三废排放，实现绿色生产性能验证类 生物基材料降解性能评估 环境扫描电镜（ESEM）、气相色谱（GC） AI 模拟材料在不同环境中的降解过程，预测降解产物与环境影响 评估生物基材料的环境安全性，指导可降解产品设计 生物医用材料（如可降解支架）生物相容性检测 细胞毒性测试、表面能分析、X 射线光电子能谱（XPS） AI 整合生物相容性数据，筛选低致敏、高适配性的材料表面结构 加速生物医用材料的临床转化进程 生物能源材料使用过程失效分析 扫描电镜（SEM）、能谱分析（EDS） AI 分析失效材料的结构、成分变化，定位失效原因并优化材料配方 延长生物能源材料的使用寿命，降低运维成本核心逻辑总结 在 AI + 生物制造与生物能源材料领域，剖析材料的核心价值是为 AI 模型提供高质量的实验 / 生产数据，实现 “材料微观解构→数据建模→AI 预测 / 优化→实际应用” 的闭环。AI 则通过对海量剖析数据的整合与分析，突破人工经验的局限，加速材料研发迭代与生产效率提升，这也是该交叉领域的核心技术融合方向。 分享一些AI+生物制造领域的剖析材料应用案例 在 AI + 生物制造领域，剖析材料的应用案例聚焦于生物基材料研发、生物催化剂优化、生物医用材料设计等核心方向，通过材料成分解构、结构表征结合 AI 建模，实现了研发效率提升与产品性能突破，以下是具体落地案例：象生科技：AI 辅助剖析 FDCA 生物基材料，实现高效制备与量产 象生科技针对生物基平台化合物 FDCA（2,5 - 呋喃二甲酸）的研发与生产，通过红外光谱、高效液相色谱等手段剖析玉米、秸秆等生物质原料的成分，以及 FDCA 合成过程中的催化剂结构与反应产物。团队基于这些剖析数据，利用 AI 构建 **“催化剂结构 - 性能” 预测模型 **，挖掘纳米催化剂的活性位点与反应能垒的关联规律，同时通过 AI 流体模拟优化微反应器的传热、传质参数，最终实现 FDCA 的一步法制备，收率和工艺稳定性大幅提升，落地了百吨级产线。该材料的氧气阻隔性是传统石化材料的 4-10 倍，可应用于高阻隔包装领域，延长食品保质期。天鹜科技：AI 剖析蛋白质结构，改造工业用酶与功能蛋白 上海天鹜科技依托自主研发的 AI 蛋白质设计大模型 AIACCLBIO，结合质谱、X 射线衍射等技术剖析天然蛋白质的氨基酸序列、空间结构与功能位点。针对工业生产中需要的耐碱蛋白，AI 通过剖析数据预测蛋白质的结构 - 功能关系，仅用 4 个月就完成了耐碱蛋白的改造，使其在 pH 值 13-14 的强碱性环境中稳定性提升 4 倍，使用寿命延长一倍，成功应用于生长激素的生产纯化环节，每年为合作企业节省成本超千万元。此外，团队还通过 AI 剖析塑料降解酶的结构，设计出耐高温的降解酶，可在 65℃下快速分解塑料瓶碎片，实现生物降解材料的高效研发。上海中医药大学：AI 指导肿瘤 ECM 生物材料的剖析与设计 上海中医药大学团队在肿瘤细胞外基质（ECM）模拟研究中，利用扫描电镜、原子力显微镜等技术剖析肿瘤 ECM 的成分、力学特性与微观结构，再通过机器学习构建生物材料配方预测模型。AI 基于剖析数据优化生物墨水的成分比例（如 GelMA、透明质酸酯的浓度），并实时调整 3D 生物打印的参数，成功制备出能精准模拟肿瘤 ECM 生化复杂性和物理特性的生物材料。该模型可用于癌症药物筛选，大幅提升了体外肿瘤研究的准确性。 