， 2015年-2023年累计有75个分子应用AI制药技术开发并进入临床研究，2023年有67条管线处于临床研究阶段，其中45条管线处于临床I期研究， 19条管线处于临床II期研究，2条管线处于临床III期阶段。对AI制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI 索，2015年-2023年累计有75个分子应用AI制 药技术开发并进入临床研究，2023年有67条管线处于临床研究阶段，其中45条管线处于临床I期研究，19条管线处于临床II期研究，2条 管线处于临床III期阶段。对AI制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较多，67项临床研究中22项为 小分子药物发现、4项为抗体发现、6项为疫苗发现，市场上暂时没有利用AI制药技术研发的药物成功获批上市。 ， 2015年-2023年累计有75个分子应用AI制药技术开发并进入临床研究，2023年有67条管线处于临床研究阶段，其中45条管线处于临床I期研究， 19条管线处于临床II期研究，2条管线处于临床III期阶段。对AI制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI

[Table_profit] 财务摘要 2021A 2022A 2023E 2024E 2025E 营业收入(百万元) 44,134 51,052 58,191 67,197 78,656 YoY（%） 37.7% 15.7% 14.0% 15.5% 17.1% 归母净利润(百万元) 387 -162 288 495 835 YoY（%） 利润表（百万元） 2022A 2023E 2024E 2025E 现金流量表（百万元） 2022A 2023E 2024E 2025E 营业总收入 51,052 58,191 67,197 78,656 净利润 714 1,696 2,061 2,785 YoY(%) 15.7% 14.0% 15.5% 17.1% 折旧和摊销 512 773 07 1.09 1.12 非流动资产合计 10,531 11,277 11,948 12,604 每股指标（元） 资产合计 52,840 55,919 67,204 73,088 每股收益 -0.14 0.25 0.43 0.73 短期借款 1,851 2,113 2,409 2,694 每股净资产 4.89 5.07

........................................................ 67 6.3.1 ྑഭଅᄢЦ࠿ ................................................................. 67 6.3.2 ೇЦ޳ڕЦ࠿ ......................................... ٲߙ৓ౄԎ൯֟ႺЦ࠿ē̼೴ᆓܤcྡྷ඘ܤcຣӝܤښҌӾڳ ිࣂ޷ᄭस௦ڶёē෗Վ৓ౄԎ൯֟Ⴚԅࢳ༰ܤcᄦݐܤࢅІd ¤¤¤¤¤ ྑഭଅᄢЦ࠿ ညܤිԙc࣠Сcں့ںӻԉᆑ௶ᆇၗྑഭଅᄢֺ಴ēࢳ༰غ — 67 — ¤ ¤ ໒ပ༝ࢗႺྑഭଅᄢēͬა௕့໘Ը֟ႺႾ৛c௕့ᄷӖႾ৛cᅖ ඘ٟટ௕Ⴞ৛c໭໸ьჳܤႾ৛cટၗۤႾ৛໿࣠Сᆇၗ̝௦Ⴞ৛ ԅಬಠēҼࠩಓСֺ಴cಓݣֺ಴৓ౄᅧ໸ۤԎ൯֟Ⴚē෗Վ࠼ޖ

4.3 4.3.1 4.3.2 52 53 54 55 57 58 60 61 61 62 63 64 66 66 67 68 68 69 70 70 71 50 52 1.1 [1] [1]. XR • 2021 Facebook Meta PICO • 2023 Apple Composer AIGC 3D 3D 24 ABeam AIGC IP + + ABeam ABeam IP IP 7 24H DeepSeek * ABeam 67 Neuralink 68 4.2.1 ◼ ◼ XR 1 2 3 XR XR 69 4.2.2 XR ◼ XR BMI VR VR BMI VR

...................................................................................................67 4.3.1 数据采集与预处理................................................................................... 以下为试点项目的关键数据对比： 指标 传统流程 DeepSeek 应用 后 提升幅度 案件处理时效（天） 7.2 4.3 40% 人工干预率 45% 12% 73% 争议案件占比 18% 6% 67% “ ” “ 通过技术赋能，保险理赔业务正从 被动响应 转向 主动服 ” 务 。本方案将围绕 DeepSeek 大模型在报案受理、资料审核、核 损定赔等核心环节的具体落地路径展开，为行业提供可复用的实践 挑 战。传统理赔流程依赖人工核保、定损及审核，平均处理周期长达 5-7 个工作日，车险案件人工核损环节耗时占比超 40%。根据 2023 年行业白皮书数据，Top20 财险公司理赔纠纷投诉中，67% 源于时效延迟或核损偏差，直接推高运营成本—— 行业理赔管理费 用率中位数达 12.8%，较承保利润率高出 4.3 个百分点。 核心痛点集中在三个维度：首先，海量非结构化数据的处理能 力不足，医疗险中仅

