低漏检率，提升工作效率 机器 + 人工 人工阅片 ╳ 工作强度高，长期疲劳工作：平均 100- 150 例 / 天，病情复杂时超过 200 张 / 例， 平均阅片每例 <5min ╳ 观察粗略，细小病灶易漏诊：受限于时 间，普遍观察厚层图像，细节信息丢失， 造成小结节等漏诊 肺癌 智能 筛查 为例 02 面向智慧医疗—智能医疗服务机器人 导诊 分诊 专家导览、特色科室、医院 导览、分诊挂号、药品查询、

3. 算法优化：对算法模型本身进行了优化，包括位置编码优化、 中文语义优化、激活层非线性兼容、前向网络自适应、SFT 微调层、指 导学习新知识，以及融合了 ReAct 的“推理-行为-观察-再推理-行为- 观察”模式优化思维推理结果。 4. 训练优化：训练优化时间相较于原来的数据有所减少，提高训 练效率。 5. 上下文学习窗口优化：算子层面融合，上下文学习窗口基于 Flash

外连。 重点观察状态是 ESTABLISHED 的可疑 IP 寸光网络安全工作室 第 6 页 共 34 页 netstat -ano 查看目前的网络连接 重点看状态是 ESTABLISHED 的端口：netstat -ano | findstr 'estab' 再通过 tasklist 命令进行进程定位 tasklist | findstr “PID” 2.2 查看进程 可以重点观察以下内容：

的破局方案：数据+算 法的双重赋能 化工新材料研发面临“多尺度复杂性”与“实验验证滞后”两大痛点： 多尺度复杂性：材料的特性往往源于跨多个尺度的相互作用——从电子在量子层面 的行为到我们在宏观层面观察到的性质（例如强度、电导率）。准确建模这些相互作 用在计算上十分困难。材料在宏观层面所表现出的特性（如在应力下的弯曲程度）是 其微观结构（原子排列、键合方式），甚至更细致的亚微观特征（电子分布）共同作 紧密相关。 当前工业应用中，大多采用现象学建模。该建模方式主要基于对现象的直接观察与描 请务必阅读报告末页的重要声明 7 / 29 行业研究|行业深度研究 述构建模型，并不深入探究现象背后的微观机制或基本原理，重点在于捕捉、解释可 观测的现象、行为及关系，通过归纳、抽象等方法，将所观察到的现象特征和规律以 数学、逻辑等语言表达出来。 采用机器学习（ML）建模，有

法把这些多梯度聚合在一起，最后效果就是 Server 只看到了 n 个梯度聚合在一起 的结果。但是，不知道某个具体的 client 梯度是多少的，从而导致了 Server 要攻 击某个 client 的概率非常的低，但是我们观察到 secure aggregation 只适用于 DataFunTalk 成就百万数据科学家！ 44 client 数目比较多的情况。我们可以假设只有两个 client，那么这个 aggregate 疫情归根到底其实是对客户、风险模型、策略的一场考验。 2. 疫情对模型的影响和挑战 疫情并不会改变用户的特征 X，但在疫情下同样 X 对应的 Y，即风险水平则会显 著上升。在实际业务场景中，我们观察到诸如多头类变量最为明显。有一些思考 和探索供参考： DataFunTalk 成就百万数据科学家！ 83  宏观环境的影响是否有特征变量可以表达？疫情必然对用户的收入会造成 一定影响，那 于 支付欺诈场景的高对抗性，我们建议将近期样本放入模型中进行训练，这 样可以压缩跨期测试集的空间，甚至使模型没有跨期测试集。针对这种情 况，我们采用的方案是，先将模型部署上线但不使其生效，短期观察一段 时间后，根据生产环境的真实表现确定阈值，参考的依据主要有阈值以上 的交易占比及相应的准确率。 与传统建模流程相比，自动化迭代模型框架在追求快捷高效的同时有两个 问题。 DataFunTalk

