人工智能通识：理论、案例与应用 课件 第6章 人工智能＋理工农医方向应用

第6章人工智能＋理工农医方向应用人工智能通识：理论、案例与应用（慕课版在线实训平台版）

CHAPTER6深圳市坪山区，一座源于深圳大工业区、承载着“深圳未来工业看坪山”使命的制造业强区，通过持续优化投资环境、完善产业生态，以“造林”之姿吸引全球创新和产业资源要素汇聚，为区域高质量发展注入强劲动能，帮助深圳打造万亿级AI终端生态产业集群。在深圳市坪山区，人工智能技术在民生领域的渗透愈发深入，从智慧交通到市容环卫，再到房屋建造，正成为提升百姓生活质量、增进民生福祉的新引擎。百度“萝卜快跑”在坪山区累计投放的102辆无人驾驶出租车，已完成载人服务超过35万单，成为全国领先的无人驾驶商业试点之一。酷哇科技有限公司在坪山区全域全时全场景的人工智能环卫作业示范区，投放了40台全类型AI环卫作业机器人，能够适应主干道、人行道、公园广场、背街小巷等各类复杂场景，在环卫效率提高30%的基础上，成本再降低20%。坪山安居有限公司创新采用“建筑机器人+住宅造楼机”技术建房子，不但施工质量十分稳定，而且极大地减少了漆雾等对人体的伤害，入选全国首批智能建造试点城市重要支撑项目。在坪山区这片沃土上成长出“枝繁叶茂”的AI生态，绝非偶然。这得益于坪山区对于供给侧AI产业化、需求侧产业AI化的坚定决心和持续投入，得益于“先进制造基底+多元场景载体+AI生态动能”的叠加优势，得益于“专班+政策+服务”模式的全方位保驾护航。引导案例

人工智能为智慧城市建设注入新动能案例思考深圳市坪山区将人工智能技术广泛应用于无人驾驶、智能环卫、智能建造等民生场景，这体现的人工智能发展的核心价值导向是什么？谈谈科技如何真正成为增进民生福祉的“新引擎”？目录CONTENTS人工智能＋

制造业PART01PART02PART03PART04人工智能＋

航空航天人工智能＋

城市建设人工智能＋

医疗与制药人工智能通识：理论、案例与应用（慕课版在线实训平台版）

人工智能＋

农业PART05人工智能与制造业的深度融合正驱动着第四次工业革命的核心变革。这不是简单的技术叠加，而是对传统制造业研发、生产、管理、服务等全价值链的系统性重塑。通过将机器学习、计算机视觉、大数据分析等AI技术嵌入各个环节，制造业正从自动化迈向智能化，实现更高效、更柔性、更高质量和更低成本的生产模式。01.人工智能＋制造业人工智能通识：理论、案例与应用（慕课版在线实训平台版）

