再获殊荣!安势信息荣登「2025中国科创好公司-人工智能好公司」榜单,登顶智能软件研发赛道!

安势信息荣登「2025 中国科创好公司」榜单

图片

在科技创新加速突破、新质生产力成为经济发展核心引擎的关键阶段,人工智能、半导体、新能源、生物医药等硬科技领域已被纳入国家战略核心布局,成为驱动经济高质量发展、筑牢国家竞争力的重要支撑。

在此背景下,由上海报业集团主办、界面财联社承办、上海市创业投资行业协会联合发起的 “2025 中国科创好公司” 榜单正式发布。作为中国硬科技领域最具公信力的年度评选 IP,本次活动以 “二五新程,智创未来” 为主题,通过对企业商业表现、创新能力、产业影响力和产品实力的多维度严苛筛选,遴选出各赛道领军企业,其结果已成为资本市场与产业界判断科创企业价值的重要风向标。

本次评选精准锚定人工智能、半导体、具身智能、创新医疗、新材料、新能源、商业航天、低空经济、智能装备、科技消费十大核心赛道,尤其关注在数字经济基础设施领域具备技术突破能力的企业。

上海安势信息技术有限公司(以下简称“安势信息”)凭借其在企业级人工智能领域的核心算法自研实力、软件供应链安全场景化解决方案创新能力,以及面向互联网、消费电子、高端制造、政府等客户的规模化商业落地成效与业务价值转化成果,成功入选【人工智能好公司】榜单

安势信息深耕AI+软件供应链安全与合规治理领域,凭借在大数据、人工智能、程序分析等核心技术领域的自研实力,构建了覆盖软件全生命周期的场景化解决方案,实现了从技术创新到规模化商业落地的价值闭环,成为行业领先的软件供应链安全治理解决方案提供商。

一、AI核心算法自研:构建技术护城河,驱动安全能力升级

安势信息以AI技术为核心引擎,结合海量数据积累,打造了多项具有自主知识产权的核心算法,为软件供应链安全防护提供了底层技术支撑。

在大数据技术支撑方面:安势信息构建了覆盖全球多源校验的开源软件数据库,奠定了精准检测的基础。数据库包含3+万亿行开源代码、3.2+亿个组件信息、1000+亿个文件信息、27+万个漏洞信息,覆盖200+个开源组件源,支持4000+种许可证类型与604种编程语言,形成了全面的开源组件度量体系。

在人工智能算法研发上:安势信息实现了多维度技术突破。通过AI+知识图谱构建开源软件基因图谱,深度挖掘不同分发源组件间的关系,精准识别官方分发源、可信源、父子关系及组件迁移关系,解决了不同源组件命名不一致的问题,提升了组件溯源与漏洞关联的准确性。利用预训练大模型的无监督学习与命名实体识别能力,实现ModelCard关键实体及关系的精准提取与可视化展示;基于LLM+RAG技术构建漏洞修复知识库,结合代码上下文生成高准确率的组件级与文件级修复建议,降低人工依赖。同时,研发降维压缩引擎,可在本地对检测目标进行不可逆的加密代码指纹处理,保障数据安全的同时不影响检测效果;通过AI算法实现漏洞智能评分与优先级排序,结合15+维度建模生成综合威胁性评分,预测漏洞利用概率,助力高效修复。此外,AI驱动的投毒检测算法能够从海量数据中识别恶意代码与后门的异常模式,突破传统静态分析的局限。

向量相似度检索技术的应用进一步提升了检测精准度。该技术支持代码片段的精准匹配,可定位到具体代码行,对变量重命名、格式调整等修改具有强抗干扰性;通过统一向量空间实现多语言代码比对,结合调用关系、数据流等上下文信息进行加权相似度计算,标记高相似代码片段并生成关联路径,为版权检测、漏洞溯源提供了有力支持。

图片

二、场景化解决方案创新:覆盖软件全生命周期,精准应对安全挑战

安势信息围绕软件全生命周期(SDLC),将核心技术与实际应用场景深度融合,打造了清源 CleanSource SCA、清本 CleanCode SAST、清流 PureStream 等一系列产品,形成了全方位的软件供应链安全解决方案。

