人工标准

据《韩国时报》网站2024年1月23日报道，韩国一家国营泡菜实验室表示，正在利用数据驱动的人工智能(AI)技术，保障面向全球消费者的大规模生产泡菜产品的高品质。这种技术方法有别于传统的泡菜制作方法，传统方法向来依靠感觉来准备这道特色小菜。报道称，经过一个为期6个月的联合项目，世界泡菜研究所宣布成功研发出这项技术。该联合项目于去年12月结束，合作涉及韩国国内一家AI开发商和一家数字教育咨询公司。该项目的主要目标是建立泡菜质检所需的数据集，并创制出能对所收集数据分析的AI模型。世界泡菜研究所与位于首尔的数据解决方案提供商卡塔洛尼克斯公司和教育技术服务开发商SLI思理教育集团合作，成功建立了一个综合性数据集。这个数据集包含27万份三原色彩色图像和高光谱图像，助力泡菜制作过程食品质量每个阶段的详细评估。联合项目参与人员从泡菜制作不同阶段提取这些数据，包括白菜在盐水中调味，白菜与配料和辣酱混合以及随后的发酵等阶段。所开发的AI模型利用这个数据集，可以扫描并分析图像，确定泡菜生产各个阶段的甜度、咸度、发酵程度。泡菜的整体质量主要由这些关键因素决定。数据集加AI模型的技术，可以在加工厂有效而精确地检测泡菜质量。这包括判断原料质量、评估混合过程以及监测发酵过程。此外，这个系统还可以根据泡菜制成品的不同品质对其分级，从而全面评估最终产品的质量。世界泡菜研究所负责人张海春(音)在一份声明中说：“仅仅通过分析图像数据集，这项技术就可以比以前的方法更快地推进从制造阶段到分销阶段检测大规模生产泡菜的过程，确保高质量持续稳定。”预计这一技术突破将增强一直缺乏具体质量检测标准的韩国泡菜产业。这个行业很大程度依赖每个制造者的主观判断，而这些主观判断主要基于他们的个人经验。此外，由于人口老龄化，韩国劳动力减少，这对采用技术进步缓慢、严重依赖人类感官进行质量控制的行业构成巨大风险。以流行音乐和社交媒体引领的韩国文化全球扩张，韩国泡菜产品在世界上越来越受欢迎，这些问题已经相当紧迫。张海春强调，需要解决整个泡菜出口过程中固有的挑战，涵盖原料种植到最终产品出口海外全链条。没有更准确和系统的分析，确保向全球泡菜消费者提供统一的质量，这仍是需要克服的挑战。张海春说：“为了确保出口泡菜有持续稳定的高质量，我们必须放弃传统方法，采用创新方法。基于AI的泡菜无损质检模式，克服了过去的局限性，而且提高了生产效率。”（编译/马丹）

据央视新闻，市场监管总局办公厅近日印发《关于加强计量数据管理和应用的指导意见》，明确了20项重点任务，到2035年，计量数据归集共享规模显著提升，计量数据与产业链供应链结合更加紧密，计量数据潜能进一步释放。在重点领域、战略性新兴产业培育30家国家计量数据建设应用基地，挖掘和推广100个计量数据应用优秀案例。推动计量数据与量子信息、先进计算、未来网络等前沿技术融合发展，加快计量数据采集汇交、建模分析、质量评估等共性技术的研发和应用，提升计量数据安全保障能力，推动计量数字化转型。在质谱、热物性、X射线电子能谱、先进材料、人工智能等领域建立国家标准参考数据中心，探索构建标准参考数据库。

近日，南京市政府印发《南京市进一步促进人工智能创新发展行动计划（2024—2026 年）》和《南京市促进人工智能创新发展若干政策措施》“1+1”文件（以下简称《行动计划》《政策措施》）。其中《行动计划》在总体目标方面提出，到2026年，力争引培国内外先进水平的基础大模型1个，打造行业大模型20个以上，可统筹智能算力超 6000P FLOPS（FP16），每年打造30个标杆应用场景，实现人工智能核心产业规模600亿元，打造具有全国影响力的人工智能产业发展高地。在重点任务方面，《行动计划》明确了实施算法创新强基行动、算力支撑提升行动、数据汇聚共享行动、AI+应用示范赋能行动、产业集聚升级行动五大行动，涉及开展AI关键技术研发攻关、加快新技术新产品研发、加强算法支撑体系建设、布局智算基础设施、推动算力高效运载、强化普惠算力供给、建立数据流通制度、加强数据共享开放等共18项任务。例如，开展AI关键技术研发攻关，实施人工智能关键技术攻关项目15个以上,着力构建基础大模型底座；加快新技术新产品研发，研制迭代存算一体专用芯片、可重构芯片、训推一体机等产品,推动构建大模型应用的软硬件体系；加强算法支撑体系建设，鼓励企业、高校、科研机构参与开源社区建设，支持在国产芯片、国产人工智能框架上推出大模型产品等。与此同时，为推动《行动计划》的落实，《政策措施》从支持算法创新突破、提升算力支撑能力、推动“人工智能+”应用创新示范和构建良好产业生态等四个方面提出了12条措施。例如在支持构建基础大模型方面，《政策措施》提到，对落地参数量超过千亿，经权威第三方机构评测，符合标准的自研大模型，按照研发费用的20%给予牵头研发企业补助最高5000万元等。AI运行需要大量的计算资源以进行模型训练与推理，这一过程中要用到高性能计算芯片包括GPU（图形处理器）、ASIC（应用专用集成电路）、人工智能专用芯片，还有HBM等存储器芯片。随着AI大模型持续火热，相关应用不断普及，AI正成为全球半导体产业主要推动力。

p 　　对普罗大众来说，谈起医学检验大家也许只想象到，发烧等身体不适时在医院做的检验。然而，在医学界，检验是一项专门的学科，而且对医生的诊断和治疗起着极其重要的作用。同时，在我国大健康战略下，国内第三方医学检验研究领域正在高速发展。坐落于广州国际生物岛的金域医学是全国领先的第三方医学实验室集团，他们将大数据、人工智能等新一代信息技术加速融入到医学检测上，目前其检测项目达到2500多项，是目前国内提供检验项目较全的医疗机构之一，年检测标本超5000万例，相当于40个大型三甲医院的年标本检验数量。 /p p 　　今年6月我国首批罕见病目录公布，当中有121种疾病纳入该目录当中。这份目录意义重大，业界指出，目录的出台将提高药企对罕见病的研发积极性，加快罕见病药品上市进程。专家表示，采用了大数据、人工智能等新一代信息技术的智慧检验，可助力罕见病的诊断、预防以及“孤儿药”的研发。另外，基因测序更为精准医疗“打下”夯实的基石。 /p p 　　数据回顾 /p p 　　全国首份121种罕见病检测数据 /p p 　　累计检出3万例阳性样本检测数据 /p p 　　基因及基因组技术检出的阳性标本数达2万余例 /p p 　　色谱质谱及酶学方法检出的阳性标本数为6000余例 /p p 　　创建具广州特色的 /p p 　　检验检测大数据研究院 /p p 　　数据与医学检验的关系密不可分，在医学检验的“大概念”中则是包含了病例数据和检验数据。一般而言，一个大型的医学检验机构每年都会检测并积累庞大的数据，而这些检测数据更是覆盖了人类生命的每个周期。 /p p 　　作为全国领先的第三方医学实验室集团，金域医学每年的标本量就超5000万。5000万是一个怎样的概念?金域医学首席科学官于世辉博士表示，广州有十多家大型的三甲医院，以上的检测量相当于40个三甲医院的年标本检验数量。检测数据可为疾病防治提供依据，“面对如此庞大的数据量，最重要的是，如何把这些庞大的数据量转化成科学的数据，依靠这些科学的数据去判断或者预测”。 /p p 　　2009年，宫颈癌被列入我国“两癌筛查”项目，全国开始对农村妇女实施宫颈癌筛查。宫颈细胞学检测是指通过采集脱落细胞进行制片观察，从而判断宫颈是否存在病变。截至目前，金域团队在过去近十年时间累计做了约3400万筛查标本，这个数据量相当于中国人群宫颈癌筛查量的约15%。 /p p 　　筛查是为了科学的诊断、预防，不仅如此，多年来筛查所积累的数据更可增进对国内宫颈癌流行病学现状的了解。实验室通过对这些数据进行科学的统计分析后发现，中国女性感染HPV病毒的亚型和欧洲群体有不同。 /p p 　　于世辉博士进一步解释，我国在进行子宫颈癌疫苗的生产，疫苗是针对不同的HPV亚型，感染的亚型不同，疫苗所起到的作用、针对性也不同，利用大数据科学分析就能知道真正中国人群主要感染的HPV亚型有哪些，未来如何指导厂家去开发疫苗，专门针对中国人比较常发或者多发的亚型来进行疫苗研发。 /p p 　　全媒体记者了解到，刚过去的9月，金域医学与我国科技巨头华为达成战略合作，双方在第三方检验、病理诊断和基因分析的信息化、自动化和智能化，以及智慧城市、智慧医疗建设方面开展深度合作。也就说，这些庞大的检测数据、病例数据未来将会传送到“云端”，一方面可大大提升存储数量级，另一方面利用云计算的特性，加快其运算速度以及便于数据“共享”。 /p p 　　尽管目前医学检验的大数据在部分疾病的研究上已获得阶段性成果，但专家坦言，目前的数据仍不足够大，更需要的是上升到国家层面，因为许多数据都必须国家来主导。更重要的是打破数据壁垒，每个医院、大学、研究所都有自身的数据库，且数据的标准不一致，导致了“共享”时会出现问题。因此，未来数据如何有效地打通，是需要考虑的问题。 /p p 　　日前，国务院印发了《关于促进和规范健康医疗大数据应用发展的指导意见》，金域医学正式创建具有广州特色的“精准医疗”检验检测大数据研究院。其所依托的是，覆盖全国90%以上的人口所在地区、年服务医疗机构22000多家和超5000万例年标本量，包括全国不同地域、不同民族、不同年龄层次的海量医疗检测样本数据。 /p p 　　 strong 人工智能可辅助医生 /strong /p p strong 　　对病情进行诊断 /strong /p p 　　拥有了具规模的数据库，利用人工智能对样本进行筛查，甚至诊断是AI+医疗发展的一个大方向。去年，央视节目《机智过人》中，人工智能和15名来自全国三甲医院、有着15年工作经验、阅片量在20万张以上的医生“过招”，结果是人工智能获胜。 /p p 　　据了解，金域医学实验室早在四年前已将AI“带入”到检验领域中。在四年前，实验室与香港应用科学研究院建立了合作的关系，通过该研究院研发的软件进行子宫颈癌的初筛。如接收到一万份子宫颈癌样本，实验室利用人工智能，把其中确定正常的样本排除，剩下的是“软件”看得不太清楚或可能有病的。随后，再让医生来进行诊断。相比传统方式，这大大地降低了病理医生的工作量。实际上，当下人工智能在医学检验上主要是对样本的初步筛查。于世辉博士认为，即便未来，人工智能也是无法取代病理医生，它更多的是帮助病理医生减少工作量。 /p p 　　然而，医疗是一个相当宽广的领域，在部分疾病诊断例如眼病、肺炎等，人工智能发展得相对较快。今年2月，广州市妇女儿童医疗中心基于深度学习开发出一个能诊断眼病和肺炎的人工智能系统，该研究成果以封面文章登上当月的世界顶级期刊《细胞》。据了解，这项人工智能成果能根据影像资料，给医生提出诊断建议，并解释判断的依据。比对实验发现，该系统在诊断眼疾的准确率达96.6% 在区分肺炎和健康状态时准确率达92.8%。数据显示，从一张胸部CT上找到肺结节，一名经过训练的医生平均需要3~5分钟，而依靠人工智能则仅需3~5秒。 /p p 　　据透露，金域医学已与我国人工智能“大咖”张康教授以及南方医院的侯凡凡院士进行合作，将人工智能“融入”大数据，尝试对膜性肾病进行研究。当下，人工智能已从病理，包括细胞病理的子宫颈癌、组织病理的肺癌和肾脏系统疾病，延伸到基因测序及微生物检测等，比如幽门螺旋杆菌。 /p p 　　“目前在医疗领域中，人工智能仍是单独针对一个项目、一个领域，希望未来能把病理与基因整合在一起，再把其他的大数据融合，最后真正地实现病理和检测的智能化。”于世辉表示。 /p p 　　放眼全球，IBM、谷歌、微软等科技巨头近年都在布局人工智能医疗。如IBM Watson能快速筛选癌症患者记录，为医生提供可供选择的循证治疗方案 谷歌在糖尿病、神经性疾病诊疗等研究方面发力。 /p p 　　据麦肯锡则预测，到2025年，全球智能医疗行业规模将达到总254亿美元，约占全球人工智能市场总值的1/5。 /p p 　　 strong 精准检测罕见病 /strong /p p strong 　　提供治疗方式 /strong /p p 　　今年5月，国家卫生健康委员会、科技部、工信部、药监总局、中医药管理局5部门联合公布《第一批罕见病目录》。首批目录纳入了血友病、白化病、肌萎缩侧索硬化(俗称“渐冻人症”)等121种疾病。国家卫健委有关负责人表示，该目录根据我国人口疾病罹患情况、医疗技术水平、疾病负担和保障水平等，参考国际经验，由不同领域权威专家按照一定工作程序遴选产生。 /p p 　　罕见病，又称“孤儿病”，是发病率很低的疾病，通常病情严重，甚至危及生命。按照中华医学会医学遗传学分会提出的定义，罕见病为患病率低于1/500000或新生儿发病率低于1/10000的疾病。 /p p 　　随着这份《第一批罕见病目录》对外公布，金域医学不仅已开展相关检测服务，而且均检测到阳性病例，同时亦发布了罕见病检测数据，针对新生儿及儿童，前者累计检出阳性样本数达3万例。这些检测数据意味着什么?于世辉博士解释道，尽管这些是初步数据，但根据这些数据可以知道这些罕见病究竟有哪些，在中国的各个地区分布的情况，病基因的改变是由什么原因引起以及它的类型是怎样，哪些可治哪些不能治& #8230 & #8230 这些数据对于病人是非常有意义的。 /p p 　　业内人士指出，《第一批罕见病目录》的出台将提高药企对罕见病用药的研发积极性，加快罕见病药品上市进程，从而改善罕见病患者的生活质量，并将为罕见病药物纳入医保提供参考依据。 /p p 　　据透露，金域医学积累了数十万例其他阳性罕见病检测数据，这些数据具有广泛的地域和人群代表性，对中国人群中罕见病的发病率、检出率及特有遗传变异类型的临床研究具有重要的科学价值 对于罕见病产前检测、新生儿筛查、产后患儿罕见病的诊断及“孤儿药”的研发等都具有重大意义。 /p p 　　针对罕见病中占主要比重的单基因遗传性疾病的产前筛查，该医学团队还与NIPT之父卢煜明教授团队开展深度合作 并与基因测序巨头Illumina公司联手，将MiniSeq测序仪普及到基层医院，助力我国罕见病的精准检测。 /p p 　　 strong 基因测序为精准治疗打好基础 /strong /p p 　　除了预防与诊断“罕见病”，基因测序更为“精准医疗”打下基础。精准医疗，狭义概念是在基因和基因组基础、检测基础上的一种医疗，它更是疾病诊断和治疗的重要发展方向之一。而基因测序是一种新型基因检测技术，它通过分析测定基因序列，可用于临床的遗传病诊断、产前筛查、罹患肿瘤预测与治疗等领域。据业内专家表示，无论是细胞治疗还是基因治疗，首先要通过基因测序诊断病情才能设计方案。而在实施精准医疗方案过程中，需要大量的细胞和分子级别的检测。 /p p 　　于世辉博士表示，人类除了外伤以外所有的疾病都与基因、基因组有关，例如肿瘤无一例外全都是基因、基因组变化，罕见病当中的80%都是基因、基因组的变化。 /p p 　　目前，精准医疗在临床上应用得最多的是肿瘤方向。这与以往的肿瘤治疗有所不同，例如以往有病人得了癌症住院，一般治疗手段是通过外科手术，将肿瘤切除。切除后再进行化疗、放疗等，这是传统的手段，精准医疗的到来则是大大地改变传统的这些治疗手段。 /p p 　　“病人去到医院首先是检测病人的基因发生了怎样的改变”，于世辉博士解释道，而不是按照传统的治疗过程来进行了。也因为全球医学水平的高速发展，科学家们在过去这些年中发明了一些专门针对不同的基因变化进行治疗的药物，也就说在对疾病的治疗上，可通过靶向药物而非手术、化疗等传统方式进行。 /p p 　　相比部分国家和地区，我国的精准医疗仍处于刚起步的阶段，目前，全球精准医疗更多地集中在人类对恶性肿瘤的早期诊断和治疗上，基于个体基因检测的肿瘤个体差异化治疗成为重要趋势。根据前期部署的中国精准医疗计划，将于2030年前在精准医疗领域投入600亿元。 /p p 　　根据互联网医疗健康产业联盟早前发布的《2018医疗人工智能技术与应用白皮书》指出，基因检测就是通过解码从海量数据中挖掘有效信息，目前高通量测序技术的运算层面主要为解码和记录，较难以实现基因解读，所以从基因序列中挖掘出的有效信息十分有限。人工智能技术的介入可改善目前的瓶颈。通过建立初始数学模型，将健康人的全基因组序列和RNA序列导入模型进行训练，让模型学习到健康人的RNA剪切模式。之后通过其他分子生物学方法对训练后的模型进行修正，最后对照病例数据检验模型的准确性。 /p

p 　　 strong 仪器信息网讯 /strong 2018年12月1日-2日，第三届国际精准医疗大会(P4 China)于北京顺利召开，会议围绕队列与多组学转化、肿瘤精准诊断与用药、精准医疗产业技术开发等进行了分享与探讨。中国科学院院士、中科院生物物理所研究员陈润生就生物信息、大数据与人工智能在精准医疗中的机遇与挑战作了精彩的报告。 /p p 　　　 img src=" https://img1.17img.cn/17img/images/201812/uepic/fda2b51b-1ea4-4d20-8bb3-5bb1a6583d24.jpg" title=" 陈院士1.png" alt=" 陈院士1.png" style=" text-align: center " / /p p style=" text-align: center " span style=" color: rgb(127, 127, 127) " 陈润生院士 /span br/ /p p 　　陈润生院士指出，精准医学的发展将带动生物样本和数据、基因测序、分子诊断、精准医疗个体化治疗等产业发展，孕育巨大市场空间。 /p p 　　精准医学研究已成为新一路国家科技竞争和引领国际发展潮流的战略制高点，基于精准医疗的个体化治疗市场规模日益扩大，2018年全球市场规模达2238亿美元。国际上在基因资源利用、新药靶点发现、新的诊断治疗方法开发、生物医药新产品研发竞争进入新阶段，对我国生物医药与健康产业的发展形成严峻挑战。 /p p 　　在阐述精准医疗带来的产业化驱动时，陈院士谈及了基因测序仪。Illumina公司去年推出的NovaSeq测序仪已经将全基因组检测成本降至100美元，依此能够对3-48个人类全基因组测序，能够为比对肿瘤—健康组织的超级深度测序、与复杂疾病相关的大规模基因变异等领域提供全新的市场。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201812/uepic/5f7b502a-9a37-49d7-b541-aa5c9940c7e2.jpg" title=" 22.jpg" alt=" 22.jpg" style=" text-align: center " / /p p style=" text-align: center " span style=" color: rgb(127, 127, 127) " Illumina NovaSeq系列测序仪 /span br/ /p p 　　陈院士还指出，人工智能应用于精准医疗是一个必然的趋势，并举了两个人工智能和精准医疗结合的实例。一是基于“人工智能+医疗”的手段，Google DeepMmind公司通过扫描数以千计的视网膜扫描图像，训练出一种人工智能算法，该算法比人类医生更高效和更准确的诊断眼底疾病。 /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201812/uepic/61b54b9e-862e-4a97-a31d-5166f010b320.jpg" title=" 1.jpg" alt=" 1.jpg" style=" text-align: center " / /p p style=" text-align: center " span style=" color: rgb(127, 127, 127) " 视网膜扫描图像 /span br/ /p p 　　二是基于“人工智能+基因组”的手段，Deep Genomics搭建了精确的生物学数据与AI平台，用于支撑遗传学和分子生物学方面的研究。 /p p 　　报告尾声陈院士还分享了课题组对于长非编码核酸lncKdm2b调控淋巴机制研究，指出对于非编码核酸(“暗物质”)研究的重要意义。 /p