6.1.1智能产品研发设计在产品研发设计阶段，人工智能以“创新加速器”为核心定位，通过生成式设计等关键技术，重构企业创新路径。在需求洞察环节，AI突破传统调研的局限，依托自然语言处理与情感分析技术，从用户评论、社交媒体、客服对话等海量非结构化数据中精准捕捉潜在需求。生成式设计是AI创新的核心引擎。工程师只需要在系统中输入产品的核心约束条件，如汽车零部件的承重标准、航空材料的耐温范围、消费电子的成本上限等，生成对抗网络与拓扑优化算法便会启动自主迭代，算法会生成数千种初始设计方案，再通过多目标优化模型，在强度、重量、成本等维度反复筛选，最终输出最优解。这种方式打破了人类设计思维的定式。AI驱动的仿真与虚拟原型技术进一步压缩了研发周期。借助数字孪生技术，产品可在虚拟环境中模拟不同工况下的性能，如手机在高低温、跌落场景中的损耗，发动机在高速运转时的能耗。工程师无须制作物理样机，就能通过百万次虚拟测试优化设计，不仅使研发周期大大缩短，还降低了测试成本，使产品更快地响应市场需求。6.1.2智能生产排程传统生产排程依赖人工经验，存在明显短板：调度员需要凭记忆整合订单优先级、物料库存、设备状态等信息，制订的计划往往静态固化，一旦遭遇突发状况，如订单紧急变更、设备突发故障、物料延迟到货，或人员临时缺勤，调整计划需要反复核对数据、协调资源，不仅耗时过长，还容易因人为疏漏导致生产脱节。智能生产排程系统则以“数据驱动+算法优化”打破这一困局。更关键的是，智能生产排程系统具备毫秒级动态响应能力。当生产现场出现扰动时，如紧急插单、设备意外停机，系统可瞬间捕捉变化，自动触发重排机制，通过模拟不同调整方案（如调配备用设备、调整工序顺序、协调跨班组人员）的生产周期、成本损耗、资源占用情况，生成可视化分析报告，为管理者提供决策依据。在食品加工行业，智能生产排程系统可根据生鲜原料保质期短的特性，优先安排易变质原料的生产，减少浪费；在机械零部件加工行业，智能生产排程系统能结合设备精度差异，将高精度加工任务分配给专用设备，普通加工任务分配给通用设备，提升加工质量与设备利用率。这种从刚性计划到柔性调度的转变，让生产流程更具韧性，使企业在复杂多变的市场环境中保持高效运转。6.1.2智能生产排程6.1.3智能辅助生产在作业执行层面，协作机器人是核心应用。它们可以承担精密装配、焊接、喷涂等任务。例如，在电子行业中，协作机器人能以微米级精度完成芯片与主板的焊接，不仅提高了合格率，还能避免人工操作中因疲劳导致的精度波动；面对汽车制造中的高强度焊接工序，协作机器人可与工人协同作业，凭借抗高温机身承担危险环节，同时借助力控传感器保障人员安全。计算机视觉技术是生产过程的智能监控仪。在产品检测环节，它通过实时分析高速摄像头的视频流，能每秒识别大量电子元件，快速捕捉表面划痕、引脚偏移等微小缺陷，准确率远超人工；在食品加工中，它可实时监测烤箱温度、面团发酵状态，自动调整工艺参数，确保每批产品口感、色泽一致，避免人工把控偏差带来的质量波动。AR（AugmentedReality，增强现实）技术则优化了操作与培训流程。当工人佩戴AR眼镜时，设备拆解步骤、零件型号等数据会直接叠加在设备上，工人无须反复查阅手册，可边看边操作，大幅缩短设备维修时间；新人培训时，AR技术模拟真实生产场景，能帮助新人快速掌握复杂设备的操作规范，降低因操作不熟练导致的事故与物料浪费。人工智能还应用于智能物流与设备维护中。在智能物流中，智能搬运机器人（AutomatedGuidedVehicle，AGV）通过AI路径规划，可自动将原材料送到生产线，将成品运到仓储区，根据生产节奏动态调整配送频次，减少人工搬运成本，避免原材料短缺或成品堆积；在设备维护环节，传感器采集设备振动、温度等数据，AI通过分析数据趋势提前预测故障，如预警机床主轴磨损，在故障前推送维护提醒，大幅减少停机时间，保障生产连续运转。6.1.3智能辅助生产智能搬运机器人6.1.4智能产品质检基于计算机视觉技术，AI质检系统可以模拟人眼，但精度和速度远超人眼，实现了检测能力的质变。6.1.5智能设备运维管理在传统设备维护中，需等产生故障的设备停机后才可以进行维修，这不仅会导致生产线突然停滞，还可能因故障扩散引发更严重的设备损坏，增加维修成本。智能设备运维管理的预测性维护通过“数据采集+AI分析”实现主动运维。系统在识别出异常后，会结合故障类型、设备运行数据，精准计算设备的剩余使用寿命（RemainingUsefulLife，RUL）。6.1.6智能供应链管理在需求预测环节，AI突破传统依赖历史数据的单一模式，构建多维度分析体系。在快消行业中，AI不仅整合过去3～5年的销售数据、季节性波动规律，还会纳入实时市场趋势、宏观经济指标，甚至关联天气数据、社交媒体情绪。通过机器学习算法对这些数据的深度挖掘，AI能精准预测未来1～3个月的产品需求。在库存管理层面，AI可实现从静态备货到动态优化的转变。AI实时追踪各仓库的库存、在途货物进度、订单出库速度，结合需求预测结果自动调整库存策略：当某款家电销量突增时，AI会快速计算补货量，优先从就近仓库调配，缩短配送时间；对于滞销产品，AI则提醒企业启动促销清库，减少资金占用。在物流配送环节，AI算法会成为最优路径规划师。智能供应链管理的物流配送环节6.1.6智能供应链管理在需求预测环节，AI突破传统依赖历史数据的单一模式，构建多维度分析体系。在快消行业中，AI不仅整合过去3～5年的销售数据、季节性波动规律，还会纳入实时市场趋势、宏观经济指标，甚至关联天气数据、社交媒体情绪。通过机器学习算法对这些数据的深度挖掘，AI能精准预测未来1～3个月的产品需求。在库存管理层面，AI可实现从静态备货到动态优化的转变。AI实时追踪各仓库的库存、在途货物进度、订单出库速度，结合需求预测结果自动调整库存策略：当某款家电销量突增时，AI会快速计算补货量，优先从就近仓库调配，缩短配送时间；对于滞销产品，AI则提醒企业启动促销清库，减少资金占用。在物流配送环节，AI算法会成为最优路径规划师。AI还为供应链安全筑牢防线，通过采集供应商的生产能力、交货准时率、原材料质量、财务状况等数据，AI可以构建风险评估模型，实时监测供应商潜在风险，如某供应商近期交货延迟率上升、财务负债率过高，AI会自动发出预警，提醒企业提前寻找备选供应商，避免因单一供应商故障出现问题供应链中断，保障整个链条的稳定运转。课堂案例从“制造”到“智造”，哈电集团打造智能工厂新范式在哈尔滨电气集团有限公司（以下简称“哈电集团”）旗下的哈尔滨电机厂有限责任公司（以下简称“哈尔滨电机厂”）的冲剪数字化车间，智能化生产线高速运作，自动导引车灵活穿梭，立体库物料精准出入，检测机器人执行着毫米级精度检测任务，生产数据实时同步至制造执行系统，一个全流程数字化、智能化的现代化车间正高效运转。这仅是哈尔滨电机厂智能化转型的冰山一角，其与山东浪潮智能生产技术有限公司（以下简称“浪潮智能生产”）携手，运用人工智能、数字孪生、柔性制造等前沿数智技术，打造了集自动化产线与智能化生产单元于一体的全新生产域，构建了具备柔性生产能力的全域数字化车间与智能工厂。该项目成功入选《2025年度制造业数字化转型典型案例集》，并荣获黑龙江省工业和信息化厅“2025年省级智能工厂”称号，冲剪数字化车间也被认定为黑龙江省先进级数字化车间。哈尔滨电机厂始建于1951年，被誉为新中国发电装备制造的摇篮，其冲剪车间长期承担着水电、火电发电机定子冲片等关键部件的生产重任。近年来，该厂积极探索智能化转型，打造了全国首个定子冲片全域数字化柔性生产车间，树立了智能制造的新标杆。在车间数字化管理方面，浪潮智能生产帮助其构建了以车间控制系统、单元控制系统为核心的数字化管控平台，集成了高级计划与排程、仓储管理等11个子系统，并通过物联网数据采集与分析平台促进多源数据贯通，实现生产任务精准下发、异常自动预警及质量全程追溯，实现了车间全域数字化管理。在人工智能应用上，哈尔滨电机厂基于智产大模型，结合行业特性，搭建了数字孪生系统，建立了车间设备与行业知识库，形成了车间专业智能助手，辅助生产决策，推动生产管理向智能驱动转型。在智能物流仓储环节，浪潮智能生产为哈尔滨电机厂规划了基于5G（5thGenerationMobileCommunicationTechnology，第五代移动通信技术）通信的智能仓储物流体系，AGV覆盖全车间，大幅提高了周转效率。在视觉质检环节则引入了视觉识别检测技术，实现了0.01毫米精度的检测，大幅提高了产品检测的精度和效率。人工智能作为新一轮科技革命的核心驱动力，正深刻地改变着航空航天这一高技术领域。它通过强大的数据处理、模式识别、智能决策和自主学习能力，为航空航天器的设计、制造、运营和维护带来了革命性的变化。02.人工智能＋航空航天人工智能通识：理论、案例与应用（慕课版在线实训平台版）