在程序分析技术领域,安势信息基于学术先进的程序分析理论,实现了精准的数据流分析、控制流分析、语义分析与模式匹配。通过对主流编译器以及编程语言框架支持,能够发现其他工具未能识别的安全漏洞,进一步实现了安全左移,帮助开发团队在编码早期发现并修复缺陷。

漏洞可达性分析技术的创新应用,解决了传统漏洞检测中“只报漏洞不判风险”的痛点。安势信息通过构建组件间的函数调用图,梳理触发漏洞函数的有效路径,精准区分“可达漏洞”与“不可达漏洞”,避免无效排查。可精准判定下游组件是否存在实际触发风险,同时支持“漏洞-组件/版本-任务-项目”的双向正查与反查,实现风险闭环管理。

未知漏洞感知能力为客户提供了前瞻性安全防护。安势信息通过实时监控GitHub等主流开源仓库的ISSUE/PR,利用大模型分析文本描述与代码变更,平均比CVE漏洞披露时间提前30天感知风险。同时能够捕获采取静默修复的非公开漏洞情报,多源漏洞收集(200+源)确保了漏洞识别准确率超过95%,为客户赢得宝贵的修复时间。

清流 PureStream AI风险管理平台则聚焦AIGC领域安全挑战,提供端到端的风险管理服务。该平台支持30+种主流数据集的多维度语料检测,分析版权、隐私及内容安全风险;可对1000+主流模型类型进行精准溯源,识别许可证与版权风险,通过模型衍生关系图谱建设,建立高仿模型与不可信模型社区,助力合规选型。产品支持私有云与公有云两种部署模式,满足不同客户的数据安全需求。

图片

三、规模化商业落地:政企认可彰显价值,赋能行业安全发展

凭借强大的技术实力与场景化解决方案,安势信息已实现面向互联网、消费电子、高端制造、政府等客户的规模化商业落地,与腾讯、阿里巴巴、百度、字节跳动、中兴通讯、小米、OPPO、vivo、荣耀、上汽零束、零跑、宝马、大华股份、紫光展锐、工信一所等行业头部客户达成深度合作,业务覆盖高科技、互联网、汽车、ICT、软件、金融等多个关键领域,彰显了产品的广泛适用性与商业价值。

在降本增效方面,安势信息的解决方案帮助客户实现了软件安全漏洞修复成本的显著降低。通过安全左移理念,清本 CleanCode SAST在编码阶段发现并修复缺陷,避免漏洞在后续阶段扩大化,减少了人力与财力投入;自动化的检测与修复建议功能,提升了研发团队的工作效率,同时帮助研发人员形成良好的编程习惯,持续提升代码健康度与安全性。

在合规保障方面,产品严格遵循国家网络安全相关政策法规。清流 PureStream生成的AI SBOM,清源SCA生成的符合SPDX、CycloneDX、SWID标准的SBOM,为客户提供了合规性证明,降低了法律与合规风险。

在安全防护方面,安势信息的技术能力帮助客户有效抵御各类安全威胁。通过CSSA独家漏洞披露体系及未知漏洞感知技术提前预警风险,漏洞可达性分析精准定位隐患,AI驱动的漏洞修复建议加速问题解决,形成了“感知-识别-分析-修复-监控”的全链路安全防护体系。众多头部客户的成功实践证明,安势信息的解决方案能够切实提升企业软件供应链安全水平,为数字化转型保驾护航。

图片

安势信息:载誉前行,赋能新质生产力

“2025中国科创好公司”的荣誉,是对安势信息过去成绩的认可,更是对其未来发展的期许。在数字经济加速发展的今天,软件供应链安全已成为保障产业稳定的关键环节,安势信息所深耕的赛道,直接关系到数字基础设施的安全与自主可控。未来,以这份荣誉为新起点,安势信息将继续秉持“正本清源,不止于安全”的理念,在AI与软件安全技术领域持续突破,以更优质的服务赋能更多政企客户。

从一个专注技术研发的企业,到跻身科创榜单的行业领军者,安势信息的成长轨迹,映射出中国硬科技企业的崛起路径。在国家科创战略的指引下,相信安势信息将以更强的核心竞争力,在软件供应链安全生态建设中发挥更大作用,为中国新质生产力的蓬勃发展注入安全动能,也为全球数字经济安全贡献中国企业的智慧与力量!