第19届亚运会将于今年9月在浙江省杭州市举办。日前，浙江省杭州生态环境监测中心在亚运场馆周边采集了70余个水质监测点位样品，并将这些样品批量放入一套全自动智能分析系统，原来至少需要两个人分析一天样品，现在系统自动操作很快就可完成，而且批量可以达到200多个。这个水质监测智能化系统，业内称之为杭州“生态环境监测AI人工智能实验室”，于2021年5月开始建设。当前主要进行水质智能化监测实验和系统改进，截至目前已经完成近1000个实际样品的实验室比对测试分析，已成功申报一项国家标准立项，并正在申报省标方法规范。水质监测任务一度较为繁重杭州是一个集江、河、湖、海于一体的多水城市，水质监测任务十分繁重。平常每月水质样品检测分析达500余个，而每一个样品分析都要工作人员全程跟踪操作，环节繁多。前些年，杭州曾发生过钱塘江、苕溪饮用水水质异味、化学品运输车辆翻车等事件。尤其是新冠肺炎疫情发生以来，杭州先后迎战新冠病毒德尔塔 、奥密克戎等，每遇这种非常时期，水质监测样品都堆满房间。由于人工监测、分析速度有限，杭州环境监测人度过了许多个不眠之夜。2017年6月发生的钱塘江化工桶泄漏环境突发污染事件，监测人员现在想起来仍心有余悸。当时频次要求高的时候需要每小时采一次样品，每次分析项目达20多项，连续作战十多天。因为全靠人工监测分析，时间紧、任务重、人手少，不得不24小时通宵分析样品。参与当时监测分析的人员余海霞说，加班一夜，凌晨下班时头晕眼花，出单位都不知道回家的方向了。人工智能实现批量化检测结合杭州数字之城建设，杭州开启了“生态环境监测AI人工智能实验室”，积极探索打造“小切口、大场景”平台。这个实验室从外观看没啥特别，只有100多平方米的空间，内部设计却别有洞天。不同于一般实验室“人＋设备”的繁忙景象，这个实验室没几个人，只有两条水质检测的全自动“生产线”——水质自动化分析仪和流水线系统在不停运转。只需把水质样品放进放置区，样品分液、试剂添加、检测分析等流程就不再需要人工参与。而且，人工智能实验室也让批量化检测成为可能。原理化室负责人、现杭州生态环境监测中心办公室主任王奕奕介绍，水质监测分析是一个复杂的过程，添加何种化学试剂、试剂要放多少、何时能进行下一步等，都需要专业人士“操刀”。人工智能实验室，打破了对人的依赖 ，实验室结合仿人眼感知等先进技术，让“生产线”具备了人的观察力和灵活度，即便无人指导，也能自主判断进行检测。不仅提升了检测速度，也减少了人工检测可能引起的误差。原本好几个人干一天的工作，现在1套系统就能完成，而且可以实现大批量检测。“智能监测不但速度快，还有可追溯优点。人工监测样品，如遇到什么问题，回想经过的细节，往往会不那么准确。人工智能实验室在样品保存、数据质控、数据异常等关键环节留痕，实现分析结果可追溯，十分精准 。”王奕奕说。杭州“生态环境监测AI人工智能实验室”在实验阶段已“小试牛刀” 。王奕奕介绍说，去年11月，在分析三墩港一个水样的高锰酸盐指数指标时，发现样品的平行样数据偏差较大。按照以往的做法，需要人脑回忆实验步骤寻找可能出现的问题。而智能实验室的分析系统有视频记录功能，很快精准锁定了问题。今年1月，在监测钱塘江某点位水样时，发现氨氮指标数据超过水质类别标准，智能系统立刻预警提醒，第一时间按规定对水样进行了复核。如果采用人工分析，由于样品的数量多、工作量大，就很难在第一时间发现样品异常情况。打造智能监测杭州样本杭州水质监测智能化，最近已入选国家试点项目。2月18日，生态环境部印发《生态环境智慧监测创新应用试点工作方案》，其中杭州“生态环境监测AI人工智能实验室试点”和另一个高科技项目“杭州生态环境监测无代码技术应用试点”两个项目同时入选全国试点。这个方案根据技术应用先进程度、应用场景丰富程度、人工参与程度等分为六级（L0-L5），重点提升“支撑服务保障、智慧监测基础、服务群众”三方面能力。杭州入选的两大项目均列为最高级别L5，属于全国首创。“生态环境监测AI人工智能实验室试点”对标生态环境监测数字化改革的要求，以国家相关监测分析方法标准为依据，建设全流程自动监测分析系统，实现样品从任务下达到样品前处理、测试、数据分析报送的全流程、全方位、全自动监测。试点项目重点围绕提升智慧监测基础能力，推动新型监测技术应用落地等方面，通过生态环境监测业务全过程智能化、数据高效存储分析利用实践等方面创新突破，力争实现“杭州试点，全国推广”，为全面提升生态环境保护和监测水平做出贡献。“我们力争通过一至两年时间的试点，成功打造国内领先的第四代水质环境监测智能化系统，为全国探索出一个数字化智慧监测的‘杭州样本’。” 浙江省杭州生态环境监测中心主任陈健松说。

晶状体如同人眼中的一个精密光学元件，可以让进入眼睛的光线投影并聚焦到视网膜上，形成清晰的影像，因此我们可以看到外部精彩的世界。晶状体的主要成份是蛋白质和水份，它会因为老化而出现雾化或混浊的情况，而雾化的晶体则会阻碍光线和影像投射到视网膜上。老年人常见眼疾白内障就是由于老化引起的，患者晶状体会变得浑浊，如同透过一层白色障碍物在看东西，极大影响到视力。而相关的药物治疗至今未取得突破性进展，人工晶体植入术是治疗白内障最有效的手段，即把已变得不透明的晶状体拿掉，换上人工晶状体，术后相当于给人眼重新更换了一个光学镜头，且手术安全有效。人工晶状体（Intraocular Lens）通常是由一个圆形光学部和周边的支撑袢组成，光学部的直径一般在 5.5～6 mm 左右，支撑袢的作用是固定人工晶体，可以是两个 C 型或 J 型的线状支撑袢，通常有硬质人工晶体、折叠人工晶体，单焦点/多焦点、黄色人工晶体等。 人工晶状体作为第三类医疗器械，透光率是必测指标。《YY 0290.2-2009眼光科学 人工晶状体 第2部分：光学性能及试验方法》规定了对于人工晶状体透光性能的要求，详见下表描述。标准要求每一型号的人工晶状体都应该给出在波长300nm-1100nm范围内对于光焦度为20D的人工晶状体的光谱透过率记录（例如记录在使用说明书或包装上）。 岛津基于标准《YY 0290.2-2009眼光科学 人工晶状体 第2部分：光学性能及试验方法》开发了透光孔径为φ3mm的人工晶状体测试附件，并针对多数人工晶状体特殊的支撑袢结构，设计了斜凹圆槽，人工晶状体装入后被准确固定在定位孔中。为了模拟晶状体在人眼中的实际状态，支架中可充入盐溶液代替房水，一般可采用0.9%NaCl的盐溶液。以下为对某品牌人工晶状体进行测试的结果。仪器配置如上图所示，即在岛津的紫外可见分光光度计UV-2600i上使用积分球附件，人工晶状体放置在样品侧的人工晶状体支架中，并预先充入盐溶液，同时在参比侧的支架中也注入盐溶液。为了考察测试重复性，对样品进行5次测量，每次测试需要拆开支架重新装样，以验证该人工晶状体支架对于样品定位的准确性。经过5次测试，可看到该支架具有优异的测试重复性。YY 0290.2-2009 标准要求“光谱透射比记录应表明人工晶状体在紫外线（UV） 部分的光谱被滤除，对于光焦度为20D的人工晶状体或同等物，以光谱透射比10%对应的波长作为UV截止波长时，该波长应不小于360nm”。当截止波长小于360nm，则说明人工晶状体不能有效阻挡紫外光。UV截止波长还可反映有害蓝光的透过情况，当小于360nm时，有害蓝光的透过率会变大，而过多的有害蓝光进入人眼视网膜中有可能会导致黄斑眼疾的发生。从上图测试结果得到此人工晶状体的UV截止波长为398nm，可满足行标的要求。 本文内容非商业广告，仅供专业人士参考。

从去年全国两会开始，“人工智能（AI）”就成为一个备受关注的热议话题，今年全国两会延续了这一热度。国务院总理李强日前在政府工作报告中多次提到人工智能，并提出开展“人工智能+”行动。对于“人工智能+”行动，接受《证券日报》记者采访的多位全国政协委员和人工智能相关企业普遍认为，“人工智能+场景创新”“人工智能+算力基础”“人工智能+法治建设”有望率先“动起来”。人工智能+场景创新推动大模型与数字化系统融为一体我国人工智能技术快速发展、数据和算力资源日益丰富、应用场景不断拓展，为开展人工智能场景创新奠定了坚实基础，当前人工智能技术已经在医疗保险、交通运输、智能制造、智能家居、教育等领域广泛运用。全国政协委员、上海移动总经理陈力对记者表示，要明确我国人工智能所要解决的技术、社会和经济发展等问题，在此基础上锚定我国人工智能的发展模式和方向。明确人工智能产业发展规划布局，集中资源投入上游基础层企业，解决中高端人工智能产品自主供应能力不足的问题。提升我国人工智能主管部门与其他部门的联动，自上而下地激发人工智能与各行各业的融合活力。全国政协委员、360集团创始人周鸿祎在接受《证券日报》记者采访时表示，中国发展人工智能大模型的一个重要方向是借助产业和场景的优势，将大模型与业务流程、产品功能相结合，寻求多场景应用、垂直化和产业化的落地。昆仑万维董事长兼CEO方汉向记者介绍，在交通物流行业，人工智能技术应用可以助力企业提升运输效率，降低全社会物流的成本；在文化旅游行业开发文化大模型，能够贯通各类文化机构的数据中心，充分挖掘文化数据的价值；在科技创新领域以科学数据支撑大模型的开发，可以更深入地挖掘各类科学数据和科技的文献应用。人工智能+算力基础建立全国一体化算力大市场从ChatGPT到Sora，从单模态到多模态，从单一智能到通用智能，人工智能大模型技术正在引领新一轮全球人工智能创新热潮，同时，大模型计算也带来了智能算力需求激增，随着“东数西算”工程推进，去年以来全国多地掀起了智算中心建设热潮。全国政协委员、天娱数科副总经理、山西数据流量生态园董事长贺晗在接受《证券日报》记者采访时表示，需要鼓励引导市场主体建设区域级、行业级、企业级等多层次智算聚合服务平台、算力并网平台，广泛汇聚多方算力资源，整合闲置算力，特别是各地政府主导建设智算资源，实现多地算力资源的共享和最优利用，减少投资浪费，增加有效供给。贺晗提出，健全算力调度标准规范体系，为算力资源供给方提供能力自查参考，同时为算力需求方提供算力调度能力使用参考，引导新建算力资源按统一标准建设及接入。全国政协委员、中国信息通信研究院院长余晓晖对记者说，要发挥全国超大规模市场优势，利用互联网发展成功经验，以算力先互联、再成网、构建大市场为主线，基于统一标识符实现多样性算力互联感知，通过弹性网络能力和标准化架构接口实现业务和数据流动互通，进而打造智能感知、高速弹性、安全绿色、先进普惠的算力互联网。人工智能+法治建设确保人类“守法”、机器“守德”去年7月份发布的《生成式人工智能服务管理办法》，促进生成式人工智能健康发展和规范应用；去年10月份发布的《全球人工智能治理倡议》，围绕人工智能发展、安全和治理三个方面系统阐述了人工智能治理的中国方案。全国政协委员、陕西省高级人民法院副院长巩富文对《证券日报》记者表示，我们应当以《全球人工智能治理倡议》为指引，全面整合相关法律、法规，形成“中国特色”人工智能伦理指南，建立科技伦理审查及负面清单准入、分级分类管理、协同监管等制度，确保人类“守法”、机器“守德”。巩富文建议设立新型财产权——“人工智能生成物者权”，认定其权利主体为人工智能生成程序的使用人，不仅可以明确生成物法律地位和归属，推动其进入相关产业链、价值链，激励人工智能生成物的创作传播和产业投资，还可以为侵权责任认定打下良好基础，降低人工智能生成物对现有创作市场的冲击，以达到激励人工智能生成物的生产传播与公共领域保留相平衡的目的。全国政协委员、金杜律师事务所高级合伙人张毅对记者表示，应该尽快推进《人工智能法》的制定和出台，以《人工智能法》及配套的监管工具为核心，形成完整的人工智能技术法律体系。全国政协委员、南方科技大学副校长金李对记者表示，我们在消费过程中，逐渐从现金支付到手机二维码支付，再到人脸识别支付，科技让我们的生活变得更加便捷高效，但这背后也面临着身份信息泄露和隐私安全风险，在科技的便利性和隐私保护之间，需要法律与监管尺度进行平衡，人工智能等新一代信息技术的发展，带来更多新的商业模式和应用创新，相关法治建设也要与时俱进。

在分析化学领域被誉为分析“巨人”的近红外光谱，在多个领域得到了日益广泛的应用。特别是，人工智能与近红外光谱技术的结合正成为推动产业革新的重要力量，不仅为工业过程带来了更高效、更精准的检测和控制手段，提升了数据分析的效率，也为工业优化提供了新的可能。日前，仪器信息网特别采访了江南大学物联网工程学院栾小丽院长，围绕人工智能赋能光谱产业的发展等主题进行访谈。以下为视频采访详情：从算法到仪器 人工智能多层面助力光谱产业仪器信息网：您对于人工智能赋能光谱产业未来的发展前景有何独到的理解？ 栾小丽院长：我认为关于光谱产业和人工智能的结合，可以从三个层面进行考虑：1、算法层面：在光谱产业中，由于涉及到的领域不同且专业性较强，通常需要定制化的模型。应用人工智能技术后，我们期望能够提升这些模型的通用性和泛化能力，这样就能更好地应对各种复杂情况。2、光谱仪器层面：目前，光谱仪器在使用过程中通常分为两个阶段。首先，通过仪器获取中间谱图；然后，利用人工智能或化学计量学的方法对谱图进行分析检测。3、仪器发展层面：未来的光谱仪器或产业发展趋势是在仪器端直接得到用户所需的结果，而无需经过额外的分析过程。仪器信息网：现阶段，光谱和人工智能如何更好地结合才能赋能产业的发展？这个过程中，在技术、应用、人才以及产业模式等层面还面临哪些问题？栾小丽院长：其实我个人的研究更偏向于在工业过程中，但光谱却可以涉及多个领域，比如医美、生物医药和农业等。虽然这些领域的应用潜力巨大，但以我个人对目前整个应用情况来看，工业过程应用还相对不够成熟。特别是在线应用方面，我们还有很多挑战性的难题有待去突破。此外，人才短缺也是限制光谱技术在工业中广泛应用的一个因素。我们开发的技术如果不能得到企业的有效维护和支持，就难以发挥其最大效能。因为在光谱领域中，模型的后期维护往往比前期开发更为重要。因此，我们真正需要的是增强技术团队的力量，确保技术的持续发展和有效应用。算法突破, 提升近红外光谱技术在线检测的准确性仪器信息网：作为一项应用导向型的技术，您如何评价当前我国近红外光谱技术的应用现状？在实际在线检测、过程控制层面能解决哪些难题或者技术瓶颈？给工业客户带来哪些客观的经济价值？有哪些成功的案例可以给大家分享？栾小丽院长：近红外光谱技术在国内外都有广泛的应用，客观来讲的话，在我国该技术的应用尚有不足。特别是在工业领域，尽管一些大型石油企业引入了这项技术，但最终长期应用效果并不理想。这其中的原因，一方面可能存在技术瓶颈，但更重要的则是缺乏专业人才团队的后期维护，这一点比开发模型更重要。实际上，近红外光谱技术在实际应用中确实能够带来显著的经济效益。举一个简单的例子，在油砂处理过程中，通过近红外光谱技术准确检测油砂中的水和氯含量，可以避免在添加催化剂时仅依赖经验导致的过量或不足问题。不当的添加不仅影响产品质量，还会增加设备腐蚀和后续处理的负担。以我们在加拿大一家石油公司的合作为例，通过精确的水和氯含量检测，该公司的年经济效益高达7,000万加币。一旦能够精准的检测之后，不光保证质量稳定，也还会减轻后续设备维护以及下游生产等成本，从而带来可观的经济回报和生产效率的提升。仪器信息网：您课题组在相关层面具体开展了哪些工作？在仪器、技术、算法或应用等方面有什么样的突出成果？未来有什么样的科研计划？栾小丽院长：我们目前的工作主要是通过使用现有的仪器设备，在具有挑战性的应用场景中去突破一些应用层面的问题，这些挑战主要集中在算法层面。值得一提的是利用大模型技术，把光谱信息以一些新模态方法应用，是很有前途的事情，我们的有些研究正在进行中。目前我们课题组做的工作偏向于算法层面，我们已经在ppm级别物质浓度在线检测的技术突破方面取得了进展。此外，我们面临的数据分布通常比较狭窄，且彼此之间关联性不强。在这种情形下，我们利用人工智能算法来优化在线检测的性能，提升检测的准确性和效率。人工智能扩大了近红外光谱在工业优化中的应用空间仪器信息网：您在近红外在线检测、过程模式监控、生产能效优化等方向域耕耘多年，从您专业的角度分析，您认为人工智能将给近红外光谱技术的发展和应用带来什么样的助力？栾小丽院长：在工业流程中，近红外在线检测的首要任务是检测层面的工作，这是基础也是关键。我们都知道在工业过程中没有准确的数据来源，后续的运营和维护将无法进行。当然，除了检测外，近红外光谱技术还可以在工业过程中有非常多的应用场景。对人工智能而言，同样适用于过程监控，它能够提供比传统传感器更多的数据，这些数据如何充分的利用是提高工业过程监控效率的关键。这也是我个人觉得后续应用当中要考虑的第二个因素。在生产的优化过程当中，传统的方法是先检测到一个浓度，然后基于这个浓度进行优化。而发挥人工智能价值的核心在于是否有数据，有了数据我们就可以直接利用谱数据进行分析，并通过人工智能算法直接从数据中提炼有价值的信息，进而优化生产过程。这不仅提升了数据分析的效率，也扩大了人工智能在工业优化中的应用空间。仪器信息网：在人工智能迅速发展的背景下，您对近红外光谱技术的应用前景有什么样的展望或预期？栾小丽院长：我相信近红外光谱技术在各行各业都发挥着无可替代的作用，它不仅在检测领域展现了超出传统方法的前沿性和先进性，而且还能对过程进行精准操控。这种技术的运用，无疑对现在讨论火热的新质生产力的提升起到实质性的助力。从本质上来讲，新质生产力是对物质的准确检测和过程的有效控制，而光谱技术恰好能够二者兼顾，既实现了物质的快速检测，又可以通过光的操控对过程进行精细调整。为了展现最新的光谱仪器技术及相关的应用，促进中国科学仪器行业健康快速发展，进一步提升光谱技术及相关应用的专业水平，促进各相关单位的交流与合作，由仪器信息网主办，中国仪器仪表学会近红外光谱分会、中国科学院物理研究所、中国遥感应用协会高光谱专业委员会、南通长三角智能感知研究院等协办的“第十三届光谱网络会议, （简称iCS2024)”将于2024年7月16-19日举办。点击图片，即可报名

p 　　如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。 /p p 　　 strong 概念与历程 /strong /p p 　　了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能(Artificial Intelligence，简称AI)”这一概念，标志着人工智能学科的诞生。 /p p 　　人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听(语音识别、机器翻译等)、会看(图像识别、文字识别等)、会说(语音合成、人机对话等)、会思考(人机对弈、定理证明等)、会学习(机器学习、知识表示等)、会行动(机器人、自动驾驶汽车等)。 /p p 　　人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段： /p p 　　一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。 /p p 　　二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空(例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等)，使人工智能的发展走入低谷。 /p p 　　三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。 /p p 　　四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。 /p p 　　五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司(简称IBM)深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。 /p p 　　六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。 /p p 　　 strong 现状与影响 /strong /p p 　　对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。 /p p 　　专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务(比如下围棋)的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗(AlphaGo)在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。 /p p 　　通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。 /p p 　　人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段 全球知名风投调研机构CB Insights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。 /p p 　　创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。 /p p 　　人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。 /p p 　　 strong 趋势与展望 /strong /p p 　　经过60多年的发展，人工智能在算法、算力(计算能力)和算料(数据)等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢? /p p 　　从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯· 哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。 /p p 　　从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。 /p p 　　从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统(AutoML)试图通过自动创建机器学习系统降低人员成本。 /p p 　　人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。 /p p 　　人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40% 到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。 /p p 　　人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。 /p p 　　人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元 法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国 2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争 俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。 /p p 　　人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。 /p p 　　 strong 态势与思考 /strong /p p 　　当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。 /p p 　　高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。 /p p 　　态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。 /p p 　　差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司Compass Intelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。 /p p 　　前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。 /p p 　　当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。 /p p 　　树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。 /p p 　　重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。 /p p 　　构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等 “核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等 “高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等 “基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。 /p p 　　推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。 /p p br/ /p

