Investor Relations 2026 In risk management, timing is everything. We act fast to provide the right support at the right moment - keeping claims on track and people on the path to recovery. We stand on experience Decades of delivering results have made us a proven partner for organizations nationwide. We bring consistency, care, and a deep understanding of what drives better outcomes. We Push Care Forward For us, innovation means more than technology. It's about combining powerful tools with the empathy and ...

公司背景与起源 - 公司核心标签为清华背景 创始人唐杰及创始团队均来自清华大学计算机系知识工程研究室 该实验室是国内最早开展自然语言处理和知识图谱研究的实验室之一 [3] - 公司于2019年6月成立 成立当年即获得4000万元人民币天使轮融资 [3] - 公司成立第二年做出关键决策 从零开始自研架构 不走行业主流的GPT和BERT路线 并由此诞生了核心技术通用语言模型 [3] 技术发展与关键里程碑 - 2022年8月 公司开源了GLM-130B模型 该模型为中英双语训练 拥有千亿级参数规模 在同年11月斯坦福大学的全球30个主流大模型测评中 是亚洲唯一入选的模型 [5] - 2023年3月14日 在GPT-4发布的同一天 公司发布了可对话的ChatGLM 并同步开源了ChatGLM-6B模型 该模型可在消费级显卡上运行 成为当时国内多数开发者的启蒙工具 掀起了中国个人部署大模型的第一波热潮 [6] - 2024年10月 公司发布了AutoGLM手机版 该产品能让AI自主操作手机 其发布时间比Manus早5个月 比豆包手机早1年多 [7] - 2025年12月 基座大模型GLM更新至4.7版本 在AA智能指数中获开源国产双赛道第一 在代码竞技场中力压GPT-5.2成为开源第一 并登上Hugging Face全球趋势榜第一 [7] - 2025年 公司的智能体和多模态技能树全面开花 [7] 市场定位与商业化 - 公司产品主要面向企业市场 其GLM大模型在上市前已在全球12000家企业中运转 [10] - 客户涵盖国内十大互联网公司中的九家 以及政府、医疗、教育、运营商、头部手机厂商、新能源汽车厂商等 全球热门AI代码工具Cursor也在使用其模型 [10] - 公司被比喻为AI时代的水电煤 在AI六小龙或四小虎的排名中一直位居前列 [11] 融资与资本表现 - 2023年 公司获得超过25亿元人民币融资 顶级风投与产业资本争相投资 [6] - 2024年 老股东继续加码 同时新进多家战略投资者和国资 融资总额在独角兽企业中达到令人瞩目的水平 [13] - 2025年 公司又完成了5轮融资 上市前的融资朋友圈阵容已非常华丽 [13] - 2026年1月8日 公司作为中国大模型第一股于港交所挂牌上市 [2] - 上市第5天午盘 公司市值一度超过1100亿港元 较挂牌当日的约511亿港元翻了一倍多 [2] 行业意义与未来挑战 - 公司的上市被视为中国AI行业的成人礼 标志着资本与行业的众望所归 [15] - 上市后 公司将每个季度接受市场的审视 其财报中的收入、亏损、留存率以及市盈率、市销率、市占率等指标将被反复比对 [16]

公司上市与市场表现 - 2026年1月8日，公司作为中国大模型第一股正式在港交所挂牌上市[5] - 上市第5天（1月12日午盘），公司市值一度超过1100亿港元，较挂牌当日的约511亿港元翻了一倍还多[5] 公司背景与起源 - 公司核心标签为清华，创始人唐杰及创始团队均来自清华大学计算机系知识工程研究室（KEG）[5] - 公司于2019年6月成立，成立当年即获得4000万元人民币天使轮融资[5] - 公司瞄准的方向是自然语言处理（NLP）与知识图谱[5] 技术路线与核心模型 - 2020年，公司做出关键决策：从零开始自研架构，不走GPT和BERT路线，并在此时期诞生了核心技术通用语言模型（GLM）[6] - 