1.顺络电子：涉及村田制作所专利诉讼一案撤诉，其余四案在审
2.东风科技子公司东风延锋被供应商起诉，涉案金额超2300万元
3.国产大模型：既需向上突破也要向下扎根
4.环科学院杨武霖课题组基于电极三相界面调控与气泡屏蔽作用实现无膜电解槽中高浓度过氧化氢合成
5.自动化系李梢课题组提出推断病理影像微观信息新算法
1.顺络电子：涉及村田制作所专利诉讼一案撤诉，其余四案在审
顺络电子发布公告称，公司于2025年3月6日收到上海知识产权法院送达的《民事裁定书》（（2024）沪73知民初136号之一），裁定准许原告株式会社村田制作所撤诉。案件受理费人民币50元，减半收取计人民币25元，由原告株式会社村田制作所负担。此外，(2024)沪73知民初133号、(2024)沪73知民初134号、(2024)沪73知民初135号、(2024)沪73知民初137号四件案件正在审理中。
2024年8月，株式会社村田制作所（Murata Manufacturing Co.，Ltd.）以侵害发明专利权纠纷为由向上海知识产权法院对顺络电子、上海旭沁电子科技有限公司提起五件诉讼。
顺络电子作为被告方，对原告主张不予认可，并将积极应诉。公司一贯尊重知识产权，致力于建设自己的知识产权体系。2024年，顺络电子研发投入人民币5.05亿元，相比2023年增长31.53%。截至2024年年末，顺络电子累计获得专利978项。鉴于四件涉诉案件正在审理中，本次诉讼事项对公司本期利润或期后利润的影响具有不确定性，最终实际影响以法院判决为准。
顺络电子表示，董事会将密切关注和高度重视该事项，积极应诉，依法主张自身合法权益，采取相关法律措施，切实维护公司和股东的利益。公司将根据相关规定，及时对上述案件的进展情况进行披露，敬请广大投资者注意投资风险。
2.东风科技子公司东风延锋被供应商起诉，涉案金额超2300万元
3月7日，东风科技发布公告称，其子公司东风延锋汽车座舱系统有限公司（以下简称“东风延锋”）收到通知，广州市迅兴精密工业有限公司（以下简称“广州迅兴”）就承揽合同纠纷一案向武汉经济技术开发区人民法院提起诉讼，涉案金额为人民币23,641,723元。
公告显示，原告广州迅兴与被告东风延锋自2016年起存在汽车零部件加工承揽业务关系。原告投入了大量模具、设备等费用和成本制作特定项目模具，并按被告的订单要求为被告提供汽车零部件。后因被告无法继续按照双方约定的量份摊销数量向原告下达订单，导致原告尚未摊销的模具费无法在后续的采购订单中实现摊销，给原告造成巨大的模具费损失。原告认为，双方之间就模具定制开发所形成的加工承揽合同关系合法有效，双方均应恪守履行。被告未就上述项目向原告下达过生产产品的订单，合同目的根本无法实现，双方就上述项目的加工承揽合同关系实质系合同解除的状态。因此，原告要求被告支付剩余未分摊的模具费用作为损失赔偿请求。
广州迅兴的诉讼请求包括：1.确认原告与被告之间就D27、D28、A88、X7RR、M44R、R83、TX9、P24项目的加工承揽合同关系已解除；2.被告向原告支付未摊销模具费16,667,010元；3.被告向原告支付未摊销模具费的资金占用费5,874,713元；4.被告向原告赔偿模具仓储费600,000元；5.被告向原告赔偿模具维护保养费500,000元；6.本案案件受理费由被告承担。
东风科技表示，本次诉讼案件截至目前尚未开庭审理，暂时无法判断对公司本期利润或期后利润产生的影响，最终实际影响以法院判决为准。公司将根据诉讼案件的进展情况及时履行信息披露义务。
3.国产大模型：既需向上突破也要向下扎根
“请问您用DeepSeek吗？”
“我用，我本身专业是计算机专业，我对人工智能有偏爱。”在3月4日举行的十四届全国人大三次会议的新闻发布会后，大会发言人娄勤俭面对现场记者采访时的这句回应火了。
今年春节期间，国产大模型DeepSeek凭借低成本、高效能、强智能的应用体验给人们留下了深刻印象。今年的全国两会上，“国产大模型”“DeepSeek”也是被许多代表委员反复提及的高频词。