2024年，人工智能(AI)技术在仪器研发领域展现出了前所未有的深度融合和广泛渗透。AI不仅为仪器研发带来了新的设计理念和研发模式，更重要的是赋予了仪器更强大的功能和智能化水平，推动了整个行业的技术进步和效率提升。通过深度学习、计算机视觉、自然语言处理等先进算法，AI赋能了仪器研发的自动化、智能化和高效率，为科研和工业生产带来了革命性的变革。　　AI驱动的智能制造　　实时质量监控与自动化调整　　AI系统可以实时监测生产过程中的各种参数和指标，及时发现异常情况并自动采取措施，确保产品质量符合标准。例如，AI可以通过分析来自传感器的数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。一旦发现问题，AI可以自动调整工艺参数，如切削速度、温度、压力等，从而避免不合格品的产生。　　工艺优化与参数调整　　基于AI的工艺优化技术可以分析海量的生产数据，识别影响产品质量的关键因素，并自动调整最佳的工艺参数组合，提高生产效率和产品质量。例如，AI可以通过对切削速度、进给速度、刀具类型等参数对加工质量的影响进行建模，从而实现对这些参数的自动优化，达到提高加工精度和一致性的目的。　　缺陷检测与分类　　利用计算机视觉和深度学习技术，AI可以自动检测和识别仪器产品表面的各种缺陷，如划痕、污染、图案偏差等。这比传统的人工目视检查更加高效、准确，可大幅提高产品的合格率。深度学习模型可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品，实现高精度的自动缺陷检测。　　预测性维护　　通过监测仪器设备的运行数据，AI可以预测设备可能出现的故障和异常，从而提前进行维护和保养，减少停机时间，确保设备处于最佳状态，间接提高产品质量的稳定性。例如，AI可以分析传感器数据，识别出设备性能的下降趋势，提前发出维护警报，减少维修成本。　　AI赋能数据分析与建模　　数据驱动的设计优化　　AI可以通过模拟和预测分析，帮助研发团队更快地迭代和优化产品设计。例如，在医疗仪器研发中，AI可以分析大量的医疗数据，包括病历、影像数据和临床试验结果，从中发现新的诊断和治疗模式，为仪器设计提供依据和建议。　　需求预测与资源配置　　AI技术在需求预测和资源配置方面也发挥着重要作用。AI算法能够分析历史数据，识别资源利用率模式，并基于此预测未来的资源需求。这样研发团队就可以提前调配资源，避免资源浪费或短缺。同时，AI驱动的资源调度系统能够根据项目需求、员工技能等因素，自动生成最优的资源分配方案，提高资源利用效率。　　材料科学与生物领域应用　　2024年，AI在材料科学和生物领域的应用取得了突破性进展，推动了科学发现和创新。例如，AI助力高内涵成像系统的发展，开启了类器官研究的新纪元。通过AI算法，研究人员可以从复杂的生物数据中提取有价值的信息，优化成像系统的性能和应用场景，为生物技术和制药研发提供了强大支持。　　多模态AI系统与自动化　　多模态人机交互　　多模态AI系统能够处理文本、图像、语音等多种形式的数据，为仪器的设计和使用带来了新的交互方式。例如，AI可以通过语音识别和自然语言处理技术，帮助用户更方便地操作和控制仪器。在医疗诊断中，AI可以结合患者的病历、影像数据和语音描述，提供更全面的诊断支持。　　实验室自动化　　AI推动了实验室自动化的发展，实现了无人值守的实验室操作。机器人可以执行样品准备、实验操作、数据分析等任务，而AI系统则负责实验设计、结果解释和报告生成。这极大提高了实验室的工作效率和准确性。例如，卡内基梅隆大学研发的"合作科学家"AI工具能够自主设计、规划和执行复杂的科学实验，显著加快了科学研究的进程。　　智能制造与自动化　　AI在智能制造和自动化方面的应用将显著提升仪器研发的效率和精度。通过AI驱动的自动化系统，研发团队可以实现全天候的实验室自动化操作，减少人工干预，提高数据采集和分析的速度。例如，AI可以在药物研发中使用全基因组、原子分辨率仪器和机器人技术，建立海量医疗数据集，加速药物发现过程。　　质量控制与缺陷检测　　实时质量监控　　AI系统可以实时监测生产过程中的各种参数和指标，及时发现异常情况并采取措施，确保产品质量符合标准。例如，AI可以通过分析来自传感器的数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。一旦发现问题，可以及时调整工艺参数，从而避免不合格品的产生。　　自动化缺陷检测　　利用计算机视觉和深度学习技术，AI可以自动检测和识别产品表面的各种缺陷，如划痕、污染、图案偏差等。这比传统的人工目视检查更加高效、准确，可大幅提高产品的合格率。深度学习模型可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品，实现高精度的自动缺陷检测。　　工艺优化与参数调整　　基于AI的工艺优化技术可以分析海量的生产数据，识别影响产品质量的关键因素，并自动调整最佳的工艺参数组合，提高生产效率和产品质量。AI可以自动调整多种参数，包括切削速度、温度、压力、流量、生产速度、设备设置等，确保产品质量的稳定性和一致性。　　预测性维护　　通过监测仪器设备的运行数据，AI可以预测设备可能出现的故障和异常，从而提前进行维护和保养，减少停机时间，确保设备处于最佳状态，间接提高产品质量的稳定性。例如，AI可以分析传感器数据，识别出设备性能的下降趋势，提前发出维护警报，减少维修成本。　　质量数据分析与持续改进　　AI可以对历史的质量数据进行深入分析，挖掘影响质量的潜在因素，为制定质量改进措施提供依据。同时，AI也可以从质量数据中学习，不断优化质量控制策略。通过利用历史工艺数据，AI可以帮助企业识别出影响质量的根本原因，并制定针对性的改进措施，实现持续改进。　　降低生产成本　　自动化与智能化　　AI技术可以自动化生产流程，减少人工干预，从而降低人力成本。例如，柯尼卡美能达使用高分辨率机器视觉系统与AI相结合，在汽车流水线上进行漆面瑕疵检测，确保产品质量的同时降低了生产成本。　　此外，AI可以通过预测性维护技术，提前识别设备故障并进行预防性维护，减少停机时间和维修成本。例如，AI驱动的预测性维护系统可以分析传感器数据，预测设备何时可能发生故障，从而主动进行修复，最大限度地降低成本。　　优化资源配置　　AI可以优化资源配置，确保资源的高效利用。例如，AI系统可以根据项目需求、员工技能和可用资源，自动生成最优的资源分配方案，减少资源浪费。　　在供应链管理中，AI的应用可以显著降低成本。通过生成式AI技术，企业可以优化采购、库存管理和物流，减少库存积压和物流成本。例如，AI可以预测装配线资产需求，优化库存水平，并提出高效的存储和运输路线。　　提高生产效率　　AI可以通过分析生产数据，优化生产流程，提高生产效率。例如，AI可以在生产过程中实时调整参数，确保每个产品都符合质量标准，从而减少废品率和返工成本.此外，AI可以优化工厂的能源使用，降低能耗。例如，西门子利用AI算法创建工厂的数字孪生，监控设备性能，优化生产计划，并调整能源使用模式，从而减少能源相关的成本。　　降低研发成本　　AI可以通过高效的数据分析和模型构建，减少研发时间和成本。例如，AI可以分析大量的实验数据，识别出最优的实验条件和参数，减少实验次数和成本.同时，AI推动实验室自动化，实现无人值守的实验室操作，减少人工成本。例如，AI可以自动执行样品准备、实验操作和数据分析等任务，提高实验室的工作效率和准确性。　　降低硬件成本　　AI可以帮助开发低成本的高性能设备。例如，中国香港大学的研究人员利用现成硬件和AI技术，开发出低成本的超低场核磁共振成像设备，其性能堪比高端仪器，但成本大大降低。　　供应链优化　　需求预测与库存管理　　AI可以通过分析历史数据和实时数据，提供更准确的需求预测。这有助于优化库存管理，减少库存积压和缺货情况。例如，AI可以基于销售管道、营销线索、市场趋势、经济前景和季节性销售趋势等内部和外部信号，预测需求变化，从而帮助制造商平衡库存水平与持有成本.AI驱动的库存优化系统可以评估物料数量，推荐最佳的仓库布局，加快库存存取速度和运输速度。通过规划理想的路线，AI可以加速库存运输，提高履行率，减少库存相关的成本。　　供应链可见性与风险管理　　AI可以处理大量数据，提供供应链的全面可见性。这包括实时监控供应链中的各个环节，识别潜在的瓶颈和低效问题，从而提高整体供应链的效率和透明度.同时，AI可以预测供应链中的潜在风险，如设备故障、物流中断等，并提前采取措施进行缓解。例如，AI可以通过分析传感器数据，预测设备的维护需求，减少停机时间和相关成本。　　自动化与智能化　　AI可以自动化许多供应链管理任务，如订单处理、库存管理和物流调度。这不仅提高了效率，还减少了人工错误。例如，AI可以自动生成和优化生产计划，确保资源的高效利用.AI可以通过动态路线优化、管理交付时间窗口、优化燃油消耗和负载能力利用率等方式，提高物流配送的速度和质量。这有助于减少运输成本和时间，提高客户满意度。　　供应商管理与采购优化　　AI可以根据财务指标、经营风险、履约能力等建立供应商画像，进行供应商推荐和评估。这有助于企业选择最合适的供应商，降低采购风险和成本.AI可以自动分析供应商报价、市场行情和历史价格，快速核定合理的价格区间，帮助企业科学控制采购成本，提高采购效率和质量。　　质量控制与维护　　AI可以在制造过程中实时监控产品质量，及时发现并纠正缺陷，确保产品的一致性和可靠性。例如，AI可以通过计算机视觉技术检测产品表面的缺陷，提高质量控制的效率和准确性.AI可以通过预测性维护技术，提前识别设备故障并进行预防性维护，减少停机时间和维修成本。这在复杂的制造环境中尤为重要，可以显著提高设备的整体效能.总的来说，AI在优化仪器研发的供应链方面提供了全面的解决方案，从需求预测、库存管理到物流调度、质量控制和风险管理，显著提高了供应链的效率和灵活性，降低了运营成本。　　质量控制　　AI在仪器研发中可以通过以下几个方面提高质量控制：　　缺陷检测与分类　　利用计算机视觉和深度学习技术，AI可以自动检测和识别仪器产品表面的各种缺陷，如划痕、污染、图案偏差等。这比传统的人工目视检查更加高效、准确，可大幅提高产品的合格率。例如，深度学习模型可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品。通过迭代训练和验证，模型可以适应不同类型的缺陷模式，实现高精度的自动缺陷检测。　　实时质量监控　　AI系统可以实时监测仪器生产过程中的各种参数和指标，及时发现异常情况并采取措施，确保产品质量符合标准。例如，AI可以通过分析来自传感器的数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。一旦发现问题，可以及时调整工艺参数，从而避免不合格品的产生。　　工艺优化　　基于AI的工艺优化技术可以分析海量的生产数据，识别影响产品质量的关键因素，并自动调整最佳的工艺参数组合，提高生产效率和产品质量。例如，AI可以通过对切削速度、进给速度、刀具类型等参数对加工质量的影响进行建模，从而实现对这些参数的自动优化，达到提高加工精度和一致性的目的。　　预测性维护　　通过监测仪器设备的运行数据，AI可以预测设备可能出现的故障和异常，从而提前进行维护和保养，减少停机时间，确保设备处于最佳状态，间接提高产品质量的稳定性。　　质量数据分析　　AI可以对历史的质量数据进行深入分析，挖掘影响质量的潜在因素，为制定质量改进措施提供依据。同时，AI也可以从质量数据中学习，不断优化质量控制策略.总的来说，AI为仪器研发的质量控制带来了自动化、智能化和高效率的解决方案，有助于提高产品质量、降低不合格品率、减少人工成本，推动仪器制造业的质量水平不断提升。但同时也需要注意AI系统的可解释性、可靠性等问题，保证质量控制的科学性和安全性。　　分析和利用历史工艺数据，提高质量控制　　AI通过分析和利用历史工艺数据，可以显著提高质量控制的效果。以下是具体的方式：　　预测性维护和预防性措施　　预测设备故障　　AI可以通过分析历史工艺数据，预测设备何时可能发生故障，从而提前进行维护，避免生产中断。例如，AI算法可以分析传感器数据，识别出设备性能的下降趋势，提前发出维护警报，减少停机时间和维修成本。　　预防性质量控制　　通过利用历史数据，AI可以识别出生产过程中可能出现的质量问题，并在问题发生之前采取预防措施。例如，AI可以分析过去的生产数据，识别出哪些工艺参数与产品缺陷相关，从而优化这些参数，减少缺陷的发生。　　实时监控和自动化调整　　实时质量监控　　AI系统可以实时监控生产过程中的各种参数和指标，及时发现异常情况并采取措施，确保产品质量符合标准。例如，AI可以通过分析实时数据流，识别与正常运行状态的偏差，提前预警潜在的质量问题。　　自动化工艺调整　　基于历史数据的分析，AI可以自动调整生产工艺参数，以确保产品质量的一致性。例如，AI可以在生产过程中实时调整温度、压力、速度等参数，确保每个产品都符合质量标准。　　数据驱动的决策支持　　数据分析与模式识别　　AI可以分析大量的历史工艺数据，识别出影响产品质量的关键因素和模式。例如，AI可以通过机器学习算法，发现哪些工艺步骤容易导致质量问题，从而优化这些步骤，提高整体质量控制水平。　　提供决策支持　　AI可以为质量管理人员提供数据驱动的决策支持，帮助他们做出更明智的决策。例如，AI可以根据历史数据，预测未来的质量趋势，建议改进措施，优化生产计划和资源配置。　　提高检测精度和效率　　自动化缺陷检测　　利用计算机视觉和深度学习技术，AI可以自动检测和识别产品表面的各种缺陷，比传统的人工目视检查更加高效、准确。例如，AI可以从大量标注的图像数据集中学习，熟练区分正常产品和有缺陷的产品。通过迭代训练和验证，模型可以适应不同类型的缺陷模式，实现高精度的自动缺陷检测。　　提高检测效率　　AI驱动的自动化检测系统可以显著提高检测效率，减少人工干预。例如，AI可以在生产线上实时监控产品质量，及时发现并纠正缺陷，确保产品的一致性和可靠性。通过使用高清高速摄像机和深度学习算法，AI系统能够快速处理大量图像数据，实时检测并分类缺陷，从而提高生产线的整体效率。　　持续改进和优化　　持续监控和改进　　AI可以持续监控生产过程中的数据，识别出新的质量问题，并不断优化质量控制策略。例如，AI可以通过分析实时和历史数据，发现新的质量问题，并提出改进建议，帮助企业实现持续改进。通过不断学习和调整，AI系统能够适应生产环境的变化，保持高效的质量控制。　　数据驱动的质量改进　　通过利用历史工艺数据，AI可以帮助企业识别出影响质量的根本原因，并制定针对性的改进措施。例如，AI可以分析过去的质量数据，发现哪些因素导致了质量问题，从而优化这些因素，提高整体质量水平。数据驱动的质量改进不仅提高了产品质量，还减少了生产成本和资源浪费。总的来说，AI通过分析和利用历史工艺数据，可以显著提高质量控制的效果，减少缺陷率，提高生产效率，降低成本，帮助企业实现更高的质量标准和客户满意度。　　自动调整多种参数　　AI在质量控制中可以自动调整多种参数，以确保产品质量的稳定性和一致性。以下是一些具体的参数和调整方式：　　工艺参数　　切削速度和进给速度　　在数控系统中，AI可以通过分析切削速度、进给速度等工艺参数对加工质量的影响，自动调整这些参数以提高加工效率和质量。例如，通过优化切削速度和进给速度，可以减少刀具磨损，提高表面光洁度。　　温度、压力和流量　　在化工生产过程中，AI可以监测和调整温度、压力、流量等参数，以确保工艺的稳定性和产品质量。例如，AI可以通过实时数据分析，检测潜在的问题或异常情况，并自动调整这些参数以最大程度地提高产量和质量。　　湿强度化学品剂量　　在造纸行业，AI驱动的自动控制系统可以调节湿强度化学品的剂量，确保湿张力质量参数达到目标粘附程度。这种自动调整可以减少误差率，提高产品的一致性。　　生产控制参数　　生产速度和设备设置　　AI可以根据实时生产数据，自动调整生产速度和设备设置，以优化生产效率和产品质量。例如，AI可以在生产过程中实时调整设备的运行参数，确保每个产品都符合质量标准。　　质量特性参数　　AI可以分析生产控制参数与最终产品质量特性之间的关系，自动推荐和调整最优的工艺参数。例如，AI可以在生产过程中实时调整参数，以最小化质量特性的波动，确保产品质量的稳定性。　　设备运行参数　　设备维护和保养参数　　AI可以通过预测性维护技术，提前识别设备故障并进行预防性维护，自动调整设备的运行参数以延长设备寿命和减少停机时间。例如，AI可以根据设备的运行数据，自动调整维护计划和保养参数，确保设备始终处于最佳状态。　　传感器和监控系统参数　　AI可以优化传感器和监控系统的参数设置，以提高数据采集的准确性和实时性。例如，AI可以根据生产过程中的变化，自动调整传感器的灵敏度和监控系统的阈值，确保数据的准确性和及时性。　　质量检测参数　　检测标准和阈值　　AI可以根据历史质量数据和实时检测结果，自动调整质量检测的标准和阈值。例如，AI可以在检测过程中实时调整检测标准，确保每个产品都符合质量要求。　　检测频率和方法　　AI可以根据生产过程中的质量波动，自动调整检测频率和方法。例如，AI可以在质量波动较大的时候增加检测频率，确保及时发现和纠正质量问题。总的来说，AI在质量控制中可以自动调整多种参数，包括工艺参数、生产控制参数、设备运行参数和质量检测参数。这些自动调整不仅提高了生产效率和产品质量，还减少了人工干预和操作错误，推动了制造业的智能化和自动化。　　结论　　2024年，AI在仪器研发中的应用将继续深化和扩展，推动各行业的技术创新和效率提升。AI技术不仅提高了研发过程的自动化和智能化水平，还为新一代仪器的设计和优化提供了强大的数据支持和分析能力。通过自动化生产流程、预测性维护、优化资源配置、提高生产效率和降低研发成本，AI显著降低了生产和运营成本。此外，AI在质量控制中的应用，通过自动调整多种参数，提高了产品质量和生产效率，减少了人工干预和操作错误，推动了制造业的智能化和自动化。总的来说，AI为仪器研发带来了革命性的变革，推动了各行业的技术进步和效率提升。未来，随着AI技术的不断发展和应用的深入，仪器研发将迎来更加智能化和高效化的新时代。　　参考资料　　1. 罗东亮, 蔡雨萱, 杨子豪, 章哲彦, 周瑜, & 白翔. (2022). 工业缺陷检测深度学习方法综述. 中国科学: 信息科学, 52(6), 1002-1039. doi:10.1360/SSI-2021-0336. Retrieved from http://scis.scichina.com/cn/2022/SSI-2021-0336.pdf　　2. 材料导报. (2022, November 30). Retrieved from http://www.mater-rep.com/CN/10.11896/cldb.20070136　　3. Google Patents. (2022, November 30). Retrieved from https://patents.google.com/patent/CN111445471A/zh　　4. Alicona. (2022, November 30). Retrieved from https://www.alicona.com/cn/publications/lectures/automatic-defect-detection-measurement-with-ai　　5. 自动化学报. (2022, November 30). Retrieved from http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190811　　6. Charmve. (2022, November 30). Retrieved from https://github.com/Charmve/Surface-Defect-Detection/blob/master/ReadmeChinese.md　　7. 畅游2024年人工智能趋势、预测和可能性. (2024, April 25). Retrieved from https://www.thepaper.cn/newsDetail_forward_26088967　　8. Oracle. (2024, April 25). Retrieved from https://www.oracle.com/cn/scm/ai-supply-chain/　　9. IA Library. (2024, April 25). Retrieved from http://lib.ia.ac.cn/news/newsdetail/68723　　10. CSIA-JPW. (2024, April 25). Retrieved from http://www.csia-jpw.com/UserFiles/Article/file/6384005594877351547983703.pdf　　11. Deloitte. (2024, April 25). Retrieved from https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/technology-media-telecommunications/deloitte-cn-tmt-2024-ai-computing-industry-trends-outlook-zh-231225.pdf　　12. Deloitte. (2024, April 25). Retrieved from https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/strategy/deloitte-cn-strategy-ai-application-cases-zh-211220.pdf　　13. Arrow. (2024, April 25). Retrieved from https://www.arrow.com/zh-cn/research-and-events/articles/how-ai-is-changing-manufacturing　　14. DFCFW. (2024, April 25). Retrieved from https://pdf.dfcfw.com/pdf/H3_AP202312041613222300_1.pdf

近日，浙江杭州检验检疫局开通了“食品标准法规网”。用户可以通过访问杭州局门户网站，免费检索到世界各国颁布的相关食品检验标准和法律法规。 　　据了解，“食品标准法规网”具有强大的信息智能化检索功能，能够通过互联网对世界各国官方网站公布的最新食品安全法规和标准进行智能检索和抓取。通过人工确认自动分类入库，用户可以通过数据平台方便快捷地调阅信息。目前“食品标准法规网”已获得正式域名注册(www.hzcia.com)。数据库收集了包括美、日、韩、欧盟等主要发达国家在内的各类食品安全标准、法规逾1200个，涵盖茶叶、蜂产品等多个门类。

每个孩子都喜欢五颜六色的糖果、色彩缤纷的果冻。然而，最新研究显示，令食品颜色变得鲜艳的人工色素对孩子的危害程度等同于含铅汽油，除了会导致多动症等行为障碍外，长期摄入6种人工色素还会损害儿童的智力，严重时会令其IQ值下降5.5分。 　　英国食品标准局理事会10日就部分食用色素可能对儿童行为产生影响的问题进行了讨论，并决定向政府提出在食品中少用人工色素的建议。欧洲多个消费者保护组织10日也敦促欧盟全面禁止使用这6种人工色素。 　　此前，科学家早就发现，长期摄入生产糖果和软饮料时经常使用的人工添加剂会导致多动症等行为障碍。英国食品标准管理局(FSA)对这一研究结果拨款75万英镑委托南安普敦大学的研究者进行进一步的研究，研究结果显示，有6种人工色素包括人们所熟知的柠檬黄、日落黄会影响儿童的智力，严重时可导致儿童的IQ值下降5.5分。目前，研究者还在对另一种添加剂苯甲酸纳的危害性进行进一步研究。 　　领导这项研究的南安普敦大学教授吉姆史蒂文森专门写信给英国食品标准管理局呼吁尽快采取措施取缔人工色素。他在信中指出，根据他们的研究，人工色素对儿童智力的破坏作用跟铅中毒差不多。上世纪80年代初，科学家发现铅对儿童的智力具有很大损害，高铅儿童和低铅儿童的智力在IQ值上相差5.5分。2000年，含铅汽油被全面禁止。 　　英国食品和饮料协会发言人辩称，食品添加剂在允许被公众接触前已经经过测试。“食品添加剂的使用是严格按照欧洲的有关法律进行的，是在欧洲科学委员会批准安全的情况下才使用的。” 　　这些食品添加剂有害健康： 　　柠檬黄：在英国人常吃的青豆茸以及棉花糖中使用，英国禁止在所有3岁以下儿童的食品和饮料中使用。 　　喹啉黄：经常在果汁和感冒胶囊中使用。 　　日落黄：经常在泡泡糖和豆形软糖中使用。 　　蓝光酸性红：经常在润喉糖中使用。 　　食用胭脂红：经常在软糖中使用。 　　诱惑红：经常在果冻和棒棒糖中使用。 　　苯甲酸纳：人工防腐剂，经常在软饮料、止咳糖浆中使用。

大数据与人工智能信息挖掘技术与各领域具体业务的融合已成为目前国际领域各行业的关注和研究重点，科迈恩公司自2013年起，与国家药典委员会、中国食品药品检定研究院、中国医学科学院药物研究所，以及北京大学医学部等合作单位一道，前瞻性地将大数据技术应用在药品标准和质量控制、新药研发以及精准医疗等不同领域，并陆续推出了行业领先的国家数字药品标准平台、国家数字标准物质平台，以及质谱成像及原位代谢组学工作站系统等一系列行业大数据解决方案。从而以实际行动响应了习近平总书记关于加快推进网络信息技术自主创新的要求，通过不懈探索并初步实现了以数据集中和共享为途径，建设一体化国家大数据中心，推进技术融合、业务融合、数据融合，实现跨层级、跨部门、跨业务的协同管理和服务的战略目标。　　通过对上述项目的联合攻关和顺利实施，科迈恩公司在大数据分析技术与具体行业应用的融合方面积累了丰富经验，实现了包括各国药典标准的中英文智能比对和检索分析（中、美、欧、日各国1000多项药品标准及数十万检测条目）、基于海量高维高分辨MSI质谱数据的化学计量学模式识别及原位代谢组学分析技术（单个样品数据量从数十GB至数百GB不等），以及跨仪器平台的数字标准物质大数据及人工智能鉴别系统（样品-色谱-光谱-质谱-色谱柱信息等5维数据联用）等。在今后的发展中，科迈恩将继续与广大合作单位一道，在食品、药品安全及精准医疗等国计民生重点领域不断开发出具有前瞻性的大数据创新性系列产品。1.《数字化中药材标准》简介 　　《数字化中药材标准》1.0版收录了包括《中国药典》一部及增补本所收载的中药材品种，以及《中药材显微鉴别图鉴》、《中药材及原植物图鉴》、《中药材薄层色谱彩色图集》、《高效液相色谱图集》等药典配套丛书及其支持数据。共计收载中药材标准618项，相关性状、显微鉴别、含量测定等各类专业插图3452幅。标准正文同时提供中、英文版本并支持双语对比显示。　　软件界面采用了中、英、法、德、日语等多种语言；还实现了对同时期《美国药典》、《欧洲药典》、《日本药局方》、《印度药典》、《越南药典》、《韩国药典》等各国药典关于中药材（植物药）质量标准收载情况的统计。整个平台自设计开发阶段即融入了特色鲜明的药品标准“大数据”和“互联网+”的概念，从而更好地为全行业提供围绕药品标准的一站式解决方案和信息增值服务。2.《国内外药用辅料标准对比系统》简介　　为了系统了解2015 年版《中国药典》药用辅料标准现况，综合分析国内外药用辅料标准的异同，深入开展药用辅料质量研究，进一步缩小与国外药用辅料标准的差距，以及推动我国药用辅料行业的健康发展，国家药典委员会组组织开发了中、英文电子出版物《各国药用辅料标准对比系统》。　　其包括各国药典收载的药用辅料标准共计1182个品种，其中《中国药典》2010年版132个、2015年版270个、《美国药典》第38版516个、《欧洲药典》8.5版277个，以及《日本药局方》第16版133个。该书为国内外药品和药用辅料研发、生产、使用单位及监管部门全面了解各国药用辅料标准整体情况以及各国标准之间的差异提供了有价值的参考。国家药典委员会还将利用数字化、信息化技术加快药品标准信息服务平台的建设，提供更多的各国药品标准自动比对和质量标准分析的服务功能。3.新一代质谱成像数据处理工作站软件简介　　随着质谱分析仪器的快速发展，质谱成像数据处理技术已成为目前MSI及原位代谢组学分析技术的热点领域。为了解决上述关键问题，填补专业高性能质谱成像工作站的空白，中国医学科学院／北京协和医学院药物研究所再帕尔? 阿不力孜教授课题组与科迈恩（北京）科技有限公司深入合作，发挥各自领域的优势和专长，共同研制开发了新一代质谱成像数据处理工作站软件MassImager。　　作为新一代质谱成像专业工作站，MassImager融合了以化学计量学、质谱图像模式识别，以及并行计算等为代表的质谱大数据和人工智能等前沿分析技术。MassImager作为高性能质谱成像分析的重要组成，有望在新药研发、癌症及重大疾病的临床精准医学等领域获得广阔的应用前景。4.DRS国家数字标准物质体系简介　　为了顺应药品质量标准及标准物质的数字化潮流，中国食品药品检定研究院组织开展了“数字化标准物质平台”研究。数字标准物质可有效减少实物标准物质的制备与标定，在节约成本的同时又能以标准化、大数据的形式提供与药品质量标准与检测样品有关的全面的多维融合信息，实现以大数据、智能化为技术支撑的互联网共享目的。　　作为下一代数字标准物质大数据平台的雏形，项目所设计开发的DRS Origin软件提供了全新的色谱柱保留时间预测模型，以及基于分析仪器大数据的光谱、质谱和色谱柱性能的智能多维数据联合分析系统解决方案，将为数字标准物质的应用和推广提供强有力的技术支撑。