6.2.1能源智慧管理在航空航天任务中，无论是飞行器在空中的持久巡航，还是航天器在遥远深空的探索，高效、智能的能源管理都直接关系到任务的成败，人工智能的介入让能源管理从被动分配升级为主动智慧管理。传统的预编程管理策略无法应对所有突发情况，可能造成能源浪费甚至能源危机，人工智能在能源智慧管理方面可以提供有效的解决方案。6.2.2材料设计与研发材料是航空航天事业的基石，传统材料研发依赖“试错法”，周期长、成本高。人工智能，特别是机器学习和计算科学的结合，正在将材料研发带入一个“按需设计”的新纪元。材料的宏观性能（如强度、韧性、耐热性）取决于其微观的原子排列、晶粒结构和相组成，这些微观世界的规律极其复杂，人工智能在材料设计与研发方面可以提供解决方案。6.2.3技术建模代理模型传统的物理仿真（如流体力学分析）虽然精确，但计算耗时巨大，AI技术可以为此创建一个高效的代理模型。具体做法是先让传统物理仿真针对一系列典型的设计方案和飞行条件进行计算，生成一个庞大的“案例数据库”，然后用这个数据库来训练一个深度学习模型，让代理模型从中学习设计参数与最终性能之间的内在规律。物理信息神经网络物理信息神经网络（Physics-Informed Neural Network，PINN）是将AI与物理学规律深度融合的前沿技术。PINN在训练时不仅依赖数据，还将控制方程（如牛顿第二定律、热力学定律）作为约束条件直接嵌入到神经网络的损失函数中。这意味着即使在某些区域缺乏实验数据，PINN的预测结果也会自动遵守基本的物理规律，从而提升外推的可靠性和泛化能力。数字孪生数字孪生体可以被理解为物理实体在虚拟世界中的数字克隆体。对于航天器数字孪生体，遍布发动机的传感器就像它的“神经”，不断将实时运行数据传递给这个克隆体，确保两者状态完全同步。而AI模型就是这个克隆体的“大脑”，它不仅负责分析海量数据，实时监控发动机的健康状况，还能进行前瞻性思考，精准预测零件的剩余寿命，甚至在虚拟世界中模拟不同操作策略可能带来的后果。6.2.3技术建模数字孪生选煤管理系统6.2.4航天任务规划智能任务调度AI优化算法在应对复杂调度难题时展现了卓越的能力，其核心原理在于模拟自然界的进化机制或群体智能行为，通过迭代优化在庞大的解空间中快速锁定近似最优解。AI调度系统的三大显著优势6.2.4航天任务规划智能任务调度AI优化算法在应对复杂调度难题时展现了卓越的能力，其核心原理在于模拟自然界的进化机制或群体智能行为，通过迭代优化在庞大的解空间中快速锁定近似最优解。自主规划飞行路径对于深空探测任务，由于通信延迟很长，探测器必须具备自主决策能力。AI可以通过在地面进行大量模拟训练，学会在复杂环境下自主规划安全、节能的飞行路径。例如，一个在小行星带飞行的探测器，可以利用AI实时识别障碍物，并自主规划绕飞路径，而不必事事等待地球指令。在轨数据处理将AI模型部署在卫星上，可以实现智能在轨处理。传统的做法是在将所有原始数据下传后，地面站再处理，这极大地占用了宝贵的星地通信链路。现在，AI可以在卫星上直接对拍摄的图像进行筛选、分类和目标识别。例如，只将包含云层覆盖度低于10%的清晰图像，或者检测到有船只漏油、冰川融化等异常现象的图像下传，这极大地提升了数据价值，节约了带宽资源。6.2.4航天任务规划课堂案例2025年5月14日，随着太空计算卫星星座在酒泉卫星发射中心成功发射，我国整轨互联太空计算星座“三体计算星座”正式进入组网阶段。中国工程院院士、之江实验室主任王坚介绍，“三体计算星座”是由之江实验室协同全球合作伙伴共同打造的千星规模的太空计算基础设施。该设施将通过在轨实时数据处理，解决传统卫星数据处理的效率瓶颈问题，推动人工智能在太空的应用与发展。本次发射的一箭12星是“三体计算星座”的首次发射，也是国星宇航“星算”计划的首次发射。该星座能够实现整轨卫星互联，并搭载了80亿参数的天基模型，可对L0-L4级卫星数据进行在轨处理，将执行异轨卫星激光接入、天文科学观测等在轨试验任务。将人工智能送上太空，我国太空计算卫星星座成功发射6.2.5航天器检测与维护异常检测与故障预测这是AI在PHM中最核心的应用。AI可以通过学习航天器在正常运行状态下海量的历史遥测数据（如温度、振动、电流、压力等），建立起一个“健康基准模型”。在实时运行中，AI持续比对实时数据与基准模型的差异，一旦发现微小的、持续偏离正常模式的异常信号，即使它还未超过任何安全阈值，系统也会立即报警。这样能提前数周甚至数月预测到诸如飞轮轴承磨损、蓄电池性能衰退等潜在故障。智能诊断与根因分析当异常或故障发生时，AI能辅助进行快速诊断。基于知识图谱或因果推理模型，AI可以将当前观测到的多种异常状况与知识库中的故障模式进行匹配，快速定位最可能的故障部件，并分析出故障传播路径，大大缩短了排除故障的时间。自适应维护规划基于AI的预测结果，维护策略可以从按时维护转变为按需维护。例如，AI预测某颗卫星的反作用飞轮在未来3个月内发生故障的风险很高，地面控制中心就可以提前规划，在风险变得临界之前，安排一个安全的时间窗口，切换到备用飞轮，或者上传新的控制软件来规避该风险。对于可重复使用的火箭，AI可以通过分析每次回收后的结构健康数据，精准判断哪些部件需要更换或维修，优化翻新流程，降低成本。城市建设是衡量社会文明进步的重要标尺，关乎居民生活品质与城市可持续发展。传统城市建设模式在规划精度、设施运维、建造效率及交通治理等方面面临诸多瓶颈，而人工智能技术的深度渗透正掀起一场深刻变革。从城市规划的科学预判、基础设施的智能运维，到智能建造的提质增效，再到自动驾驶对交通格局的重塑，AI为城市建设注入了全方位的创新动能。03.人工智能＋城市建设人工智能通识：理论、案例与应用（慕课版在线实训平台版）

