事件：4月5日， Meta AI发布Segment Anything Model (SAM) 新模型和Segment Anything SA-1B 图像数据集。

    　　点评：

    　　SAM 的发布或将改变计算机视觉领域，是计算机视觉的“GPT-3 时刻”据SAM 官网，SAM 是一个强大的图像分割AI 模型。与GPT-2、GPT-3 等在文字领域的zero-shot 能力相似，SAM 在图像领域上具有zero-shot 能力，可以对未知的图像中的任一未知对象进行分割并自动生成对应的掩码，无需额外训练。用户只需要对分割后的图像进行简单标注（对掩码打标签），SAM即可不断学习和改进。SAM 的输出掩码可作为于其他AI 模型的输入，例如用SAM 在图片中识别到椅子的掩码后，可用在图像应用程序中进行3D 建模，有效提高效率。

    　　SAM 模型可分为图像编码器、提示编码器和掩码解码器，其中图像编码器在PyTorch 中实现，需要 GPU 才能进行高效推理；提示编码器和掩码解码器可在PyTroch、ONNX 等各种平台的CPU 和GPU 上运行。我们认为作为开源模型的SAM 将大幅提高在图像领域人工注释的效率，降低行业门槛，计算机视觉产业及多个垂直行业应用或将加速发展，计算机视觉发展带来的算力需求有望加速释放。

    　　我们在之前的研报《中兴通讯：服务器规模国内前五，联手英特尔打造低成本AI 架构》里面已经指出，Meta 的深度学习库pytorch 已经接入中兴的adlik 整体架构，如果Meta 未来深度学习库得到大规模应用，中兴的adlik软硬整体架构的需求有望得到提升。

    　　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 AI SAM 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。

    　　盈利预测与投资评级

    　　公司具有软件、硬件、芯片、操作系统等基础能力，将基础能力外溢赋能更多数字经济应用，将打开公司第二成长曲线。我们预计公司 2023-2025 年净利润分别为 101.90 亿元、123.35亿元、149.90 亿元，对应 PE 为 17.20 倍、14.21 倍、11.69 倍，维持“买入”评级。

    　　风险因素

    　　5G 建设不及预期、智能汽车发展不及预期、中美贸易摩擦