近期刚刚闭幕的中央经济工作会议，部署了2024年要扎实做好的九项重点任务，其中之一，就是以科技创新引领现代化产业体系建设，强调创新对产业发展的重要牵引作用。创新是引领发展的第一动力，标准是创新的体现和固化。跟进落实会议精神，2024 年 1 月 24 日，中关村标准化协会联合国际标准化杰出贡献奖励基金会，在北京裕龙国际酒店启动第四届中关村标准周（ZSW 2024），以一场全体大会和五场平行论坛，拉开本届“标准周”的序幕，深度诠释了标准化于创新的内生动力。会场全景据悉，本届“标准周”标新立异，以“标准化案例：全球成功企业打赢标准战的最佳实践”为主题，讲好“标准故事”，力争把握全球趋势，从案例中洞悉实践的成功密码。全体大会，领导、企业代表、与会专家共计出席300余人，气氛热烈。1月24日上午的全体大会上，在国家市场监督管理总局标准技术管理司原副司长陈洪俊的主持下，前ISO主席，国际标准化杰出贡献奖励基金会发起人张晓刚代表主办方发表致辞；北京市科学技术委员会、中关村科技园区管理委员会创新创业服务处杨鹏宇处长进行致辞。在随后的主旨演讲阶段，国家市场监督管理总局标准创新司团体和企业标准化处处长宋国建，就“高质量发展背景下的企业标准制度设计”进行了政策解读；原国务院参事张纲，就“高标准引领高质量发展”发表了主题演讲； 联想诺谛创始人兼CEO胡长建博士，围绕“从特定任务的人工智能到通用人工智能”阐述了精彩观点；海信视像科技股份有限公司虚拟现实事业部总经理曾杰，介绍了“多模交互引领虚拟现实进入新阶段”；ISO/TC 336实验室设计技术委员会秘书长黄建宇，则结合标准化案例进行了主题演讲。大会现场实况与会嘉宾认为，总结分享企业标准战的最佳实践，对于提升产业整体发展水平意义重大。国际上的代表性案例有IBM、苹果、高通等，国内有华为、海尔、国家电网等。中关村作为中国科技创新的高地，创造性的打造了“中关村标准”加“1字标”自愿性认证模式，在高科技领域各技术方向上培育最先进的科技产品，涌现出丰富的最佳实践。这些成功案例极大提升了科技企业的品牌价值、扩大了市场营收，助力甲方建设一流工程和打造世界一流企业。此外，值得一提的是，在上述主旨演讲的过程中，本届标准周还穿插了六大“亮点”仪式，例如：在2023年“1字标”认证证书颁发仪式上，国能数智科技开发（北京）有限公司等9家企业获得 “1字标”认证证书；采信签约仪式上，北京中航军融科技管理中心和中关村标准化协会“牵手互信”；在战略签约仪式上，中关村标准化协会与中国优生优育协会、中关村肾病血液净化创新联盟与生一科技（北京）有限公司分别签订了战略合作协议；在中关村标准化协会的聘书颁发仪式上，该协会医工融合、智慧实验室、智能电气分技术委员会均获得授牌；同时，发布了2023年中关村标准市场影响力十强并表彰了对中关村标准有突出贡献的个人。“1字标”认证证书颁发精彩继续。1月24日下午，五场平行论坛如约而至。来自一线企业、研究院所、检测认证中心等单位的嘉宾，分别围绕 “1 字标”助力企业发展论坛、医工融合创新论坛、“碳”索绿色标准化、创业领袖闭门会、智慧实验室创新论坛五大主题，重点分享国内外最佳实践，研究不同行业、不同技术方向、不同企业发展阶段的不同做法，旨在通过深度交流，提炼成功要素，复制成功模式，促进企业构建适合自身的标准化体系，走创新驱动发展的高质量发展道路，建立和不断巩固自身的市场竞争优势，大幅度提升国际竞争力。世界需要标准协同发展，标准促进世界互联互通。在中国积极实施标准化战略的进程中，中关村标准正与时俱进，大力推进中国标准与国际标准的体系兼容，共创标准发展新时代！

p 　　 strong 仪器信息网讯 /strong 2017年6月13-16日，第十五届中国国际环保展(CIEPEC2017)在北京中国国际展览中心(静安庄馆)举行，众多环境监测仪器厂商共聚北京，显示了这个行业的欣欣向荣。仪器信息网以视频采访的形式带大家感受展会现场的热度。泛测(北京)环境科技有限公司常务副总裁王立国接受了我们的采访。 /p p 　　泛测环境的主营业务为大气污染物网格化精准监测，核心技术包括物联网、大数据、云计算和人工智能。在网格化监测市场，泛测环境的核心优势有两个，一是设备很小，比较轻便 二是不需外接电源，从而保障运营成本低，可在一个区域内大面积、高密度的布点。除此之外，泛测环境还利用人工智能技术，虽然设备很小但是数据准确性却有保证，能保证长期数据偏差控制在10%以内。 /p p 　　更多详细信息，请见视频! /p p /p script src=" https://p.bokecc.com/player?vid=F4D8F7DB2432BDDA9C33DC5901307461& siteid=D9180EE599D5BD46& autoStart=false& width=600& height=490& playerid=2BE2CA2D6C183770& playertype=1" type=" text/javascript" /script p /p

在今年全国两会上，李克强总理在工作报告中指出：“要推进污染防治取得更大成效，巩固蓝天保卫战。”人大代表和政协委员也都很关注环境监测，中国民主促进会中央委员提出《关于利用现代科学技术创新破解空气污染监管难题的提案》这一提案将环境与科学技术关联。环境监测是蓝天保卫战重要抓手，也是推进生态环境建设的重要支撑。生态环境部部长李干杰在回答记者如何打好蓝天保卫战三年行动计划中明确提出：“要强化支撑”，其中重要一环就是科技创新。人工智能是以数据为驱动的决策机制，根据实时数据和各类信息，综合调配和运用分析，最终实现自动智能化，达到最佳应用。从无人驾驶汽车到VR，从制造业到在线教育再到协助医生做微创手术和物流配送等等都离不开机器人，而这都是背后具有强大的“深度学习”和“快速处理”能力，那么人工智能技术又如何在环境监测中得以应用？目前，我国环境空气质量监测网络已经初步完成，如何将监测网络中收集的标准站数据、微型站数据、卫星数据、气象数据等实现多源数据的融合，又如何通过人工智能借助环境大数据开展环境保护工作进展、计划和实施、成效等动态的监控与评估，支持构建以环境质量改善为核心的专业化、精细化的管理，提高管理决策预见性、针对性和时效性，这是政府目前面临的难题。 泛测（北京）环境科技有限公司于2015年成立，创始人管祖光是浙江大学和瑞典隆德大学双博士，师从前诺贝尔物理奖评委主席、瑞典两院院士SuneSvanberg教授。毕业后，管祖光放弃挪威空间中心的终身科学家职位，毅然回国，带领来自清华、北大、中科院等组成的环境科学家专家团队，凭借自主研发的Microair全参数空气质量传感器，为空气监测带来了颠覆性的变化。其产品覆盖全国30多个城市，并在各地的大气污染防治工作中均发挥着重要作用。随后，管祖光博士带领团队相继推出微型五参气象监测仪、微型移动空气监测仪等系列传感器产品，以用最先进的物联网技术来收集最广泛的环境数据。管祖光博士认为，环境数据蕴藏着无限的生产创造力，但如何通过人工智能技术将其落地，才是科学改变生态环境的实践证明。随着人工智能技术条件越来越成熟，环境监测以数据为驱动的环境管理决策机制越发清晰。为此，泛测环境汇集了顶尖环境科学家、大数据和人工智能专家。他们运用物联网+云计算+大数据技术，从空气质量智能终端监测到可视化展示，以人工智能技术（AI)全面革新环境管理手段，自下而上构建了“泛测环境大数据分析平台（FDATA™ ），（以下简称“泛测FDATA平台”）。泛测FDATA平台融合了地理、空气、气象和溯源等多源数据，不仅仅可对指定地区空气质量监测数据进行可视化展示，生动形象地展示出空气质量的实时趋势和污染分布情况。还可以从时间维度上实现历史数据的横向和纵向对比分析，从空间维度上实现区域污染事件发现和报警，支持具体污染情况深入分析。配合数据服务功能可实现每日污染排放监管和特定事件来源分析，从而为环境管理者提供高精度空气质量监测数据的大数据分析和服务。 泛测环境大数据分析平台（FDATA™ ）泛测FDATA平台拥有智能监管分析能力。一是重污染应急。当发生重污染天气时，管理部门可通过FDATA平台气象和空气质量的预报数据，判断该次污染过程的污染程度和持续时间；通过高密度实时污染数据了解污染现状，启动预案后的落实情况。二是预测预报。通过FDATA平台对项目区市未来72小时的空气质量状况进行精准预测，并提供未来5天的趋势预报，环境管理者根据预报的结果，提前提出应对举措，做到提前防范，以实现有效降低污染天气造成的危害和损失。以生态环境质量改善为目标，让数据驱动创新，助力政府部门生态环境治理体系现代化，泛测环境以人才和技术创新走在了行业前沿。最后，管祖光博士表示，希望通过泛测环境的努力，未来可以将环境数据开放，共享给所有外部企业或个人，贡献社会、服务政府、服务大众。

人工智能作为计算机科学的一个重要分支，伴随着信息技术的快速发展，已经渗透在医疗、教育、金融等众多领域，农业作为国民经济的基础性产业，也不例外，近年来，农业被评为最具前景的人工智能与机器学习应用场景之一。在我国，农业人工智能的应用主要涉及基于机器视觉技术的农作物图像分析和基于数据挖掘技术的农业大数据分析、算法模型构建等。其中，图像分析技术的应用有农作物根-茎-叶-种子的表型分析测量、农作物长势识别、杂草识别、病虫害识别、果蔬品质检测以及自动采摘等方面；大数据分析与算法模型构建的应用有农作物病害预测、虫害预测、墒情预测、产量预测、价格预测、专家系统等，能够对农作物的生产链进行实时的监管控制，从而提升作物的产出量和品质。伴随着农业领域多元性数据的存在与大量理解力问题的出现，单一机器学习技术已经难以解决。作为一家深研农业十余年的现代化企业，托普云农将前沿信息技术与农业专业深度融合，通过传统图像处理与最新深度学习等技术，构建起针对农业的多维混合算法模型，并使用积累多年的农业数据样本进行训练学习，满足当前多元化人工智能时代的发展需要，并深受业内关注。其中图像处理主要是对图像进行分割、前景提取、获取关键信息等，深度学习主要包括目标检测和图像分类等对目标进行识别分析。农业病虫害目标识别是人工智能技术的应用热点之一。托普云农通过大量数据样本对已构建好的算法模型进行训练学习，利用训练后的目标检测算法模型对各作物的病虫害进行识别，根据识别的病虫害数量对病虫害的严重程度进行判断与预警；根据识别的病虫害的种类给出病虫害档案，包括病虫危害情况、病虫害特征、病虫害原因、防治措施等。历经近十年的研究实践，托普云农已有60TB约2000多万张图库，15万张精选样本库，每月增量达3TB。目前已覆盖包括草地贪夜蛾、大螟、二化螟、稻飞虱等国家一二类农作物主要虫害109种的识别，病害识别覆盖小麦、玉米、水稻等6种农作物，涵盖赤霉病、灰斑病、稻瘟病等在内59种病害，平均识别一张图片3s左右，为粮食安全、生态保护提供了有力保障。植物表型研究在作物育种领域有着不可替代的作用。托普云农人工智能技术通过对农作物根-茎-叶-种等器官进行特征提取与降维、目标分割与定位、高精度图像识别与检测，现已实现了对玉米珠型、作物株高、剑叶夹角、籽粒果穗考种、作物形态测量、叶面积分析、亩穗数测量等的多个作物表型识别与测量。大数据分析与算法模型构建是人工智能技术的另一重要应用。托普云农通过监督机器学习算法，从大规模数据集中训练出墒情预测、作物病虫害预测、作物生长等模型，搭建成作物生长管理系统，由此为作物生产进行规划与管理；通过海量图像数据的积累以及高精度的目标检测和样本分类技术的应用，对病虫害分布及时自动感知，对虫害首发期、爆发期的有效预警预测；通过对传感器数据与视觉数据的分析以及统计模型的应用，进而预测作物产量。此外，托普云农的人工智能技术还应用于果实成熟期禁止打药监测等农事作业行为识别；烟火识别；文字识别以及人脸、动物、车辆、农机等集成第三方生态识别领域……有效保障农业生产安全、提高农业农村领域网格化治理能力，提升乡村居民幸福感。随着对人工智能的利用不断深入，农业生产管理与科研领域也展现出更多新的变革。在江苏海门的高标准农田里，从选种耕种、土壤成分监测、农田灌溉用水分析、病虫害识别预警、农业环境监测到农业专家系统、作物采收管理、产量预测、品质检验等全过程动态管理，极大提升了资源利用率和劳动效率，藏粮于地更藏粮于技。在乔司农业产业示范园里，通过对数据资源的采集、整合、分析，打造全域数字孪生、智慧农机系统、遥感监测系统、农情监测系统、种植管理系统、智能灌溉系统，形成了生产、预测、防控等全要素智能化管理，带动农业可持续发展。在江西湘东的数字种业园区里，结合科研和产业需求，建设现代化种业基地，打造智慧种业服务平台，涵盖6大应用场景，从育种、制种、种子检验、加工、仓储、流通等各环节强化信息监测以及溯源管理，探索水稻生长标准模型，创新园区服务体系，保障优质种业发展。在浙江古林的数字农田里，利用北斗导航、物联网、农业遥感、机器视觉等技术手段，打造农机高精度自动作业与导航系统、大田精细化生产灌溉管理系统、“天空地”一体化公共服务平台，并在超过1万亩的规模化种植基地进行集成示范，形成了一套可复制的产业应用模式，为更多水稻产区提供种植推广示范样板。当前，以数字孪生、人工智能、移动互联网、区块链等为代表的新一代信息技术与先进制造业加速融合，现代农业、服务业领域新产品新业态新模式竞相涌现。未来，在各种农业人工智能设备工作中，数据上“云”更便捷；在农业生产中，全要素数据采集汇聚、智能决策分析、精准作业指导和操控，节本降耗、提质增效、环境友好、生态安全；在农业科研中，基地管理、数据采集、数据挖掘分析更加便捷、智能，研发更加高效，目标更加精准。虽然现代农业与人工智能的深度融合还面临着许多困难和挑战，但是以人工智能为核心的智慧农业发展已是大势所趋。

p 　　从萧山机动车辆安全技术检测有限公司了解到，从3月1日开始，机动车安全技术检验部分项目将执行新标准。其中，重中型货车、专项作业车、挂车必须使用外廓尺寸自动检测装置，前来检测的车辆必须确保车辆的外廓尺寸与行驶证及登记证书上的尺寸相符，否则将会“一票否决”导致年检审核不通过。 /p p 　　以往，外检外廓尺寸部分由人工凭经验和皮尺测量，如今要改为用专业的外廓尺寸自动检测装置，以杜绝部分程度上面认为作弊的可能。 /p p 　　举个例子：张三买了一辆核载十吨的货车，为了多拉货将车厢加长加高，但这与张三行驶证及登记证书上的尺寸肯定不相符。那么从3月1日起，一旦自动检测装置进行检测，张三的货车年检必将被“直接否定”。 /p p 　　萧山机动车辆安全技术检测有限公司总经理冯亮告诉记者，2015年3月1日实施的GB21861-2014《机动车安全技术检验项目和方法》对部分检验能力和项目提出24个月的过渡要求，将于2017年3月1日起正式实施。 /p p 　　在新的《机动车安全技术检验项目和方法》中，调整了部分车型的检验项目。从形式来看，把原来的条文描述修改为用表格描述，同时按照不同的车辆类型(现在分为6类)提出了不同的检验项目要求，便于安检机构执行，也便于监管。 /p p 　　新的《机动车安全技术检验项目和方法》从检验项目上取消了原来的“线内检验”“线外检验”说法，修改为“仪器设备检验部分”和“人工检验部分”，并把人工检验部分进一步细分为车辆唯一性检查、车辆特征参数检查、联网查询、车辆外观检查、安全装置检查、底盘动态检查、车辆地盘部件检查等7个分项，其中“车辆安全装置检查”“车辆特征参数检查”为新增的提出项目。 /p p 　　与2008版相比，GB21861-2014人工部分由原来的104项改为49项。 /p p 　　此外，在中重型货车方面，要求三轴及三轴以上的多轴货车、采用并装双轴及并装三轴的挂车的部分轴要测试加载轴制动率和加载轴制动不平衡率 重中型货车、专项作业车、挂车要使用外廓尺寸自动测量装置 大中型客车、专项作业车、重中型货车、挂车要使用底盘间隙仪 用于检测多轴及并装轴车辆要使用滚筒反力式制动检验台。 /p p 　　此前，多地也针对GB21861-2014有关事项进行了通知： /p p 　　1. 检测线的检验设备、软件及相关设施的更新、新购置检验设备的强制鉴定、检验人员内部培训等，以满足标准规定的检验条件和能力。 /p p 　　2. 开展上述车型检验的机动车安检机构，应于2017年2月28日前向省质监局提出资质认定和资格许可扩项申请，经省质监局批准后，才能依据标准开展上述有关车型的安全技术检验工作。 /p p 　　2017年3月1日起，未取得上述车型检验能力的机动车安检机构，不得开展上述车型检验工作。若因检验场所等原因不再开展上述车型检验的机动车安检机构，应及时向省质监局申请减少检验车型范围。 /p p 　　3. 2017年3月1日前，各安监机构应按时完成外观尺寸自动测量设备安装调试工作并与检验监管系统对接，整个测量过程不得有人工干预，外观尺寸测量数据与实时抓拍照片都应纳入监管。 /p

p 　　日前，“人工麝香研制及其产业化”项目获2015年度国家科学技术进步奖一等奖，这是我国第一个拥有自主知识产权的人工合成濒危动物药材替代品，它开创了濒危药材人工替代的先河，也带动了人工虎骨粉、体外培育牛黄等一系列濒危药材替代品的研发、推广。业内人士认为，人工麝香研制及产业化的成功是未来中药研发、中药现代化的重要方向之一。 /p p 　　 strong 保护中药濒危品种刻不容缓 /strong /p p 　　“传统中医药是国粹，也是优势产业”，而这一切都建立在丰富的药用资源基础上，如果没有了这些资源，中医药就成了无米之炊，中药发展无从谈起。由于生态系统改变，中国的许多物种已变成濒危物种和渐危物种。 /p p 　　统计显示，目前我国高等植物中濒危物种高达4000—5000种，占总数的15%—20%。在“濒危野生动植物种国际贸易公约”列出的640个世界性濒危物种中，中国有156种，约为其总数的四分之一，其中有不少为药用物种。因此，保护濒危药用动植物资源是大势所趋，也是中医药本身发展的需要。中医药发展必须改变靠直接利用资源换取低成本的生产方式，应采取措施合理利用和保护中药资源。 /p p 　　麝香是中药细料中不可或缺的品种，在我国已有2000多年应用历史。具有开窍醒神、活血通络、消肿止痛的功能，用于急救和治疗常见病、多发病及疑难杂症。2003年，我国将麝列为一级保护动物，严禁猎杀。麝香取于成年雄麝，麝香药源紧缺，伪劣掺假品充斥市场，严重影响了中成药质量和用药安全。 /p p 　　研发人工麝香刻不容缓。上世纪五十年代，我国开始麝香代用品的探索。1975年，原国家卫生部药政局主持该项目研发，前后历时将近20年。上海医药旗下上药药材副总经理李琦告诉科技日报记者，在“人工麝香”项目中，上药承担了原料海可素Ⅰ、Ⅱ的研制任务。科研人员查阅了大量的文献资料，经无数次试验，终于走通了工艺路线，拿出了一期和二期临床所需的全部样品。临床实验证明，人工麝香与天然麝香的作用基本一致。 /p p 　　经过北京、山东和上海三地研究单位共同努力，1994年原卫生部批准人工麝香为中药一类新药，并定为国家保密品种，“绝密”级管理。2006 年，科技部、国家保密局又将该品种定为机密级国家保密技术。为了解决原工艺的一些问题，提升质量、优化工艺，降低环保处置压力，“人工麝香关键组分合成及产业化研究”项目2014年在上市科委立项。 /p p 　　 strong 中药濒危药材都能人工替代吗? /strong /p p 　　人工麝香成为中药新药和珍稀动物药材替代品开发的成功样板。那么，其它取自濒危动物的药材比如虎骨、熊胆等是否能走人工麝香的研发道路? /p p 　　中国中西医结合学会副会长、华山医院王文健王文健教授告诉科技日报记者，能否研发替代产品，一是看该产品的重要性、稀缺性，二是要投入巨大人力物力。我国国家药典委员会专家也曾表示，以野生动植物为来源的中药应使用安全、疗效确切、质量可控、剂型合理、应用广泛。麝香不可或缺，我国的很多中药比如六神丸、安宫牛黄丸、麝香保心丸等都有麝香成分。 /p p 　　研发人工替代中药品种需要大量的人力财力。李琦强调，人工麝香的研发非常困难，时间长，投入大，项目由政府牵头，是多家药企合作的结果。 /p p 　　人工麝香的研发自1975年起，前后历时将近20年，由中国工程院院士于德泉领衔，中国医学科学院药物研究所、中国中药公司、山东宏济堂制药集团有限公司、上海市药材有限公司和北京联馨药业有限公司等单位共同合作完成。 /p p 　　人工替代濒危中药材研究需要巨大投入和很长的研究周期，人工麝香研究开创了先河，其后，我国人工体外培育牛黄等项目也取得了重要进展，“在继承中创新发展中药，我们将坚持遵循机理研究、临床研究相结合、工艺质量研究为基础的研究路径，加快培育中药大品种，快速提升市场竞争力，深入推动中药业务的现代化发展、跨越式发展。”李琦表示。 /p p 　　 strong 人工麝香研发成中药现代化典范 /strong /p p 　　王文建称，目前中药现代化主要有两个方向，一是青蒿素的研究路径，即提取中药的化学组份，建立药理动物模型证实其药理作用，将研究成果产业化 另一条道路即是中药天然产物的替代之路，这也是中药二次开发工作的一部分。人工麝香的研究即是第二种路径。 /p p 　　李琦也认为，人工麝香项目系统研究了天然麝香的主要化学成分，创制了天然麝香里有效成分的替代品，并将之规模化生产，是中药现代化的成功范本。 /p p 　　人工麝香问世后，产生了巨大的社会效益、经济效益和生态效益。统计显示，目前我国总计有760家企业生产销售含麝香的中成药433种，其中431种完全用人工麝香替代了天然麝香，人工麝香的替代率达到99%以上。 /p p 　　按含麝香中药品种估算，每年带动相关制药企业产生超过300亿元工业附加值，同时为解决人员就业，增加政府利税做出了重大贡献。人工麝香满足了公众对含麝香中成药、民族药等医疗用药的需求，保证了中华医药品种的传承，同时保护了野生麝资源，这对促进生态平衡，加强濒危稀缺中药资源的保护和可持续利用，提高在国际上动物保护方面的话语权及国际形象。 /p p 　　“中药现代化研究应以科学的数据和疗效为基础，以提升中药质量与疗效为目标，要不断提高药品质量与标准，有质量才有市场。”中华中医药学会的一位专家告诉记者，“目前是中药产业发展的大好时机”，阐明机理，把说不清楚的说清楚,中药产业应抓住机遇，瞄准国际市场，要引进国际资本，培养人才，解决中药产业的瓶颈，通过中药二次开发，带动中药产业转型升级。 /p p br/ /p