6.3.1城市规划与设计在数据收集方面，无人机、传感器及物联网等技术的广泛应用，使城市数据的获取更加全面、实时。无人机可以快速采集城市的地形地貌、建筑分布等图像数据；传感器则能够实时监测交通流量、空气质量、噪声水平等信息，并将这些数据及时传输到数据中心。在数据处理阶段，机器学习算法发挥了关键作用。通过对收集到的海量数据进行清洗、分类和整合，机器学习算法可以提取有价值的信息，挖掘数据背后隐藏的规律和趋势。例如，利用聚类算法对城市人口分布数据进行分析，可以清晰地划分出不同的功能区域，为后续的土地利用规划提供重要依据。AI还能对城市的发展趋势进行模拟预测，涉及交通流量预测和城市发展模拟预测。6.3.1城市规划与设计在数据收集方面，无人机、传感器及物联网等技术的广泛应用，使城市数据的获取更加全面、实时。无人机可以快速采集城市的地形地貌、建筑分布等图像数据；传感器则能够实时监测交通流量、空气质量、噪声水平等信息，并将这些数据及时传输到数据中心。在数据处理阶段，机器学习算法发挥了关键作用。通过对收集到的海量数据进行清洗、分类和整合，机器学习算法可以提取有价值的信息，挖掘数据背后隐藏的规律和趋势。例如，利用聚类算法对城市人口分布数据进行分析，可以清晰地划分出不同的功能区域，为后续的土地利用规划提供重要依据。AI还能对城市的发展趋势进行模拟预测，涉及交通流量预测和城市发展模拟预测。在土地利用规划中，AI可以根据城市发展目标、人口增长趋势、生态保护要求等多方面因素，优化土地利用布局，提高土地利用效率。在公共空间规划方面，AI能够分析市民的活动规律和需求，合理规划公园、广场等公共空间的位置和规模，提升居民的生活品质。6.3.2城市基础设施建设与维护在建设阶段，AI可以通过对大量历史工程数据、地理信息数据、材料性能数据等进行深度学习，实现工程设计的优化。6.3.2城市基础设施建设与维护在建设阶段，AI可以通过对大量历史工程数据、地理信息数据、材料性能数据等进行深度学习，实现工程设计的优化。在施工进度管理中，借助物联网传感器收集施工现场的实时数据，AI可以对施工进度进行实时监控和预测。一旦发现某个施工环节可能出现延误，系统会及时发出预警，并提供相应的解决方案，如调整施工资源分配、优化施工工序等，确保项目按时交付。进入维护阶段，智能化设施管理平台成为基础设施的智能管家，通过在各类基础设施中部署大量传感器，如桥梁的应力传感器、水管的压力传感器、电力设备的温度传感器等，实现对设施运行状态的实时监测，AI利用机器学习算法对数据进行分析，能够及时发现设施的异常情况。桥梁的动态信号传感器6.3.2城市基础设施建设与维护在建设阶段，AI可以通过对大量历史工程数据、地理信息数据、材料性能数据等进行深度学习，实现工程设计的优化。在施工进度管理中，借助物联网传感器收集施工现场的实时数据，AI可以对施工进度进行实时监控和预测。一旦发现某个施工环节可能出现延误，系统会及时发出预警，并提供相应的解决方案，如调整施工资源分配、优化施工工序等，确保项目按时交付。进入维护阶段，智能化设施管理平台成为基础设施的智能管家，通过在各类基础设施中部署大量传感器，如桥梁的应力传感器、水管的压力传感器、电力设备的温度传感器等，实现对设施运行状态的实时监测，AI利用机器学习算法对数据进行分析，能够及时发现设施的异常情况。基于AI的预测性维护技术更是让设施维护从被动应对转变为主动预防。通过对设施历史运行数据和实时监测数据的分析，AI可以预测设施可能出现故障的时间和部位，提前安排维护人员进行针对性维护，避免设施突发故障带来的损失。AI还被广泛应用于城市基础设施的安全监测和节能减排方面。在安全监测方面，AI利用计算机视觉技术对交通监控视频进行分析，能够及时发现交通事故、道路损坏等安全问题；在节能减排方面，AI可以优化能源分配和使用，根据实时需求调整电力、燃气等能源的供应，降低能源损耗。6.3.3智能建造技术建筑信息模型（BuildingInformationModeling，BIM）技术是其中的核心技术之一，它通过建立三维数字化模型，整合建筑项目全生命周期的各种信息，实现设计、施工、运维等各阶段的信息共享和协同工作，有效避免了传统模式下各参与方信息沟通不畅导致的问题，大幅提高了项目的整体效率和质量。

