公司战略与架构发布 - 在首届MUSA开发者大会上，公司董事长兼CEO张建中系统阐述了以MUSA为核心的全栈发展战略，并发布了新一代GPU架构“花港” [1] - 新一代“花港”架构基于新一代指令集，算力密度提升50%，能效提升10倍，可支持十万卡以上规模智算集群 [1] - 公司全功能GPU主要包括四大功能引擎：AI计算加速引擎、图形渲染引擎、物理仿真和科学计算引擎、超高清视频编解码引擎，MUSA是支撑这些引擎的系统架构 [1] 产品与技术迭代 - 公司MUSA架构基本保持一年迭代一代，已从2022年的“苏堤”、2023年的“春晓”、2024年的“曲院”进化到2025年的“平湖” [2] - “花港”架构支持FP4到FP64的全精度计算，未来将基于该架构推出高性能AI训推一体“华山”芯片与专攻高性能图形渲染的“庐山”芯片 [2] - 公司分享了面向下一代超大规模智算中心的MTT C256超节点架构规划 [2] - 公司在图形领域实现硬件级光线追踪加速与自研AI生成式渲染技术，并在具身智能、科学智能（AI4S）、AI for 6G等前沿领域深度布局 [4] 新产品发布 - 公司发布搭载自研智能SoC芯片“长江”的AI算力本MTT AIBOOK，其AI算力为50TOPS，支持Linux/Windows/Android多系统切换 [2][3] - MTT AIBOOK 32GB、1TB版本预售价为9999元，已于京东开放预售，将于2026年1月10日正式开售 [2][3] 市场表现与财务概况 - 公司被视为“中国版英伟达”，于12月5日以“国产GPU第一股”称号登陆A股，上市首日大涨超400%，股价一度突破940元/股，近期股价回调至664.1元/股 [4] - 2025年1—9月，公司营业收入为7.85亿元，归属于母公司所有者的净利润为-7.24亿元 [6] - 公司预计2025年全年归属于母公司股东的净利润为-11.68亿元至-7.30亿元 [6]

摩尔线程最新发布。 12月20日，摩尔线程董事长兼CEO张建中在摩尔线程首届MUSA开发者大会上发布新一代GPU架构——"花港"。据介绍，"花港"基于新一代指令集，算力 密度提升50%，能效提升10倍，可支持十万卡以上规模智算集群。 此前，摩尔线程曾发布预告称，12月20日至21日，摩尔线程首届MUSA开发者大会（MUSA Developer Conference）将在北京中关村国际创新中心举办。 张建中将首次系统阐述以MUSA（Meta-computing Unified System Architecture）为核心的全栈发展战略与未来愿景，并重磅发布新一代GPU架构、推出涵 盖产品体系、核心技术及行业解决方案的完整布局，分享多领域落地案例与生态建设进展。 摩尔线程还分享了其图形进化与前沿探索：实现硬件级光线追踪加速与自研AI生成式渲染技术，具身智能、科学智能（AI4S）、AI for 6G等前沿领域的 深度布局。 摩尔线程主要从事GPU及相关产品的研发、设计和销售，被市场视为"中国版英伟达"。12月5日，摩尔线程顶着"国产GPU第一股"称号登陆A股市场，上市 首日就大涨超400%，此后股价更是一路上涨， ...

12月18日，在2025光合组织人工智能创新大会（HAIC 2025）现场，广州国家实验室、天津大学、湖南 应用数学中心、中科院高能所、国家天文台、中科院大气所、中石油东方物探、中科曙光、合肥大数据 公司等22家高校、科研机构及企业共同发起 "科学智能联合攻关行动" 。该行动将重点围绕科学大模型 开发、超智融合算力平台建设、模型训练推理优化、科学数据开放共享等方面开展协同工作。光合组织 透露，在未来三年内预计将推动超过20个行业级AI4S软硬协同解决方案落地。 ...