1月13日，市场监管总局召开“构建国家现代先进测量体系 服务高质量发展”专题新闻发布会。《每日经济新闻》记者从发布会现场获悉，市场监管总局新闻宣传司新闻宣传处处长唐冀平介绍，加快构建国家现代先进测量体系是适应国际计量体系深刻变革的时代要求，也是强化国家战略科技力量的重要支撑。近期，市场监管总局联合科技部、国资委等有关单位印发了《关于加强国家现代先进测量体系建设的指导意见》（以下简称“《意见》”）。市场监管总局计量司一级巡视员张益群介绍，《意见》共提出十一项重点任务。主要包括：建立先进量传溯源体系；优化计量基准标准和标准物质建设；加快先进测量技术研究；推动先进测量仪器设备的研发和应用；建设国家先进测量实验室；提升企业测量能力和水平；推进测量数据积累和应用；完善先进测量技术规范；优化先进测量技术服务；发挥质量基础设施协同推动作用；培养先进测量人才队伍等内容。我国已建立相对完善的量值传递溯源体系目前，我国测量能力和水平如何？市场监管总局计量司副司长朱美娜回应，经过若干年的建设和发展，我国已经基本建立了相对完善的计量体系，具备了较好的测量基础。从国家层面看，我国建立了相对完善的量值传递溯源体系，建成185项国家计量基准和6.2万余项社会公用计量标准，标准物质供给数量持续增长，测量器具质量明显提升，获得国际互认的国家校准测量能力不断迈上更高水平。“从企业层面看，企业计量意识不断得到增强，具备了一定的工业测量基础和能力，特别是一些大型企业对计量工作非常重视，建立了较为完备的测量管理体系；从社会层面看，越来越多的社会资源和力量，如计量技术机构、科研院所、高校等开始聚焦产业发展测量需求和瓶颈问题，为企业提供个性化的检定、校准、测试服务，计量服务保障能力不断得到增强。” 朱美娜说。但是，与主要发达国家相比，我国的测量基础还比较薄弱。朱美娜指出，测量理论和测量技术研究相对滞后，测量方法缺乏统一管理，高端测量仪器长期依赖国外，测量数据未能在科技、工业和社会治理层面得到有效应用。无论是管理模式，还是技术支撑，都已经无法满足经济社会各领域对精准测量测试的需求，新需求与现有测量体系支撑不充分、不平衡之间的矛盾越来越突出。迫切需要根据现代测量需求的变化，研究建立适应新时代发展需求的国家现代先进测量体系。推动人工智能等新技术在测量仪器设备中的应用构建国家现代先进测量体系，具体要从哪些方面进行重点考虑和精准发力？朱美娜表示，构建国家现代先进测量体系，是一项长期性、系统性、复杂性工程，需要集中各方面资源和力量，持之以恒去推进。关键要把握以下四点：一是要强调“多元性”，积极发挥各方力量。要用“大计量”的思维和理念去推动国家现代先进测量体系的建立，动员全社会各领域共同参与。二是要增强“创新性”，强化科研攻关。加强计量学基础理论和核心技术原始创新，围绕国际单位制变革，重点研究量子计量技术及计量基准、计量标准小型化技术，加快计量关键核心技术攻关和重大科技基础设施建设。针对复杂环境、实时工况环境和极端环境测量需求，研究解决极值量、复杂量、微观量等准确测量难题。加强高端仪器设备的研发，推动量子芯片、物联网、区块链、人工智能等新技术在测量仪器设备中的应用，推进测量仪器设备智能化、网络化。加快测量仪器设备研发，提升测量仪器设备的准确性、稳定性、可靠性，培育具有核心技术和核心竞争力的国产测量仪器设备品牌。推动科技成果转化，鼓励各类测量主体建立联合实验室和技术创新联盟，加强测量资源开放共享，形成联合开发、优势互补、成果共享的产学研用协同创新机制，增强国家先进测量体系的创新活力。第三要突出“保障性”，夯实测量基础。四是坚持“可持续性”，强化人才培养。

长期困扰中药界的“一药两方”，甚至“一药多方”的含牛黄品种问题，将随着含牛黄中成药的质量标准的提高而得到改善。近日，国家食品药品监管局在《对政协十一届全国委员会第二次会议第2816号(医药卫体238号)提案的答复》中明确表示，正在编撰的2010版《中国药典》，对禁止使用人工牛黄的品种，将增加猪去氧胆酸和游离胆红素的检查。 　　加上之前国家食品药品监管局答复湖北省食品药品监管局《关于对含牛黄及其代用品使用品种剂型界定的复函》的意见，届时，含牛黄品种的中成药生产中“李代桃僵”的使用人工牛黄的行为将得到彻底杜绝。 　　标准缺失下的牛黄“乱象”：成分检测无依据 　　我国现有4500种中成药，其中约有650种含有牛黄，每年牛黄的需要量约500吨左右，但是，由于牛黄一直靠农户宰杀取得，我国每年自产的天然牛黄还不足1吨。牛黄的需求一直依赖进口，2002年，为防止疯牛病通过用药途径传入，国家决定禁止进口牛源性材料制备中成药，使得天然牛黄资源更为匮乏，导致天然牛黄价格不断攀升。 　　在市场竞争激烈和利益驱使的双重挤压下，部分药品生产企业在生产含牛黄品种的中成药时，铤而走险，将牛黄以人工牛黄进行代替。 　　企业之所以敢于这样胆大妄为，关键在于牛黄缺乏相应的检测标准。 　　据了解，2005年版《中国药典》(一部)收载含牛黄中成药品种共45个。在45个品种中：有1个品种对胆酸成分进行了含量测定 有29个品种对胆酸进行了薄层色谱鉴别(其中，有3个品种同时对去氧胆酸进行了薄层色谱鉴别，有1个品种同时对鹅去氧胆酸进行了薄层色谱鉴别，有4个品种同时对猪去氧胆酸进行了薄层色谱鉴别) 有1个品种采用糠醛法对牛黄进行检测 有14个品种无任何牛黄检测方法。《卫生部药品标准中药成方制剂》(1997年)收载的250个含牛黄(人工牛黄)品种，《新药转正标准》收载的22个含牛黄(人工牛黄)品种，《国家中成药标准汇编》(2002年)中成药地方标准上升国家标准收载的56个含牛黄(人工牛黄)品种，合计328个含牛黄(人工牛黄)品种。其中，有胆酸或胆红素含量测定的有11个(其中同时有薄层鉴别的品种有7个)品种 有胆酸类薄层鉴别的有94个品种 糠醛等理化鉴别反应的有35个品种 无任何牛黄鉴别检测项目的有188个品种。 　　2004年，为保证公众用药安全，国家食品药品监管局在《关于牛黄及其代用品使用问题的通知》(国食药监注[2004]21号)明确规定国家药品标准处方中42个含牛黄的临床急重病症用药品种和国家批准的含牛黄的新药，可以将处方中的牛黄以培植牛黄、体外培育牛黄替代牛黄等量使用，但不得以人工牛黄替代。2005年，根据实际情况，国家食品药品监管局对《国家药品标准处方中含牛黄的临床急重病用药品种名单》进行调整，将原名单中的42个品种调整为38个。 　　“但是，相关的标准却没有进行明确，《国家药品标准处方中含牛黄的临床急重病用药品种名单》所列品种的法定质量标准中，对牛黄功效性成分胆红素的含量测定却一个也没有 对天然牛黄及三个代用品中均有的胆酸成分要求含量测定的，只有一个品种(灵宝护心丹) 对胆酸(或去氧胆酸)要求进行薄层色谱鉴别的有16个品种。另外，有3个品种要求采用糠醛法等理化方法检测处方中的牛黄成分，有24个品种没有任何牛黄检测项目。”河北省某药品生产企业负责人这样解释道。 　　这无疑为不法企业的制假售劣提供了可乘之机。相关研究机构曾对7个厂家的安宫牛黄丸进行胆红素含量测定，结果发现这些产品中胆红素含量最高为37.9mg/丸，最低为0.72mg/丸，两者相差52倍。对3个厂家的牛黄清心丸进行胆红素含量测定，发现最高为0.1634mg/丸，最低为0.0273mg/丸，两者相差近6倍。 　　政策冲突中的市场尴尬：标准打架欠统一 　　业内人士反映，困扰含牛黄品种中成药质量的除标准欠缺外，相关政策配套不到位也是一个重要因素。 　　据了解，《国家药品标准处方中含牛黄的临床急重病用药品种名单》仅仅规定了品种名称，对剂型却没有明确界定，导致同一产品在剂型不一样的情况下使用不同牛黄的局面。例如：大活络丸、安宫牛黄丸、万氏牛黄清心丸、梅花点舌丸、回春丹等必须使用天然牛黄、培植牛黄或体外培育牛黄，但大活络胶囊(部颁新药转正52册)、安宫牛黄片(部颁中药14册)、安宫牛黄栓(部颁新药转正51册)、万氏牛黄清心片(地标升国标)、梅花点舌片(地标升国标)、梅花点舌胶囊(部颁新药转正41册)、回春散(地标升国标)等产品标准“处方”项下为“人工牛黄”，大大降低了含牛黄名方名药的治疗功效。 　　为规范药品生产，国家食品药品监管局2007年在《关于对牛黄及其代用品使用品种剂型界定的复函》中，明确指出，“对于依据国家药品标准处方中含牛黄的临床急重病症用药品种改剂型或改变用药途径的新药，可将处方中的牛黄以培植牛黄、体外培育牛黄替代牛黄等量投料使用，但不得以人工牛黄替代。”也就是说上述大活络胶囊、安宫牛黄片、安宫牛黄栓、万氏牛黄清心片等品种必须依规定使用牛黄、培植牛黄、体外培养牛黄。 　　但是，市场上含牛黄成分的中成药依然“鱼龙混杂”：不同厂家生产的安宫牛黄丸价格差别极大，有的2.5元/粒，有的8.8元/粒，高的甚至230元/粒。那些低价格的安宫牛黄丸绝对使用的是人工牛黄。湖北某企业的质量负责人说，自2002年我国禁止进口牛源性材料制备中成药以来，使用天然牛黄或者培植牛黄、体外培育牛黄投料，按目前生产企业的工厂成本、销售成本、销售利润等计算，安宫牛黄丸成本不低于60元。 　　“企业敢于造假主要在于中成药质量标准控制体系不完善。”这位业内人士介绍，近年来，为完善中成药尤其是含名贵中药材品种的中成药的质量标准，部分全国人大代表、政协委员多次在会议期间提出建议、提案，要求国家相关管理部门在完善中成药质量标准的同时，加强对含贵重药材的中成药品种的监管，以确保公众用药安全、有效。 　　政协十一届全国委员会第二次会议期间，肖红等六名全国政协委员对于完善含牛黄类中成药的质量标准提出建议。建议国家有关部门加强对含牛黄中成药中相关成分的测定，杜绝药品生产中的造假行为。 　　安全名义下的法律行动：剑锋犀利指向偷工减料 　　据了解，针对近年来出现的药害事件，国家食品药品监管局采取一系列加强药品生产监督管理的新措施、新方法。在全国范围内推广实施的派驻监督员制度和质量授权人制度，对规范药品生产行为，加强药品监管起到了积极作用。 　　同时，部分省级食品药品监管部门根据地区实际，在加强药品生产监督管理方面也进行了探索，如吉林、青海、湖北等省制定了对细贵中药材投料的有关规定，较好地遏制了药品生产中偷工减料的行为发生。 　　“但这些都是治标，杜绝中成药生产贵重中药材投料‘李代桃僵’的行为，关键还是完善贵重中药材的质量控制指标。”这位业内人士这样强调。 　　来自国家药典委的消息，随着药品标准提高行动的开展，国家将进一步完善对中成药质量标准控制体系，正在编撰中的2010版《中国药典》将对含名贵中药材的中成药作出针对性较强的含量控制和测定指标。在2010版《中国药典》编撰工作和国家标准提高行动中，国家药典委对含牛黄品种安排了标准提高任务，对禁止使用人工牛黄的品种，将增加猪去氧胆酸和游离胆红素的检查，同时进一步缩减使用人工牛黄的品种。 　　在进一步完善药品质量控制标准体系的基础上，相关的法律保障也加大了对制售假劣药品的严厉打击。2009年5月27日施行的《最高人民法院、最高人民检察院关于办理生产、销售假药、劣药刑事案件具体应用法律若干问题的解释》明文规定，生产、销售的假药“属于急救药品的”，应当认定为刑法第一百四十一条规定的“足以严重危害人体健康”。 　　“相对含牛黄类品种，‘两高解释’剑锋直指38个品种中以人工牛黄替代牛黄、体外培育牛黄、配置牛黄的违法行为。牛黄市场‘李代桃僵’现象匿迹将指日可待。”该业内人士强调。 　　8月18日，国家基本药物目录公布，为保证基本药物的质量，国家食品药品监管局将制定严格的监管办法，监督目录品种的生产。在含牛黄类的中成药，只有安宫牛黄丸位列《国家标准处方中含牛黄的临床急重病用药品种名单》。即安宫牛黄丸中必须使用牛黄或培植牛黄，体外培育牛黄。这意味着安宫牛黄丸的生产、流通将将接受全面的“体检”。完善质量控制体系，加快立法进程等这些措施，无疑为药品安全提供了有力的支撑。 　　相关链接： 　　牛黄具有清热、解毒、镇惊、止咳、平喘等作用，现代医学研究证明其能促进红细胞及血红蛋白生成，是治疗心脑血管系统疾病的特效药物，还具有抑制和拮抗抗癌药毒副作用等功效。目前市场上共有牛黄及其代用品四种，即天然牛黄、体内培植牛黄、体外培育牛黄、人工牛黄 　　1 天然牛黄 　　本品为牛科动物黄牛或水牛胆囊、胆管或肝管中的结石。天然牛黄可分蛋黄和管黄。天然牛黄的一般成分及含量为：胆红素72%~76.5%，胆汁酸4.3%～6.1%，胆酸0.8%~1.8%，去氧胆酸3.33%～4.3%，胆汁酸盐3.3%~3.96%，胆固醇2.5%～4.3%，脂肪酸1%～2.1%，卵磷脂0.17%～0.2%，钙2.3%～2.6%。此外尚含有3种类胡萝卜素物质及多种氨基酸、微量元素和类肽的平滑肌收缩成分。 　　2体内培植牛黄 　　本品是利用活牛体，以外科手术的方法在牛的胆囊内插入致黄因子，使之生成牛黄。由于人工培植牛黄是在与天然牛黄相同的特定生态因素条件下形成的，故经测定其理化特性、性味、色泽、药效成分含量等与天然牛黄无明显差异。 　　3体外培育牛黄 　　本品以牛科动物牛的新鲜胆汁作母液，加入去氧胆酸、胆酸、复合胆红素钙等制成。“体外培育牛黄”是运用现代生物工程技术，在牛体外模拟牛体内胆结石形成的原理和生物化学过程，经细菌培养，在多种酶作用下，从而培育出的一种生物优质牛黄。 　　检测结果表明：其技术参数、质量指标、功能及主治与天然牛黄一致。经对其进行药检及采用双盲法对其在7家医院进行的1850多例临床实验结果表明，体外培育牛黄其疗效和性能非常接近甚至超过天然牛黄，且主要药理成分比天然牛黄稳定，是天然牛黄的理想代用品。 　　4人工牛黄 　　本品是以牛胆汁酸、胆红素、胆固醇与无机盐(硫酸镁、硫酸亚铁和磷酸三钙)为原料，与淀粉混合而成，临床疗效与天然品大体相似。人工牛黄多数为土黄色疏松粉末，也有制成不规则球形或方形的产品。由于人工牛黄胆红素、去氧胆酸等含量较低，国家相关部门规定，其不得用于含牛黄类临床急重症中成药品种的生产。

Pickering人工体液家族又添新成员！Pickering人工合成血液是根据标准方法ASTM F1819-07,ASTM F1670, ASTM F1862和ASTM F2100配制的。该产品具有接近人体真实血液的表面张力和粘度。此外，该溶液的颜色旨在模拟真正的人类血液的外观。该产品可用于评价防护服材料的有效性，也可以用来评估需与人体皮肤长期接触材料的吸收能力。它可在室温条件下储存，产品保质期为一年。*注：该人工合成血液配方不适合医学研究。除上述合成血液外，Pickering laboratories还可提供人工汗液、人工皮脂、人工唾液、人工耳垢等数十种人工测试体液类产品；在包括智能穿戴设备、牙科设备、电子元器件、金合金、纺织品、光学产品等相关测试领域均有广泛的应用，而且我们还可针对客户的使用需求，提供对应的定制方案供您选择，欢迎垂询：400-006-9696关于Pickering Laboratories美国Pickering Laboratories公司是全球仅有的专业提供人工测试体液和柱后衍生化学试剂、色谱柱、分析方法等柱后衍生分析整体解决方案的机构，其不断创新及良好的信誉被众多的美国政府机构如EPA、ATF、FDA、AOAC和世界著知名的厂商所认可。

