（后疫情、新基建） 2025 年 • 新型城镇化、疫情、新基建 • 治理体系和能力现代化 • 5G 基建、大数据中心 • 人工智能、工业互联网 • 特高压、城际 & 城轨、充电桩 • 横向到边、纵向到底 • 智慧城市四梁八柱 • 跨城数据流动、联动指挥 • 发改委新基建专项工程 • 各省智慧城市实施意见 • 省一级新基建专项规划 疫情加速政府融跨拉通进程，呼唤大平台大场景和快速迭代 有权管的看不见 城市数字平台 物联网数据 互联网数据 公民数据 企业数据 政府数据 智能运营中心 （ IOC ） 现状痛点 城市运行态势不可视 事件与应急协同低效 决策分析缺少精准依据 横向到边、纵向 到底多级联动 可看：态势感知、监测预警 经济、安全、环境、城管、交通等全局 态势感知与监测预警 可用：智能决策、 PC/ 移动端 精准定位问题、智 能决策 预案演练、风险研 判、融合通信 可控：事件分拨、一体联动 2 月 10 日总书记连线火神山等多家医院，通过 5G 网 络进行保障。 • 2 月 23 日，总书记召开全国防疫大会，直接连线全国 17 万县团级基层单位，统一指挥，统一部署，开创一 竿子到底的最高指挥先河。 • 5G 专用会议终端（灵活部署，快速开通，质量可靠） + 视频云 +AI 智能会议辅助（智能签到，智能记录等） • 全国最高指挥系统建设，纵向到村，横向到边。各部门 均会使用部分

Occupancy Networks （占用网络） 感知技术 ，通过算法对物理世界进行数据化和泛 化 建模 ，在 3D 空间上测出不同物体的高度 ，赋予鸟瞰图算法高度信息。 的概率， 无需考虑这个物体到底是什么， 只考虑网格是否被占用。 规则外形障碍物的感知能力， 大幅提升了模型的泛化能力。 图片来源：特斯拉 2022 AI Day 占用网络感知技术，特斯拉给 BEV 算法打的补

2.0 城市级大模型行业智能平台。星智 2. 0 平台是一 个开放性的统一底座，开放支持基础大模型和行业大模型。星智 2.0 平台构建了统一 的底座，能够将合作的大模型供应商、生态合作伙伴共同融入到底座平台中，提供统 一的大模型能力，构建统一的标准、接入、调度、浏览和申请。星智 2.0 大模型生态 体系不仅容纳大模型生态，也包含研究生态、应用生态、算力生态、数据生态等。 图表 9 星智 2

的实现是新一代大模型的精髓之一 2. 经过精心设计的少量高质量样本即可实现适用于某个专业领 域 的高性能低成本推理模型 小结二： 智能体 (AI Agent) 是什么？ • 大模型除了可以和我聊天、 回答问题 ， 到底还能干什么？ 灵魂发问 灵魂发问 • ChatGPT 的回 答 ① 用户打开邮箱，手动拷贝邮件内容 ② 用户将邮件内容拷贝到大模型运行 界 面的对话框 ，写提示词： 请基于 以下

所以不做等保的话，没法向相关主管单位和行业领导们交待。 满足相关主管单位和行业要求； 3  17 每年都会出现一些的信息安全事件，一旦发生比较大的安全事件，主管单位就要去现场调查，首 先就会看我们到底有没开展等级保护工作，那么如果你没有，最直接的一个结论就是你的信息安全工 作没有开展好，没有开展到位，国家最基本的信息安全等级保护工作都没做，你说你买了很多防火墙， 很多安全设备，都不如你实实在在拿出备案证明，拿出测评报告说服力强。

是零泄露的。当然它里面有细分，比如说有 semi honest model 跟 malicious model，这个就是具体技术问题，就不细讲了。 DataFunTalk 成就百万数据科学家！ 49 2. 举例子说明安全多方计算到底怎么做？ 比如说 Alice 跟 Bob，他们分别拥有数据 a 和 b，他们想进行一个联合的机器学 习 f(a,b)。这里我们不管它是纵向横向总之它就有一堆数据 a，它有一堆数据 b 就对了。安全多方计算 顺序依然保持）  模型风险预测的稳定性变差（同样高度位置的颜色不一致了）  风险原先处于中间地带的客户，不良率上扬幅度最大。（中间地带的绿色 变成了黄色（黄色的风险值>绿色）） 疫情归根到底其实是对客户、风险模型、策略的一场考验。 2. 疫情对模型的影响和挑战 疫情并不会改变用户的特征 X，但在疫情下同样 X 对应的 Y，即风险水平则会显 著上升。在实际业务场景中，我们观察到诸如多头类变量最为明显。有一些思考 号码等通过群控来薅羊毛，专业攻击软件实现目的，互联网时代很多营销活动初衷是好的， 但是设计体系没有完善，黑产就会利用这一点，包括前段时间土耳其汇率下降。 如果要对风险进行一个防控，要做几个事情。首先要知道黑产是什么、到底是怎么做的、目 的是什么，第二个要知道系统有哪些漏洞，第三个就是有哪些工具去防控这个事情。如下图 所示，疑似黑产发生攻击时，有四个时刻。第一个就是攻击发生，平台受到威胁后会进行攻 击情报获取、

请务必阅读正文之后的信息披露和法律声明 27 图41 RL 架构对比 GITM 创新架构 资料来源：机器之心，海通证券研究所 传统 RL 智能体在 shang h 将复杂任务映射到底层键盘鼠标操作时面临困难，而 GITM 采用大型语言模型（LLM）作为核心，打破了这一传统架构。GITM 由 LLM Decomposer、LLM Planner 和 LLM Interface

10.4% -11% -23% -96% -47% 13 数据会说话：AI 时代汽车全域营销实战手册 | 12 | 数据会说话：AI 时代汽车全域营销实战手册 “决赛圈了，到底该选哪个？”当一个想要买车的年轻人在评论 区打出这句话，代表他已经下定决心在四到五款车型中最终选 择一辆。在此之前，他可能已经在线上浏览、对比过 40 款车型。 相比以前，车企更难获取高成功率的购车线索。整体营销效率

变得低沉， 体毛也开始长出来 。每当他 在镜子前看到这些变化时， 他感到既尴 尬又困惑 。他听到同学们在聊类似的话 题， 但总是觉得不太敢参与， 因为他不 清楚这些变化到底意味着什么 。小刚曾 试图向父母询问， 但每次开口时， 他 总 是因为害羞或担心父母不理解而选 择沉 默 。家里的气氛也很少谈论这些 话题 ， 父母从未主动向他解释过青春

级或以上）、营销活动频繁、核心交易系统数据库响应日益变慢等问题，为了提高数据库在高并 发、实时交易场景下的高可用性，需要从数据库的顶层设计以及IT基础设施层面确保源头上的稳 健性。 至于，到底什么是高可用的数据库兜底解决方案？业界没有统一答案! 从腾讯云TDSQL的实践经验来看，有几个关键指标可以衡量：首先是架构设计上的高度成熟；其 次在技术能力上要达到可靠性指标；其三，经历过金融级实际场景的验证；其四，要有完善的运维