行业核心观点 - 人工智能正在引发一场科研范式的根本变革，成为理解宇宙和探索未知的新工具[3] - 人工智能与科学研究的深度融合，正在重塑人类认知的边界[12] 行业应用与变革 - 科学研究的范畴正从传统的试管、望远镜与公式推演，扩展到由人工智能驱动的新模式[3] - 人工智能的应用覆盖从宏观宇宙探索到微观粒子发现的广泛科学领域[3][5] - 人工智能在科研中的角色正从辅助人类的“人工操控”工具，向能够自主设计和创新的“智能自驱”体演进[7][9] 政策与区域发展 - 北京市于2025年7月发布了全国首个专注于“AI for Science”的专项地方政策，旨在推动人工智能与科研的深度融合[11] - 北京正成为科学智能发展的“策源地”[11] - 行业正通过培育和发展以人工智能为核心引擎的新质生产力来推动实践[12] 市场推广与认知 - 相关机构通过制作《AI向新力》等主题纪录片，全景展现人工智能在科技创新中的应用，以提升公众与行业认知[12] - 市场宣传强调当前正处于科学智能发展的黄金时代[12]

国家政策与战略指引 - 国务院印发《关于深入实施“人工智能+”行动的意见》，为人工智能与经济社会各行业各领域广泛深度融合提供指引 [1] - 《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》明确，要深入推进数字中国建设，加快人工智能等数智技术创新，全面实施“人工智能+”行动，抢占人工智能产业应用制高点，全方位赋能千行百业 [1] - 工业和信息化部强调，人工智能领域要占领先机、赢得优势，必须厚植“根技术”，夯实算力、算法、数据等基础底座，并推动“模数共振” [5] 人工智能技术发展趋势与目标 - 人工智能未来发展的核心目标是成为通用人工智能，其关键在于具身智能、科学智能与安全治理三大方向 [2] - 具身智能旨在赋予机器人同时具备“小脑”的敏捷行动能力与“大脑”的认知决策能力，以替代人类承担危险、繁重的工作 [2] - 智能体成为AI行业重要发展方向，全球智能体市场规模预计将从2024年的51亿美元增长至2030年的471亿美元，年均复合增长率达44.8% [2] - 大模型能力密度法则指出，大模型每100天左右可实现模型密度翻倍，从而大幅降低模型训练和推理成本 [6] 关键应用领域与场景 - 在制造业，人工智能是应用的主战场，需推动全流程智能化升级，并加速智能产品装备迭代创新，如AI手机、AI电脑、人形机器人、脑机接口等 [8][9] - 智能体以硬件智能终端为载体，有望成为AI入口，涵盖可穿戴设备、智能驾驶系统、全屋智能等，通过自然语言实现人机交互 [3] - 科学智能推动科学研究进入“人机协同”新阶段，主流推理模型在物理、化学、生物等领域能力超越人类博士水平，AI已应用于量子纠错等前沿难题 [3] - 具身智能机器人应用场景广泛，包括工厂协作、社区养老（如护理机器人）、家庭服务（如打扫、看护、辅助学习）等 [1][9] - “十四五”以来，中国已建成基础级智能工厂超3.5万家、先进级智能工厂7000余家、卓越级智能工厂230余家 [8] 规模化落地的挑战与策略 - AI落地面临核心痛点之一是“有数据但无准备”，企业积累的数据未按AI需求整理成标准化数据集，阻碍技术与产业需求的有效衔接 [6] - AI规模化落地需场景驱动，在细分产业中找到与AI技术的契合点，避免技术与需求脱节 [6] - AI落地需解决三大关键问题：具备全系统、全链路交付能力；实现软硬件结合；提升通用人工智能在真实场景中的可定制能力 [7] - 企业在选择AI落地场景时应避免标新立异，从重复性工作场景和可借鉴领域开始，并优化数据质量、选择适合的模型 [7] - 智能体的快速迭代需要企业提升工程化能力，重视工程师的作用以推动规模化落地 [7] 产业生态与合作 - 发展AI产业需全球协作，包括与开源社区合作加速技术共享、降低创新成本，以及与全球伙伴共建机器人伦理与安全标准 [5] - 人工智能技术的突破与规模化落地需要跨界交流，激发技术在实际应用中的潜能 [1]