2022年8月，公司开源了GLM-130B模型，该模型具备中英双语训练、千亿级参数规模，在同年11月斯坦福大学的全球30个主流大模型测评中，是亚洲唯一入选的模型[9] - 2023年3月14日，公司发布了可对话的ChatGLM，并同期开源了ChatGLM-6B模型，后者掀起了中国个人部署大模型的第一波热潮[9] - 2024年10月，公司发布了AutoGLM手机版，该产品能让AI自主操作手机[10] - 2025年12月，公司基座大模型GLM更新至4.7版本，在AA智能指数中获开源国产双赛道第一，在代码竞技场中力压GPT-5.2成为开源第一，并登上Hugging Face全球趋势榜第一[10] 业务发展与商业化 - 公司模型迭代迅速，在高速发展期达到每3个月一次迭代，并于2023年8月上线智谱清言产品[9] - 公司的产品主要面向企业客户，上市前其GLM大模型已在全球12000家企业中运转，客户包括国内九大互联网公司以及政府、医疗、教育、运营商、头部手机厂、新能源汽车厂等，全球AI代码工具Cursor亦为其客户[12] - 公司将自身定位为AI时代的基础设施提供商，类似于“水电煤”[12] 融资历程与资本支持 - 2023年，公司获得了超过25亿元人民币的融资，吸引了顶级风投与产业资本[9] - 2024年，老股东继续加码，并新进了多家战略投资者和国资背景投资方，融资总额在独角兽企业中属于极高水平[14] - 2025年，公司又完成了5轮融资，上市前其“融资朋友圈”已非常庞大[14] 行业地位与影响 - 公司被许多媒体冠以“中国OpenAI”的称号[5] - 在行业梯队中，无论是“AI六小龙”还是“AI四小虎”，公司一直排在最前面[12] - 公司的上市以及紧随其后上市的MiniMax，被视为中国AI行业的“成人礼”[16]

AI算法岗位市场趋势与人才需求 - AI技术浪潮已深入后端开发领域，既是风险也是机遇 [2] - 传统CRUD开发岗位缩减30%，而80%新增技术岗位要求具备AI能力（如大模型开发、RAG架构） [3] - 从事AI岗位的开发者平均年薪达40万以上，显著高于传统前后端岗位的20万年薪区间 [3] - 许多算法岗位薪资比往年提高50%，吸引大批后端程序员准备进军AI算法领域 [3] 传统开发岗与AI算法岗的对比 - 传统开发岗技术体系成熟，市场饱和，学习曲线平缓，其商业价值体现侧重于系统维护与功能实现，间接性较强 [4] - AI算法岗技术迭代快，需持续学习前沿算法（如Transformer、Diffusion Model），人才缺口大，能直接驱动业务创新（如精准营销、风险控制），企业愿支付溢价 [4] - 传统行业数字化转型缓慢，对技术投入预算有限，而AI算法岗因数学、算法、工程能力三重门槛导致人才供给不足 [4] - 目前后端岗位已饱和，算法岗却供不应求，市场上很多算法岗起薪达到25-30K，这已是许多开发岗的薪资天花板 [4] 求职者能力与市场需求错配 - 申请算法岗的人数众多，但实际能够胜任者很少，求职者能力常无法匹配一线企业核心AI岗位需求 [6] - 一线企业核心岗位需求涵盖复杂问题分析、算法建模、编程、项目展示、团队合作、并行计算、大型服务器使用、分布式能力、代码管理、流程协作、产品意识及学术与前沿研究能力 [7] - 通常求职者所具备的能力主要集中在算法能力、编程能力和建模能力，与企业的全面要求存在差距 [7] AI算法实战培养计划核心内容 - 该计划联合现象级AI名企和大厂打造，是行业首个深度算法培养计划，邀请前字节、百度等一线大厂在职专家提供前沿强化训练 [8] - 课程承诺若学员拿不到Offer或年薪不满29万，将全额退款 [8] - 课程讲师均为企业一线在职实战派，拥有技术管理经验并负责过大型核心项目，旨在教授企业拿来即用的技术 [8] - 课程从算法角度出发，详细讲解各模型，并结合9大企业级项目，覆盖数据打包、网络训练、测试等实际问题，帮助学员积累实战经验 [8] 企业级AI实战项目概述 - **项目一：对话意图识别**：旨在精准判断用户自然语言语句背后的目的，核心技术栈涵盖从传统机器学习到预训练模型的演进，项目流程包括数据采集与标注、模型训练调优及部署落地 [10][11][12] - **项目二：文本匹配与智能问答**：涵盖从FAQ知识库构建到复杂问答系统部署的全流程，核心技术包括文本匹配技术发展、智能问答技术演进以及BM25、SBERT、RAG等多种方案实战 [12][13][14][15][16][17] - **项目三：多模态内容理解与检索**：解决从图像、视频、音频等多模态数据中提取、理解和检索信息的挑战，核心技术涉及CLIP等多模态预训练模型、多模态融合技术及向量检索 [18][19][20][21][22][23][24] - **项目四：RAG与大模型智能客服**：通过结合外部知识库与大语言模型生成能力，解决传统客服知识滞后、回答僵化及大模型幻觉等问题，核心技术包括智能客服全流程实战与RAG技术栈拆解 [25][26][27][28] - **项目五：PDF智能公式与计算**：实现从PDF文档中自动提取复杂公式并进行计算，核心技术包括PDF内容解析、公式检测与识别、自然语言到公式的转换以及符号计算库应用 [29][30][31][32][33][34] - **项目六：Agent与自动化工作流**：涉及LLM Agent的设计与构建，使其具备规划、记忆、工具使用等能力以完成复杂任务，核心技术包括Agent框架、提示工程进阶、工具调用与记忆机制 [35][37][38][39][40][41][42][43][44][45] - **项目七：Dify智能开发与应用**：利用Dify低代码平台快速开发大模型应用，降低技术门槛，核心技术包括低代码模型开发、行业场景实战与智能体进阶开发 [47][48] - **项目八：ChatBI智能分析与可视化**：允许通过自然语言提问进行数据分析和可视化，核心技术包括数据库交互、数据可视化库、Prompt Engineering及SQL生成与优化 [39][50][51][52][53][54][55][56] - **项目九：信息抽取与图谱问答**：从非结构化文本中提取关键信息构建知识图谱以实现智能问答，核心技术包括实体识别、关系抽取、知识图谱构建与大模型融合方案 [49][57][59][60][61][62][63] - **项目十：金融研报生成系统**：构建多智能体系统自动化生成金融研究报告，解决专业性强、时效性要求高、大模型存在幻觉等挑战，核心技术包括多智能体系统设计、模型上下文协议集成与OpenAI Agent开发范式 [57][58][63][64][65][66][67][68] 培养计划成效与学员案例 - 上一期学员中，有90%拿到了国内外名企的AI、算法岗位Offer，最新一期就业学员最高月薪达75K [70] - **案例1**：王同学，4年Java开发转型算法岗，本科学历，年薪从25万涨至42万，涨幅68% [71] - **案例2**：谢同学，5年后端开发转型图像算法岗，月薪涨至48K，年薪达72万 [73] - **案例3**：刘同学，应届毕业生成功拿下百度大模型算法岗Offer，年薪高达48万 [76] - **案例4**：曹同学，本科电子信息专业，4年运维工作转型AI算法岗，成功拿到年薪50万的Offer [79] - **案例5**：车同学，通过内推进入腾讯NLP算法岗，薪资从13.5K跃升至27K*16薪，年薪翻了近3倍 [81] 课程服务与保障 - 课程为学员提供3、6、12期分期付款服务 [84] - 报名即签订保涨薪就业协议，承诺在职程序员最低薪资涨幅40%-50%，在校应届生最低年薪29万 [84] - 若课程结束后拿不到Offer或就业薪资未达年薪29万，将退还全部学费并保留赠送的所有资源 [84] - 所有保障条款均写入具备法律效力的协议，承诺不搞文字套路，支持免费咨询了解 [84]

全球认知分析市场概览 - 全球认知分析市场规模在2025年估计为79亿美元 预计到2033年将增长至814.6亿美元 2026年至2033年间的复合年增长率为33.99% [1] - 市场快速扩张的主要驱动力包括对数据驱动决策日益增长的需求 对实时洞察的要求 以及人工智能和机器学习在各公司的接受度不断提高 [1] 美国市场分析 - 美国认知分析市场规模在2025年估计为21.7亿美元 预计到2033年将增长至220.3亿美元 2026年至2033年间的复合年增长率为33.61% [3] - 增长因素包括人工智能的高采用率 先进的数字基础设施 强劲的企业支出 对数据驱动决策的需求增长 云集成以及各行业对实时洞察的要求 [3] 细分市场分析：按企业类型 - 大型企业在2025年以61%的市场份额占据主导地位 原因在于其庞大的数据量 复杂的业务流程和强大的数字化成熟度 [4] - 中小企业预计在2026年至2033年间增长最快 因为基于云的认知分析降低了进入门槛 [4] 细分市场分析：按应用 - 客户管理在2025年以31%的市场份额占据主导 因为企业专注于改善客户体验和留存率 [5] - 欺诈检测与安全预计在2026年至2033年间增长最快 原因是网络威胁 数字支付和复杂欺诈技术的增加 [5] 细分市场分析：按终端用户 - 银行、金融服务和保险行业在2025年以28%的市场份额占据主导 原因是该行业高度依赖高级分析进行欺诈预防 信用风险评估 监管合规和客户画像 [6] - 