数量） 准确召回率 （召回正确数量 /query 数量） 准确率 （召回正确数量 / 召回数量） 5 704 659 73% 68% 94% 10 764 728 79% 75% 95% 15 766 728 79% 75% 95% 20 789 746 82% 77% 95% 25 805 771 83% 80% 96% 置信度 测试 query 数量 召回数量 召回正确数量 准确召回率 （召回正确数量 /query 数量） 准确率 （召回正确数量 / 召回数量） 0.8 507 404 384 80% 76% 95% 0.75 507 436 398 86% 79% 91% 百度智能客服语义模型效果数据 • 不同扩展问数量对应问答机器人效果数 据 • 不同置信度对应问答机器人效果数

通过机器学习算法对蜜罐中收集到的数据进 行分析、概要、分类,并进一步预测新的攻击形式[７８]. ５)博弈论与机器学习混合的欺骗防 御.Song提 出 单 独 使用博弈论或机器学习构造欺骗时存在一定的弊 端[７９].单 独使用博弈论时,存在蜜罐只能执行常规相应动作,没有综合 考虑多轮攻防的全局最优策略,没有考虑攻击者使防御者信 念变化对策略的影响,传统博弈难以处理大规模决策问题等 弊端.而单独使用强化学习时 的蜜罐博弈机制(HoneyED),允许蜜罐伪造输出来欺骗攻击 者.同时,根据深度强化学 习 DeepＧCFR 算 法 设 计 实 现 了 近 似混合策略均衡求解算法,训练得到执行混合均衡策略的攻 防智能体[７９]. 将博弈论和机器学习相结合,可以互补二者单独使用时 的不足,充分发挥它们的优势,优化欺骗防御制定策略并降低 部署成本,进一步提高系统防御效能. ４ 拟态防御 ４．１ 拟态防御概述 拟态防御(MimicDefense)是 以实现欺骗防御诱捕场景的自动化和智能化 [７７Ｇ７８] 博弈论与 机器学习混合 将博弈论和机器学习结合使用,弥补二者单独使用时的不足,充分 发 挥 各 自 的 优势,优化欺骗防御制定策略并降低部署成本,进一步提高系统防御效能 [７９] 相比于动态部署的主动防御策略,静态欺骗实体和资源 的部署不需要频繁地变更系统,因此部署成本较低.然而,以 蜜罐、蜜网为主的网络欺骗系统都存在动态性差、部署复杂、 诱骗性不足 以 及 维

量子互联网协议栈方案。（a）Van Meter 等人方案[79-82]；（b） Wehner 等人[83-86]、Li 等人[88]和 Bacciottini 等人[89]方案；（c）Dür 等人方案[87]。 （1）Van Meter 等人（日本庆应义塾大学）方案 Van Meter 等人针对第一代量子中继器的量子互联网提出了五层 40 协议栈[79-82]，如图 20（a）所示。其从下到上分别为物理层、链路 Lett. 94, 230504 (2005). [11] X.-B. Wang, Beating the photon-number-splitting attack in practical 79 quantum cryptography, Phys. Rev. Lett. 94, 230503 (2005). [12] H.-K. Lo, M. Curty, and B. Qi, Me (London) 638, 383 (2025). [25] J. Preskill, Quantum Computing in the NISQ era and beyond, Quantum 2, 79 (2018). [26] K. Bharti, A. Cervera-Lierta, T. H. Kyaw, et al., Noisy intermediate-scale quantum algorithms

balder@rolandberger.com Bieito Ledo 马德里 bieito.ledo@rolandberger.com 联系方式 Dr. Matthias Bünte 高级合伙人 - 苏黎世 +41 79 572-0880 matthias.buente@rolandberger.com Dr. Morris Hosseini 高级合伙人 - 波士顿 / 柏林 +49 160 744-8497

2011 HQ3 286 2016 WiFi [1] 2024 [2] 20 90 -2010 2011 -2015 2016 -2019 2020 *ABeam - 78 - 79 Robotaxi Robotaxi Robotaxi Robotaxi Robotaxi Robotaxi 2030 Robotaxi 50%[1] Robotaxi Robotaxi