AI+生物制造领域的剖析材料应用前景 在 AI + 生物制造领域，剖析材料的应用前景将围绕研发效率提升、产业规模化落地、绿色制造升级三大核心方向持续拓展，借助 AI 对材料微观结构、性能数据的深度解析与建模能力，突破传统生物制造的技术瓶颈，具体体现在以下维度：研发端：从 “试错筛选” 转向 “理性设计” 剖析材料产生的成分、结构、性能数据将成为 AI 模型训练的核心基础，未来可实现生物基材料的逆向设计。例如通过剖析生物能源材料的微观孔隙结构与储能性能的关联，AI 能直接生成符合特定储能密度要求的材料结构方案，再通过实验验证快速落地，将生物基材料研发周期从数年缩短至数月。同时，AI 结合冷冻电镜、质谱等剖析技术，可精准预测酶 / 微生物的活性位点，大幅提升生物催化剂的改造效率，像智峪生科通过 AI 剖析酶结构实现香兰素量产，仅用 18 个月完成了传统工艺数年的研发流程。生产端：实现全流程智能化质控与优化 剖析材料的实时检测数据将与生产系统深度联动，AI 可基于拉曼光谱、在线质谱等剖析手段的实时数据，动态调整发酵、合成工艺参数。例如在生物聚合物生产中，AI 通过剖析代谢产物的成分变化，自动优化发酵温度、pH 值等参数，将批次间误差控制在更低范围，同时借助 AI 分析三废成分的剖析数据，优化环保处理工艺，推动生物制造向零排放绿色生产转型。产业端：推动生物制造品类多元化与商业化 剖析材料与 AI 的结合将打破生物制造的产品边界，从单一的生物能源、生物基塑料，拓展到生物医用材料、高端香料、功能性食品等领域。如象生科技通过 AI 剖析 FDCA 材料的结构与性能，实现高阻隔包装材料的量产，并衍生出聚酰胺、环氧树脂等下游产品 ；清华大学团队借助 AI 剖析生物资源的蛋白成分，从火麻仁、大鲵中发现新型活性肽，推动医药健康产品的快速开发 。此外，剖析材料的标准化数据还将助力生物制造行业建立统一的性能评价体系，加速技术成果的商业化转化。AI + 生物制造领域剖析材料的技术发展趋势及产业落地影响 AI + 生物制造领域中，剖析材料的技术发展正朝着数据驱动的精准化、全流程的智能化、跨学科的融合化方向演进，而这一技术变革不仅重塑了生物材料研发的底层逻辑，更推动生物制造产业从 “实验室试错” 向 “工业化量产” 加速跨越，以下是具体的技术趋势与产业影响分析：一、技术发展趋势 剖析维度：从宏观成分分析走向原子级微观表征传统材料剖析多聚焦于成分占比、宏观性能测试，而当前结合 AI 的剖析技术已能通过冷冻电镜、原子力显微镜、高通量质谱等工具，获取材料的原子排布、分子间作用力、酶活性位点等微观数据。例如，清华大学团队通过 AI 整合多组学数据与蛋白结构信息，从火麻仁、大鲵等生物资源中精准鉴定出上千种蛋白与活性肽 ，实现了生物材料功能位点的原子级剖析。未来，AI 还将结合量子计算，模拟材料微观结构的动态变化，进一步突破 “结构 - 性能” 关联的解析极限。 分析方式：从人工解读转向 AI 大模型的智能挖掘生物制造领域的 AGI 大模型正成为材料剖析数据的核心处理工具 。这类模型可整合数十亿条生物分子序列、材料性能数据，自动挖掘剖析数据中的隐藏规律，例如通过 “催化剂结构 - 反应效率” 数据训练 AI，直接预测新型生物催化剂的最优结构；或是基于生物基材料的微观孔隙数据，AI 能快速匹配其适用的工业场景（如储能、包装）。相较于人工分析的耗时耗力，AI 大模型将材料剖析的数据分析效率提升数百倍，且能发现人类经验难以捕捉的关联规律。 应用模式：从单一环节剖析到全流程动态监测剖析材料的技术不再局限于研发初期的原料分析，而是延伸至生产全流程的实时监测。借助拉曼光谱、在线质谱等便携式剖析工具，结合 AI 的实时数据分析能力，可在生物发酵、材料合成过程中动态监测产物成分、微观结构的变化，AI 并据此自动调整发酵温度、pH 值等参数 。