p 　　大概近十年以来，行业人士在不同场合不同媒介，都或多或少听到一些专家关于“ a title=" " target=" _self" href=" http://www.instrument.com.cn/application/SampleFilter-S02001-T000-1-1-1.html" strong 地面水环境质量 /strong /a 标准”与“排放标准”关系(下文用“两标准”)的讨论，到2014-2015年，这方面的讨论和观点之争，已经发展到了截然相反的两种对立性观点或争论。争论的焦点就是集中在污水厂排放标准要到底是否应该与地面水环境质量标准相接轨的问题 其次是，有水处理领域专家对地面水环境质量标准指标合理性的质疑。两标准之争看似是学术、技术层面的问题，然笔者认为，此争论事关未来相关水质标准制定的大原则问题，更事关未来水环境及行业发展的导向性问题! /p p 　　 strong 一、市政污水处理领域专家及相关人士对【排放标准要与地面水环境质量标准接轨】方面的表述 /strong /p p 　　建议或者呼吁“排放标准要与地面水环境质量标准接轨”的代表专家是中国人民大学王洪臣教授，产业界代表性观点来自北京碧水源总经理戴日成。实际上，王教授对地面水环境质量标准与排放标准之间的矛盾问题，大概在2005年前就发出了质疑的声音。 /p p 　　1，目前可以公开查阅到的关于污水厂处理标准与水环境质量标准之间关系的最早论述，应该是中国人民大学王洪臣教授2007年接受中国水网采访时谈到“现代污水厂”方面的表述：“在缺水地区，污水处理厂建设的重点必须瞄准完全的高品质的再生利用。王洪臣认为，目前再生水的水质标准太低，仅是已经丧失水功能的劣五类水。 /p p 　　应该将地表水水环境质量标准作为设计标准来考虑。”。《人民日报海外版》(2010年07月03日第03版)刊发了“循环利用：破解水危机”一文，中国人民大学王洪臣教授谈到未来中国水环境问题时，强调了构建现代排水系统的重要性和举措，同时进一步表述：& quot 北京总投资约80亿元人民币，对全部污水处理厂进行深度或超深度改造，使出水水质基本达到地表水环境质量Ⅳ类标准& amp #823& quot 。在2011年王洪臣教授接受中国水网采访时，他谈到“我国水质标准体系建设存在的一些问题：我国水质标准体系建设的目的和依据不够明确 我国水质标准体系法律效力模糊 我国水质标准限值不能做到宽严相济“等。 /p p 　　但是王教授同时也强调“& amp #823水质标准体系的制定过程中，尤其需要注重水环境质量标准、用水标准、水污染物排放标准相互衔接。”.在2013年4月，中国人民大学环境学院副院长王洪臣在接受早报记者采访时提议，针对极度缺水地区，将城镇污水排放标准提高到一级A标准以上，水污染物排放标准应和水环境质量标准逐步接轨. /p p 　　2，国内著名的MBR供应商碧水源总经理戴日成认为，中国湖泊治理不成功的原因，一方面是标准滞后，管理和执行不到位 另一方面从治污理念上看，中国治污的目标不明确。他建议，水污染治理应朝着四类水的方向走，如果只达到一级A，只能缓解污染程度，抑制不了恶化的趋势。 /p p 　　3，中国市政工程华北设计研究总院总工程师郑兴2015年在《环保产业》杂志上正式撰文，阐述了一级A标准的演变，及旗帜鲜明地对排放标准向地面水环境质量标准方向发展进行了否定：“十一五”以来，随着污水排放标准的提高，深度处理已经大量应用于城镇污水处理厂的一级A提标改造或新建(扩建)工程，将其作为出水达标的把关工艺单元，但早先设置一级A排放标准的初衷是提出再生水的基本水质要求，后来将其直接转变为排放标准并不太合适，部分水质指标及限值需要做比较大的重新调整，特别是粪大肠杆菌以及总氮、总磷标值指。 /p p 　　城市污水的再生处理十分重要，但目前一些地方排放标准的水质指标及限值，有朝着地表水水质标准机械靠拢的趋势，这是一种不科学的错误导向。一方面，现行的地表水水质标准本身存在明显的缺陷，另一方面，混淆了排放标准与接纳水体的水质目标(标准)之间应有的界限与区别。例如，过度强调出水COD达到30mg/L，甚至20mg/L的水平，是没有必要的，容易造成明显的浪费 而 TP0.3mg/L的所谓IV类水标准，其实仅仅适合于流动性良好的河流，对于基本没有流速或流速缓慢的城市水体，特别是再生水为主要或唯一补水的情况，TP至少应该低于0.1mg/L，最好低于0.05mg/L的水平。 /p p 　　 strong 二、市政污水处理领域专家对【地面水环境质量标准】存在缺欠及指标自身矛盾方面的表述 /strong /p p 　　关于GB3838-2002国家标准地面水环境质量标准的质疑，中国市政工程华北设计研究总院总工程师郑兴灿2008年在《建设科技》撰文，指出：“制订 GBl8918-2002标准的重要基础和依据之一是国家地表水环境质量标准(GB3838-2002)。但GB3838-2002中有关氮、磷的指标在逻辑上相当混乱，尤其是总氮指标值。 /p p 　　一般情况下，总氮包含有机氮、氨氮和硝态氮这3个组分，而且有机氮基本上都是可以氨化的，其中有机氮和氨氮的总和为凯氏氮(KTN)，硝态氮则包含硝酸盐氮和亚硝酸盐氮。但在GB3838-2002中，总氮、氨氮和硝酸盐氮的标准值之间找不到上述平衡关系”。郑兴灿在2010年撰文《重点流域城镇污水处理厂执行一级A标准的问题讨论》(全国城镇污水处理厂除磷脱氮及深度处理技术交流大会论文集)，明确表述：“《地表水环境质量标准》(GB3838-2002)本身存在的明显缺陷。” /p p 　　 strong 三、“地面水环境质量标准”制定者对市政污水领域专家们意见的正式回应 /strong /p p 　　针对市政污水处理领域专家对《地表水环境质量标准》的质疑，多年以来该标准的编制单位或者编制人一直没有正式回应。但是当环保部公布 GB18918-2002修订稿征求意见时，受“特别排放限值”高等级指标大讨论事件影响，“两标准”关系及相关的争论再一次被提了出来。也是这次机会，《地表水环境质量标准》的主编映入市政污水处理行业专家们的眼帘。 /p p 　　中国环境科学研究院原副院长总工程师夏青，1978年起，开拓了中国水环境容量、污染物总量控制研究，是环境规划、环境标准、环境标志领域的著名专家。主持了长江、黄河等五大流域水污染防治规划 担任了淮河、太湖、南水北调东线治污规划技术总负责 参与了1988、1999、2002年国家地表水环境质量标准的编制和修订。2016年1月夏青正式在【水进展】微信专家群公开回应市政污水处理领域专家对“地面水环境质量标准”与“排放标准”关系问题的争论。 /p p 　　1，关于两标准是否应该接轨问题的意见：以下是夏青先生的文字答复：题目“排放标准不能对地方环境质量负全责”：污水处理界的一些专家提出污水处理厂应和地面水标准四类接口，2013年就有报道，这也许是城镇污水处理厂国家排放标准与地面水标准接轨的最早意见，但这一观点是不可取的。 /p p 　　第一，地方政府对环境质量负全责：不是排放标准负全责，因为政府不仅要监督污水处理厂运行，还要优化组织区域内的容量资源分配，技术经济投入分配，才能保证质量达标。南水北调东线治污，全部污水达一级B之后，山东南四湖是毎条河加人工湿地，江苏徐州是把进入安嶶的污水处理厂出水调至172公里外的盐城入海。这才实现了东线治、截、导、用、保五字方针，排放标准不负全责。政府手中除了国家标准，还有地方标准，规划和项目环评，治污规划，排污许可证、总量控制等多种手段以及多种监管措施来确保环境质量。 /p p 　　第二，水质规划理论教会我们：为了保证水质达标，先要有水资源规划，后才有流域、区域、设施三级规划，要建立污染源排放与水质的输入响应关系，用数学优化的方法，合理组织污染源排放。徳国鲁尔区，爱姆舍河做为纳污河道，不上污水处理厂，至入莱茵河按新保护标准建污水处理厂。同样在莱茵河，保障荷兰饮水安全，不是提高河水水质到饮用水标准，而是上游各国为荷兰修建深度处理给水厂。 /p p 　　有关择段排放、负荷分配、季节控制、生态流量、费用优化等可选择的方案都是水质规划教会我们，看看美国七百多污水厂用概率稀释模型指导处理厂符合水文节律运行，利物浦处理厂涨潮运行，退潮不运行，都是在利用环境容量，节约能耗，我们的一刀切就过于粗放了。 /p p 　　第三，标准体系有职责定位：中国两类两级环境质量标准体系对体系组成标准各有要求。美国没有全国统一的水质标准，由各卅颁布标准。中国在学习美国之前，暂用五类功能适应千差万别的地域差异。排放标准则强调排污去向，按进入不同功能区，制定有达标技术的宽严不同的排放标准限值。污水处理厂进入受纳水域的出口，划有混合区，混合区内不执行排放标准和质量标准。 /p p 　　没有处理厂出水就达地表水标准的执行标准水域。也许王洪臣、戴日成等专家会说，没有混合区怎么办?稀释水量不夠怎么办?我说那就更得靠水质规划进行多方案优化，而不是处理厂提标一条路。如碧水源运行的十堰神定河污水处理厂，出水后政府组织接口方案，进一步用人工湿地、人工快渗深度处理，也仅COD、氨氮达四类水标准。 /p p 　　第四，企业社会责任有更高要求：提出达地面水的专家有来自企业的，更应理解简单提高排放限值，更多地用能耗换取污染物削减，不符合低碳发展、绿色发展、循环发展的总目标。王洪臣专家等提出的概念性污水厂绝对是好方向，国家和企业当共同推进。还有，真要污水处理厂提标，就再不能在终端卖力，而应在前端源分离下功夫，从粪尿不入污水处理厂开刀，用城乡营养物绿色大循环的战略措施为污水处理厂分担压力。简单压污水处理厂，是鞭打快牛的做法，应期待各部门形成合力，上点有用的措施，把钱用在刀刃上，这也是企业社会责任的努力方向。 /p p 　　最后表个态，只要有好技术，好方案，更省钱省能地提高污水出水标准，我举双手赞成，但不用接地表水水质标准，混淆两个标准体系，即使24项地面水考核指标都达地表水标准，那也是污水厂再生水，怎么用?还要考虑老百姓的感情因素呢。 /p p 　　2，答复水处理专家对《地表水环境质量标准》中总氮指标的质疑! /p p 　　在国家城镇污水处理厂新排放标准的爭议中，水处理专家郑兴灿提出了“地表水标准中氮磷指标存在明显的逻辑混乱”，並影响GB18918—2002城镇污水处理厂排放标准制定。看来需要为水质标准正本清源。由于近30年来全国一直执行的三代地表水标准都是我主持编制的，当然更有答疑的责任。 /p p 　　郑兴灿专家的意见是2008年发出的，我问了他，他不知又在此次热议排放标准中被中科博联翻了出来。为答疑清楚，他的意见可以归纳为4点： /p p 　　1，总氮、氨氮和硝酸盐氮在标准中找不到总氮为各组合之和关系 /p p 　　2，氨氮和总氮标准值相等，硝态氮限值是否应为0? /p p 　　3，仅湖库限制总氮，河流不限，湖水来自河流，水质如何保障? /p p 　　4，河流总磷0.2毫克升，如何保障0.05毫克升标准的湖庫达标。 /p p 　　我认为，以上四点，并不是逻辑混乱所致，而是水处理领域与水质标准领域跨领域交流不夠，造致对水质基准标准系统的误解。 /p p 　　对于水处理专家，工作对象水处理厂是闭合系统，进多少氨氮等氮类污染物，都是总氮组成部分，有个总量，不管氨氮转化为亚硝酸氮，还是再转化为硝酸盐氮，水处理一方面关心这一耗氧过程和氮的形态变化，另一方面，通过对某一时刻，水中总氮总量是氨氮加亚硝酸盐氮、加硝酸盐氮、加有机氮之和，来决定削减总氮的方法。因此，总氮等于各组分之和，概念十分重要。 /p p 　　对于水质标准专家，工作对象江河湖泊水环境系统是开放系统，氮的源和漏是变化的，各种形态的氮源随时进出系统，光合作用、底泥释放、植物生长等都随时改变水质浓度，水质标准不关心氮类浓度场某一时刻的浓度定格，只关心某一种氮类指标对水生态糸统的影响浓度，这就是基准。注意，只有每一单指标的限值规定，因为全世界的基准都是单指标的剂量响曲线为基础。水质标准专家对单项指标安全浓度概念则十分清楚。 /p p 　　这样看来，水处理专家关注氮总量转化过程和结果，水质标准专家关注单项指标安全浓度。两个领域的专家关注目标不同，产生不同的评价方法和思维习惯也是正常的。如果承认两个领域的思维差异，再进一步解释水质标准是怎样制定的，就容易沟通了。 /p p 　　先说氨氮，在1999年之前，以非离子氨和总氨为基准，1999年美国颁佈了氨的最新基准，以氨氮代替非离子氨和总氨，并给出不同pH和温度下的氨氮基准。由于温度和pH影响氨氮基准可相差10倍以上，V类水体定为2.0，可保护pH在8.1，温度在摄氏30度以下的所有水体的水生生物。硝酸盐氮则为保护人体健康的指标，按美国健康基准10毫克升定标。这两个指标都各自依据保护水生生物和人体健康，不考虑与总氮有组分关係。 /p p 　　再说总氮，在美国 2000年公布营养物特别基准后，重申分区调查用统计值制定标准，把总氮、总磷、叶绿素、透明度四个指标列为富营养化评价指标。我国湖库标准在无分区调查资料为依据的情况下，V类标准2.0，高于韓国的1.5，日本的1.0，美国的1.68，由于没有分区调查数据做依据，单项指标执法根据不充分，我一直建议另定富营养化评价标准，国家水质考评也一直不取总氮，所以反对以此指标值为依据定排放标准限值是有原因的。(这个指标美国只有湖库基准，为0.1至 1.68毫克升。) /p p 　　关于总磷，由于美国基准和世界各国标准近30年变化不大，我国水质标准，河流V类0.4，湖库0.2，河流lll类 0.2，湖库0.05。由于污水厂除磷技术俱备，对磷指标尚未成热点。只要与总氮等指标一起进入富营养化标准，并分区制定限值，有关营养物指标的管理，则主要是磷对水厂混凝工艺的影响，可在供水保障中提要求。 /p p 　　郑兴灿专家提出的河流标准和湖泊标准不一致的问题是因为水力学條件不一致，传输规律不同，标准有差异是必要的，美国以水力仃留时间30天为江河湖库分界。如何让江河与湖库水质相接?我们一靠环评，二靠治污规划来解决。例如：著名的引江济巢工程环评，因长江水总氮1.8，若每年30亿方水进巢湖，会造成巢湖全湖总氮超lv类，环境影响预测巢湖富营养化风险較大。 /p p 　　又如：南水北调中线水源地丹江口水庫，除总氮指标，水质为I类至ll类，总氮在lll类以下，原因在于陕西来水白河断面即达1.2，河流无总氮要求，因为饮用水，世界卫生组织无控制总氮要求，但进入湖庫，为保护湖庫生态，防止富营养化，需控制上游来水入庫总氮总量。面对汉江削减总氮任务，财政部、环保部、南水北调办，把十三五治理陕西、湖北面源氮磷污染列为重点，为保北方水源地长治久安，爭取拿出一条江控制总氮的示范。所以，标准虽有分类，各管一段，但流域区域水质问题糸统解决，还要靠环评、规划和监管。 /p p 　　一次交流，不一定把问题都解决，相信只要多交流，两个领域会在融合中为我国水污染防治做出更大贡献。 /p

时下，各种自动化检验设备可谓日新月异，检测速度和准确性不断提高，传统的人工显微镜检查还有用武之地吗?在近日举行的2012年全国血液体液形态检验诊断学学术会议上，不少专家大声疾呼，在充分发挥现代自动化检验技术优势的同时，不应忽视以传统人工显微镜检查为主要手段的细胞形态学检查的重要价值。 　　一张小涂片解决了大问题 　　“一张小小的痰涂片，解决了困扰我一年多的慢性咳嗽。”会上，北京大学第一医院检验科王建中教授与大家分享了自己的经历， 　　一年前，王建中因受凉患了肺炎，此后一直断断续续地咳嗽，夜里常常咳得无法入睡。痰培养、胸透、肺功能、CT，该做的检查全做了，就是找不到原因，各种对症治疗也效果不佳。家人和同事甚至开始担心他得了肺癌。 　　直到有一天，王建中为自己做了一张痰涂片，显微镜下发现其中有大量嗜酸性粒细胞，表明咳嗽很可能是由过敏导致的。根据这一检验结果，在医生指导下服用相应抗过敏药物后，王建中终于治愈了病痛。 　　“形态学检验对疾病的诊断具有独到之处。”他深有感触地说。 　　据专家介绍，作为临床检验的核心和基础，形态学检验主要是在显微镜下对血液体液标本中的细胞或有形成分进行观察，是临床诊断、疗效观察、预后判断等的重要依据。 　　人工镜检结果还是一些疾病诊断的“金标准”。如在白血病的血液与骨髓标本中髓系原始细胞计数时，血液或骨髓涂片的显微镜下形态学检查和流式细胞仪分析两者均可用，但世卫组织最新的造血与淋巴组织肿瘤分类方案仍要求以形态学检查为准。 　　“即使是在临床检验技术自动化大发展的背景下，人工镜检依然是医学检验中不可缺少的重要手段。”王建中说，比如临床最常用的血尿常规检查，自动化仪器目前仍只能作为筛选手段，需要按照一定比例进行人工镜检的复检。 　　南方医科大学附属中山博爱医院检验科主任技师黄道连说，自动化仪器都是按照正常细胞的相关参数进行设定的，而病变细胞的结构和形态往往会发生改变，病得越重，变化越大，此时，自动化仪器就难以分辨，甚至张冠李戴，造成误诊、漏诊。 　　对于人工显微镜检查的重要性，很多专家不约而同地提到了曾在社会上引起轩然大波的“茶水发炎”事件。2007年和2012年，两度有记者用茶水代替尿液送到医院化验，结果被检测出炎症。虽然这一做法有违科学原理，但也从另一侧面向检验界敲响了警钟：显微镜检查的环节必不可少。“倘若检验人员能够对出现白细胞阳性的标本进行显微镜复检，也许就可以发现这一明显的谬误。”北京协和医院检验科张时民教授说。 　　河北医科大学第二医院检验科李顺义教授也举例说，抗凝剂在全自动血细胞分析仪上的使用，有可能造成假性血小板减少，如果不进行进一步镜检就直接发出检验报告，会导致患者接受不必要的辅助检查。 　　被忽视只因“费时费力还不挣钱” 　　让与会者感到的担忧的是，人工显微镜检查这一不可或缺的重要检验方式正在被严重忽视和弱化，成为许多医院检验科的“短板”。 　　这种忽视和弱化首先体现在人工镜检的比例大幅缩水，甚至被取消。“不少医院基本就不做了。”张时民说。 　　据了解，即使全血细胞分析仪判定为正常的标本中，也有5%是假阴性。2005年，世卫组织涂片复检协作组调查复检结果发现，每天有25%～30%的标本需要进行显微镜复检。但目前不少医院的复检率低于5%，甚至为0。 　　“自动化仪器主要看细胞数量的变化，而人工镜检则重点关注细胞‘质’的改变，两者本应是左右手的关系，但现在普遍是‘一手硬、一手软’。”黄道连说，他所在的检验科形态学检查做得不错，临床医生从中尝到了甜头，医院也因此非常重视人工镜检，“我们医院要求每一位住院病人在检查血常规时必须同时做血涂片。但据我了解，很少有医院这样要求”。 　　其次，检验人员对各种细胞的识别能力有限，难以为临床诊断提供有价值的信息。“认得出就认，认不出就当作没看见。”张时民说。 　　人工镜检被忽视的另一个突出表现是愿意干的人少，干着的人培训进修机会少，专业从事形态学检验的人员严重不足，不少医院采用轮岗、兼职的办法来安排人手。 　　“青黄不接是普遍现象。”黄道连曾对中山市4家三级医院的检验科人员进行问卷调查，仅有17%的人表示愿意从事形态学检查工作，约12%的人员接受过为期1个月以上的形态学检验诊断培训，而免疫、生化等其他检验项目的检验人员接受培训的比例则为25%～30%。 　　中国中医科学院广安门医院检验科刘贵建教授指出，过度倚重自动化设备，对仪器的局限性以及人工镜检的重要性认识不足，认为机器检查可以取代人工镜检，加之临床工作量激增，面对每天成百上千份的血尿标本，且要在1小时甚至半小时内出检验结果，检验人员超负荷工作，无暇完成进一步镜检，是人工镜检在检验科被忽视的主要原因。 　　另一个原因则是收费问题。目前，医院检验项目的收费标准主要按照耗费的物力成本计算，人工镜检所需试剂少、仪器简单，因而这一检验项目基本不收费或收费很低。在目前的医院运行机制下，对于“费时费力还不挣钱”的人工镜检，医院普遍缺乏关注热情。 　　张时民举例说，在该院做一套肝肾功能血脂检查的收费在300元左右，1小时自动化检验设备大约可以处理上百个标本，而一名检验医师1小时仅能处理约10个普通标本，复杂的标本甚至只能处理两三个。 　　“有时一张涂片看不到病变细胞，但根据经验判断觉得有问题，为了找到证据，就得多看几张甚至十几张片子，可能花费一天时间就为了找到一个恶性细胞。”黄道连说，“在美国，形态学检查被视为技术含量极高的检验项目，费用也相应较高，属于医保的限检项目。一套骨髓涂片的形态学检查收费为400美元～500美元，而我们的收费只有50元～60元。” 　　张时民指出，一名成熟的形态学检验技师需要至少10年的经验积累，而现在愿意待在显微镜前的人越来越少，非常不利于我国形态学检验诊断领域的发展。 　　形态学检查有广阔发展空间 　　“形态学检查是一门古老的学科，也有着广阔的发展空间，绝不应该是检验科的弱项。”上海交通大学医学院附属瑞金医院王鸿利教授说，在形态学检验的基础上发展起来许多新的检验方法，流式细胞仪就是典型代表。同时，细胞生物学、分子生物学等新兴技术领域都与形态学有关。“放弃了形态学，就放弃了临床检验学的基础。” 　　王建中表示，近年来逐渐发展成熟的全自动血细胞数字图像分析等现代技术，将为形态学检查的未来发展带来“革命性”的变化。“标本制备的全自动化、仪器自动获取细胞图像，可以减少人工制备标本时间，检验者可以在电脑屏幕上看到标本的显微图像，同时通过网络实现资料共享，同行间可以相互交流，这有助于提高检验诊断的效率和准确性。” 　　张时民认为，当前应着力加强形态学检验技术骨干的培养和基本技能的培训。在政策允许的情况下，提高形态学检查项目的收费，适当提高从事形态学检验人员的待遇。黄道连建议，应该在岗位安排、人才培养、进修培训、岗位津贴等方面实行政策倾斜，“让从事形态学检验的人员能够安心本职工作，不断提高业务水平，为临床医生提供更有价值的诊断信息”。