近年来，随着我国人工智能大模型产业加速发展，越来越多的国产大模型表现惊艳。作为数字化时代的核心驱动力，人工智能正加速渗透进入国民经济的多个领域。在不断向上突破性能天花板的同时，国产大模型应如何扎根产业实践，为产业升级赋能，成为代表委员们热议的话题。
垂直模型扎根产业土壤
有问必答的快速响应、清晰明了的思考过程、全面翔实的参考资料……通过通用大模型，许多人开启了与人工智能的第一次“亲密接触”。作为人工智能领域的重要突破，通用大模型具备强大的语言理解和生成能力，能够为多个领域提供智能支撑。
随着我国产业数字化进程不断加速，各行业对人工智能的需求也愈发精细化、专业化。传统的通用大模型在落地产业场景时，往往无法与具体业务精准结合，导致“水土不服”。在此背景下，专为产业细分需求打造的垂直模型应运而生，成为大模型技术落地产业应用的新趋势。
“我们做大模型第一天就确定了‘1+N’的战略路径，即‘1个底座大模型+N个行业大模型’。我们结合通用底座、工具链和知识工程，拥有了‘建算力、理数据、训模型、落场景、保安全、精运营’的全套解决方案。”科大讯飞股份有限公司董事长刘庆峰代表认为，通用大模型底座的天花板正被不断打破，应用场景落地已进入红利兑现期，需要以更少成本、更低算力、更高效率推动落地。
例如，借助阿里通义等通用大模型的底座能力，钉钉面向业务场景打造出AI助理产品，覆盖制造、医疗、零售、教育等多个行业。在金石机器人常州股份有限公司，通过学习、沉淀大量机器人专业知识，钉钉AI助理直接服务全国1000余家经销商，高效解答各类产品售后问题；同时，它还可以根据问题描述，一键生成工单，并指派给对应负责人，将售后问题的解决时间从半个月缩短至3天内，显著提升了企业运行效率。
“大模型在垂直领域大有可为。”360集团创始人周鸿祎委员表示，中国大模型发展的重要方向应该是借助产业和场景优势，将大模型与业务流程、产品功能相结合，寻求多场景应用，实现垂直化和产业化落地。
加快形成“数据飞轮”效应
我国拥有联合国产业分类中的全部工业门类。在500个工业品种中，有四成以上产品产量位居全球第一，产业具有全、多、大的独特优势。庞大的产业规模为行业垂直大模型落地提供了肥沃土壤，同时也带来了风险挑战。
产业数据是垂直大模型的“养料”。我国产业种类丰富，但也造成产业数据类型和结构多样、数据质量参差不齐等难题。谈及大模型落地产业应用，多位代表委员提及，应推动产业数据共享，加快高质量数据收集利用，在产业领域形成“数据飞轮”效应，即通过数据的不断积累和利用，驱动大模型性能持续提升。
中国电气装备集团有限公司科技创新部部长张帆代表认为，许多制造企业数字化转型起步晚、基础薄弱，生产过程中的数据采集不全面、不及时；工业数据又往往存在噪声大、格式不统一、关联性差等问题，缺乏行业数据标准引导，难以为大模型训练提供足够的高质量数据。同时，受限于数据安全风险、商业利益保护等因素，企业间筑起了高高的“数据围墙”，数据共享存在瓶颈。
基于此，张帆建议，应加快形成工业领域统一的人工智能数据格式规范和具体行业标准等，促使企业间对数据资产的交易基础达成共识；龙头企业要发挥链长作用，面向战略性高价值场景，建立需求牵引、格式统一的高质量工业数据集。
围绕大模型产业落地中的数据瓶颈，多地已开始行动。例如，北京市发布的《北京市推动“人工智能+”行动计划（2024—2025年）》中提出，依托北京数据基础制度先行区，打造安全可信数据空间，引导企事业单位开放并汇聚高价值行业数据。（新华网）
4.环科学院杨武霖课题组基于电极三相界面调控与气泡屏蔽作用实现无膜电解槽中高浓度过氧化氢合成
过氧化氢（hydrogen peroxide，H2O2）可以通过双室水电解槽中的电化学氧还原反应可持续合成，目前提高电化学H2O2生成量的方法主要集中在提高阴极的催化活性和优化阴极结构，但在制备过程中仍需使用昂贵的离子交换膜，这限制了其在偏远地区的应用。由于H2O2在阳极上很容易被氧化成O2，因此，必须使用离子交换膜来避免H2O2传输到阳极表面发生氧化反应。然而离子交换膜造价昂贵，约$1400m−2。此外，离子交换膜还会受到复杂水环境的影响，其性能会随着时间的推移而下降，在实际应用过程中需定期更换，导致成本升高。因此，为了在单室中生成高浓度的H2O2，需要开发一种新的策略来避免H2O2分解。