例如在微藻发酵生产生物材料时，AI 通过实时剖析藻细胞的代谢产物，优化光照、营养供给策略，实现产物产量的动态提升 。二、对产业落地的影响 研发端：大幅缩短技术转化周期AI 辅助的材料剖析技术让生物制造研发从 “试错筛选” 转向 “理性设计” 。以往从生物资源中发现活性材料、改造生物催化剂需数年时间，如今通过 AI 对剖析数据的智能分析，可在数月内完成从材料结构设计到实验室验证的全过程。例如，中国科学院过程工程研究所团队利用 AI 剖析 RNA 序列数据，将核酸药物研发周期从数年缩短至数月 ；北京化工大学团队则通过 AI 剖析微生物代谢网络，将菌株改造周期从数月压缩至几周 ，直接推动生物材料研发的工业化落地速度。 生产端：实现绿色化与规模化量产剖析材料与 AI 的结合优化了生物制造的生产工艺，推动产业向低碳、高效转型。一方面，AI 通过剖析农业废弃物、工业废气等原料的成分，设计出针对性的生物转化路径，实现 “变废为宝” 的绿色生产；另一方面，AI 基于材料剖析数据优化的发酵工艺，可将生产过程的时间与成本投入降低 60% 以上 ，例如 FDCA 生物基材料、虾青素等产品，借助 AI 剖析技术突破了量产的工艺瓶颈，实现百吨级、千吨级产线的落地。 产业格局：催生新商业模式与产品矩阵材料剖析技术的智能化升级，让生物制造企业能够快速拓展产品品类，从单一生物材料生产转向 “多元产品矩阵”。例如北京元育生物通过 AI 剖析微藻的成分与代谢规律，不仅实现微藻植物奶的量产，还开发出微藻外泌体、高纯度虾青素等衍生产品 ；上海天鹜科技则基于 AI 对酶结构的剖析，同时推出耐碱工业酶、塑料降解酶等多款生物催化剂 。这种 “技术工具化 - 产品市场化” 的快速转化，推动生物制造产业摆脱碎片化创新，形成规模化的产业生态。AI + 材料剖析技术在生物制造中的落地壁垒与突破策略 AI + 材料剖析技术在生物制造领域的落地，正面临数据基础薄弱、技术融合难度大、产业转化链条断裂等核心壁垒，这些问题既源于生物制造本身的复杂性，也来自 AI 技术与传统化工、生物工艺的适配鸿沟。针对这些壁垒，需从底层技术、产业协同、政策支持等维度制定突破策略，推动技术从实验室走向工业化应用。一、核心落地壁垒 数据层面：高质量标注数据稀缺且底层数据库自主化不足生物材料的剖析数据具有高维度、异构性、小样本特征，比如材料微观结构的电镜图像、代谢产物的质谱数据等，缺乏标准化的标注体系，导致 AI 模型难以有效学习；同时，我国生物制造领域的核心数据库（如蛋白质结构、代谢途径数据库）自给率极低，引用率前 20 的生物数据库中中国仍处空白，关键酶结构预测、代谢路径模拟等底层数据工具被欧美垄断，直接限制了 AI 模型的训练效果和通用性。 技术层面：AI 与生物制造工艺的融合适配性差一方面，材料剖析的实时性要求与 AI 模型的推理效率存在矛盾，例如生物发酵过程中，拉曼光谱的实时剖析数据需要 AI 在毫秒级完成分析并调整工艺参数，但传统云端 AI 推理的延迟难以满足生产需求；另一方面，AI 模型的 “黑箱特性” 与生物制造的工艺可解释性需求冲突，比如 AI 设计的生物催化剂结构虽能提升反应效率，却无法从生物化学角度解释其作用机制，导致工艺优化缺乏理论支撑，难以被产业端接受。 