科学智能技术演进与谷歌DeepMind引领作用 - 谷歌DeepMind凭借以TPU为核心的AI算力基础设施和以Gemini为基础的大模型底座，持续深耕科学智能技术超过十年，引领全球技术演进[4] - AlphaFold标志着蛋白质结构预测问题的实质性解决，不仅斩获2024年诺贝尔化学奖，更成为现代生物学的数字基础设施[4] - AlphaProteo推动生物学研究正式跨入生成式生物学时代，结合AlphaMissense精准预测基因突变致病性，打通"靶点发现—结构解析—药物设计"全链路[4] - WeatherNext 2模型在99.9%的预测变量与时间跨度上准确率均优于欧洲中期天气预报中心的HRES系统，且推理速度提升了数个数量级[5] - GNoME预测了数百万种稳定的新材料结构，规模相当于人类过去几十年实验发现总和的数倍，为电池技术与超导材料研发提供庞大候选库[5] - AlphaEvolve引入进化计算范式，自动搜索发现更高效的机器学习算法与损失函数，实现从"人工设计"到"自动发现"的元层级跨越[6] 生物学领域科学智能突破 - 谷歌和耶鲁大学联合发布270亿参数单细胞分析基础模型C2S-Scale，生成关于癌细胞行为的全新假设并在体外实验中得到验证[8] - 微软BioEmu模型在蛋白质动力学模拟方面实现高达10万倍的模拟速度提升，中科院团队提出整合结构和进化约束的反向折叠蛋白质预测模型[9] - 谷歌通过10年持续研发构建了从基因测序、读取到疾病基因检测和诊断的AI基因组学研究和应用体系[9] - 腾讯DeepGEM病理大模型只需常规病例切片图像即可在1分钟内完成肺癌基因突变预测，精准度达78%至99%[10] - 谷歌发布DeepSomatic工具集用于肿瘤细胞基因变异识别，适用于白血病、乳腺癌、肺癌等癌症类型[10] - AI优化候选药物MTS-004已完成III期临床研究，成为国内首款完成III期临床的AI赋能制剂新药，突破过去几年AI驱动药物发现鲜有突破临床II期的瓶颈[10] 多学科科学智能应用拓展 - Periodic Labs开展新型超导材料等AI自动化发现，CuspAI获1亿美元A轮融资研发AI平台用于发现碳捕获新材料[11] - DeepMind飓风AI模型成功预测"梅利莎"等超强飓风路径和强度变化，黑洞理论物理学家利用GPT-5在半小时内推导出黑洞理论新特性[11] - 数学研究人员利用GPT5探索解决历史数学难题埃尔德什难题，英伟达开源模型系统GenCluster获得IOI 2025竞赛金奖[12] - OpenAI内部模型、Gemini Deep Think和DeepSeek Math-V2等大模型不断刷新AI在奥林匹克数学竞赛的金奖成绩[12] 科学智能科研范式重构 - 通用基础大模型成为科学智能的"操作系统"，提供强大理解、推理、分析及生成能力，帮助科研人员大幅提升日常科研效率[14] - 科研专用大模型作为垂直科研领域的"专用引擎"，融合特定领域相关知识以及研究方法与经验，谷歌在此方面综合实力处于全球领先[14] - AI智能体从被动工具转变为科学家的合作者甚至主动发现者，ToolUniverse平台包含超过600个科学工具并兼容主流基础大模型[15] - AlphaEvolve是具有编码能力的进化型AI智能体，可进行数学和计算通用算法的主动发现和自动化优化，已应用于谷歌内部实际场景[15] 自主实验室平台化发展 - MIT等美国多家科研高校和国家实验室已建成自主实验室，英国利物浦大学的材料创新工厂是欧洲最先进的自主实验室之一[16] - 美国《创世使命》计划将科研算力、AI基础模型、数据集及自主实验室体系集成为科学与安全平台，作为科研智能基础设施[16] - 晶泰科技的AI+机器人平台已成为核心竞争力，中科院"ChemBrain智能体+ChemBody机器人"和北京科学智能研究院Uni-Lab-OS加速推动国内自主实验室研发[17] - 磐石·科学基础大模型实现对数据和模型等资源的管理及科研工具调度，已在生命科学、高能物理和力学研究领域进行应用[17]

