1310 40 ����� 150 123 147 95 79 115 136 108 148 194 1295 41 ����� 135 142 88 133 145 147 145 113 144 99 1291 42 ����� 131 99 158 80 82 131 130 184 152 132 1279 43 ����� 115 79 101 136 180 125 131 139 139 116 104 97 73 1015 55 ���� 131 37 84 81 121 133 103 135 131 55 1011 56 ����� 87 87 131 45 111 85 114 79 106 156 1001 57 ����� 113 53 106 56 62 91 95 145 102 150 973 58 ����� 71 49 62 26 58 30 85 124 134 48 ����� 31 7 9 11 32 90 49 ����� 23 18 10 19 17 87 50 ����� 20 3 8 21 28 80 51 ����� 2 30 14 6 27 79 52 ����� 10 17 11 4 26 68 53 ����� 6 32 5 12 10 65 54 ���� 3 42 3 9 5 62 55 ����� 9 9 24 14 4 60 56

• • 24GHz 77GHz • • 10 40 40% 2025 INSAR 92-94GHz 11 2024 92- 94GHz FOD 1 2023 79-81GHz 2021 76-79GHz 76-81GHz 01 77-81GHz 02 2026 1 1 2025 ) 92-94GHz 12 • 92-94GHz 4 • 92-94GHz

100-300 100 ◼ 100 ◼ 100-300 ◼ 300-500 ◼ 500-1000 ◼ 1000 33% 50% 11% 6% 67% 22% 11% 2025 28 79% 100 39% 100 300 16% 300~500 8% 500~1000 16% 1000 1000 22% 11% 16 1000 1000 2024 500 61% 100 2030 32 Q 2030 48% 21% 21% 10% 2025 50 90% 48% 21% 21% 10% 33 Q 48% 14% 17% 21% 551 79% 48% 14% 17% 21% 34 Q 2025 52 90% 86% 83% 69% 66% 66% 48% 38% 34% 553 35 Q 0% 7% 34%

mean?, Xinhua, 21 st February 2024, viewed 6 th February 2025, 79a39f4e6c8972404955 8e1082/c.html> 11 ‘New productive forces’, or ‘xinzhishengchanli’ in Chinese, , Xinhua, 21 st February 2024, viewed 6 th February 2025, 79a39f4e6c89724049558e1082/c.html> 37 For more information on how FIEs are being moulded into more controllable (% compared to 2015) - - -23 -41 -57 60 Reuse of solid industrial waste (% total waste) 62 65 73 79 57 61 (2022) 58596061 These impressive developments did not come from domestic innovation alone

第一个主要模型之一 同类研究。10 研究发现 BERT - 当时是 Google 最先进的大型语言模型 （ LLM ） - 发出 数据创新中心 2 约 1, 438 磅二氧化碳 (CO2) 在 79 小时的 使用 64 个高级图形处理单元 (GPU) 、芯片进行培训 通常用于训练 AI 模型 ， 因为它们具有优越的并行性 处理能力。从这个角度来看 ， 往返航班从 纽约到旧金山可产生约 2, 000 训练各种 AI 模型的估计能源需求 CO2 排放量 (公制 Tons) # of 芯片 能源 (MWh) Estimate 来源 模型 BERT 参数 (型号 x #) Hours 79 Strubell 等 Al. ， 201922 0.1 B V100x64 1.5 0.7 0.7* 31.2 Strubell 等 Al. ， 201923 GPT - 2 1.5 B 对于一些关于人工智能环境影响的误导性说法 ， 欧洲议会对立法的拟议修订包括 大量增加能源 ， 例如指导 AI 开发人员 将 “最先进的方法和相关的适用标准整合到 减少能源使用、资源使用和浪费 ， 并增加 能源效率和系统的整体效率。 “79 These 要求与人工智能法案中的其他义务紧张 消除人工智能模型的偏见。而人工智能法案现在只包括更多 合理的能源透明度要求 ， 来自 欧洲议会显示了坏事实导致坏的可能性 政策。 使用 AI 使政府运营脱碳

件 问题： 贵公司已采用或计划采用以下哪些智能制造硬件/智能设备？ 基数：1567 网络硬件 传感器和仪表 可编程逻辑控制器 (PLC) 联网设备 工业计算机 84% 79% 82% 79% 73% 问题： 贵公司已采用或计划采用以下哪些智能制造软件解决方案？ 基数：1567 生产监控 供应链规划 (SCP) 企业资源规划 (ERP) 质量管理系统 (QMS) 网络安全实践和标准 STEM（科学、技术、工程、数学）技能 智能技术知识 分析性思维 问题：在未来 12 个月内，下列知识和/或技能对贵组织招聘下一代员工的重要性如何？ 基数：1567 79% 77% ：：制造商面临的最大挑战：： 第九版年度智能制造现状报告 问题：2024 年，您计划在哪些领域使用 人工智能/机器学习？ 选择所有适用项。基数：1567 美洲地区 43%

《解读：“新质生产力”是什么意思？》，新华网，2024 年 2 月 21 日，查阅日期 2025 年 2 月 6 日，79a39f4e6c8972404955 8e1082/c.html> 11 “New productive forces”，中文表述为“新质生产力”，亦常被译为“new quality productive 解读： “新质生产力”是什么意思？》，新华网，2024 年 2 月 21 日，查阅日期 2025 年 2 月 6 日，79a39f4e6c89724049558e1082/c.html> 37 如需详细了解外资企业正在如何被塑造为更易于控制从而更易于替代的实体，请参阅《孤立与多元化：一个世界，两种体系》，中国欧盟商会，2025 er> 单位工业增加值 用水量下降幅度 （%，与 2015 年 相比） - - -23 -41 -57 60 工业固体废物综合 利用率（%，占总 废物百分比） 62 65 73 79 57 61（2022 年） 引言：《中国制造2025》十年回顾 15 引言：《中国制造2025》十年回顾 中国制造2025：实现技术领先的代价 许多拥有数十年经验并生产出一些最优质产品的外

20.1% 60% 69% 76% 79% 81% 84% 从区域分布来看，环京地区是全国主要的算力中心聚集地，其上架率远高于其他地区。 36 56% 22% 10% 13% 环京地区 长三角 粤港澳 西南及其他地区 49% 23% 13% 15% 环京地区 长三角 粤港澳 西南及其他地区 69% 79% 65% 52% 58% 长三角 在2025年率先实现供需反转。 39 资料来源：企业年报，灼识咨询 注：存量需求占比存量供给超过80%即为供不应求 单位：MW 当年存量需求占比存量供给 xx% 67% 供需变化情况 79% 85% 88% 89% 92% 趋于满载，算力中心有望供不应求 价格将迎来拐点 3,288 4,928 1,470 1,067 4,758 5,995 3,288 4,928 3 技术创新和持续优化能源使用效率，内蒙古将进一步巩固全国算力保障基地的地位。 41 资料来源：企业年报，灼识咨询 注：存量需求占比存量供给超过80%即为供不应求 单位：MW 26% 72% 78% 79% 81% 86% • 内蒙古是国家八大算力枢纽节点之一，自治区政府工作报告中提到， 内蒙古正积极推进国家算力协同发展试点建设，加快上游IT硬件软件 设备、中游算力网络及平台、下游应用场景全产业链发展。

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