73 可持续的供应链 73 供应商责任管理 74 供应商产品环保管理 74 负责任原料管理 75 促进社区发展 75 创造就业，培养人才 77 员工关爱与健康保障 79 为所在社区做出贡献 81 让产品创造更多的社会价值 83 附录 83 关于本报告 可持续发展寄语 可持续发展管理 数字包容 科技至善 绿色环保 企业责任 附录 02 可持续发展寄语

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

architectural plan design Data Transformation Approach Paper & Methodology o1 Plan to s1 Plan to FPlan GANs [79–83]; s1 Plan to FPlan pix2pix [84]; s2 Plan to FPlan Graph2Plan [85]; pix2pix [86]; CycleGAN [87] FPlan architectural Plan based on these layouts, progressing from o1 Plan to s1 Plan, and finally to FPlan [79–83]. Architectural floor plans can directly generated from functional space layout diagrams (s1 Plan on Edu- cation and Research in Computer Aided Architectural De- sign in Europe, eCAADe 2023, pages 79–88. Education and research in Computer Aided Architectural Design in Eu- rope, 2023. [3] Xinwei Zhuang

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

......................79 5.1 统一项目管理体制.........................................................................................................................................79 5.2 统一的数据标准规范........ ...................79 5.3 统一安全体系.................................................................................................................................................79 5.4 统一的数据采集处理方式... 统一门户的首页，展示可单点登录 的业务系统。 76 单点管理 单点登录管理，用于管理单点登录 的业务系统。 77 统一账号管理 人员管理 用于批量导入人员数据。 78 新增一个人员数据。 79 修改人员信息。 80 设置一个人员被禁用。 81 设置一个人员启用。 82 删除人员。 83 重置密码。 84 账号管理 用于向各业务系统同步账号。 85 用于本系统或接收业务系统的新增

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

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

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