【更新至2025年】2000-2025年上市公司融资约束指数大全(SA指数、WW指数、FC指数、KZ指数)(含原始数据+结果) 1、时间:2000-2025年 2、来源:上市公司年报 3、指标: SA指数:证券代码、证券简称、统计截止日期、是否发生ST或*ST或PT、是否发生暂停上市、行业代码、行业名称、上市日期、总资产、企业经营年度、SA指数 WW指数:证券代码、证券简称、统计截止日期、是否发生ST或*ST或PT、是否发生暂停上市、行业代码、行业名称、上市日期、总资产(元)、经营性净现金流(元)、是否支付现金股利、长期负债(元)、行业销售收入增长率、销售收入增长率、WW指数 FC指数:证券代码、证券简称、统计截止日期、是否剔除ST或*ST或PT股、是否剔除上市不满一年、已经退市或被暂停上市的公司、是否剔除北交所上市公司、上市日期、行业代码、行业名称、公司年龄(年)、总资产(元)、资产负债率、市账比、净营运资本(元)、息税前利润(元)、现金股利(元)、现金股利支付率、FC指数 KZ指数:证券代码、证券简称、统计截止日期、是否剔除ST或*ST或PT股、是否剔除上市不满一年、已经退市或被暂停上市的公司、是否剔除北交所上市公司、上市日期、行业代码、行业名称、经营性净现金流(元)、现金股利(元)、现金持有(元)、资产负债率、托宾Q值、KZ指数 4、范围:A股上市公司 5、计算说明:附在文件内
内容概要:本文复现并深入探讨了一种基于价格弹性矩阵的居民峰谷分时电价激励策略,属于电力系统需求响应领域的关键技术研究。研究通过构建价格弹性矩阵精确刻画居民用户对不同时段电价变化的用电行为响应特性,结合优化算法设计科学合理的峰谷分时电价方案,有效引导用户在高峰时段减少用电、低谷时段增加用电,实现削峰填谷,提升电网运行稳定性能源利用效率。文中配套提供了完整的Matlab代码实现,涵盖数据处理、模型构建、优化求解及结果可视化等模块,具有较强的可复现性工程应用价值,适用于需求侧管理政策仿真学术研究。; 适合人群:面向具备一定电力系统基础知识、能源经济学或需求响应研究背景的科研人员,以及从事相关课题的硕士、博士研究生;熟悉Matlab编程且关注智能电网优化的技术人员亦可从中益。; 使用场景及目标:①用于居民侧用电行为建模电价敏感性分析;②支撑峰谷电价政策的设计、仿真评估优化调整;③作为高校教学中需求响应机制的算法实现案例科研入门实践项目。; 阅读建议:建议读者结合Matlab代码逐模块解析其实现逻辑,重点掌握价格弹性矩阵的构造方法、目标函数约束条件的数学建模过程,以及优化求解器的调用方式,同时可尝试引入其他智能优化算法进行对比实验,以深化对电价激励机制设计原理的理解创新能力。
内容概要:本文聚焦于基于动态规划的自适应最优控制方法在系统动力学完全未知的连续时间线性系统中的应用,属于SCI论文复现类科研资料,配套完整的Matlab代码实现。文章系统阐述了在缺乏精确系统模型的前提下,如何通过自适应动态规划(ADP)技术实现最优控制策略的学习逼近,涵盖算法设计原理、李雅普诺夫稳定性分析、数值仿真流程及收敛性验证等核心技术环节。内容不仅注重理论推导的严谨性,还强调实际仿真操作的可行性,旨在帮助读者深入理解数据驱动型最优控制的核心思想及其在强化学习、近似动态规划等前沿领域的延伸应用。文档末尾附带丰富的科研资源推广信息,涵盖智能优化算法、机器学习、电力系统等多个方向的技术支持仿真服务。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事自动化、电气工程、系统工程及相关领域的研究生或初级科研人员(科研入门阶段或工作1-3年); 使用场景及目标:①复现高水平SCI期刊中关于模型无关的自适应最优控制算法;②掌握在系统模型未知条件下设计并仿真最优控制器的方法论;③为开展强化学习、智能控制、鲁棒控制等方向的科研工作奠定理论实践基础; 阅读建议:建议按照文档结构循序渐进地学习,结合所提供的Matlab代码进行逐行调试仿真实验,深入理解算法实现细节;同时可借助文中推荐的百度网盘资源“荔枝科研社”公众号拓展相关领域知识体系,提升科研效率创新实践能力。