零售业预计在2026年至2033年间增长最快 因为公司采用认知分析进行需求预测 动态定价 库存优化和个性化促销 [7] 细分市场分析：按部署模式 - 云部署在2025年以64%的市场份额占据主导 并预计在2026年至2033年间以最快速度增长 原因在于其可扩展性 灵活性和成本效益 [8] - 组织越来越多地采用云平台来处理大量数据 快速部署人工智能模型并获取实时洞察 [8] 区域市场洞察 - 北美在2025年以约38%的最高收入份额主导认知分析市场 原因在于人工智能的早期采用 先进的云基础设施以及主要技术提供商的强大存在 [9] - 亚太地区预计在2026年至2033年间以约15.22%的最快复合年增长率增长 驱动力来自快速的数字化转型 不断扩大的数据量以及增加的人工智能投资 [10] 市场核心驱动力 - 企业日益关注在复杂的业务运营中使用人工智能驱动的洞察进行数据驱动决策 这正在全球范围内推动市场扩张 [11] - 企业内结构化和非结构化数据的增长需要能够复制情境感知和人类推理的复杂分析工具 [11] - 企业越来越多地依赖认知分析来自动化决策 预测结果并提取可操作的洞察 [11] - 人工智能 机器学习和自然语言处理的整合使得能够实时分析消费者行为 运营模式和市场趋势 [11] - 企业寻求通过更快的洞察 更高的准确性和更少的手动分析来获得竞争优势 认知分析改善了战略规划 欺诈检测 风险评估和个性化 [11] 主要市场参与者 - 市场主要参与者包括谷歌 甲骨文 SAS IBM 微软 亚马逊云科技 思科 SAP Tableau MicroStrategy Palantir 慧与 Cloudera Databricks Snowflake Teradata Qlik ThoughtSpot DataRobot RapidMiner等公司 [13] 近期行业动态 - 2025年 谷歌云在BigQuery中扩展了人工智能驱动的分析功能 实现了数据生命周期中从发现 工程到洞察生成的全流程自动化 [14] - 2025年 甲骨文推出了用于融合数据智能的Oracle Analytics AI助手 使用户能够通过自然语言对话与业务数据进行交互以获得更丰富的洞察 [14]

战略合作与投资 - Sabre Corporation与BizTrip AI宣布建立战略合作伙伴关系，共同开发并推出一套由人工智能驱动的企业差旅助手，该助手利用自然语言处理来处理复杂的预订流程、实时行程管理和智能政策自动化，服务对象包括全球的差旅管理公司、航空公司、酒店和企业客户 [1] - 除战略合作外，Sabre还对BizTrip AI进行了少数股权投资 [1] 技术整合与能力 - 此次合作将Sabre率先推出的智能体API、专有的模型上下文协议服务器和全球旅游市场技术，与BizTrip AI专有的旅行大语言模型和智能体AI能力相结合 [2] - Sabre的技术基础设施（包括其智能体就绪API和专有的MCP“通用翻译器”）使AI系统能够超越被动建议，实现自主行动，在受控框架内实时进行预订、重新预订和优化行程 [2] - BizTrip AI专有的旅行大语言模型持续从预订模式、公司政策和旅行者偏好中学习，其多智能体架构包括用于规划、实时行程支持、费用管理和分析的专用AI智能体 [3] 合作协同效应与市场影响 - 合作的技术协同效应将创造前所未有的可能性，SabreMosaic平台和MCP提供了服务全球数千家差旅管理公司所需的可扩展基础，而BizTrip AI的智能体AI则提供了现代旅行者和差旅经理所要求的个性化和自动化 [4] - Sabre的行业专长、转型速度以及广泛的旅行数据云为BizTrip AI等合作伙伴及其复杂的智能体解决方案提供了前沿创新动力，Sabre的少数股权投资反映了其对智能体AI变革潜力的信心以及对促进整个旅行生态系统创新的承诺 [3] 产品与市场计划 - BizTrip AI的产品和解决方案目前可供企业进行试点，计划于2026年第二季度全面上市 [4] - 通过其领先的旅行市场，Sabre连接了全球的旅行供应商与买家，服务超过160个国家的客户 [5] - BizTrip AI的解决方案使企业能够将差旅成本降低8%至15%，同时为员工提供消费者级别的预订体验，其客户包括财富500强公司如Moderna [7] 公司背景 - Sabre Corporation是一家为全球旅游业提供支持的领先软件和技术公司，服务于航空公司、酒店经营者、旅行社和其他供应商等广泛的旅游业务领域 [5] - BizTrip AI正通过其智能体AI革新企业差旅，为全球企业提供个性化、高性价比的预订体验，该公司由旅行行业资深人士Tom Romary和AI先驱Andrew Ng共同创立，并获得AI Fund的支持 [7]

