Ortiz 等 ［ 5］以 2009 年 甲 型 H1N1 流感暴发为出发点，分别选取 2003－2008 年 GFT 数据和美国 CDC 流感病例监测数据以及实验 室确诊病例数进行相关分析，皮尔逊相关指数分别 为 0.94 与 0.72。在加拿大，Eysenbach［6］通过追踪 谷歌流感相关搜索词与 2004－2005 年度监测数据 比较研究，发现搜索词点击量与第二周流感病例数 相关性高达 0.91；Malik 的同期搜索量的关系，研究发现相关指数分别为 0.82、0.90 和 0.78；西班牙、韩国与中国广东省均有 研究证明检索词的搜索量与流感监测病例数存在 一致性［10–12］。以上研究表明基于谷歌平台，该方法 在不同语种间同样适用。 在中国，大量网民选择百度作为首选的搜索引 擎，基于百度搜索引擎的流感监测研究也相继开 展。Yuan 等［13］尝试使用百度搜索平台，通过关键 词筛选、过滤、指数复合和建立模型四步来预测流 14］ 发现 2013 年中国 H7N9 流感暴发期间，公众对疫 情的关注和流感疫情严重程度存在显著的正相关； 百度搜索词 H7N9 的搜索量在早期急剧的增长，随 后出现波动，其中百度指数与病例累计死亡率的相 关指数为 0.43；Xie 等［15］与 Liu 等［16］在研究中也 得出公众对疫情的关注和流感疫情严重程度存在 正相关的结论。Luo 等［17］同时收集了百度和谷歌 搜索引擎数据，对 2009

6 个月内的公 司股价（或行业指数）的涨跌幅相对同 期市场基准指数的涨跌幅； 2. 市场基准指数的比较标准： A 股市场以海通综指为基准；香港市场以 恒生指数为基准；美国市场以标普 500 或纳斯达克综合指数为基准。 类 别 评 级 说 明 股票投资评级 优于大市 预期个股相对基准指数涨幅在 10%以上； 中性 预期个股相对基准指数涨幅介于-10%与 10%之间； 10%之间； 弱于大市 预期个股相对基准指数涨幅低于-10%及以下； 无评级 对于个股未来 6 个月市场表现与基准指数相比无明确观点。 行业投资评级 优于大市 预期行业整体回报高于基准指数整体水平 10%以上； 中性 预期行业整体回报介于基准指数整体水平-10%与 10%之间； 弱于大市 预期行业整体回报低于基准指数整体水平-10%以下。 下载日志已记录，仅供内部参考，股票报告网

实现企业指数级的增长 增长路径中可以让业务在短期内呈现指数级 历经 12 年、 60 多家企业、千亿量级验证的增长新思维。 天 际 线 长点的总和，摆脱碎片化的增长思路。 企业估值或者企业价值的上限 爆发增长 撤 退 线 增 长 线 成长底线 本书价值 增长的线。 云 4 目录 CONTENTS 在互联网时代，重新界定增长，同时，从成长基石、指数与爆发增长、突破企业增长天 n 如何获得指数级发展， 通过弯道超 车 或者换道 超车，让自己脱颖而出； n 如何在增长中盈利，构 建自己的利润区。 云 n 面对新经济，应该如何找到 新的机会增长点，如何找到 增长 五 线 未来的企业需要增长地图 2 5 云 04. 爆发线 增长路径中可以让你的业务在短期内呈现指数级增长 的线 05. 天际线 天际线决定了企业价值的天花板在哪儿，实际上也决 定了企业能走多远。它反映出企业估值或者企业价值 的上限 好的增长地图，可以告诉企业的决策层和高管，怎么进

到12个月内的公司股价（或 行业指数）相对同期相关证券市场代表性指数的 涨跌幅作为基准。其中：A 股市场以沪深 300 指 数为基准；香港市场以恒生指数为基准；美国市 场以纳斯达克综合指数或标普 500 指数为基准。 评级 说明 股票 评级 买入 预期个股相对同期相关证券市场代表性指数的回报在 20%及以上； 增持 预期个股相对同期相关证券市场代表性指数的回报介于 5%～20%之间； 预期个股相对同期相关证券市场代表性指数的回报介于-10%～5%之间； 卖出 预期个股相对同期相关证券市场代表性指数的回报在-10%及以下； 无评级 预期对于个股未来 6 个月市场表现与基准指数相比无明确观点。 行业 评级 看好 预期行业整体回报高于基准指数整体水平 10%以上； 中性 预期行业整体回报介于基准指数整体水平-10%～10%之间； 看淡 预期行业整体回报低于基准指数整体水平-10%以下。

............................................................................ 68 2.1 智慧园区运营管理服务商评价指数内涵 ........................................................................................ 68 2.1 ........................ 69 2.2 智慧园区运营管理服务商指数体系构建 ........................................................................................ 70 2.2.1 指数体系构建说明 ....................................... ............................................................................ 70 2.2.2 指数体系选取说明 .......................................................................................................