血液病流式细胞学人工智能分析软件性能评价审评要点本要点旨在指导注册申请人对血液病流式细胞学人工智能分析软件注册申报资料中非临床评价部分的准备及撰写，同时也为技术审评部门提供参考。本要点是对血液病流式细胞学人工智能分析软件申报资料的一般要求，申请人需依据产品的具体特性确定其中内容是否适用。若不适用，需具体阐述理由及相应的科学依据，并依据产品的具体特性对注册申报资料的内容进行充实和细化。本要点是供注册申请人和技术审评人员使用的指导性文件，但不包括审评审批所涉及的行政事项，亦不作为法规强制执行，需在遵循相关法规的前提下使用本指导原则。如果有能够满足相关法规要求的其他方法，也可以采用，但是需要提供详细的研究资料和验证资料。本要点是在现行法规和标准体系以及当前认知水平下制定的，随着法规和标准的不断完善，以及科学技术的不断发展，本要点的相关内容也将进行适时的调整。一、适用范围血液病流式细胞学分析，与细胞形态学、细胞遗传学、分子遗传学等一起，用于血液病的辅助诊断、鉴别诊断、预后判断、治疗监测、免疫监测、造血干细胞移植相关检测等。样本类型可为血液或骨髓、淋巴结、脑脊液、及其他适用样本类型。血液病流式细胞学人工智能分析软件，指通过人工智能算法帮助医生分析多参数流式细胞学技术/流式细胞仪产生的结构化数据，如数据文件或图形文件等进行血液病辅助体外诊断的软件，通常用于定性或定量分析，可以是软件组件或独立软件。通过对结构化数据的人工智能算法分析，用途包含：（一）基础分析：通过单一的人工智能算法辅助流式细胞学数据的可视化，从而辅助流式诊断人员进行自动设门和分析。（二）高阶分析：通过多个人工智能算法组合使用（如集成学习算法和卷积神经网络算法组合使用），实现自动设门辅助血液疾病诊断（良/恶性、白血病亚型分类、淋巴瘤分型等）、化疗后的微小残留病监测等。产品在医疗机构、医学实验室使用，其结果供执业医师参考。软件作为血液病流式细胞学辅助诊断工具，其提示的诊断结果不能作为临床诊断决策的唯一依据。产品管理类别：独立软件分类编码：21-04-02（计算机辅助诊断/分析软件）软件组件分类编码：22-01-08（流式细胞分析仪器）应注意本要点主要适用于辅助决策类的人工智能医疗器械，按照第三类管理，其他类别的产品可根据其适用性参照执行。关于人工智能医用软件分类的判定，可参照《人工智能医用软件产品分类界定指导原则》。产品名称：建议依据医用软件通用名称要求，按“特征词1（如有）+特征词2（如有）+特征词3（如有）+核心词”结构编制。具体到该类产品，建议体现处理对象和临床用途，如血液病（具体病种）+流式细胞学辅助分析/检测软件，可参考《医疗器械分类目录》、《医用软件通用名称命名指导原则》中的品名举例或已批准的同类产品进行命名。如为软件组件，则产品名称体现医疗器械名称，如“多参数流式细胞仪”，但在适用范围体现人工智能算法类型，在产品说明书体现使用限制等相关内容。本要点基于《人工智能医疗器械注册审查指导原则》的基本框架要求，其中关于人工智能医疗器械的的术语定义、相关要求参照上述指导原则。二、产品简介该类软件的分析对象基于流式细胞仪产生的标准化的结构化数据文件或图形文件等。产品的工作原理：产品为独立软件或软件组件，采用人工智能算法对流式细胞仪数据进行处理（如：数据特征提取、数据通过函数图形化以及自动设门、决策分析等），实现对流式细胞仪数据、对细胞分类及定量结果进行分析，达到辅助诊断的功能。主要结构及组成：结构组成明确交付内容和功能模块，其中交付内容包括软件安装程序、授权文件、外部软件环境安装程序等软件程序文件，功能模块包括客户端、服务器端（若适用）等，若适用注明选装、模块版本。服务器端：负责接收并处理请求，对请求进行数据处理，调用人工智能算法（如PCA、t-SNE、SVM等）对数据进行处理并输出分析结果。把用户请求的数据结果返回给浏览器。客户端：将服务器端分析结果呈现到用户界面。用户 可在用户界面端进行自动设门、细胞分群、辅助分类、辅助诊断、报告管理、检索查询、用户管理、查看日志等功能操作。预期使用环境：申报产品主要使用环境为医疗机构、医学实验室。三、基本要求在满足相关法规、规章、指导原则、标准的前提下，还应重点关注下列内容：（一）综述资料详细描述该产品的算法名称，选择该算法的依据和权威文献，数据处理的在流式细胞分析流程中的节点及辅助决策功能及功能实现方法，描述配套使用流式细胞仪器设备（厂家、型号、注册证号及主要参数设置：包括激光数、通道设置等）及仪器质量控制参数（仪器校准、电压补偿等）、配套使用的流式细胞检测试剂（名称、厂家、注册证号等），描述数据产生的样本类型。人工智能医疗器械从成熟度角度可分为成熟和全新两种类型，其中成熟是指安全有效性已在医疗实践中得到充分证实的情形，全新是指未上市或安全有效性尚未在医疗实践中得到充分证实的情形。人工智能医疗器械的算法、功能、用途若有一项为全新则属于全新类型，反之属于成熟类型。在资料中应当说明采用算法的成熟程度，采用全新算法的，应当在综述资料中详细说明。阐述软件研发背景，包括对辅助决策功能的介绍，目前该血液病临床诊断参考标准、诊疗指南和分型依据。申报产品数据处理标准和分型依据应与临床标准一致。（二）非临床资料1.产品技术要求及检验报告性能指标应包括“所分析的数据类型”、“分析速度”、“临床功能”等，如数据处理、数据分析、诊断提示等。其他要求请参照《医疗器械软件注册审查指导原则（2022年修订版）》。2.软件研究资料按照《医疗器械软件注册审查指导原则（2022年修订版）》、《医疗器械网络安全注册审查指导原则（2022年修订版）》、《人工智能医疗器械注册审查指导原则》的要求，提交研究资料。明确发布版本号。提交的研究资料主要包含软件研究资料、算法研究资料、网络安全研究资料。研究资料内容应涵盖申报产品适用范围中描述的全部内容。2.1风险管理软件安全性级别越高，其生存周期质控要求越严格，注册申报资料越详尽，同时由于全新类型的潜在未知风险多于成熟类型，故需结合成熟度予以综合考虑。人工智能医疗器械的软件安全性级别可基于产品的预期用途、使用场景、核心功能进行综合判定，其中预期用途主要考虑用途类型、重要程度、紧迫程度等因素，使用场景主要考虑使用场合、疾病特征、适用人群、目标用户等因素，核心功能主要考虑功能类型、核心算法、输入输出、接口等因素。参考YY/T 0316、GB/T 42062和YY/T 0664等标准进行风险管理。风险管理活动应当基于软件的预期用途、使用场景、核心功能予以实施，并贯穿软件全生命周期过程。申请人重点考虑如下风险因素：此类产品算法风险包括算法选择风险、算法训练及验证的风险等，主要包括算法选择依据不充分，算法训练使用的数据质量不高，数据代表性不足或数据量不够，由于样本前处理、流式细胞仪光路信号校准和质控，流式细胞分析过程或流式荧光试剂标记发生错误等原因产生，造成过拟合和欠拟合导致的泛化能力不足，数据扩增（如适用）和数据偏移等造成的假阴性和假阳性错误等；使用中的风险主要包括未经培训的人员使用，以及样本采集、处理、仪器校准等错误，造成的假阴性和假阳性错误。其中假阴性即漏诊，可能导致后续诊疗活动延误，特别是要考虑快速进展疾病的诊疗活动延误风险，而假阳性即误诊，可能导致后续不必要的诊疗活动。以算法特性为核心重点关注其泛化能力，以模型/数据为基础重点关注其质控情况，同时从风险管理角度兼顾算力不足与失效的影响。注册申请人应结合人工智能医疗器械的预期用途、使用场景、核心功能开展风险管理活动，采取风险控制措施将风险降至可接受水平，并贯穿于人工智能医疗器械全生命周期过程。此外，进口人工智能医疗器械还需考虑中外差异风险，如人种、流行病学特征、临床诊疗规范等差异。2.2需求规范提供软件需求规范文档，明确软件的功能、性能、接口、用户界面、运行环境、网络安全、数据采集等需求。数据采集需考虑数据来源的合规性、充分性和多样性，数据分布的科学性和合理性，数据质控的充分性、有效性和准确性。数据应来源于分布于不同地域的机构且不少于3家，确保数据应当具备高度的多样性。机构应使用软件说明书中的分析流程采集数据，如明确的样本来源、仪器设备、样本处理（前处理、单细胞悬液的制作、荧光抗体试剂的选择等）。数据分布的科学性和合理性，应考虑包括但不限于疾病构成（如分型、分级、分期）、人群分布（如高危人群、患者，性别、年龄）等情况。算法性能需结合产品预期用途，综合考虑分析速度、敏感性、特异性、重复性与再现性、泛化性等性能指标的适用性及其要求。同时还需考虑因梯度消失（如适用）、梯度爆炸（如适用）、过拟合和欠拟合等影响算法性能的因素。使用限制需考虑产品禁用、慎用等场景，准确表述产品使用场景，提供必要警示提示信息。2.3软件性能研究提供产品性能研究资料以及产品技术要求的研究和编制说明，给出软件相关的功能性、安全性指标的确定依据。注册申请人需在软件研究资料中提交GB/T 25000.51自测报告，亦可提交自检报告或检验报告代替自测报告。产品技术要求中各指标依据产品自身特点确定。2.4算法研究资料根据《人工智能医疗器械注册审查指导原则》提交算法研究资料。逐项提交每个人工智能算法或算法组合的算法研究报告。2.4.1算法基本信息明确算法的名称、类型、结构、输入输出、流程图、算法框架、运行环境等基本信息以及算法选用依据。其中，算法类型从学习策略、学习方法（基于模型的算法和基于数据的算法）、可解释性（白盒算法和黑盒算法）等角度明确算法特性。算法结构部分应明确算法的层数、参数规模等超参数信息。流程图应包含输入示例、学习方法示意图输出示例。算法框架应明确所用人工智能算法框架的基本信息，包括名称、类型（自研算法框架、现成算法框架）、型号规格、完整版本、制造商等信息。若基于云计算平台，应明确云计算的名称、服务模式、部署模式、配置以及云服务商的名称、住所、服务资质。运行环境应明确算法正常运行所需的典型运行环境，包括硬件配置、外部软件环境、网络条件；若使用人工智能芯片应明确其名称、型号规格、制造商、性能指标等信息。算法选用依据详述算法或算法组合选用的理由和基本原则。2.4.2算法风险管理结合预期用途、使用场景、和核心功能、算法成熟度、网络安全等因素，此类产品的软件安全性级别为严重级别。提供算法风险管理资料，若无单独文档可提供软件风险管理资料，并注明算法风险管理所在位置。2.4.3算法需求规范提供算法需求规范文档，若无单独文档可提供软件需求规范，并注明算法需求所在位置。2.4.4数据收集2.4.4.1提供数据来源合规性声明，列明数据来源机构的名称、所在地域、数据收集量、伦理批件（或科研合作协议）编号等信息。2.4.4.2数据采集建议参考2.2需求规范的要求，提供数据采集操作规范文档，包括数据采集方案和数据采集标准操作规程。数据采集主要由临床机构实施，应明确流式细胞分析流程的全部信息（包括全流程质控标准、panel设计、仪器和试剂的标准化SOP等）、明确样本及样本处理要求、样本的来源与分布、样本质量要求（样本保存时限、质量判断标准）、采集设备要求（应包含流式细胞仪型号、通道数量、注册证号、设备质控及补偿调节方式、数据的基本处理方式等）、流式抗体试剂要求（厂家、注册证号等）、数据质量要求、采集过程、数据脱敏、数据转移等要求。采集过程应对样本数据进行编号并加密，方案中应包含编号规则。关于数据集采集方面建议明确偏倚的控制方法，如： （1）为了保证研究对象的代表性，可从目标人群中随机抽样、多中心，保证样本量要足够大。 （2）为了保证研究对象选择的质量，研究设计中应有明确、具体的诊断标准、纳入标准和排除标准。 （3）检测标本尽量保持试验条件的前后一致性，注意试剂质量、仪器性能、样本保存和操作规定。 建议通过限制、配比、标准化、随机化、分层分析和多元分析等进行控制。2.4.4.3数据整理明确数据清洗/预处理程序，对数据处理中应用的软件进行简述，并以附件的形式提交数据处理中各软件的软件研究资料。数据整理基于原始数据库考虑数据清洗、数据预处理的质控要求。数据清洗需明确清洗的规则、方法、结果，数据预处理需明确处理的方法、结果。数据整理所用软件工具均需明确名称、型号规格、完整版本、制造商、运行环境，并进行软件确认。2.4.4.4数据标注明确标注人员和仲裁人员的资质要求和培训内容，标注人员和仲裁人员应为相关专业资质的人员，数据应经过2人或以上进行标注，标注方式建议给出依据。简述标记系统信息，给出数据/图像界面截图，详细介绍标注过程、标注对象和标注标准（注意与临床诊断标准的一致性）等。明确标注过程质控、标注质量评估、数据安全保证等要求，明确室内质控、室间质评等要求。应当注意标注数据的质量评估，可抽选一定比例数据由有资质的非标注人员结合临床进行综合诊断评估。提供原始数据库、基础数据库、标注数据库、扩增数据库（如有），关于疾病构成的数据分布情况，包括适用人群、数据来源机构、采集设备、样本类型等因素。若数据来自公开数据库，提供公开数据库的基本信息（如名称、创建者、数据总量等）和使用情况（如数据使用量、数据质量评估、数据分布等）。2.4.4.5数据集构建明确各数据集划分的方法及依据。训练集应当保证样本分布具有均衡性，根据预期用途，训练样本应涵盖不同血液病样本类型、不同分群类型等。调优集应保证样本分布符合临床实际情况，如阳性比例，不同类型比例、不同临床分型比例等均应符合临床实际情况。训练集、调优集、测试集的样本应两两无交集并通过查重予以验证。如适用，进行数据扩增验证时，应当明确扩增的方式、方法、倍数，并考虑数据扩增对软件的影响及风险。列表比较扩增数据库与标注数据库的差异，论证扩增数据库样本量的充分性以及分布的合理性。2.4.5算法训练依据适用人群、数据来源机构、采集设备、样本类型等因素，提供训练集、调优集（若有）关于疾病构成的数据分布情况。算法训练基于训练集、调优集进行训练和调优，应明确算法训练所用的评估指标、训练方式、训练目标、调优方法，提供ROC曲线或混淆矩阵等证据（如：迭代次数-训练CountIOU曲线和迭代册数-召回率曲线）证明训练目标满足医疗要求，提供训练数据量-评估指标曲线（如迭代次数-Loss曲线）等证据以证实算法训练的充分性和有效性。应当提供人工智能学习算法常用的评估函数来评估算法训练的质量。2.4.6算法性能评估基于测试集对算法设计进行评估，确认软件算法性能的效率、敏感性、特异性，性能应满足算法设计要求。算法验证：算法性能评估应包括软件对样本满意度评价的能力测试、泛化能力的测试、压力测试（指采用罕见或特殊的真实数据样本开展的算法性能测试）、对抗测试、重复性与再现性测试、诊断敏感性与特异性测试、分析效率测试、算法性能影响因素分析、性能评估结果比较分析、偏差报告等研究。应以该软件和临床综合诊断的一致性进行比较.评价细胞分群的准确性。通过样本量估算确定测试集中阴、阳性样本和压力样本的样本量，提供测试集关于疾病构成（包括年龄和血液病类型、白细胞分化抗原种类）、数据来源的数据分布情况。明确对抗样本的选择原则；明确性能评估的可接受标准和标准制定依据。提交测试报告和结果图示例。若使用第三方数据库开展算法性能评估，提供第三方数据库的基本信息（如名称、创建者、数据总量等）和使用情况（如测试数据样本量、评估指标、评估结果等）。还应提交第三方数据库数据样本来源和本分析软件在产品技术要求、说明书中要求的流式细胞分析流程的一致性评价（包含样本要求、处理方式、流式细胞荧光抗体试剂的选择、流式细胞仪、荧光及电压补偿方式、应用的函数等）,应提交符合要求的流式细胞仪数据。算法的确认：此类产品均需按照GCP的要求开展临床试验。临床试验的机构应具备该软件要求的流式细胞分析流程所需的人员、试剂及仪器设备，临床试验应以该软件和临床综合诊断的一致性进行比较，确保其产生的流式细胞仪数据与该软件说明书和技术要求的一致性。2.4.7算法可追溯性分析提供算法可追溯性分析报告，即追溯算法需求、算法设计、源代码（明确软件单元名称即可）、算法测试、算法风险管理的关系表。若无单独文档可提供软件可追溯性分析报告，需注明算法可追溯性分析所在位置。（三）产品说明书和标签样稿明确该产品适用范围，明确流式细胞学人工智能分析的全流程质控标准、适用的流式细胞分析设备、设备参数设置、适用的试剂及试剂盘设计、样本处理方法和本软件适用的标准化SOP等。明确软件报告内容。对产品带来的假阳/假阴性风险进行提示。根据算法性能综合评价结果，对产品的适用范围、使用场景、核心功能进行必要限制，并在说明书中明确产品使用限制和必要警示提示信息。明确数据采集设备和数据采集过程相关要求。若产品采用人工智能黑盒算法，根据算法影响因素分析报告，在说明书明确产品使用期限、使用限制和必要的警示提示信息。明确人工智能算法的算法性能评估总结（测试集基本信息、评估指标与结果）、临床评价总结（临床数据基本信息、评价指标与结果）、决策指标定义（或提供决策指标定义所依据的临床指南、专家共识等参考文献）等信息。若采用基于数据的人工智能算法，说明书还应补充算法训练总结信息（训练集基本信息、训练指标与结果）列明算法训练总结和算法性能评估总结以及临床评价总结。对于软件安全性级别为严重级别的产品，需提供用户培训材料。

p 　　中国人工智能学会、国家工信安全中心、华夏幸福产业研究院等四大权威机构、历时半年完成该本重磅报告，从全新的角度阐述了中国 AI 产业和学术的创新现状。 /p p 　　《2018人工智能产业创新评估白皮书》由中国人工智能学会、国家工信安全中心、华夏幸福产业研究院、思保环球联合发布。 /p p 　　白皮书聚焦人工智能的使能技术与应用场景两个层面，基于论文、专利、人才、行业壁垒等多个维度，创新性地构建了人工智能产业创新评估体系，客观评价了当前人工智能产业的创新发展水平，为政府、企业、投资机构布局人工智能提供了借鉴和参考。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/0a3a11e3-a62a-4d56-940e-8c02731f2d87.jpg" title=" 01.jpg" alt=" 01.jpg" / /p p style=" text-align: center " strong 研究范围和评价体系 /strong /p p 　　随着人工智能迎来第三次发展浪潮，在全球主要国家的积极推动下，社会各界对人工智能的投入与期许空前高涨。构建科学客观的创新评估体系，准确评估当前人工智能产业的创新发展水平，对人工智能产业健康有序发展具有重要的现实意义。报告结合人工智能细分技术的发展和应用水平，聚焦语音交互、文本处理、计算机视觉和深度学习四项使能技术，以及交通、医疗、制造、安防、零售等八大重点应用场景，对人工智能产业创新水平进行了客观的评价。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/e7adc7d7-250c-470c-9a14-ce0c9b6599d9.jpg" title=" 02.jpg" alt=" 02.jpg" / /p p style=" text-align: center " strong 图 1 人工智能产业创新评估范围 /strong /p p 　　为客观分析四项核心使能技术和八个重点应用场景当前所处的发展阶段，报告基于现有学界产业创新评估的研究成果，结合人工智能产业的行业属性，采用定量和定性分析相结合，构建了科学客观的人工智能产业创新评估体系。体系下设使能技术就绪度指数和应用场景融合度指数两个一级评估指标，并在使能技术就绪度下设立了理论、应用、性能驱动力三个二级指标，在应用场景融合度下设立了资源、技术、数据、场景、环境驱动力五个二级指标。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/19326b91-7308-4a89-808f-e947bccd24df.jpg" title=" 03.jpg" alt=" 03.jpg" / /p p style=" text-align: center " strong 图 2 人工智能产业创新评估体系 /strong /p p strong 　　人工智能使能技术就绪度 /strong /p p 　　深度学习技术的发展，推动以语音交互、文本处理、计算机视觉为代表的人工智能快速发展，并在多个场景迅速落地。为客观评价以深度学习为代表的四项使能技术的发展水平，报告从理论研究、应用研究和技术性能三个维度进行了评估，分别计算出四项使能技术的就绪度指数。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/c1242858-0d8f-4a1c-84d4-1606e17b800b.jpg" title=" 03-1.jpg" alt=" 03-1.jpg" / /p p style=" text-align: center " strong 图 3 人工智能使能技术就绪度评估维度 /strong /p p 　　从使能技术就绪度指数来看，深度学习就绪度最高。作为人工智能的主流算法，深度学习就绪度最高(8.3)，经处于技术成熟期 计算机视觉(7.7)和语音交互(6.2)次之，处于技术应用的探索期，主要体现在以语音助手和医疗影像诊断为代表的产品已经逐渐进入实用阶段 文本处理则仍处于技术爬坡期，技术进展缓慢使其离真正实用仍存在较大距离。 /p p img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/930c05be-a40b-48cc-bc72-da298eb24a47.jpg" title=" 04.jpg" alt=" 04.jpg" / /p p style=" text-align: center " strong 图 4 人工智能使能技术就绪度指数 /strong /p p 　　从使能技术实际发展情况来看，深度学习和计算机视觉是布局重点。在理论研究(论文产出)方面，四项使能技术从2013年开始逐渐成为研究热点，其中深度学习是学界关注重点，其次是计算机视觉。语音交互和文本处理的论文产出增速较为平稳，但文本处理论文产出量和引用频次均为最低。在应用研究(专利申请)方面，计算机视觉和深度学习专利申请占比较高，但平均专利强度较低，专利布局仍处于起步阶段 语音交互专利申请比例低但平均强度较高，表明语音交互关注度呈现逐渐下降趋势。 /p p style=" text-align: center" img style=" width: 617px height: 328px " src=" https://img1.17img.cn/17img/images/201905/uepic/e8156869-318e-4c45-b498-c0b1782cfe87.jpg" title=" 06.jpg" width=" 617" height=" 328" / /p p style=" text-align: center" img style=" width: 605px height: 316px " src=" https://img1.17img.cn/17img/images/201905/uepic/09863951-a378-42c6-bc6a-8dd5d06bdd2d.jpg" title=" 05.jpg" width=" 605" height=" 316" / /p p style=" text-align: center " strong 图 5 人工智能使能技术实际发展情况 /strong /p p 　　从中美两国使能技术发展水平来看，美国四项使能技术的理论研究和应用研究均大幅领先于中国。在理论研究方面，中美文本处理领域的差距最小，深度学习领域差距最大 在应用研究方面，深度学习领域的差距最小，语音交互领域的差距最大。具体来看，美国四项使能技术的论文影响力和平均专利强度要远高于中国，中国论文和专利“多而不强”的局面依然存在。同时我们还发现，中国四项使能技术专利申请量均居首位，特别是相关研发机构近三年活跃度较高，超过54%的专利均在近三年申请。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/054caf0c-259b-4eba-acaa-8edc0e3ec037.jpg" title=" 07.jpg" alt=" 07.jpg" / /p p style=" text-align: center " strong 图 6 中美两国使能技术发展水平对比 /strong /p p 　　从使能技术人才分布来看，美国人工智能领域四项使能技术相关的高端人才遥遥领先于其他国家。统计发现，美国人工智能高端人才超过1.3万，中国不足0.5万，与美国相比差距悬殊。从细分技术领域来看，计算机视觉相关的高端人才占比最高，达38%，其中美国5432人，中国1892人。从中国人工智能使能技术研发人才分布来看，北京、广东、江苏、上海和浙江五省市人才优势明显，其中北京、广东人工智能研发人才超过万人。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/9c3a5e84-d27a-410b-a814-837ea5335cf8.jpg" title=" 08.jpg" alt=" 08.jpg" / /p p style=" text-align: center " strong 图 7 全球人工智能使能技术人才分布 /strong /p p 　　 strong 人工智能应用场景融合度 /strong /p p 　　随着以深度学习为代表的使能技术的发展，大量科技企业从特定的行业或场景出发，推动人工智能使能技术与行业加速融合，提供差异化的新产品、新服务和解决方案，形成了丰富的“AI+”应用场景，成为人工智能产业快速发展的重要驱动力。本报告从资源、技术、数据、场景和环境五个驱动力维度对八个“AI+”场景进行了评估，分别计算出了八大应用场景的融合度。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/bbb7b813-c24b-40a9-baeb-8e8760e7d967.jpg" title=" 09.jpg" alt=" 09.jpg" / /p p style=" text-align: center " 　 strong 图 8 人工智能应用场景融合度评估维 /strong /p p 　　从应用场景融合度指数来看，人工智能与各行业依然处在人工智能融合的早期。根据应用场景融合度指数显示，汽车(3.9)、医疗(3.8)和家居(3.7)是人工智能融合度相对较高的三个场景 零售(3.5)、机器人(3.3)和安防(3.2)次之 制造(3.0)和教育(2.8)融合度指数较低。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/fd163fcd-8227-4366-a819-b308fdfc0442.jpg" title=" 10.jpg" alt=" 10.jpg" / /p p style=" text-align: center " strong 图 9 人工智能应用领域融合度指数 /strong /p p 　　从应用场景的融合实际情况来看，汽车、医疗、家居是布局重点。在技术驱动力方面，人工智能在各个领域的专利申请自2014年开始爆发式增长，其中汽车和医疗领域增长明显，而教育和零售领域增长相对缓慢。在资源驱动力方面，人工智能的研发机构和研发人才主要集中在汽车、医疗、家居领域，从事零售、教育的人工智能研发机构和人才相对较少。结合近三年专利申请情况来看，专利布局重点更是主要集中在汽车、医疗、家居和安防领域，人工智能与机器人的融合则是新的应用热点。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4980be83-78d8-4f80-b336-bf9b46ff65c5.jpg" title=" 11.jpg" alt=" 11.jpg" / /p p style=" text-align: center " strong 　　图 10 人工智能专利在各应用场景的分布 /strong /p p 　　从全球应用场景融合整体水平来看，美国应用融合优势明显。在八大应用领域中，美国人工智能研发人员数量占据一半左右，而中国各领域人工智能研发人员普遍偏少。在专利申请量方面，除医疗领域外，中国的专利申请规模均超过美国，特别是在机器人和制造两个领域专利优势明显。在专利申请强度方面，美国大幅度领先中国，中国专利质量仍有待提升。具体到应用场景来看，美国医疗领域人工智能专利规模和强度优势显著，中国机器人和制造领域人工智能专利申请实力具有一定的优势。 br/ /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/4ccb8ba2-bb21-4366-bd70-c1941763d2e6.jpg" title=" 12.jpg" alt=" 12.jpg" / /p p style=" text-align: center " 　 strong 　图 11 中国人工智能应用领域研发实力对比 /strong /p p 　　从应用场景融合的主要瓶颈来看。高质量数据缺乏、行业壁垒高、应用场景不清晰是当前人工智能与行业深度融合的主要瓶颈。从数据积累程度来看，汽车、医疗和机器人三个领域具备一定的数据优势，而家居和制造两个领域数据积累明显不足。从数据开放程度来看，汽车、教育和机器人三个领域数据开放程度较高，而医疗和制造两个领域数据开放程度相对较低。从场景介入壁垒来看，医疗、制造的行业壁垒较高，人工智能企业较难进入。 /p p br/ /p p img style=" width: 654px height: 344px " src=" https://img1.17img.cn/17img/images/201905/uepic/f565c015-ce97-4aac-833e-0b198b1b4f26.jpg" title=" 14.jpg" width=" 654" height=" 344" / /p p img style=" width: 655px height: 354px " src=" https://img1.17img.cn/17img/images/201905/uepic/e2406269-5aef-4a27-82ec-e7e09c9244ed.jpg" title=" 13.jpg" width=" 655" height=" 354" / /p p style=" text-align: center " 　　 strong 人工智能产业发展水平评价 /strong /p p 　　通过使能技术和应用场景融合情况评价，我们可以发现，人工智能整体发展仍处于初级阶段。从使能技术发展来看，深度学习已经成为当前主流的人工智能算法，是目前理论研究的重点方向 深度学习技术已处于成熟期，并越来越多地应用到各种实际场景中，也逐渐显现出一定的发展瓶颈 计算机视觉和语音交互尚处于技术应用初期，两项技术均开始在不同的场景中尝试应用落地 而文本处理仍处于技术爬坡期，技术进展缓慢。从应用融合来看，基于报告对应用场景发展阶段的划分，目前人工智能在汽车、医疗、家居、零售、机器人和安防行业处在融合的培育期，而在制造和教育行业仍处在融合的萌芽期。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201905/uepic/ed712604-8970-40d5-9286-4ecfbda3ff66.jpg" title=" 15.jpg" alt=" 15.jpg" / strong 人工智能产业发展研判与展望 /strong /p p strong 　　01 /strong /p p strong 　　使能技术 /strong /p p 　　语音交互。语音交互技术存在对大规模数据依赖性强，远场识别准确率低、复杂场景识别效果欠佳等技术瓶颈，特别是语义理解技术尚未真正突破严重制约着语音交互技术的规模化商用。语音交互下一步将重点提升在远场识别尤其是复杂环境下的识别率，而智能家居无疑仍然是语音交互技术应用探索的最佳场景。 /p p 　　文本处理。场景、学习和数据获取是文本处理技术面临的主要困难，增强学习、视觉语言融合、联合学习将是未来文本技术的主要突破方向。发展中的文本处理技术将率先渗透到数字化程度高、政策和社会性障碍低、个性化元素强的行业。 /p p 　　计算机视觉。计算机视觉的瓶颈在于复杂程度高、鲁棒性低、数据匮乏和算力成本过高。计算机视觉的发展重点在于利用非监督学习和迁移学习方法降低数据依赖，提升算法试用领域，并实现与文字、语音技术的深度融合。 /p p 　　深度学习。深度学习依赖于多层神经网络下的梯度下降和随之而来的大量参数不断优化，但是多层梯度下降后的结果是非线性的和非凹的，深度学习方法的有效性难以得到理论证明。未来深度学习的发展方向主要是对深度学习机制的理解和实际模型的借鉴性研究。 /p p strong 　　02 /strong /p p strong 　　应用场景融合 /strong /p p 　　AI+汽车。以无人驾驶为主导的智能汽车是人工智融合度较高的应用场景，传统的汽车行业将被新的技术和商业模式所革新。但智能汽车的发展依然面临着车辆软硬件技术、人工智能算法、以及政策和商业化不成熟等多重挑战。 /p p 　　AI+医疗。快速发展的智能医疗领域已经出现虚拟助手、辅助诊疗、智能影像、药物研发、精准医疗等多种新实践。底层医疗数据的数量质量参差不齐、复合人才体系缺乏、医疗行业应用场景磨合难度大、行业壁垒高等都制约着人工智能技术的深度应用。 /p p 　　AI+家居。人工智能与家居的融合是当前业界探索的重点。人工智能在交互、决策和服务三个层面优化、提升家居产品性能。产品价格高、用户隐私保障难、语音识别率低、互联互通难等是智能家居发展面临的主要挑战。 /p p 　　AI+零售。人工智能助力零售行业线上线下深度融合，并带来消费场景的进一步延伸，全面提升了用户消费体验。当前，基于应用场景的技术提升和可靠性存在挑战。另外，如何有效打通C端和B端是智能零售行业亟需解决的难题。 /p p 　　AI+机器人。人工智能推动机器人从机械化迈向智能化。智能机器人在工业和服务领域逐渐成为人类重要助手，如协助机器人、物流机器人及公共服务机器人等。但受制于人机交互、环境感知和机器学习等技术水平限制，目前机器人智能化程度依然较低。 /p p 　　AI+安防。人工智能在安防行业处于探索应用阶段。智能安防以算法、算力、数据作为发展的三大要素，在产品落地上主要体现在视频结构化、生物识别、物体特征识别三个方面。人工智能将推动安防行业逐渐向城市化、综合化和主动化方向发展。 /p p 　　AI+制造。人工智能从研发创新、质量控制、故障诊断、运营管理等多个方面，推动制造业转型升级，是实现智能制造的核心驱动力。然而制造业与人工智能的融合仍处于培育期。缺乏高质量行业数据、企业计算能力不足、通讯标准无法协调是实现人工智能与制造业深度融合的主要障碍。 /p p 　　AI+教育。人工智能技术应用于教育领域，可有效改善教、学、练、作业、测评、管理等多个环节，实现合理配置教育教学内容，科学实施因材施教。高质量的学习轨迹数据缺乏和技术本身尚未成熟，造成人工智能和教育领域的融合程度远落后于其他行业。 /p