邮箱：hezuo@iyiou.com 电话：010-57293241 9 A 10 701 2707-2708 C 6 4 World Trade Center, 29th Floor-Office 67, 150 Greenwich St, New York, NY 10006 ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓

SP-3D text to FP-3D CVAE [64] RP-3D sketch to FP-3D VAE, GAN [65] RP-3D 2d to RP-3D 2d pix2pix [66,67];DCGAN [68];pix2pix, CycleGAN [69,70] (o2 P-3D + o3 P-3D) to FP-3D pix2pix [71]; ESGAN [72] (SP-3D facilitating the genera- tion of 3D models influenced by the surrounding environ- ment (RP-3D 2d to RP-3D 2d) [67–70]. Moreover, the prac- tice of converting 3D models into 2D images for recon- struction, followed single rgb images. In Proceedings of the Euro- pean conference on computer vision (ECCV), pages 52–67, 2018. [22] Charlie Nash, Yaroslav Ganin, SM Ali Eslami, and Peter Battaglia. Polygen: An autoregressive

增加 攻击耗费的资源和时间[６６].Juels等设计在口令文件中增加 多个虚假的用 户 名/密 码 哈 希 值,当 虚 假 口 令 被 攻 击 者 利 用 时,会触发告警信息通知口令文件已被盗取[６７]. ３)系统层 通过伪造或变换应用服务、程序、终端设备和指纹信息来 构造欺骗环境,并制定相应的欺骗策略与攻击者进行交互,对 攻击者进行更深层次的欺骗. Zhou等利用各类高仿真蜜罐、探针、诱饵等部件 对攻击者进行更深层次的欺骗 [６８Ｇ７０] 数据层 在数据层面部署虚假数据文件、虚假口令文件、诱饵文件和虚假补 丁 等 欺 骗 实 体,以达到告警攻击行为、消耗攻击资源、延缓攻击进程等欺骗目的 [６６Ｇ６７] 欺骗资源的部署策略 基于掩饰 通过隐藏目标的特征信息,使攻击者无法获取真实的资源数据.部署策略类似 于 MTD 的跳变机制,通过随机性和 周 期 性 地 转 换、更 改 或 隐 藏 目 标 H．GhostPatches:FakePatchesfor FakeVulnerabilities[C]∥IFIP AdvancesinInformationand CommunicationTechnology．２０１７． [６７]JUELSA,RIVEST RL．Honeywords:makingpasswordＧcrackＧ ingdetectable[C]∥ACM SigsacConferenceonComputer

Llama 3.1 发布时间 2024 年 1 月 2024 年 6 月 2024 年 12 月 2024 年 7 月 训练 Token 2 T 8.1 T 14.8 T 15T 模型规模 7B 、 67B 236B/ 激活 21B 671B/ 激活 37B 405B MoE 模 型 稠密 MoE 2+160 MoE 1+256 稠密 注意力技术 GQA MLA MLA N.A 上下文长度

本次调研的关键发现 ■ 组织的高层领导已开始重视数智化审计。85.86% 受访者认为其所在组织的高级管理 层对组织的数智化审计改革给予了重视和支持。 ■ 大部分受访者对数智化审计已有一定的了解。67% 以上的受访者对数智化审计的内 容，78% 以上的受访者对数智化审计带来的优势，65% 以上受访者对数智化审计所需的胜 任能力，已经有了较为清晰的认识。 ■ 组织已具备基本的数据治理环境。68 ( 二 ) 受访者对数智化审计已有较准确的认识 受访者对数智化审计的内容范围、实施优势及胜任能力已有较准确的认识，审计执业人 员的认知水平直接关系到数智化审计业务在组织推进时的效率与效果。 •.67% 以上受访者已认识到数智化审计的内容包括了：深入分析组织自身数据后揭示深 11 数智化审计调研报告 层次风险 ; 运用数智化分析技术开展审计 ; 对数智化技术相关内容 - 如信息系统、云计算、