KPI 的同时 ， 难以专注于前言技术的研发 相较于英文、中文高质量开源数据非常 少 ，特别是在构建通用领域大模型的百 科类、问答类、图书贡献、学术论文、 报告杂志等高质量内容 中国科技企业较少开展全球化经营 ， 导致在营收、人才获取、全球化商业 场景方面制约明显 产业研究 战略规划 技术咨询 采取实测的方式，成立产品测试团队，通过多个维度对基础大模型及相关产品进行评测，并邀请外部专家团队深入分析各个产品答案准确性、合理性等，在 审 核委员会的监督下，最终得出各厂商的评估结果，供用户选型参考。 toC 通用 场景类 生活助手 办公工具 toB 特定 行业类 金融 : 推荐场景 金融 / 咨询服务 : 财报 / 市场分析 互联网 / 媒体 : 文案 / 海报设计、广告词 创作、视频生成场景 11 来源：沙利文中国大模型测评报告 过去四年大语言模型在 MMLU 榜单 ( 评估大模型知识能 力 ) 上的性能表现 大模型时代的摩尔定律 大模型的知识密度每 8 个月左右会翻一倍 ， 同等知识量的模型参数量会减半

中南的后裔 指导教师：张海波 成 员：万文娇 孔慧琳 魏羽璠 黄 菡 智能手环使用现状及产品发展分析报告 ——基于电商平台消费者购买评价的文本挖掘与武汉市的抽样调查 I 摘要 随着人工智能技术不断取得新的突破，一系列智能生活硬件逐步走进普通大 众的日常生活中。智能手环凭借入门级的售价和产品方案的标准化，市场渗透率 在智能可穿戴设备领域中一马当先，远远超过智能手表、智能眼镜等其他产品。 小米手环的全部可抓取评论数据，共计 468100 条。经过数据清洗后，使用中文 分词、构建语义网络与 LDA 主题模型等算法和模型，实现对文本评论数据的情 感倾向性判断以及所隐藏信息的挖掘与分析，以有效、准确的从互联网电商评论 数据中分析出消费者对小米手环的好评度、关注点以及抱怨点，对小米手环的功 能、优缺点进行初步的评价，为线下问卷调查提供方向和思路。 在问卷调查实施中，我们进行了试调查和正式调查两轮调查。在正式调查中， 问卷各项检验均通过，问卷结构合理。正式调查数据进行信度、效度分析，并且 进行游程检验和独立性检验均通过，调查结果真实可信。 针对问卷调查的结果，我们运用描述性统计方法，分别对用户和非用户的基 本信息进行分析。借助 Logit 二元选择模型，分析得到性别、年龄、学历、兴趣 爱好、性格、运动频率是购买智能手环的显著影响因素。基于回归结果，利用 K-means 聚类的方法，定量分析潜在用户性别、年龄、学历、爱好、年收入、购

生产管理 基础管理 设备管理 BI 设计 工艺处方 单据管理 流程审批 记录管理 生产管理系统 测式 首页 品快捷入口 角色管理 菜单管理 数据分析 取样 自定义字段 预计到货单 处方管理 回平台导航 B/ 智慧大屏系统 口 洁净区人员管理系统 [ 仓库管理系统 LIMS 实验室信息管理系统 数字化固体制剂项目应用场景及分类 ◆ 数字化固体制剂项目建设目标及关键点 数字化固体制剂项目搭建策略 03 04 AUSTAR ontent s 43/47 01° 智能数据分析平台 ( 工业云数据分析 ) 财务利润 生产趋势 销售分析 库存分析 生产驾驶仓 手机驾驶仓 ERP 企业资源计划 ( 供应链、财务、订单 ) 协同办公 OA QMS 质量管理系统 研发管理系统 CCTV

Anywhere（全域覆盖）、Anydevice（全端适配）、Anyone（全员协同），但这绝不能以成 本失控为代价。零售业的微薄利润，要求每一分 IT 投入都必须产生可见价值。传统架构中，为 支撑高并发需堆叠服务器、为实现实时分析需部署多套数据库，这种 "以资源换性能" 的模式早 已难以为继。我们需要的是能精打细算的技术底座，用一体化设计降低总拥有成本，让有限的 IT 预算创造更大价值。 当下，AI 技术正从概念走向实 AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 正是在这样的背景下，我们看到了一体化云数据库的价值。它用分布式架构消解了多渠道并发的 压力，用 HTAP 引擎打通了交易与分析的壁垒，用向量原生能力架起了数据与 AI 的桥梁。雅 戈尔的实践证明：当数据底座从 "各自为战" 转向 "协同作战"，IT 系统才能真正成为业务增长 在此背景下，一体化云数据库的诞生恰逢其时。我们深刻理解零售企业的核心诉求：  弹性架构需应对“双 11”百倍流量脉冲，实现资源利用率与成本的最优平衡；  实时融合要突破 T+1 滞后，在毫秒级完成交易分析联动；  AI 原生必须激活“一方数据”价值，通过向量化+SQL 融合降低智能推荐开发门槛；  全局最优则要求简化异构系统堆叠，将总拥有成本降低 30%以上。 本书凝聚了 OceanBase