城市层面时空融合的权重： 单条道路速度： 道路平均行程速度 = 统计周期内通过车辆数 × 道路长度 观测车辆在该路段上行驶时间和 VKT = 统计时段通过的当量小汽车量 ×道路长度 图19 全国日平均运行状况与交通指数 高峰平均速度：高峰小时内道路上全部驶过车辆的空间平均速度。用根据《道路交通信息服务—交通状况描述》(GB/T 29107-2012)，先计算高峰期单条道路速度，计算方法为路段长度除以通过该路段所有车辆的平均行程时间（包括信号控 工作日一日全国平均运行状况变化 交通指数* 10 8 6 4 2 0 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 周末一日全国平均交通指数变化 时刻 交通指数* 6 7 8 18 19 20 21 22 23 8 6 4 2 0 *为直观体现道路运行态势，根据国标（GB/T 33171-2016）将道路运行速度转化成为交通指数 图20 城市路况计算范围示意图 道 路 运 行 状 态 监 测 3 TRAFFIC OPERATION MONITORING 3.1 名词解释及计算方法 24 监测空间范围: 为体现快

号构建独特品牌记忆，形成差异化竞争优势，经市场模型测算，可助力合作品牌市场认知度提升30%-50%。在专卖店 场景中，沉浸式嗅感体验有效延长消费者停留时间，将购买转化率提升 20%-30%，直接驱动销售额呈指数级增长。 文旅产业方面，该技术与全球地标景点、博物馆深度融合，凭借创新体验吸引额外20%-50%游客流量。游客激增 不仅带动景区门票收入增长，更通过餐饮住宿、文创产品等衍生消费，使区域旅游综合收益提升30%-50%。同时，影 社会效益： 该案例实现的社会效益： （1）服务覆盖面：以企业数量、行业种类和地域范围为单位计算，覆盖800 家企业，涉及多个行业，企业业务 范围涉及国内外多个国家。 （2）用户满意度：以百分比或满意度指数为单位计算，用户满意度为90%以上。 （3）就业岗位：直接创造150个就业岗位，间接创造1000个就业机会。 执行单位简介 青岛上合现代物流发展有限公司成立于2020年7月10日，注册资本30 运数据缺少指数化 的分析，造成货运实际运行的场景较为单调，无法发挥数字分析的优势和实效，难以优化航空货运信息的应用匹配， 提升航空货运效率。 该项目对航班数据、航司数据、航线数据、飞机数据、机型数据、运行数据、价格数据、成本数据、货运节点数 据和运载数据采集分析。将获取的数据代入相应的数据模型算法转化为指数，包括机场货运通道强度指数、航线稳定 指数、货运容量指数、货运载量指数、货运价格指

再只是车辆制 造者，而成为覆盖用户全生命周期的出行服务提供者；零部件厂商的竞争，也从供应 链地位转向数据驱动的协同价值。而整个产业链条从研发、生产、供应，到销售与服 务，正以前所未有的速度产生指数级数据量，却又深陷数据分散、系统孤立、决策滞 后的矛盾。研不通产、产不连供、供不联销、销不反哺服的现象普遍存在，“研产供 销服”一体化依旧是行业的长期痛点。 更深层的问题在于，汽车产业的复杂性不仅体现在物理制造上，更体现在数据链 数智化转型白皮书 — 40 — 赋能方案：  驾驭复杂性：破解软件物料清单（SBOM）管理难题。随着 SDV 的到来，一辆汽 车可能包含数千万行代码和来自上百个供应商的软件组件，其复杂性呈指数级增 长。传统的、以硬件为中心的物料清单（BOM）管理体系已无法应对此挑战。核 心难题在于：如何确保每一次 OTA 升级，都能精准匹配到每一台车独一无二的 硬件型号、软件版本和配置状态？一次错误的推送不仅可能导致功能失效，甚至 统一的车联网与数据智能平台，作为数据汇聚与智能分析的唯一底 座。 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 97 —  四大中心： 智能网联运营中心、智能服务中心、行业与物流指数中心、伙伴数字 化协同中心，分别对应实时态势感知、主动式客户服务、宏观决策洞察与产业链 生态协同四大核心能力。  两个支撑体系： 数据治理与指标体系、算法与智能引擎，为上层应用提供高质量 的数据资产和强大的智能算力支撑。

广东电力市场HHI指数 500 1000 1500 2000 0 2016 1555 1098 2017 1313 520 2018 1360 476 2019 1408 524 2020 1676 423 2021 1295 376 2022 1310 464 2023 1156 518 2024 1302 412 发电侧HHI指数 用电侧HHI指数 用电侧HHI指数 图 3-2 HHI 指数呈下降趋势 四是“绿色低碳，推动形成多元产业生态”。建立具有广东特色的新 能源“全电量报量报价”、“基数 + 现货偏差结算”交易机制，充分发 挥风电、光伏低边际成本优势，引导火电机组将发电空间合理让至新能源。 首创独立储能、抽水蓄能、虚拟电厂等新型主体“报量报价”参与市场 交易，促进新能源市场化消纳。绿电交易提速扩围，实现发用两侧全覆盖， 健全绿电消费

（AI4S）领域，后续章节将以上述领域划 分展开。 根 据 自 然 科 研 智 讯（Nature Research Intelligence）《自然》AI 相关 出版物数量、引用量以及自然指数（Nature Index） 期 刊 等 多 源 大 数 据， 可 以 对 2015-2024 年全球 AI 相关出版物进行了系 统性分析。数据结果显示，AI 和 AI4S 研 究正经历规模扩张与范式变革的双重突破。 200 300 400 500 600 700 800 900 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 图1.3｜自然指数AI 出版物引用总量（前五国家/ 地区）趋势 （2015-2024，单位：千篇） 中国 欧盟 美国 加拿大 英国 总量 0 20 40 60 80 100 120 2015 出版物被专利、政策文档、临床试验的引用总量（前五国家/ 地区） （2015-2024，单位：千篇） 3.2 美国高质优势仍存，中国引领应用 创新 从科研质量上看，美国仍保持优势。如 图 1.3 所示，基于自然指数追踪的高质量前 沿研究期刊发表的 AI 相关论文引用量，美 国始终保持领先地位，2020 年达到 30.28 万次。中国的崛起颇具颠覆性，引用量从 2015 年 的 1.03 万 次 跃 升