移动操作执行与人机交互.................................................................................................. 42 2.2.7 大模型训练系统..................................................................................... 150cm 178cm 167cm 175cm 180CM 130cm 160cm 172cm 体重 89kg 63kg 60kg 63kg 47kg 35kg 52kg 76kg 自由度 28 42 41 20 19~53 23~43 41 41 运行速度 2.5m/s 0.6m/s 1.2m/s 1.67m/s 3.3m/s 2m/s 1.67m/s 未披露 展现能力 行走、上下台 阶、跑酷、搬 要 是对人形机器人各个关节电机的直接控制，依据从上层传递下来的控 制指令（比如期望的关节角度、角速度、扭矩等参数），通过电机驱 动器等硬件设备精确调节电机的运转，实现关节的精准动作，主要采 42 用运动学分析与建模、动力学分析与建模和控制算法。全身控制是协 调多个关节之间的运动关系，进行运动规划和轨迹生成。比如在人形 机器人行走时，全身控制要规划好腿部各关节以及胯部、腰部等相关 关

开启自主化征程，但在从0（完全人工）到100% （完全自主）的指数体系中，供应链各项活动的自 主化成熟度中位数仅为16%（平均成熟度则为21%）。 预计在未来五到十年内，该成熟度中位数将大幅 提升至42%。 为了更深入地理解如何向更高自主化水平迈 进，我们将典型的供应链流程划分为9个集群和 29项具体活动（见图3）。例如，“生产制造”集 群便涵盖了生产加工、产品组装以及包装等活动。 随后，我们将受访企业各项活动的当前状态及预 自主化 增强型人工决策 主要为自动化 主要由人工驱动 16 27 42 24 46 16 12 20 25 25 12 20 27 18 33 27 27 27 10 19 28 54 44 44 45 10 19 43 43 10 42 17 10 22 21 11 25 9 42 16 9 15 15 8 39 38 37 33 12

89 113 135 流动资产合计 1,198 1,192 1,285 1,455 1,756 研发费用 68 46 52 64 76 长期投资 45 42 41 42 43 EBIT 39 47 60 130 262 固定资产 6 5 5 5 5 其他收益 4 2 3 5 5 在建工程 0 0 0 0 综合来看，我们预计公司 2025-2027 年营业收入分别为 15.42/20.12/25.45 亿 元，同比+31%/+30%/+26%；归母净利润分别为 0.44/1.10/2.32 亿元，同比 +42%/+149%/+110% ；EPS 分别为 0.10/0.25/0.52 元。 采用 PE 和 PS 两种估值方法对公司进行估值，选择长亮科技、京北方、天 阳科技、宇信科技作为可比公司，可比公司主营业务均为银行

MPO 分线盒 12 芯转 4 ×3 芯 9 800 0.72 100G → 10G 适配器 QSFP28-SFP+ 2 3000 0.6 机柜（ 42U ） 10KW ，含 PDU 4 3100*12 14.88/ 年 机柜（ 42U ） 5KW ，含 PDU 48 4800*12 276.48 / 年 IDC 带宽 端口计费 5400 元 /G/ 月 10 5400*12 64 400G 光纤 互联 业务 / 管理 核心交换机 S9850- 4C 34U/31U 连接 Spine 与 L1/L2 Leaf 交换机 Leaf 交换机 S6850- 56HF 42U/40U 连接 GPU 服务器 与核心层， 25G/400G 链路 防火墙 FortiGa te 600F 38U/36U 串联 Leaf011/012 ， 过 滤外部接入流 自动驾驶仿真评测 辅助决策子系统 车城协同 精细感知 上 层 应 用 路 侧 设 备 云 底 座 第 42 页 THANKS 感谢聆听！ 期待携手共建高效、智能的智算中心， 赋能人工智能产业发 展

2.3 AI AI 3.1 AI 3.2 AI 3.3 AI AI 27 28 29 30 31 33 35 38 39 40 42 43 45 47 25 AI AI AI AI Generative Artificial Intelligence Transformer AI 27 ◼ AI AI Epoch AI 2028 2032 [1] Synthetic Data Gartner 2024 60% 2030 [2] 42 3.1 AI ◼ • ✓ • ✓ • • • ✓ ✓ • ✓ • ✓ ✓ • • • • • AI • AI Artificial Intelligence

病害分类的深度卷积神经网络进行微调和评估，对深 度学习架构进行了实证比较，旨在找到快速准确的植 物病害识别模型。 图 3 “基于深度学习的植物病害检测”研究前沿中核心论文的被引频次分布曲线 1 2 12 22 32 42 4 14 24 34 44 6 16 26 36 8 18 28 38 10 20 30 40 7 3 9 19 29 39 46 5 11 21 31 41 17 27 37 15 25 35 45 8% 4 美国 131 6.6% 4 四川大学 中国 54 2.7% 5 沙特阿拉伯 75 3.8% 5 武汉理工大学 中国 44 2.2% 6 伊朗 74 3.7% 6 中国科学技术大学 中国 42 2.1% 7 澳大利亚 71 3.6% 7 浙江师范大学 中国 39 2.0% 8 英国 62 3.1% 8 太原理工大学 中国 37 1.9% 9 西班牙 61 3.1% 9 华中科技大学 3 威斯康星大学麦迪逊分校 美国 35 4.3% 4 澳大利亚 56 6.9% 4 北京师范大学 中国 33 4.1% 5 英国 45 5.6% 5 武汉大学 中国 31 3.8% 6 印度 42 5.2% 6 河海大学 中国 29 3.6% 7 西班牙 33 4.1% 7 中山大学 中国 28 3.5% 8 加拿大 31 3.8% 7 内布拉斯加大学林肯分校 美国 28 3.5% 9

通 过 可 信 动 态 逻 辑 异 构 系 统 (TALＧ ENT),在多个候选平台中进行周期性的随机迁移,而在攻击 频率较高的网络中,在IDS检测到入侵或未经授权的访问后 进行实时的平台迁移[４２]. (４)配置迁移指周期性地或主动地将系统配置从一个状 态迁移到另一个状态,或与欺骗性配置相结合,以提高系统的 安全性. Kong等提出周期性地为每个容器生成、部署并映射具有 欺骗性的系统配置组合 统的结构和配置 [３７Ｇ３８] 虚拟机迁移 周期性地或随机地将虚拟 机 从 一 个 物 理 主 机 或 虚 拟 机 迁移到另一个物理主机或虚拟机 [３９Ｇ４０] 动态平台 动态改变操作系统或硬件平台 [４１Ｇ４２] 配置迁移 周期性地或主动地将系统 配 置 从 一 个 状 态 迁 移 到 另 一 个状态 [４３Ｇ４４] Web应用 程序迁移 将 Web应用程序中的元素属性进行动态更改或迁移 [４５Ｇ４６] ousReＧ dundancybasedRouterArchitecturewith MimicDefenses[J]． JournalofCyberSecurity,２０１７,２(１):２９Ｇ４２． [２７]HU H C,CHENFC,WANGZP．PerformanceEvaluationson DHRforCyberspaceMimicDefense[J]．JournalofCyberSecuriＧ