2025年ACL会士名单概览 - 国际计算语言学学会（ACL）公布了2025年度会士名单，共有11位学者入选，其中包含2位华人学者[1] - ACL会士是该学会授予会员的最高荣誉之一，旨在表彰在自然语言处理（NLP）领域取得卓越技术成就或为社区做出突出贡献的会员[1] 入选华人学者详情 - **季姮（Heng Ji）教授**：来自伊利诺伊大学厄巴纳-香槟分校（UIUC），入选理由为在信息抽取、多模态和多语言知识抽取以及「AI for Science」方面的重要贡献[4][6] - 季姮教授是UIUC Siebel计算与数据科学学院计算机科学教授，曾担任Amazon Scholar，并是Amazon-Illinois交互式对话体验人工智能中心（AICE）及Capital One-Illinois人工智能安全与知识系统中心（ASKS）的创始主任[7] - 其研究兴趣集中于多媒体多语言信息抽取、知识增强的大语言模型与视觉-语言模型，以及面向科学的人工智能，曾获ACL 2024杰出论文奖、NAACL 2024两项杰出论文奖等多个奖项[8] - **张岳（Yue Zhang）教授**：来自西湖大学，入选理由为在NLP结构化预测与泛化方面的贡献，以及对中国和全球NLP社区的服务和NLP教育方面的贡献[9][12] - 张岳教授是西湖大学终身正教授，其研究兴趣包括自然语言处理及其底层机器学习算法，近年来重点研究神经语言模型与人类认知之间的差异，以及利用这种差异自动检测AI生成文本[11][13] 其他入选学者及其贡献 - **Rada Mihalcea**：密歇根大学教授，因在基于图的语言处理、计算社会科学，以及推动「向善的自然语言处理」方面的贡献入选[14][17] - 她与Paul Tarau共同提出了被广泛应用于文本摘要等任务的经典TextRank算法[16] - **Hanna Hajishirzi**：密歇根大学教授，因在问答系统、科学应用、多模态人工智能以及全开放语言模型方面的重要贡献入选[19][20] - 她共同领导开放语言模型与推理项目OLMo和Tulu，致力于构建性能可与专有系统媲美的完全开放算法、数据集和模型[19] - **Mohit Bansal**：北卡罗来纳大学教堂山分校教授，因在多模态NLP基础、忠实的语言生成与摘要，以及模型可解释性方法方面的重要贡献入选[22] - 他是AAAI Fellow，并获得美国总统青年科学家与工程师奖（PECASE）、NSF CAREER奖等多个奖项[22] - **Nizar Habash**：纽约大学阿布扎比分校教授，因在阿拉伯语NLP、针对阿拉伯语及形态丰富语言的开源工具与资源，以及社区建设与服务方面的重要贡献入选[25][26] - **Peter Clark**：艾伦人工智能研究所（AI2）高级研究总监，因在基于知识的NLP、问答系统和常识推理方面的开创性贡献入选[28][31] - 他共同领导AI2的Asta项目，致力于构建用于辅助与自动化科学发现的智能体框架[28] - **Sadao Kurohashi（黒橋禎夫）**：京都大学教授兼日本国立情报学研究所所长，因在日语NLP和机器翻译方面的重要贡献，以及对亚洲NLP社区发展的推动入选[29][32] - **Saif Mohammad**：加拿大国家研究委员会首席研究科学家，因在计算情感科学、情绪检测与情感分析，以及负责任的NLP方面的重要贡献入选[34][36] - **Lori Levin**：卡内基梅隆大学教授，因在机器翻译中应用语音学、句法、词汇语义学和对话建模，以及将NLP技术迁移至低资源语言方面的开创性工作入选[37][42] - **Alexander Koller**：萨尔大学教授，因在计算语义学、语法形式化以及神经符号架构方面的基础性贡献入选[41][43]

公司高管荣誉 - 公司执行副总裁Sarah Scott被《Business Insurance》杂志评为2025年度“女性瞩目人物” [1] - 该奖项旨在表彰在保险和风险管理领域通过领导力、创新和指导取得卓越成就的女性 目前是该奖项的第20周年 [1] 高管职业背景与贡献 - Sarah Scott在公司任职26年 在产品创新、临床整合和数字化转型方面发挥关键作用 [2] - 其目前职责是监督公司整个产品组合的开发和演进 [2] - 其职业生涯始于护士个案经理 结合临床洞察力和商业头脑 帮助塑造了公司数据驱动的业务方法 [3] - 目前正主导将生成式人工智能整合到公司整个产品套件的计划 [3] 公司业务与技术战略 - 公司应用人工智能、机器学习和自然语言处理等技术来改善医疗事件及相关成本的管理 [5] - 业务合作伙伴包括雇主、第三方管理机构、保险公司和政府机构 管理工人赔偿、健康、汽车和责任服务 [5] - 解决方案套件结合了集成技术和人性化服务 通过本地化交付定制服务 并由全国团队提供支持 [5] 公司领导层评价 - 公司总裁兼CEO Michael Combs赞扬Sarah Scott以价值创造和驱动强劲绩效为核心的领导风格 [4] - Sarah Scott认为此次荣誉反映了团队协作的成果 并强调通过技术增强而非取代人际联系来推动行业未来 [4]