AI算法，可以根据用户的历史行为和偏 好来推荐相关内容，从而提高用户留存 和忠诚度。 Page 9 Page 9 服务 应用 技术 首个AI原生应用 ► 未来真正的AI原生应用还没有出现，需 要技术观察 AI Agent ► AI Agent展现了AI应用的底层框架，正 在定义AI应用的新时代流水线 GPT–4 还是技术 ► 第4代人工智能模型虽集成了更多功能，但 仍偏技术端 1 2 这里提到了一个使用优势法的方法论，其逻辑是找到自己的优势能力与大规律之间的叠加部分， 作为发力的重点。应用到保险行业，需要先确定保险公司的优势。 作为保险公司，其优势能力分析可以从八个维度进行观察。这些维度包括市场定位、产品服务、 财务表现、运营效率、技术应用、人才管理、合规与风险管理和战略执行。这些是划分保险公司 优势能力的重要方向。 在评估和考察公司在技术应用方面的优势，常使用到的方法论是这个成熟度评估框架，以技术应

指虚拟环境中的物体依据现实世界物理运动定律动作的程 度。 4 2 ．虚拟现实的关键技术 虚拟现实是多种技术的综合，包括实时三维计算机图形技术，广角（宽视 野）立体显示技术，对观察者头、眼和手的跟踪技术，以及触觉 / 力觉反馈、 立体声、网络传输、语音输入输出技术等。 （ 1 ）实时三维计算机图形 相比较而言，利用计算机模型产生图形图像并不是太难的事情。如果有足够准

医学数据结构化提取、标准化 24 新药研发：借助⼤模型，提升药品研发的效率和速度 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需RAG未公开数据） • 知识图谱可关联临床试验数据与RWE 试验，去观察有潜⼒的适应症 研发⽅向探索 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 剂量⽅案的效果，缩短1期的试验周期

SPL）针对运动类航空器制定，适用于目视飞行规则下运行，其培训时长要求相对于单发级 别等级的私用驾驶员执照（需至少40小时飞行经历时间）更短，门槛更低，更契合飞行体 验或轻量化应用的快速起步需求。同时，我们观察到市场中领先的eVTOL产品正通过智能 化功能简化飞行员操作难度，从而降低飞行门槛，扩大潜在驾驶员群体。 空域管理方面，中国民航局于2024年发布《国家空域基础分类办法》，首次对中国空 域进行了 波士顿咨询公司 2025年9月 中国载人eVTOL行业白皮书 21 在传统民航领域，商业化路径往往呈现“先B端、后C端”的模式，即先服务专业用户 和企业场景，再逐步拓展至大众消费市场。然而，根据我们近年来的观察，中国在新兴技 术领域已经展现出不同的发展逻辑。以无人机市场为例，其商业化爆发并非源自农林植保、 电网巡检等B端需求，而是由航拍、户外娱乐、个人创作等C端应用强势驱动，从而快速 实现产品放量并带动整个产业生态的发展。

南洋商业银行：数据为基，人才为翼——南商中国数字化转型破局之策 华夏银行：BI 自主分析平台“数据魔方”赋能数据服务创造数据价值 083 088 数智领导力 002 001 数智领导力 数字化力量观察 OBSERVATION OF DIGITAL POWER 数据领导力是数智时代的新型领导力，是数据素养与变革型领导力的结合。学术界普遍认为可以从两 个视角去理解数据领导力：一种视角从数据治理 数据领导力。它与传统领导力是相互增益的，在企业家的直觉感性决策基础上叠加了数据驱动的理性 决策，而传统的企业家核心能力，比如经验判断、资源整合、灰度哲学等在数字时代依然非常重要， 依然是领导力学科的基石能力。 据笔者观察，企业发展新环境呼唤数据领导力，而数据领导力也是企业发展过程中逐步形成的。以连 锁零售业为例，从 1 家店到 50 家店，企业家一支笔一个决策就可以解决，这个时候花重金去构建系 统既麻烦，投入成 工具也在选择人！当企业家对新一代数智技术工具没有好奇心，而坚持用自己最熟悉的工具来完成工 作时，就像你从北京到深圳，放弃飞机和高铁这样的交通工具，坚持骑自行车走完全程——并非不可 以，而是没有必要当这样的苦行僧。笔者观察到当今那些行业领先企业，比如京东方、天虹、徐工、 欧派、东吴证券等，无一例外，都是非常善于利用新一代数智技术工具的先锋。 值得一提的是，对于中小企业而言，如何以较低成本构建企业家的数据领导力？华为在发展路上形成