建筑机器人的应用也越来越广泛，它们能在一些危险、繁重或高精度要求的工作中替代人工，如砌墙机器人可以快速、精准地完成墙体砌筑工作，不仅提高了施工效率，还保障了施工安全；焊接机器人能够实现高质量的钢结构焊接，提升焊接质量的稳定性。智能建造技术还借助物联网技术实现施工现场的设备、材料、人员等的实时监控和管理，通过大数据分析对施工进度、质量、安全等进行预测和优化，利用3D打印技术实现复杂建筑构件的快速制造等。传统建筑模式存在效率低下、资源浪费严重、施工安全风险高、质量难以精准把控等问题，已难以满足现代社会的发展需求。而人工智能、大数据、物联网等新兴技术的涌现，为建筑行业的变革提供了强大的技术支撑。智能建造技术应运而生。在实际应用中，智能建造技术包含多项关键技术。6.3.4自动驾驶自动驾驶是指车辆能够依据自身设备对周围环境进行感知、理解，根据用户需求自动规划行驶路线，自行进行运动控制，实现安全、舒适、高效行驶的技术。这一技术融合了计算机技术、通信技术、信号处理技术、传感器技术等多领域知识，宛如给车辆赋予了一颗智能大脑，使其能够在复杂的交通环境中代替人类驾驶员做出决策和操作。6.3.4自动驾驶在城市交通中，自动驾驶有着丰富的应用场景。在缓解交通拥堵方面，自动驾驶车辆通过车与车、车与基础设施之间的信息交互，能实时获取交通流量信息，自动规划最优路线，避开拥堵路段，提高道路的整体通行效率。自动驾驶6.3.4自动驾驶在城市交通中，自动驾驶有着丰富的应用场景。在缓解交通拥堵方面，自动驾驶车辆通过车与车、车与基础设施之间的信息交互，能实时获取交通流量信息，自动规划最优路线，避开拥堵路段，提高道路的整体通行效率。在公交系统中，自动驾驶公交能根据实时交通情况动态调整公交线路，实现精准到站，减少乘客等待时间，同时还能降低人力成本，提高运营效率。在货物配送领域，自动驾驶配送车辆能够快速、准确地完成货物配送任务，尤其是在高峰时段，它们可以避开拥堵路段，确保货物及时送达，有效提高城市配送效率，降低物流成本。自动泊车系统的应用也大大缓解了城市停车难的问题，它能帮助驾驶员快速找到停车位并完成泊车操作，不仅节省了驾驶员的时间和精力，还提高了停车场的利用率。自动泊车课堂案例科金信息，AI+数据驱动赋能数字济南建设在济南市“工业强市”战略推动下，历下区聚焦电子信息、现代医药两大产业集群，通过数字基建与产业协同，构建起高质量发展生态。作为区域数字转型的核心力量，济南科金信息技术有限公司（以下简称“科金信息”）以“先进数字化建设运营商”为定位，通过算力赋能、智慧治理与数据资产化三大路径，成为数字济南建设的标杆企业。科金信息投资6.95亿元建设的济南人工智能计算中心首期100P算力已投入运营，采用全栈国产化技术，集成DeepSeek大模型开发7大AI应用助手，为生物医药、智能制造等领域企业提供全周期服务。其开发的企业注册信息查询产品上架济南公共数据运营平台，日均调用量超万次，为市场主体提供高效数据支持。2024年，历下区软件产业规模突破800亿元，信创产业获评山东省“雁阵型”集群，科金信息对此功不可没。科金信息构建“一云、两网格、五专题、N场景”运营体系，推动城市治理精准化。其区级城市智慧管理平台接入11个市区系统，汇聚1530万条数据，覆盖社会治理、城市管理等领域，通过7个场景规划与9类智能算法，将“大城管”从蓝图变为现实。自研的“科信云仓”产品以模块化设计与低代码技术，为园区、物业等场景提供一站式解决方案，帮助企业成本降低30%，效率提高40%。此外，“经济大脑”“智慧CBD”等20余个政务标杆场景，提供城市体征监测、应急指挥调度等服务，成为城市治理的“智慧中枢”。科金信息推出“科信数仓”数据中台及“米均效应”管理平台，集成政务、经济、民生等多源数据，开发针对性应用场景。例如，通过分析企业能耗与产出比，为政府优化产业布局提供决策依据。公司依托37项软件著作权、4项专利及3项ISO（InternationalOrganizationforStandardizaiton，国际标准化组织）认证，获评“省级专精特新中小企业”，其信创云解决方案获评山东省优秀