AI领域顶尖研究者学术影响力 - Yoshua Bengio总被引次数达987,920次，其中过去5年引用量为711,796次，占比72% [5] - Geoffrey Hinton总被引次数为972,944次，其中过去5年引用量为597,571次，占比61% [2][5] - 何恺明总被引次数超过75万次，达到756,424次，其中过去5年引用量为639,760次，占比高达84.6% [31][32] - Ilya Sutskever总被引次数超过70万次，达到706,612次，其中过去5年引用量为538,943次 [34][35] 高影响力论文与学术成就 - Bengio的《Generative adversarial nets》被引104,225次，《Deep learning》被引103,249次 [1] - Hinton的《Imagenet classification with deep convolutional neural networks》被引185,004次，《Deep learning》被引103,216次 [2] - 何恺明的《Deep Residual Learning for Image Recognition》被引298,327次，《Faster R-CNN》被引97,114次 [32] - Ilya Sutskever参与的《Imagenet classification with deep convolutional neural networks》被引185,909次 [35] AI领域发展里程碑 - 2018年Bengio、Hinton和Yann LeCun共同获得图灵奖，此后Bengio的引用量开始爆发性增长 [4][6] - 2012年AlexNet在ImageNet上取得突破性成果，被视为深度学习"引爆点" [17] - 2015年Nature发表LeCun、Bengio、Hinton的综述《深度学习》，成为标准理论引用来源 [19] - 2017年Transformer提出，2018年BERT证明预训练/微调范式，推动多模态与生成式AI发展 [21] AI学术生态发展趋势 - 2010-2022年全球AI论文总量从约8.8万增长至24万+，近乎三倍增长 [26] - AI占计算机科学论文比例从2013年的21.6%升至2023年的41.8%，几乎占据半壁江山 [26] - 2024年顶会投稿量激增：ICLR 2024共7,262投稿，NeurIPS 2024总投稿17,491，CVPR 2024投稿11,532 [26] - AI论文引用爆发式增长与AI时代发展相契合，奠基者的累积引用增长加速 [23][26] 其他高影响力研究者 - Yann LeCun被引次数超过43万次 [11] - Ian Goodfellow被引超过38万次 [40] - Jeff Dean被引373,153次 [44] - 李飞飞被引322,796次 [44] - Juergen Schmidhuber被引29万+ [40] - 吴恩达被引29万+ [40][47] - Noam Shazeer被引28万+ [40][55]

公司活动安排 - 公司将于2025年11月4日东部时间上午11:30举办网络直播，讨论即将公布的季度财报 [1] - 网络直播将由总裁兼首席执行官Michael Combs和新任首席财务官Brian Nichols共同主持，讨论内容包括财务表现、战略举措和展望 [2] - 网络直播将设有专门的问答环节，参与者可提前将问题发送至Investor_Relations@corvel.com [3][6] 公司业务概览 - 公司是一家领先的风险管理解决方案提供商，应用人工智能、机器学习和自然语言处理等技术来管理医疗护理过程及相关成本 [4] - 公司合作伙伴包括雇主、第三方管理机构、保险公司和政府机构，业务涵盖 workers' compensation、健康、汽车和责任服务 [4] - 公司通过结合集成技术和人性化服务，提供定制化的本地服务，并由全国团队提供支持 [4]