报告行业投资评级 - 报告未明确给出具体的行业投资评级（如买入、增持等）[1][2][3][4] 报告核心观点 - 人工智能是驱动新质生产力的重要力量，国家政策大力推动“人工智能+”与能源领域的深度融合，以支撑能源高质量发展和高水平安全 [5][7] - 数据机理融合人工智能技术是解决新型配电系统复杂性、提升其智能决策能力的关键支撑，能够突破传统人工智能方法在样本依赖、泛化能力等方面的局限 [15][18][32] - 该技术在计算推演、源荷预测、运行优化等核心场景的应用已取得显著成效，并在多个省份实现试点应用，验证了其提升系统感知、预测与优化能力的有效性 [64][72][74][84][86][97][99] - 未来将重点发展电力科学智能研究范式，深化大模型应用，并构建数字孪生系统，以应对新型配电系统的挑战 [104][107][111][113] 背景意义总结 - 国家层面出台多项政策（如《关于推进“人工智能+”能源高质量发展的实施意见》、“十五五”规划建议），明确要求推动人工智能与能源深度融合，并设定了到2030年的具体发展目标 [5][6][7][8] - 新型配电系统是新型电力系统的重要载体，具有“源-网-荷-储”多能耦合、数字化、主动化等特点，但其复杂性对传统人工智能技术提出了挑战 [12][15] - 传统人工智能方法在配电系统应用中面临样本依赖强、泛化能力弱、缺乏物理机理约束等问题，难以满足计算推演、预测和优化决策的需求 [15][16] - 数据机理融合方法通过结合数据驱动与机理模型的优势，可提升模型的推理一致性、认知可解释性和泛化能力，是人工智能向科学智能演进的重要方向 [18][32][44] 数据机理融合技术总结 - 科学智能（AI for Science）是利用人工智能进行学习、模拟、预测和优化的第五科研范式，在电力系统领域处于初步探索阶段 [23][25] - 数据机理融合建模结合了数据驱动方法的非线性拟合能力和机理模型的泛化、可解释能力，可实现优势互补 [32][44] - 数据驱动方法适用于系统内部结构和特性不明确的对象，但存在对样本数量质量要求高、模型特征不足等局限性 [36][38] - 机理驱动方法基于对内部运行机理的清晰认识建立模型，但面临模型复杂、参数不明确、计算困难等挑战 [40][42] - 中国电力科学研究院构建了5种数据机理融合模式：串行模式、反馈模式、并行模式、引导模式与嵌入模式，应用于不同阶段和场景 [48][50][55][56][57][59] 应用探索总结 - **计算推演应用**：研发的配网智能计算推演系统在9家省公司试点，线路参数辨识误差降至10%以下，少量测条件下状态估计电压误差小于1%，提升了配电网透明化感知能力 [72][73][74] - **源荷预测应用**：采用协变量嵌入、因果双向注意力机制、多模态模型等技术，自研电力时序大模型在浙江、江苏等地应用，省级、地市级、台区级负荷预测准确率分别提升0.12%、0.67%、3.42%；新能源功率预测准确率在多场景下优于主流模型 [76][77][78][81][82][84][85][86] - **运行优化应用**：采用数据机理融合的边云协同优化、优化加速求解、在线增强等方法，在天津滨海国家动漫园等园区试点，提升整体能效5.3%，并实现万级计算节点调度策略秒级生成 [87][89][91][93][95][97][99] 总结展望总结 - 未来将发展覆盖理论推导、实验仿真、数据分析全流程的电力科学智能技术，并深化电力行业大模型（如气象大模型、时序基础模型）的应用 [104][107] - 数据机理融合技术的发展核心在于优化知识统一表示与嵌入方法，以及通过知识发现迭代更新领域知识 [109] - 构建以数字孪生系统为代表的技术，实现物理系统的虚拟实时映射和高保真仿真推演，对人工智能策略进行校核 [111] - 需重点突破电力科学智能研究范式与大小模型协同应用，以适应动态随机波动性，满足高维复杂系统的高效智能决策需求 [113]

科学智能（AI for Science）发展态势 - 科学智能正在快速兴起 [1] - 将人工智能与传统科技融合是当前重大课题 [1] - 过去几十年的科学研究方法在未来五到十年内将发生根本性改变 [1]