近日，北京大学环境科学与工程学院杨武霖研究员课题组在《自然·通讯》（Nature Communications）上发表论文，提出了一种气泡屏蔽策略，通过对水-气-电极界面进行逆向工程设计来抑制H2O2的降解，从而在无膜电解槽中实现高浓度H2O2生成。此外，本文设计了一种基于该电极的无膜电解槽装置，利用太阳能驱动，可实现H2O2的原位生成及地表水中大肠杆菌原位灭活。该电极性能高、稳定性强、成本低、操作便捷，具有良好的应用前景。
图1 无涂层和HPL涂覆阳极的示意图及表征结果
为了在无膜电解槽内生成高浓度的H2O2，本研究开发了一种气泡屏蔽策略，该策略通过在电极上使用成本较低的聚四氟乙烯（PTFE）作为疏水性多孔层（Hydrophobic Porous Layer，HPL）涂层，能减缓气体直接脱离电极表面并释放至溶液的过程。除了利用PTFE的疏水性外，HPL还可以为气泡的形成和附着提供充足的场所。与此同时，气泡屏蔽了H2O2进入电极表面，从而最大限度地减少了H2O2的降解。通过H2O2分解测试，分别确定了PTFE对阳极和阴极的屏蔽作用。为了验证这种方法，我们设计了一组含成对HPL电极的无膜电解槽，评估了H2O2的生成和电极的稳定性，在单室中得到了超高的H2O2产量。HPL电极在电流密度为40mAcm−2时的无膜电解槽内运行5h能产生10.05±0.05gL−1的H2O2，是目前已报道的无膜电解槽中H2O2浓度最高的电极。此外，本研究还设计了一个太阳能驱动的无膜电解槽消毒装置，装配涂覆了HPL的电极对。采用该装置可在60min内实现地表水中大肠杆菌原位灭活，适用于缺乏电力供应和卫生设施较差的偏远地区。该系统避免了离子交换膜的使用，提供了一种简单、实用、低成本的方法，为电化学生成H2O2的工业应用和农村饮用水消毒提供了基础。本文提供了一种实用的方法，将HPL电极应用于无膜电解槽中，实现高速率和高浓度的H2O2生成。本研究有助于后续利用气泡实现界面微反应的传质调控研究，并为后续固-液-气三相界面研究提供新思路。
图2 在三种阳极表面H2O2的消耗量、气泡尺寸分布及气泡屏蔽机制示意图
图3 HPL电极对在无膜电解槽中制备H2O2性能及应用
上述研究成果以“High H2O2 production in membrane-free electrolyzer via anodic bubble shielding towards robust rural disinfection”为题，于2025年2月22日在线发表于Nature Communications。北京大学环境科学与工程学院2021级博士生易可欣为论文的第一作者，杨武霖为论文唯一通讯作者，论文的其他作者还包括北京大学环境科学与工程学院的博士后李超、胡少刚、在读博士研究生袁夏雨以及美国国家工程院院士、中国工程院外籍院士Bruce E. Logan教授。该研究得到了国家自然科学基金项目的支持。
5.自动化系李梢课题组提出推断病理影像微观信息新算法
清华新闻网3月5日电 肿瘤等复杂疾病的发生发展与药物干预是一个涉及宏观表型、微观细胞与生物分子等多层次信息的复杂生物过程。理解疾病宏、微观信息之间的系统关联，是中西医学共同面对的一个根本问题，也是当前人工智能、网络药理学等新兴学科领域关注的一个重要问题。病理影像作为疾病临床诊断与药物治疗的“金标准”，是衔接中西医临床宏观表型与微观生物信息的关键层次。随着生物医学研究进入AI时代，如何建立高精度的AI算法，突破宏、微观跨层次推断难题，系统解码病理影像形态特征与临床表型、微观细胞之间的关联关系，揭示肿瘤等复杂疾病的中西医诊疗规律并发掘新的诊疗标志物、干预靶点，促进疾病精准防治，已成为当前的研究重点和前沿热点。