国家质量监督检验检疫总局、国家标准化管理委员会批准《轻质石油产品酸度测定法》等175项国家标准，现予以公布（附件.docx)。　　国家质检总局 国家标准委　　2016年6月14日食品相关标准列表如下：序号 国家标准编号 国 家 标 准 名 称 代替标准号 实施日期 1 GB/T 5461-2016 食用盐 GB 5461-2000 2017-1-1 2 GB/T 7652-2016 八角 GB/T 7652-2006 2017-1-1 3 GB/T 14456.3-2016 绿茶 第3部分：中小叶种绿茶 2017-1-1 4 GB/T 14456.4-2016 绿茶 第4部分：珠茶 2017-1-1 5 GB/T 14456.5-2016 绿茶 第5部分：眉茶 2017-1-1 6 GB/T 14456.6-2016 绿茶 第6部分：蒸青茶 2017-1-1 7 GB/T 17776-2016 饲料中硫的测定 硝酸镁法 GB/T 17776-1999 2017-1-1 8 GB/T 32470-2016 生活饮用水臭味物质 土臭素和2-甲基异莰醇检验方法 2016-11-1 9 GB/T 32687-2016 氨基酸产品分类导则 2017-1-1 10 GB/T 32689-2016 发酵法氨基酸良好生产规范 2017-1-1 11 GB/T 32690-2016 发酵法有机酸良好生产规范 2017-1-1 12 GB/T 32712-2016 条斑紫菜 种藻 2017-1-1 13 GB/T 32713-2016 刀鲚人工繁育技术规范 2017-1-1 14 GB/T 32714-2016 冬枣 2016-10-1 15 GB/T 32717-2016 番木瓜长尾实蝇检疫鉴定方法 2017-1-1 16 GB/T 32719.1-2016 黑茶 第1部分：基本要求 2017-1-1 17 GB/T 32719.2-2016 黑茶 第2部分：花卷茶 2017-1-1 18 GB/T 32719.3-2016 黑茶 第3部分：湘尖茶 2017-1-1 19 GB/T 32719.4-2016 黑茶 第4部分：六堡茶 2017-1-1 20 GB/T 32727-2016 肉豆蔻 2017-1-1 21 GB/T 32728-2016 刺柏果 2017-1-1 22 GB/T 32729-2016 干鼠尾草 2017-1-1 23 GB/T 32730-2016 芥末籽 2017-1-1 24 GB/T 32731-2016 辣椒粉 显微镜检查法 2017-1-1 25 GB/T 32732-2016 香草 试验方法 2017-1-1 26 GB/T 32733-2016 香草 2017-1-1 27 GB/T 32734-2016 葫芦巴 2017-1-1 28 GB/T 32735-2016 干百里香 2017-1-1 29 GB/T 32736-2016 干薄荷 2017-1-1 30 GB/T 32742-2016 眉茶生产加工技术规范 2017-1-1 31 GB/T 32743-2016 白茶加工技术规范 2017-1-1 32 GB/T 32744-2016 茶叶加工良好规范 2017-1-1 33 GB/T 32750-2016 茶花鸡 2017-1-1 34 GB/T 32751-2016 林甸鸡 2017-1-1 35 GB/T 32755-2016 大黄鱼 2017-1-1 36 GB/T 32756-2016 刺参 亲参和苗种 2017-1-1 37 GB/T 32757-2016 贝类染色体组型分析 2017-1-1 38 GB/T 32758-2016 海水鱼类鱼卵、苗种计数方法 2017-1-1 39 GB/T 32759-2016 瘦肉型猪活体质量评定 2017-1-1 40 GB/T 32760-2016 反刍动物甲烷排放量的测定 六氟化硫示踪—气相色谱法 2017-1-141 GB/T 32761-2016 溧阳鸡 2017-1-1 42 GB/T 32762-2016 鹿苑鸡 2017-1-1 43 GB/T 32763-2016 藏猪 2017-1-1 44 GB/T 32764-2016 边鸡 2017-1-1 45 GB/T 32765-2016 渤海黑牛 2017-1-1 46 GB/T 32779-2016 超级杂交稻制种气候风险等级 2017-1-1 47 GB/T 32780-2016 哲罗鱼 2017-1-1 48 GB/T 32781-2016 中华鲟 2017-1-1 49 GB/T 32782-2016 冰淇淋和冷冻甜食品中的脂肪测定 哥特里-罗紫法 2017-1-1 50 GB/T 32783-2016 蓝莓酒 2016-10-1

近期，“人工淀粉”的新闻火爆全网。中科院天津工业生物技术研究所经过6年技术攻关，在国际上首次实现了二氧化碳到淀粉的从头合成。不依赖植物光合作用，设计人工生物系统固定二氧化碳，合成淀粉，“喝西北风”从一句笑谈变成了现实，这一成果被国际学术界认为将是影响世界的重大颠覆性技术。人工合成淀粉火爆全网的背后是合成生物技术的强力支持，可以称得上是合成生物学巨大的进步，也是人类开启“造物”时代的一个标志性事件。　　01 合成生物学开启“造物”时代　　合成生物学也被称为“工程生物学”，旨在阐明并模拟生物合成的基本规律，设计并构建新的、具有特定生理功能的生物系统，从而建立药物、功能材料、能源替代品等的生物制造途径。合成生物学的主要研究内容分为三个层次：一是利用现有的天然生物模块构建新的调控网络并表现出新功能 二是采用从头合成方法人工合成基因组DNA 三是人工创建全新的生物系统乃至生命体。合成生物学是生命科学在21 世纪新的分支学科，打开了从非生命的化学物质向人造生命转化的大门，为探索生命起源与进化开辟了崭新的途径。作为科学界的新生力量，合成生物学进展迅速，并已在化工、能源、材料、农业、医药、环境和健康等领域展现出广阔的应用前景。　　举例来看，合成生物学能利用大肠杆菌生产大宗化工材料，摆脱石油原料的束缚 利用酵母菌生产青蒿酸和稀有人参皂苷，降低成本，促进新药研发 工程菌不“误伤”正常细胞，专一攻击癌细胞 创制载有人工基因组的“人造细胞”，探究生命进化之路 利用DNA储存数据信息并开发生物计算机… … 　　在我国，2006年合成生物技术的研究就被列入了国家863计划，在“十三五”期间也将合成生物技术列为“构建具有国际竞争力的现代产业技术体系”所需的“发展引领产业变革的颠覆性技术”之一 麦肯锡咨询公司将合成生物技术评价为未来的十二大颠覆性技术之一 2014年，美国国防部将其列为21世纪优先发展的六大颠覆性技术之一 英国商业创新技能部将合成生物技术列为未来的八大技术之一。　　2021 年上半年，合成生物学领域融资达到 120 亿美元，同比增长 4 倍。医疗保健领域吸引了合成生物学最大份额的投资，承担了合成生物学的大部分转化和商业化。一方面扩大了治疗药物的制造能力，另一方面也为更多患者带来了治愈的希望。　　●合成生物学彻底改变了一些高需求小分子药物的生产，例如微生物生产青蒿素和大麻素，以取代传统的植物来源。美国科学家曾成功构建人工细胞工厂生产青蒿素，100立方米工业发酵罐的产能就相当于5万亩的农业种植，大幅降低了生产成本和对自然资源的依赖。　　●使用冷冻干燥的无细胞系统以便携式、按需的方式生产治疗分子：从小分子、短肽到抗体结合物和疫苗。　　●促进了一类新的基于细胞的疗法和基因疗法的发展。除了基因替代疗法之外，CRISPR-Cas系统可以对遗传病进行精确的基因编辑。　　●改造免疫细胞的能力也正在扩大到T细胞以外，包括NK细胞和巨噬细胞。　　●为肠道微生物的改造提供了工具：一方面，可以设计改造对人体有益的细菌，让它们生产人体自身不能合成的维生素等营养物质 另一方面，可以设计出感知肠道环境变化的“智能微生物”，对人体内的健康状态进行检测和诊断。　　●抗击新冠肺炎疫情中，合成生物学技术发挥了重要作用，利用DNA条形码技术改进测序流程、利用基因编辑技术开发核酸诊断试剂，提高诊断的准确性和灵敏度。　　●利用合成生物学技术还可以寻找潜在的小分子药物、开发疫苗，以及通过调节人体微生物组来激活人体免疫系统，提高人体抗病毒能力。　　●基于合成生物学的智能细胞疗法，利用合成生物学的控制技术，做智能化、可控化的细胞疗法或基因疗法。”　　02 从追赶到引领 国内企业加速布局　　从产业链布局的角度来看，合成生物学的公司可以分为两类：一类是实现从基因编辑到产品落地的全产业链公司，既有合成生物学技术储备，又有市场化产品落地 另一类是以服务为主，提供基因编辑和细胞工厂的研发型公司，业务以提供合成生物学技术支持为主，产品以代工厂生产为主。从盈利模式来看，全产业链布局的公司中短期内有望通过替代化学法更快实现盈利 而以服务为主的研发型公司将在合成生物学行业生态建立起来后，通过更高效专业地为大量代工企业服务获利。截止目前，国外从事合成生物学领域的公司已经近 500 家，国内相关领域的公司也多达数十家。　　凯赛生物　　2020年8月12日，凯赛生物在科创板上市，成为国内合成生物第一股。凯赛生物着重于新型生物基材料的研发、生产与销售，主要产品为生物法长链二元酸系列。凯赛生物在此次公开发行中合计募资55.6亿元，所募资金将用于提升公司生物法长链二元酸、生物基聚酰胺产品的品类和产能，完善公司在聚酰胺产业链的布局。　　博雅辑因　　博雅辑因成立于2015年，司是一家以基因组编辑技术为基础，为多种遗传疾病和癌症加速药物研究以及开发创新疗法的生物医药企业。博雅辑因拥有以基因编辑技术为中心的四大平台，正致力于推动针对遗传疾病和肿瘤的研发项目进入临床。四大平台包括针对造血干细胞和T细胞的体外细胞基因编辑治疗平台，基于RNA单碱基编辑技术的体内基因编辑治疗平台和致力于靶向药物研发的高通量基因组编辑筛选平台。同时，博雅辑因于2018年在广州南沙区建立了符合GMP标准的临床转化应用基地。　　蓝晶微生物　　蓝晶微生物基于合成生物技术进行分子与材料创新，致力于设计、开发、制造和销售新型生物基分子和材料，包括在所有自然环境中均可自发完全降解的生物材料PHA、可有效缓解焦虑的功能饮料成分、补偿人体常见代谢缺陷的新型功能益生菌、医美及美妆赛道的功能成分等。蓝晶微生物前不久完成了4.3亿元人民币B2轮融资。6个月内，蓝晶微生物B系列的融资总额已超过6亿元人民币。　　传奇生物　　传奇生物于2020年6月5日正式在美国纳斯达克上市，本次上市发行定价为23美元/ADS(美国存托股份，每份ADS代表8股A类普通股)，总计发行1842.5万ADS，总募资金额超4亿美元。传奇生物是一家肿瘤细胞免疫疗法研发商，研发了CD38和BCMA靶点治疗多发性骨髓瘤的CAR-T疗法，利用自身免疫细胞，经体外基因改造后重新注射回病人体内，并利用这种强化过的免疫细胞精准靶向，杀死肿瘤细胞，主要用于治疗血癌和淋巴癌。　　百葵锐生物　　百葵锐生物成立于2019年，致力于合成生物学技术在医药高效生物合成。公司基于蛋白精准设计和蛋白分子机器技术的全态链合成生物学平台，以实现生物医药、生物材料的创新、高效、绿色制造。百葵锐生物团队通过搭建蛋白精准设计和蛋白分子机器技术平台，专注于皮肤功效护肤，罕见代谢病，宠物肠道健康治疗等领域，用基因编辑等合成生物学技术手段，针对影响人类身体健康的有害细菌或有害毒素进行靶向性治疗。

p 　　科技是推动社会发展核心驱动力，人类社会也随着一轮又一轮的科技革命，逐渐迈向更为智能化的时代。在检验检测行业，人工智能和机器人技术同样是促进产业实现转型升级的有效推动力。 /p p 　　近年来，机器人的核心技术突破明显。以往，传统工业机器人主要依从一系列控制指令完成任务，随着人工智能技术在感知、人机交互、行动控制、智能决策等领域的发展，机器人在也逐步升级。例如通过机器人视觉能够让分拣机器人更精确的识别，传感系统可以感知周边环境等。 /p p 　　根据国家统计局的数据显示，上半年我国工业机器人产量7.4万套，同比增长23.9%。自2013年以来，我国就已经成为全球最大的机器人市场。据OFR近期公布的数据显示，2017年全球工业机器人销量达38.7万台，同比增长31%，其中中国销量13.8万台，同比增长58%，较去年提高6个百分点。全球工业机器人销量的绝对值中，一半的增长来自中国。预计到2020年，中国服务机器人年销售额将超过300亿元。随着人工智能等先进技术的快速发展，机器人迅速从工业领域向服务行业渗透，服务机器人展现出比工业机器人更为广阔的市场空间。 /p p 　　此外，人工智能也正以前所未有的速度向前发展。全球顶尖的IT和互联网公司都加大了对人工智能领域的投入，报告Google、FaceBook、微软等跨国企业。我国把“人工智能”一词也写入了国家“十三五”规划纲要，人工智能进入爆发式增长的拐点。 /p p 　　那么，机器人与人工智能与检验检测行业有什么必然联系呢?从发展现状来看，我国的检验检测市场化机制正在形成，国内第三方检测也逐步放开，一切都呈现出渐入佳境的趋势。但与此同时，相关人士也发现，检验检测行业的集中度较低，国有、外资、民营检测机构三分市场，检验检测行业亟需通过机制改革和技术创新进行资源整合，劳动密集型、自动化、智能化和标准化程度也有待进一步提高。 /p p 　　随着劳动力价格的上涨，中国制造业的“人口红利”正在不断消失，同时，技术进步和产业升级导致“机器”成本逐渐降低，“机器换人”已经成为一种新的发展趋势。SGS等知名检测机构已经陆续开发了基于机器人的智能化检测系统。例如在集装箱检验检疫熏蒸处理上，基于智能移动机器人平台能够取代人力完成溴甲烷、磷化氢、乙酸乙酯等熏蒸剂的投放、浓度检测、环境残留检测等工作，把作业人员从有毒有害危险及恶劣的环境中解放出来。 /p p 　　在人工智能与检验检测行业的结合上，人们利用VR、AR、MR等技术形成全新的检验检测培训认证体系。基于人工智能全新模式的检验检测培训认证模式将为检验检测行业带来前所未有的发展契机，在观察性学习、操作性学习、社会性学习和研究性学习中都具有广阔的应用前景 建立深度学习，模拟人脑进行分析学习的神经网络，提高检验检测的科学性和一致性 “区块链+检验检测”技术，进一步深化检验检测监管模式，节约信息传递成本，提升检验检测公信力。2018年，中国检科院与京东集团联合打造区块链防伪平台，用技术对燕窝实施全面流程追溯，实现进口燕窝产品从源头到国内经销环节的全流程可追溯。同年，上海机场检验检疫局为推动进口消费品检验监管模式创新，构建的区块链数据平台成功落地，通过区块链数据平台，工作时间至少可以缩短3天。 /p p 　　据IHS预测，2020年全球潜在检验检测服务业市场规模将超过200亿欧元。广阔的市场前景更凸显了引领行业走向智能化的必要性。通过机器人操作提高检测准确度和效率，借助智能化延伸第三方检测的价值链条，为相关行业决策提供第一手资料，都将有力促进行业的变革和崛起。 /p