案例。未来，科金信息将持续深化人工智能与数据资产化应用，探索智慧城管、无人驾驶等前沿技术应用场景，推动国产化算力服务全省企业，打造更多数字化标杆案例，为数字济南建设注入新动能。随着人工智能的快速发展，医疗与制药行业正迎来前所未有的变革。传统医疗模式中的诊断依赖经验、药物研发周期漫长、医疗资源分配不均等痛点，在人工智能的赋能下逐步得到缓解。从手术台上的精准辅助，到实验室里的药物研发加速，人工智能正深度融入医疗与制药的全流程，为提高医疗服务效率、保障公众健康、推动制药行业创新提供了全新路径。04.人工智能＋医疗与制药人工智能通识：理论、案例与应用（慕课版在线实训平台版）

6.4.1手术/治疗辅助从手术辅助来看，人工智能主要在手术机器人和术中影像分析两大方向发挥作用。传统手术依赖医生的经验判断与手工操作，可能因疲劳、视野局限等因素出现误差，而部分慢性疾病的治疗也常因个体差异大、疗效监测滞后导致效果不佳。人工智能通过“数据感知+实时分析+精准控制”的模式，为手术与治疗提供了强有力的辅助支持，显著提升了医疗操作的精准度与安全性。达芬奇手术机器人6.4.1手术/治疗辅助从手术辅助来看，人工智能主要在手术机器人和术中影像分析两大方向发挥作用。在治疗辅助领域，人工智能的核心价值在于个性化方案制定与疗效动态监测。值得注意的是，人工智能在手术/治疗辅助中并非替代医生，而是通过技术赋能延伸医生的能力边界，它既解决了传统医疗中人工操作精度有限的问题，又通过数据分析为医生提供了更全面的决策依据，最终实现技术与人文的结合，让医疗服务更精准、更安全。传统手术依赖医生的经验判断与手工操作，可能因疲劳、视野局限等因素出现误差，而部分慢性疾病的治疗也常因个体差异大、疗效监测滞后导致效果不佳。人工智能通过“数据感知+实时分析+精准控制”的模式，为手术与治疗提供了强有力的辅助支持，显著提升了医疗操作的精准度与安全性。6.4.2智能药物研发在药物研发的“早期靶点发现”阶段，人工智能主要解决从海量数据中精准定位致病靶点的问题。AI可通过自然语言处理技术，快速梳理全球范围内的医学文献、基因数据库、疾病样本数据，从中挖掘“基因—蛋白—疾病”的关联关系。AI还能通过分子对接模拟技术，预测不同化合物与靶点的结合能力，初步筛选出具有潜在活性的化合物，减少后续实验的盲目性。药物研发是一个高投入、高风险、长周期的过程。传统药物研发从靶点发现到最终上市，平均需要10～15年时间，研发成本高达10亿～20亿美元，且成功率不足10%。其中，靶点筛选效率低、临床试验周期长、化合物合成盲目性大是主要痛点。人工智能通过对研发全流程的数据驱动优化，大幅缩短研发周期，降低成本，为制药行业注入了新的活力，成为推动创新药物诞生的关键力量。AI在药物研发的“早期靶点发现”阶段的应用6.4.2智能药物研发在药物研发的“早期靶点发现”阶段，人工智能主要解决从海量数据中精准定位致病靶点的问题。AI可通过自然语言处理技术，快速梳理全球范围内的医学文献、基因数据库、疾病样本数据，从中挖掘“基因—蛋白—疾病”的关联关系。AI还能通过分子对接模拟技术，预测不同化合物与靶点的结合能力，初步筛选出具有潜在活性的化合物，减少后续实验的盲目性。在“化合物设计与合成”阶段，人工智能的核心作用是优化化合物结构，提高合成效率。AI可基于深度学习模型，根据靶点的结构特征和药物代谢规律，自动生成符合要求的化合物分子结构。AI还能优化化合物的合成路径：通过分析不同化学反应的效率、成本、环保性，为科学家推荐最优合成步骤，减少副产物生成，降低合成成本。在“临床试验”阶段，借助电子健康记录与真实世界数据，AI可以实现患者自动筛选与精准匹配，提升入组速度与质量。药物研发是一个高投入、高风险、长周期的过程。传统药物研发从靶点发现到最终上市，平均需要10～15年时间，研发成本高达10亿～20亿美元，且成功率不足10%。其中，靶点筛选效率低、临床试验周期长、化合物合成盲目性大是主要痛点。人工智能通过对研发全流程的数据驱动优化，大幅缩短研发周期，降低成本，为制药行业注入了新的活力，成为推动创新药物诞生的关键力量。AI在药物研发的临床试验阶段的作用6.4.2智能药物研发课堂案例传统药物研发长期受制于“双十定律”——耗时十年、投入十亿元，成功率却不足10%。2025年，北京市发布《“人工智能+医药健康”创新发展行动计划》，大兴生物医药产业基地（中国药谷）以此为契机，推动AI技术与生物医药深度融合，在新药研发领域跑出“加速度”，改写行业规则。2025年9月，中国药谷重点企业剂泰科技（北京）股份有限公司发布全球首个AI纳米递送平台NanoForge，成为生物医药领域的智慧引擎。该平台集成千万级LNP脂质库、合成脂质语言模型与AI导引干湿实验系统，实现从分子生成到剂型确定的全闭环研发。更关键的是，NanoForge突破了肝脏、肺部、中枢神经系统等8大器官的靶向递送瓶颈，将肿瘤、神经退行性疾病等难治病症的成药概率大幅提高。目前，基于该平台的4个临床项目已进入冲刺阶段，其中最快管线已推进至pre-NDA（新药上市申请前）阶段。