2月21日，清华大学北京市中医药交叉研究所所长、欧洲科学与艺术院院士、清华大学自动化系李梢教授课题组在《自然·通讯》（Nature Communications）发表了题为“系统推断组织病理图像中的超分辨率细胞空间分布谱”（Systematic inference of super-resolution cell spatial profiles from histology images）的研究论文，提出了一种基于弱监督学习框架的病理影像-细胞网络关系推断新算法HistoCell，显著提升了病理影像相关细胞信息的预测精度，并首次在单细胞尺度上实现病理影像微观信息空间关联网络的从头推断，应用于发现胃癌等多种肿瘤的诊疗标志物，对于智能解析中西医的系统生物学基础、促进肿瘤精准防治具有重要意义。
图1.HistoCell算法示意图
该研究首先在中西医宏、微观跨层次推断的方法学上取得重要突破，建立了一种病理影像与细胞信息的层次模块化编码算法，实现了病理影像相关细胞信息及其空间关联网络的精准推断（图2a）。该算法具有预测精度高、训练效率高的显著优势。一方面，该算法通过全面表征病理形态特征与空间拓扑特征，并有效嵌入细胞水平的层次化编码规律，系统解耦了病理影像特征与微观细胞信息之间的复杂关联，显著提升了病理影像相关细胞信息的预测精度。基准实验表明，该算法对肿瘤病理影像相关细胞类型信息的预测精度（平均相关系数）是当前同类最优预测算法POLARIS的3.1倍（图2b）；另一方面，由于该算法在病理影像点位（spot）水平进行编码与训练，克服了常规基于全切片病理图像训练算法对于大规模训练数据的依赖，使得在只有单个空间转录组样本作为训练数据的条件下依然能够表现出优越的预测性能，显著提升了算法的训练效率，为解决目前医学人工智能研究，特别是中医药人工智能研究所面临的“小样本”训练数据难题提供了重要突破口。尤为重要的是，该算法首次实现单细胞尺度上病理微观信息空间关联网络的从头推断，突破了当前病理影像分析受限于先验标签注释的困境，显著地拓展了病理影像相关微观信息的解析范围，提升了该算法在解析疾病诊疗规律方面取得新发现的潜力。
图2.HistoCell算法框架（a）及其对肿瘤病理影像相关细胞类型信息的预测精度（b）
进而，该研究将HistoCell算法广泛应用于肿瘤发生预警、预后风险分层以及药物响应预测等多个临床诊疗场景，取得系列重要发现。在肿瘤发生预警方面，通过聚焦本团队前期发现的胃癌“极早期”这一表征胃炎癌转化临界状态的新分期，成功推断出与胃癌极早期细胞相关的影像学特征，在此基础上融合胃癌极早期中西医临床特征，实现了胃癌发生的高精度预警，并在团队自主构建的胃炎癌转化多中心序贯队列中得到验证（图3a）；在预后风险分层方面，研究团队通过解析乳腺癌、胰腺癌以及肝癌等肿瘤病理影像相关细胞空间网络的预后关联，发掘出具有生物可解释性且具有多种肿瘤共性预后风险分层价值的影像标志物，得到公共临床数据的验证（图3b）；在药物响应预测方面，通过辨识与免疫细胞相关的病理影像特征，发现并验证了肿瘤化疗响应相关的病理影像标志物（图3c）。上述发现表明，HistoCell算法在深入挖掘中西医影像组学数据的临床价值、促进复杂疾病精准防治上具有广阔的应用前景。
图3.HistoCell在多个临床诊疗场景中的应用：（a）肿瘤发生预警（b）肿瘤预后风险分层（c）肿瘤治疗药物响应预测
李梢课题组长期致力于从“生物网络”这一系统的角度研究肿瘤等复杂疾病发生发展及药物干预机制，通过人工智能、大数据与中西医学交叉，创建“网络靶标”理论与关键技术体系，聚焦“中西医表型-细胞-分子-中西药物”宏、微观关联的系统推断，研制了中西医药分子网络导航系统——UNIQ系统，并在胃癌中西医极早防治、中药创新研发上取得重要应用。本研究作为UNIQ系统在中西医人工智能前沿技术与应用上的新突破，通过将网络关系推断拓展到病理影像层次，为进一步发展网络药理学、系统理解复杂疾病中西医诊疗规律提供了新方法。
清华大学自动化系助理研究员张鹏、2022级博士生高超飞为论文的共同第一作者，李梢为论文通讯作者。研究得到国家自然科学基金专项项目、国家中医药管理局“中医药原理解读计划”专项项目、安徽省中医药科技攻关专项项目、国家重点研发计划青年科学家项目等的资助。
论文链接：