产业层面：中试放大难且核心技术 “卡脖子”实验室阶段通过 AI + 材料剖析优化的生物制造工艺，在中试和产业化放大过程中易因 “放大效应” 失效，比如实验室的小体积发酵罐工艺无法复现到工业级反应器中；同时，我国生物制造的 “芯片”—— 工业菌种知识产权占比低于 5%，核心酶制剂 75% 以上依赖进口，材料剖析技术识别出的最优菌种 / 酶无法实现自主化生产，导致技术成果难以落地。 人才层面：跨学科复合型人才缺口大AI + 材料剖析 + 生物制造的交叉领域，需要同时掌握计算机科学、材料表征技术、生物化工工艺的复合型人才，但当前高校学科设置相对独立，行业内此类人才稀缺，中小企业更是难以组建专业团队，制约了技术的本地化研发和应用。二、针对性突破策略 数据体系建设：构建标准化数据集与自主知识产权数据库推动行业建立生物材料剖析数据标注标准，整合高校、科研院所和企业的实验数据，搭建公共数据平台；同时加大对底层数据库的研发投入，突破蛋白质 / 酶结构预测、代谢途径模拟等核心算法，形成具有自主知识产权的生物制造数据工具链。此外，可采用联邦学习技术，在保护企业数据隐私的前提下，联合多中心数据训练 AI 模型，缓解小样本数据问题。 技术融合优化：推动 AI 模型轻量化与工艺可解释性提升采用边缘计算部署 AI 推理模型，将模型部署在生产现场的边缘服务器，减少数据回传云端的延迟，满足实时工艺调控需求；同时，结合生物化学理论优化 AI 模型，引入可解释性 AI 技术（如 SHAP、LIME 工具），解析 AI 模型的决策逻辑，让材料剖析的 AI 分析结果与生物制造工艺的机理相结合，提升技术的可信度。 产业协同创新：强化中试平台建设与核心技术国产化政府牵头建立生物制造中试公共服务平台，衔接实验室研发与产业生产，开发适应工业环境的分离介质、反应装备，解决工艺放大难题；同时，聚焦工业菌种、核心酶制剂等 “卡脖子” 领域，利用 AI + 材料剖析技术加速自主菌种的改造和酶的设计，比如通过 AI 剖析酶活性位点实现定向进化，降低对进口技术的依赖。 人才培养与政策支持：完善跨学科教育与产业扶持政策高校开设生物制造与人工智能交叉学科，建立产学研联合培养基地，定向输送复合型人才；政府出台专项补贴政策，对中小企业引入 AI + 材料剖析技术给予资金支持，同时设立产业基金，鼓励 AI 企业与生物制造企业共建联合实验室，加速技术成果转化。 先进产业+物理人工智能 产业智能官AI-CPS 加入知识星球“产业智能研究院”：产业OT技术（自动化+机器人+工艺+精益）和新一代IT技术（云计算+物联网+区块链+大数据+人工智能）深度融合，在场景中构建“状态感知-实时认知-自主决策-精准执行-学习提升”的物理人工智能（Physical AI）；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。 物理人工智能（Physical AI）作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态和新模式；引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。 产业智能化技术分支用来的今天，从业者必须了解如何将物理人工智能（Physical AI）全面渗入整个公司、产品、业务等商业场景中，利用物理人工智能（Physical AI）形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。 版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源，涉权烦请联系协商解决，联系、投稿邮箱：wolongzy@qq.com。