业务亮点 ◥ GLP-1药物布局带来快速增长：公司通过个性化口服化合物、品牌药和非专利GLP-1组合切入减肥市场，计划2025年推出首款通用型 GLP-1药物利拉鲁肽。其减肥解决方案定价（如口服方案每月79美元、GLP-1注射剂每月199美元）具备大众市场吸引力。 ◥ 高用户留存率：GLP-1用户4周和12周留存率分别达85%和70%，显著高于传统医疗机构的42%和15%。平台通过频繁医患互动、AI支 与20家最大的制药公司中的19家进行合作 2.2024年客户数据服务（不含CRO服务）留存率为140% 3.未执行的在手订单>9.4亿美元 ◥2025年业绩展望： 公司预估2025年营收为12.4亿美元（yoy>79%），调整后的EBITDA为500万美 元 ◥总结： Tempus AI通过“数据+AI”双轮驱动，在精准医疗领域构建了独特生态。其基因 组学业务为现金流支柱，数据服务展现高增长潜力，而AI应用仍需验证规模化 ，数据多元； ➢ 数据全，具有全病程、全生命周期和全病种的特点。 资料来源：各公司官网、迪安诊断投资者交流公告、艾迪康招股说明书，国联民生证券研究所整理 注：2023年市场规模按278亿计算 79 ICL公司对比 金域医学 迪安诊断 艾迪康 成立时间 1994 2001 2004 商业模式 服务 产品+服务 服务 检测项目数量 >4,000项 >4,000项 >4,000项 实验室数量

成功的关键之一 ，是 Open AI 使用了海量数据进行预训练。 5 年间 ， GPT 的参数量已从亿级飙升至万亿级。 据不完全统计， 目前已发布 的国内大模型中： 参数量超过 10 亿的有 79 个， 其中， 参数量最高的达到 174 万亿。 GPT-4 四代 GPT 参数量变化 ChatGPT 成功关键之一：大参数 GPT-2 GPT-1 18,000 亿 参数量 1.17

Text2Motion[72], PaLM-E[73], SayCan[74], EmbodiedGPT[75], ELLM[76], Voyager[77], LLM-Planner[78], KnowNo[79] ViLA[30], OK-Robot[69], CaP[70], LLM-GROP[71], Instruct2Act[51], VIMA[50] VoxPoser[52], 3D-VLA[63] 态下的可行性. 最终结合 Say 模块的概率评分和 Can 模块的价值函数, SayCan 选择最有可能成功 执行且对完成任务最有帮助的技能. SayCan 让机 器人了解自己的能力范围, 而 KnowNo[79] 使机器人 能够判断何时它们缺乏必要的信息, 并在需要时请 求帮助. KnowNo 建立了一个预测集, 该预测集以 用户指定的概率覆盖正确选项. 如果预测集包含多 个选项, 机器人将请求人类帮助以明确下一步行动 model planners. In: Proceedings of the 7th Conference on Robot Learning. Atlanta, USA: PMLR, 2023. 79 Liu H H, Chen A C, Zhu Y K, Swaminathan A, Kolobov A, Cheng C A. Interactive robot learning from

ᄦݐܤࢅІd 4.௣࿍ปܙЦ࠿ٲߙdोᆠᆑ௶ᆇၗᆇСС௣඘ຂߙಁēճზ ௦੖ൎပᆑ௶ᆇၗᆇСڕसढ़ඨēนᆑ௶ᆇၗ௦੖ൎပრᆇС௣࿍ ปܙඔ٢ᅹ௲cᄦટԅ೴࡬ᄆъۤ޳ڕЦ࠿d — 79 — ¤ ¤ ㅢйㄖ¤ㆇ⢘ޞᯯփᆿޞ։㌱ 7.1 ႙ஜฉ৮̝௦ͬაટॏ ¤¤¤¤¤ ෻౟ฉ৮̝௦ڕसᄥէ඘ຂ ཙࡎᄥՇ৫ಬwᄯܟఆ੖٫ۤڳฉ৮̝௦֥xwᄯܟఆ੖٫ۤ ڳੁ৲֥x

········· 78 3.2 中国 HF RFID 无源物联网市场机会模型分析 ��������� 78 3.3 中国 HF RFID 无源物联网产业市场运营分析 ��������� 79 3.3.1 中国厂商 HF RFID 标签市场出货量分析 ······················80 3.3.2 中国 HF RFID 标签市场国产芯片＆海外芯片分析 ·············80 UHF RFID 硬件产值分析（单位：亿元） ······································································· 61 图表 79 国内用户＆海外用户 UHF RFID 应用市场产值分析（单位：亿元） ··································································· 行业细分市场机会分析模型 ························································································79 图表 85 中国厂商 HF RFID 各类标签出货量（单位：亿个） ····························································