【内容概要】 本项目是一个基于 LangGraph + DeepSeek 的四六级英语阅读理解智能命题 Agent。用户输入任意中/英文素材(或主题),系统通过 9 节点有状态工作流自动完成:素材分析大纲提取 → 按四/六级词数生成英文阅读文章 → LLM 双重质检(文章+题目,不合格自动重试)→ 生成 5 道标准选择题(主旨/细节/推理/词汇)→ 答案中文解析 → 10-15 个高频词汇表 → 一键导出 Word 文档。 【适用人群】 1. 备考大学英语四级/六级的学生; 2. 英语教师、培训机构教研人员,需快速生成原创阅读练习; 3. 对 AI Agent、LangGraph 工作流编排、大模型应用开发感兴趣的开发者学习者; 4. 需要个性化英语阅读训练材料的自学者。 【使用场景及目标】 - 备考刷题:输入一段素材,即时生成一篇贴合考试难度的原创阅读题,解决真题刷完无题可练的痛点; - 教研出题:教师快速批量生成符合四六级命题风格的模拟题,干扰项具有迷惑性; - 技术学习:完整的 LangGraph 多节点编排 + 条件路由 + 循环重试 + 状态管理实战案例,含 Tkinter GUI PyInstaller 打包全流程。 【其他说明】 - 技术栈:LangGraph、LangChain、DeepSeek、Tavily(可选)、python-docx、Tkinter、PyInstaller; - 支持难度自适应(四级 400-450 词 / 六级 450-550 词)、体裁选择、重试次数可调; - 联网搜索为可选功能,无 Tavily Key 时自动降级,不影响核心命题; - 提供完整源码单文件 exe,配置 .env 即可运行; - 运行日志导出内容分离,导出 Word 仅含题目正文,排版整洁(词汇表自动转表格)。
内容概要:本文提出并实现了一种基于角蜥蜴优化算法(HLOA)优化BP神经网络的风电功率预测模型(HLOA-BP),旨在解决传统BP神经网络在风电功率预测中易陷入局部最优、收敛速度慢及泛化能力弱的问题。通过引入新型元启发式优化算法HLOA对BP网络的初始权重和阈值进行全局寻优,显著提升了模型的预测精度稳定性。研究在Matlab平台上完成了算法实现,并利用实际风电场数据进行实验验证,结果表明HLOA-BP模型在均方根误差(RMSE)、平均绝对误差(MAE)等指标上优于传统BP神经网络及其他智能优化算法(如GWO-BP)优化的模型,展现出更强的非线性拟合能力和鲁棒性。该方法为可再生能源并网调度中的短期功率预测提供了高效可靠的技术方案。; 适合人群:具备机器学习、智能优化算法基础,从事新能源发电预测、电力系统运行控制、能源互联网等相关领域研究的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于风电场实时功率预测系统,提升电网调度的准确性经济性;②作为智能算法神经网络融合的典型范例,用于探究HLOA在其他复杂工程优化问题(如光伏预测、负荷预测)中的迁移应用潜力;③为相关学术研究提供可复现的Matlab代码参考,促进算法比较改进。; 阅读建议:建议读者结合文中提供的Matlab代码深入理解HLOA算法的搜索机制、参数设置及其BP网络的耦合策略,重点分析优化前后模型的收敛曲线预测误差分布,并可通过替换数据集或对比其他优化器(如PSO、WOA)进一步验证模型优越性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值