中国药谷企业北京热景生物技术股份有限公司（以下简称“热景生物”）于2024年布局AI新药研发赛道，其X-Gen AI新药发现与设计研究中心聚焦抗体药物、核酸药物等领域，将AI技术应用于靶点发现、药效筛选、结构优化、临床试验设计等全流程。通过AI模型预测药物活性与毒性，热景生物将研发成本降低，临床成功率提高。2025年2月，百奥赛图（北京）医药科技股份有限公司本地化部署DeepSeek平台，结合“千鼠万抗计划”探索单抗、双抗及多抗分子骨架，为全球药企提供精准治疗工具，推动大分子药物研发进入智能化新阶段。AI的赋能已从研发端延伸至生物制药全链条。中国药谷企业山西锦波生物医药股份有限公司凭借“AI胶原智脑系统”入选工业和信息化部数字化转型典型案例，该系统融合AI与合成生物技术，实现全流程降本增效；三元基因打造智能化生产基地，通过“设备互联—数据互通—业务协同”生态，形成覆盖研发、生产、物流的全链条数智化管理能力，为行业提供可复制的转型范本。中国药谷以AI为引擎，正突破传统药物研发的“不可能三角”——速度、成本与成功率。随着更多的企业加入AI创新阵营，中国药谷已成为全球生物医药数智化革命的前沿阵地。AI赋能药物研发，中国药谷突破“双十定律”困局6.4.3辅助诊断影像诊断是人工智能辅助诊断应用最成熟的领域之一，核心是针对CT、MRI、超声、病理切片等影像数据的分析。以肺部CT影像诊断为例，早期肺癌的病灶体积小、形态不规则，易与炎症、结核等良性病变混淆，AI技术能够快速、准确地从大量CT图像中识别肺结节，并根据其大小、密度、边缘等特征自动判断可能的性质和风险等级。诊断是医疗服务的“第一道关口”，精准的诊断是后续治疗的基础。传统诊断主要依赖医生的专业知识和经验，但受限于医生水平差异大、基层医疗资源不足、部分疾病早期症状不明显等问题，易出现误诊、漏诊情况。人工智能辅助诊断通过图像识别、数据整合分析等技术，为医生提供客观、精准的诊断参考，尤其在影像诊断、病理诊断、慢病早期筛查等领域发挥着重要作用。CT结节识别与分型6.4.3辅助诊断影像诊断是人工智能辅助诊断应用最成熟的领域之一，核心是针对CT、MRI、超声、病理切片等影像数据的分析。以肺部CT影像诊断为例，早期肺癌的病灶体积小、形态不规则，易与炎症、结核等良性病变混淆，AI技术能够快速、准确地从大量CT图像中识别肺结节，并根据其大小、密度、边缘等特征自动判断可能的性质和风险等级。在病理诊断领域，人工智能主要解决病理切片分析效率低、主观性强的问题。例如，在癌症筛查中，AI病理诊断系统可自动标记出疑似病变细胞，并给出病变等级建议，分析速度可达每秒3张涂片，且准确率与资深病理医生相当；同时，AI病理诊断系统还能将疑似病例自动推送给上级医生复核，减少漏诊风险。诊断是医疗服务的“第一道关口”，精准的诊断是后续治疗的基础。传统诊断主要依赖医生的专业知识和经验，但受限于医生水平差异大、基层医疗资源不足、部分疾病早期症状不明显等问题，易出现误诊、漏诊情况。人工智能辅助诊断通过图像识别、数据整合分析等技术，为医生提供客观、精准的诊断参考，尤其在影像诊断、病理诊断、慢病早期筛查等领域发挥着重要作用。AI病理诊断系统标记出的病变细胞6.4.3辅助诊断影像诊断是人工智能辅助诊断应用最成熟的领域之一，核心是针对CT、MRI、超声、病理切片等影像数据的分析。以肺部CT影像诊断为例，早期肺癌的病灶体积小、形态不规则，易与炎症、结核等良性病变混淆，AI技术能够快速、准确地从大量CT图像中识别肺结节，并根据其大小、密度、边缘等特征自动判断可能的性质和风险等级。在病理诊断领域，人工智能主要解决病理切片分析效率低、主观性强的问题。例如，在癌症筛查中，AI病理诊断系统可自动标记出疑似病变细胞，并给出病变等级建议，分析速度可达每秒3张涂片，且准确率与资深病理医生相当；同时，AI病理诊断系统还能将疑似病例自动推送给上级医生复核，减少漏诊风险。人工智能在“多模态数据整合诊断”中也展现出优势。部分疾病（如心血管疾病、肾病）的诊断需要结合患者的影像数据、实验室检查结果（如血常规、生化指标）、临床症状、病史等多维度信息，传统诊断中医生需人工整合这些数据，容易出现信息遗漏。而AI辅助诊断系统可以通过数据融合算法，自动关联不同来源的数据，构建患者的“综合健康画像”。诊断是医疗服务的“第一道关口”，精准的诊断是后续治疗的基础。传统诊断主要依赖医生的专业知识和经验，但受限于医生水平差异大、基层医疗资源不足、部分疾病早期症状不明显等问题，易出现误诊、漏诊情况。人工智能辅助诊断通过图像识别、数据整合分析等技术，为医生提供客观、精准的诊断参考，尤其在影像诊断、病理诊断、慢病早期筛查等领域发挥着重要作用。需要强调的是，人工智能辅助诊断的核心定位是“医生的‘第二双眼睛’”，它提供的是客观的分析结果，最终诊断决策仍需医生结合患者的实际情况综合判断。在全球资源约束趋紧与人口持续增长的大背景下，农业现代化转型已成为保障粮食安全、实现可持续发展的必由之路。人工智能技术的深度融合，正为传统农业注入全新动能——从土壤数据采集到作物生长监测，从智能农机作业到灌溉精准调控，AI技术贯穿于种植、管理、收获的全链条，推动农业生产向精准化、智能化、可持续化跃迁。05.人工智能＋农业人工智能通识：理论、案例与应用（慕课版在线实训平台版）

