短，AI 辅助完成初筛 受个体误差、医师疲劳度影响，不稳定 准确率 稳定，无疲劳诊断 主观性无法避免 客观性 较为客观 知识遗忘 记忆力 无遗忘 较少信息输入即可快速建模 建模条件 建模需要更多信息输入 信息利用度低 信息利用度 信息利用度高 重复性低 重复性 重复性高 高 定量分析难度 低 敬请阅读末页的重要说明 17 行业深度报告

估等 7 大核心技术平台。2019 年，公司建立计算机及人工智能辅助的药物设计 CADD/AIDD 平台，利用开源代码在本地部署 AI 模型，开发了虚拟高通量筛选 （VHTS）、无晶体结构靶点的同源建模、药物靶点预测、药物 ADME 和毒性预 测、SBDD、FBDD 以及定量构效关系等实际应用场景。截至 2024H1， CADD/AIDD 平台累计服务 69 个新药项目，其中 5 个进入临床Ⅰ期，2

助手 问数 分析 升级2个应用 AI流程管理 流程 规划 智能 建设 智能 发起 智能 填单 智能 摘要 决策 助手 智能 审批 监控 分析 … AI低代码平台 智能 设计 建模 助手 搭建 应用 生成 表单 优化 场景 智能 编排 智能 编码 … 升级2个中台 蓝博士LanBots升级协同办公、业务应用&中台能力 企业大脑.AI赋能高等教育 2025高等教育数字化研究报告

人 工智能+智慧医保”、“数据要素 X 智慧医保”产品＆服务体系，开发了政策调整、 模拟测算、欺诈侦测、预测分析、要素溯源、特征图群、监测预警等一系列行业数 据模型，提供数据全息治理、专题算法建模等医保数据要素服务，实现了融合支付、 可信支付、处方流转、医药物流、一人一档、一药一码溯源、医保码一码通、医药 物流等医保创新产品的场景落地；开发了医保智能经办智能体、医疗机构医保智能 体、智能医学知识图谱等

科技基础：决策式与生成式 AI 在科技端双轮驱动 AI 教育发展 决策式 AI 在教育领域已有诸多实践，生成式 AI 技术发展为教育行业内容生产提 供新路径，与决策式 AI 形成能力互补。前者通过数据建模构建决策引擎（如学情 诊断、个性化推荐），以逻辑推理优化教育评估体系；后者基于大模型生成新型 教学要素（如动态习题、虚拟场景），以创造能力重塑内容生产范式。二者分别 强化教育的精准性与创新性：决策式

库等技术研究。秉承“千霄凌云 积厚薄发的创业理念，推出云考试+数字化考点信创解决方案，为考试改革助力。 通过对考点复杂多变的信息重新定义度量，把考点在考试过程中产生的数据进行数字化 建模，实现数字化考点。利用软件定义对考点硬件赋能，达到考点系统运行效率和能量效率 最大化，并利用数字孪生完成从物理考点到虚拟考点的映射，实现考点设备在考试期间全生 命周期的管理。达到考试数据流转畅通、决策指挥高效，保障考试公平、安全。

对进出人员的人脸进行自动捕 获、跟踪、抓拍的功能。同时具备人脸区域自动曝光功能，以适应各个卡口位 置逆光环境下也能捕捉到较为清晰的人脸抓拍。 人脸算法服务器：对人脸抓拍机传送过来的人脸照片进行建模。同时实时 和黑名单数据库的人员进行比对。支持抓拍人脸图片的查询和检索。 人脸采集及质量管理平台等设备组成：Web 客户端，实现黑名单报警信息 管理，抓拍图片的检索。 5.3.1.3.6 AR