块链与物联网安全教育部重点实验室”，已被纳入北航“双一流”学科群，在密码前沿理论与应用、 空天地信息网络安全、网络与计算系统安全、人工智能与工控安全方向形成四大特色研究方向。 车联网安全研究报告（第六期） 1 目 01 前言 2 02 车联网安全态势分析 5 2.1 安全合规政策环境利好，车联网安全发展加速 5 2.2 车联网安全能力普遍不足，关键环节存安全挑战 6 03 车联网重点安全事件解读 9 3.1 3.9 《汽车整车信息安全技术要求》发布 24 3.10 小结 25 0 04 车端电气架构、组件及其攻击面分析 25 4.1 车端电子电气架构 28 4.2 车端资产关键组件 31 4.3 车端资产攻击面 42 4.4 小结 47 05 车联网攻击技术分析 49 5.1 针对云端的攻击 49 5.2 针对 V2X 的攻击 54 5.3 针对近场的控车攻击 58 5.4 车联网安全技术体系 91 6.3 车联网安全运营体系 99 6.4 车联网数据安全治理体系 103 0 07 总结与展望 113 05 参考链接 116 1 01 前言 车联网安全研究报告（第六期） 2 一. 前言 智能网联汽车是指通过搭载先进传感器等装置，运用人工智能等新技术，具有自动驾驶功能， 逐步成为智能移动空间和应用终端的新一代汽车。智能网联汽车通常又称为智能汽车、自动驾驶汽

第 10 版年度智能制造现状报告 1 智能制造 现状报告 2025 第 10 版 包装消 费品版 第 10 版年度智能制造现状报告 2 了解包装消费品 (CPG) 行业如何利用智能制造 和新兴技术来推动长期业务影响、提高质量、 降低风险、增加产能并应对劳动力挑战。 欢迎使用 第 10 版年度智能制造现状报告 3 为了应对快速发展的市场，CPG 制造商面临着提 高质量、降低网络安全风险和优化过程的巨大压力。 外部因素继续对增长构成挑战，但劳动力相关问题仍然是 许多 CPG 制造商关注的重大次要问题。 本报告基于对全球 15 个国家 / 地区的 174 名 CPG 制造商、原始设备制造 商 (OEM)、系统集成商以及工程采购公司 (EPC) 的经理和高管的调研反馈 而制定。 这是罗克韦尔自动化第十版年度智能制造现状报告的一部分，该报告对各 行各业的 1,500 多名决策者进行了调查。 关于本研究 北美洲 拉丁 美洲 亚太 地区 地理分割 15 个国家 / 地区 受访者角色 在决策过程中提供意见 主要决策者 分担 决策责任 12% 42% 46% 第 10 版年度智能制造现状报告 4 CPG 行业的领导者报告说，外部挑战的优先级正在发生变化， 竞争压力已超越通胀和经济增长问题，成为首要挑战。 在内部，该行业正面临一 系列挑战。 2024 年，竞争并非 CPG 制造商关注的五 大问题之一。这一变化

制造业创新指数报告（ 2024 ） 中国电子信息产业发展研究院 科技与标准研究所 二 O 二五年四月 CCID CCID CCID CCID CID CCID CCID CCID CCID CCID CCID CCID ID 1 前言 制造业创新指数体系 国家级制造业创新指 数 省级制造业创新指数 CCID CCID CCID CCID CID CCID CCID CCID CCID CCID CID 科技与标准研究所 CCID CCID CCID CCID 梁 鲲 Kun Liang CCID CCID CCID ID 报告研究 团队 刘 婧 JingLi u 2 9 u 2024 年 9 月创刊 ，突出理论性、权威性、指导性、实践性。 u 宣传阐释习近平总书记关于新型工业化的重要论述的重要阵地 ，开展学理研究的重

智能驾驶智算数据平台发展研究报告 2025 年 8 月 I 发起单位 中国汽车工程学会人工智能分会 中国智能网联汽车产业创新联盟人工智能工作组 联合牵头单位 清华大学 北京工业大学 国家智能网联汽车创新中心 北京万界数据科技有限责任公司 参研单位 中国软件评测中心（工业和信息化部软件与集成电路促进中心） .................................... 2 2 智能驾驶智算数据平台发展现状分析 ................................................................... 2 2.1 国外现状分析 ........................................................ ..................................... 2 2.2 国内现状分析 ............................................................................................. 4 2.3 国内智能驾驶基础资源情况调研 ............................