论坛核心信息 - 2025西丽湖论坛于11月15日在深圳大学城国际会议中心开幕，年度主题为“加速科学发现，定义产业未来” [1] - 论坛深度聚焦科学智能前沿领域，旨在加速技术的实际场景应用与迭代 [1] - 论坛汇聚国内外学术专家、产业先锋及跨界力量，探讨人工智能时代的科研基础设施及新产业变革中的先发机会 [1] 行业观点与战略 - 科学智能被定义为人工智能与科学研究的创新融合，是新一轮科技革命和产业变革的重要成果和新兴领域 [1] - 行业观点认为，在全球产业格局重塑背景下，加速科学发现是未来产业中拥有更大话语权的关键 [2] - 公司与地方政府的战略合作致力于将科学智能从“关键变量”转化为革新科研范式、驱动城市能级跃迁、支撑经济发展的“最大增量” [1] 重要发布与成果 - 开幕式进行了三大关键发布：国际知识产权学院成立、北京大学科学智能学院“博雅AI4S拔尖人才培养计划”启动、深圳大学城国际校区(一期)交付签约 [1] - 论坛发布了七项X9联盟重要成果，展现人工智能在科研基础设施和人才培养改革方面的探索实践及区域创新政策 [1] - 深圳被强调为不断加强源头性创新和人才投入的城市 [2]

论坛概况 - 2025年世界互联网大会乌镇峰会期间举行“人工智能赋能科学研究”论坛，探讨AI如何重塑科研范式、激发新质生产力 [2] - 论坛由中国科学院与世界互联网大会人工智能专业委员会主办，中科曙光、中国人民大学、清华大学人工智能研究院及钛媒体协办，吸引近150位嘉宾参会 [2] - 主旨演讲环节围绕AI对科研范式重塑的趋势展开，探讨AI模型在科学实验、理论推导及跨学科研究中的新潜力 [2] 材料科学领域应用 - 中国科学院院士陈立东指出，AI正成为破解材料研究“测不准、测不到、测不全”瓶颈的关键工具 [3] - 在10的50次方量级的候选材料空间中，传统方法难以完成，而AI通过“实验+模型”十次迭代，仅用数周就将催化剂性能提升50% [3] - 提出“AI for Materials”与“Materials for AI”双向赋能理念 [3][4] 脑机接口与医疗应用 - 西湖大学讲席教授默罕默德·萨万展示AI脑机接口前沿应用，针对癫痫发作，AI芯片能在5秒内完成预测，优于传统方法的20秒 [5] - 在语言解码领域，中文因仅有407个常用音节，在AI赋能下识别准确率已超70% [5] - 但安全、伦理与跨学科协作仍是必须跨越的挑战 [5] 创新流程与药物研发 - 雷根斯堡大学教授罗兰·赫尔姆提出，AI在开放式创新中优化产品设计与团队协作，在渐进式创新中提升效率 [7] - 北京中关村学院副院长秦涛展望“科学智能”路径，针对95%无明确靶点的疾病，开发出基于表型的直接药物设计大模型，分子设计效果提升50倍 [9] - 其“病毒暗物质”计划将疫情防控从被动应对转向主动预防 [9][10] 算力基础设施挑战与进展 - 中科曙光总裁助理杜夏威指出AI for Science的算力需求呈爆炸级增长，科学计算需要高低精度耦合的特殊能力 [11] - 曙光通过三层软件栈实现国产芯片深度优化，在DeepMD分子动力学等应用中性能达国际主流产品的1.2倍，同时兼容CUDA生态 [11] - 国产算力已在多个“硬科学”领域扎根 [11] 研究成果与行业洞察发布 - 论坛发布《全球人工智能标准发展报告》和《人工智能发展白皮书》，呼吁构建负责任的全球标准体系 [13] - IDC中国副总裁周震刚发布《AI超集群发展白皮书》，指出十万卡集群正逼近电力与散热天花板，未来方向是存算网协同的全栈一体化超集群 [15][16] - 中国科学院自动化研究所发布“磐石V1.5”一站式科研平台，覆盖科研全流程，已推动天体物理、材料合成等关键领域取得进展 [18] 跨领域融合与青年科学家赋能 - 中国人民大学教授龚新奇展示涉外法治大模型、社区治理智能体、药物靶点预测工具等成果，体现AI在治理与健康领域的深度融合 [21] - 圆桌对话中，嘉宾一致认为AI正重塑科研范式，青年科学家需注重社会责任、跨学科合作和工程化思维 [23][25] - AI如同“思维的显微镜”大幅降低创新门槛，但人类的方向性思考仍是不可替代的核心 [25]