20年12月24
　　事件：4月12日，中兴通讯在深圳举办2023年度中兴通讯云网生态峰会，预期2023年国内政企业务营收实现40%+增长，同时发布多款算力新品。
　　点评：
　　政企业务有望保持高速增长，AI全栈布局，积极构建AI算网生态
　　据2022年年报，公司政企业务实现营收146.30亿元，同比增加11.84%，营收占比11.90%；公司服务器及储存产品实现营收近百亿元，同比增长近80%；公司在峰会上表示2023年国内政企业务营收目标是达到40%以上的增速。公司政企业务过去三年营收CAGR超30%，其中互联网、金融、大企业、政务行业营收三年CAGR分别为85%、72%、41%、26%。
　　公司在峰会上发布多项算力新品：
　　服务器：2023年新发布4款intel服务器包括R5200 G5、R5300 G5、R5500G5、R8500 G5等；1款GPU服务器R6500 G5；1款AMD服务器R5350G5；2款海光信创服务器R5930 G23号、R5530 G23号。其中Intel服务器整形性能提高57%，浮点性能提高56%；AMD服务器整形性能提高100%，浮点性能提高85%；海光服务器整形性能提高19%，浮点性能提高16%。HDD/SATASSD存储容量提升24%，NVMESDD容量提升50%；双宽GPU卡槽位提升50%，其中2U服务器能支持4块双宽GPU，4UR6500 G5服务器最多支持10块双宽GPU。服务器均支持冷板液冷，PUE降至1.15，浸没式方案也在布局研发当中。
　　OTN光网络：推出Real 400G光传输方案，提速不减距；传输距离提升60%，功耗下降58%，网络容量提升至32T。
　　数字星网2.0：推出Adlik模型推理工具（开源），其中知识蒸馏功能可使模型规模减少10倍，模型剪枝功能可使算力需求减少50%。截至目前，两者均在paper with code榜单排名第一。
　　手机/平板终端：推出Axon 50 Ultra 5G行业首款卫星通讯5G安全手机，无网络覆盖时依旧能发出信息，安全性能强，双系统全面满足政企保密安全需求。推出nubia Pad 3D全球首款AI裸眼3D平板电脑，提供3D视频会议、3D直播视频、3D医疗健康、3DXR元宇宙、教育等多行业解决方案。
　　数据库：GoldenDB在中国移动两次国产数据库集采中均中标，总份额排名第一；在国有大行、政策性银行、股份制行、城商行&农商行等全系列银行、交易所、头部券商均有投产案例。
　　谷歌、Meta、百度等深度学习库均已接入中兴Adlik架构，长期需求有望持续释放
　　2022年12月28日，公司联合英特尔共同发布《英特尔联手中兴优化深度学习模型推理，实现降本增效》白皮书，本白皮书深入介绍了中兴通讯主导的开源项目Adlik如何与英特尔OpenVINO工具结合。为解决购买专用GPU硬件会大幅增加部署成本，而且应用范围有限，灵活度较低的问题，中兴通讯通过硬件创新和软件层面的深度优化，在部分场景中，如果能够直接使用CPU来进行推理，将有助于降低成本，提升灵活度，白皮书指出通过中兴Adlik可以对AI模型进行自动剪枝、蒸馏，实现模型大小的优化，再通过OpenVINO的量化工具和推理引擎，对模型实现INT8量化，从而实现模型压缩，以降低模型推理所需的计算资源和内存带宽，提高模型的推理性能。通过使用中兴Adlik+第三代英特尔至强可扩展处理器+ OpenVINO工具套件的组合，可使已完成训练的高精度AI模型转换成参数较小、结构简单、精度基本不下降的AI小模型，其性能与大模型接近，模型数据吞吐量更高，从而实现在不增加GPU硬件，大幅减少部署成本的情况下，直接使用CPU服务器即可满足模型的日常推理需求，成功实现降本增效，并使得模型更易部署在算力有限的场景下，比如自动驾驶车端场景。我们认为此解决方案能够实现AI模型推理的降本增效，适用各垂直领域的AI小模型有望加速落地，充分满足不同场景需求。
　　Adlik是用于将深度学习模型从训练完成到部署到特定硬件，提供应用服务的端到端工具链，其应用目的是为了将模型从研发产品快速部署到生产应用环境。Adlik可以和多种推理引擎协作，支持多款硬件，提供统一对外推理接口，并提供多种灵活的部署方案。目前谷歌TensorFLOW，Meta PyTorch和百度的PP飞桨深度学习库都已能够接入Adlik架构。随着Meta AISAM开源图像分割模型的问世，计算机视觉产业或将加速发展。由于SAM中的图像编码器功能必须在PyTorch中实现，并需要GPU才能进行高效推理，我们认为计算机视觉产业的发展有望进一步带动对Meta深度学习库PyTorch以及其他AI互联网企业深度学习库的需求，公司adlik软硬整体架构的需求有望提升。
　　测试效果如图3所示，在ImageNet val验证数据集上，ResNet50剪枝模型经过蒸馏后精度略有提升，剪枝模型的吞吐量比原始模型提升了2.74倍。INT8量化后的模型的吞吐量比未量化模型提升了2.96倍。经过Adlik剪枝蒸馏和INT8量化等方法优化后的ResNet50模型，在精度无损失的情况下，吞吐量比原始模型提升了13.82倍，效果显著。
　　目标检测YOLOv5m模型优化测试结果如图4所示，在COCO2017验证集上，YOLOv5m经剪枝蒸馏和I