6.5.1智能种植智能监测与调控借助各类先进的传感器和无人机多光谱巡检技术，智能种植实现了对作物生长环境的实时、精准监测与智能调控。在温室大棚中，密集部署的温湿度传感器、光照传感器、二氧化碳浓度传感器等；无人机多光谱巡检技术则为大面积农田的监测提供了高效手段。基于实时监测数据，智能系统运用先进的机器学习算法和作物生理模型，对作物生长环境进行综合评估，为农户推荐最佳的灌溉、施肥、通风和遮阳策略。数据收集与分析卫星遥感、无人机航拍、传感器网络等多元化技术手段能够全方位、实时地收集海量的农业数据：卫星遥感可获取农田的地形地貌、土壤类型分布及农作物的种植面积、生长态势等信息；无人机航拍则可以对农田进行近距离、精细化的观测，获取作物的株高、叶面积指数、病虫害情况等微观数据；传感器网络分布在农田的各个角落，实时采集土壤肥力、水分含量、温湿度、光照强度等环境参数。对这些丰富的数据进行深入分析，从业人员能够挖掘出隐藏在其中的农业生产规律和关键信息，从而制定个性化方案。在温室大棚中部署传感器6.5.1智能种植数据收集与分析卫星遥感、无人机航拍、传感器网络等多元化技术手段能够全方位、实时地收集海量的农业数据：卫星遥感可获取农田的地形地貌、土壤类型分布及农作物的种植面积、生长态势等信息；无人机航拍则可以对农田进行近距离、精细化的观测，获取作物的株高、叶面积指数、病虫害情况等微观数据；传感器网络分布在农田的各个角落，实时采集土壤肥力、水分含量、温湿度、光照强度等环境参数。对这些丰富的数据进行深入分析，从业人员能够挖掘出隐藏在其中的农业生产规律和关键信息，从而制定个性化方案。智能监测与调控借助各类先进的传感器和无人机多光谱巡检技术，智能种植实现了对作物生长环境的实时、精准监测与智能调控。在温室大棚中，密集部署的温湿度传感器、光照传感器、二氧化碳浓度传感器等；无人机多光谱巡检技术则为大面积农田的监测提供了高效手段。基于实时监测数据，智能系统运用先进的机器学习算法和作物生理模型，对作物生长环境进行综合评估，为农户推荐最佳的灌溉、施肥、通风和遮阳策略。病虫害智能识别与防治AI图像识别技术基于深度学习算法，通过对海量病虫害图像的学习和训练，使智能系统具备了强大的图像识别能力。当获取到作物的病虫害图像后，系统能迅速分析图像中的特征信息，与已学习的病虫害样本库进行比对，准确判断病虫害的种类、发生程度及发展趋势。在实际应用中，农民只需使用手机或专业的图像采集设备拍摄作物病虫害部位的照片，上传至智能病虫害识别系统，系统便能在短时间内给出准确的诊断结果，并提供有针对性的防治方案。6.5.1智能种植课堂案例几年前，浙江省海宁市马桥街道的“万亩方”还是一片碎片化的耕地——田埂纵横、鱼塘密布，大型农机难以施展，农民背着80斤的打药机在泥泞中劳作，施肥打药全靠人力，抢收抢种稍有延误便可能一年白干。而今，这片土地已蜕变为“田成方、路成网、渠相连”的现代化粮田，无人机掠过天际，智能传感器如哨兵般值守田间，巨大的电子屏幕实时跳动着土壤湿度、光照强度等数据。这场变革的起点，是2018年启动的全域土地综合整治。整治后，碎片化耕地被整合为集中连片的万亩良田。2021年，“万亩方”项目被列为浙江省重点工程，农户集聚搬迁释放出土地空间，曾经的鱼塘、梨园变身标准化粮田。种粮大户沈峰平的感受最为直观：“过去管100亩地累得腰酸背痛，现在用两架无人机和一部手机，管理600亩地反而更轻松。”他只需在手机屏幕上圈定范围，无人机便能自动完成精准施肥打药，过去耗时一天的农活如今两小时即