公司动态 - 华为创始人任正非近期接受人民日报专访，回应外部封锁打压时表示"干就完了，一步一步往前走" [4] - 任正非对昇腾芯片的评价是"美国夸大了华为的成绩，华为还没有这么厉害" [4] - 华为2024年研发费用支出达1797亿元，占全年收入20.8%，近十年累计研发投入超12490亿元 [5] - 华为2024年研发人员约11.3万名，占总员工54.1%，每2名员工就有1人专职创新 [5][10] 研发战略 - 华为研发投入中约600亿元用于基础理论研究不考核，1200亿元用于产品研发需考核 [6] - 公司坚持"比起砸钱买设备，最应该砸科学家"的理念，高薪聘请全球顶尖人才 [6] - 每年在全球寻找天才少年，以高额薪资吸纳顶尖人才补充科研队伍 [7] - 截至2024年底，华为在全球持有有效授权专利超15万件，2024年PCT专利申请量6600件蝉联全球第一 [10] 发展历程 - 1991年推出首台自主交换机HJD48，标志中国通信设备从"贴牌组装"迈向"自主设计" [8] - 2019年启动"备胎计划"，海思芯片转正，鸿蒙系统问世，构建全栈技术生态 [8] - 2024年全年营收突破8600亿元，2025年推出鸿蒙电脑补齐生态版图 [8] - 2023年知识产权收入达5.6亿美元，专利库成为持续产出现金流的"专利银行" [10] 行业影响 - 2024年中国PCT专利申请量突破7万件，华为以6600件领跑全球 [10] - 中国科技企业每前进一小步都将引起国际社会轩然大波 [11] - 华为的自主研发创新已成为行业标杆，有望带动更多中国企业 [12] - 中美芯片谈判中中国保持"站着"姿态，未在芯片和稀土问题上让步 [12]

深圳科技创新人才聚集 - 国际神经生物学专家陆伟、丹扬全职加盟深圳医学科学院(SMART)，反映深圳对全球顶尖人才的吸引力[1] - 2023年920名深圳学者入选全球前2%顶尖科学家榜单，研究与试验发展人员全时当量达46.1万人年居全国首位[1] - 深圳企业研发投入占比达93.3%，R&D经费投入强度6.46%居全国第二[6] 教育科技人才体制机制改革 - 深圳综改试点将"教育科技人才一体改革"置顶，探索科研自由与举国体制兼容路径[1][2] - 推行项目经理人制度，赋予人才在项目甄选/团队组建/经费支配等环节更大权限[2][9] - 建立"企业出题-高校解题-市场验题"闭环，形成政产学研协同网络[2][7] 深圳科技创新生态优势 - 深圳民营企业主导创新，华为/比亚迪等龙头企业在通讯/新能源领域形成突出优势[6] - 近十年新建8所高校使总数达17所，建成鹏城国家实验室等4000余家创新载体[6] - 产学研深度融合案例：国产ECMO由中科院深圳先进院与迈瑞医疗等联合研发[7] 新型科研机构发展模式 - 深圳医学科学院采用社会化用人制度，不定编制级别，自主设岗[9] - 深圳湾实验室青年PI占比超60%，通过市场化机制激发年轻科学家创新潜力[8] - 借鉴DARPA模式实施科研项目经理人制度，推动科技成果高效转化[9][10] 人才培养与产业协同 - 深圳高校专业设置紧密对接"20+8"产业集群，如深理工开设神经科学/合成生物学等前沿学科[11] - 职业本科教育深度产教融合，深职院与腾讯/华为共建产业学院制定行业标准[12] - "00后"创业团队在深圳科创学院孵化下，两年内完成从创意到天使轮融资的跨越[10]

文章核心观点 - 诺基亚宣布扩展面向关键任务网络（包括向智能电网技术转型的公用事业）的IP路由产品组合，以满足对安全、可扩展和高性能网络基础设施不断增长的需求 [1] 行业情况 - 全球公用事业正在推广智能电网技术，以应对气候破坏、网络威胁等挑战，支持分布式能源资源整合，提高运营效率和实时监控能力，同时确保符合法规要求 [2] 公司举措 - 诺基亚扩展和增强7705服务聚合路由器（SAR）和7250互连路由器（IXR）平台，提供端到端、安全且适应性强的IP路由解决方案，帮助公用事业为智能电网技术升级通信基础设施 [1][3] - 诺基亚平台具备先进功能，可提供TDM和IP/以太网服务的应用感知通信，支持传统保护继电器、SCADA RTU和IEC 61850 IED，并实现精确的频率和时间同步分布 [3] - 公用事业可通过部署诺基亚先进的量子安全MACsec加密来应对网络安全威胁，新平台还能确保网络扩展到100 GE和400 GE，以支持关键应用和未来高容量服务 [3] 公司表态 - 诺基亚高级副总裁兼IP网络总经理表示，能源客户需要能在恶劣条件下运行、满足严格定时需求并应对量子时代威胁的网络，此次扩展强化了公司对关键任务连接的承诺 [4] 公司介绍 - 诺基亚是B2B技术创新领导者，通过在移动、固定和云网络的工作，开创具有感知、思考和行动能力的网络，并通过知识产权和长期研究创造价值 [6] - 诺基亚拥有开放架构，其高性能网络能无缝集成到任何生态系统，为全球服务提供商、企业和合作伙伴提供安全、可靠和可持续的网络 [7]

核心观点 - 中兴通讯团队提出两个新的评测指标（LCP和ROUGE-LCP）和一套仓库级代码语料处理框架（SPSR-Graph），旨在提升AI代码补全工具在真实工业场景中的性能 [1][2][5] - 当前AI代码补全工具存在两大痛点：评估指标与用户真实体验脱节、模型缺乏对代码仓库全局结构的理解 [4][5][9] - 新方法通过量化用户采纳行为特征和显式建模代码依赖关系，显著提升了模型实用性和工业适用性 [6][13][25] 新评测指标 LCP（最长公共前缀长度） - 定义：模型输出与用户期望代码从起始位置连续匹配的最大字符数，强调开头部分的准确性 [8][10] - 价值：比传统指标（如LCS）更能反映用户实际交互体验，LCP值与用户采纳率呈显著正相关（r>0.69，最高达0.91） [31][32][38] - 用户行为洞察：开发者更关注补全建议开头部分的正确性，即使后续存在小错误也倾向采纳 [7][42] ROUGE-LCP - 定义：对LCP进行归一化处理，公式为LCP(S,R)/|R|，实现不同长度样本的公平比较 [11][12] - 表现：与采纳率相关性（r=0.62-0.72）虽低于LCP，但仍优于传统指标EM和ROUGE-L [40][43] - 局限性：用户更关注绝对匹配字符数而非相对比例，反映编辑随意性 [41][42] SPSR-Graph框架 技术架构 - 核心组件：通过AST解析将代码切割为语义单元（函数/类等），构建保留结构的有向图（节点=语义单元，边=依赖关系） [15][19][20] - 关键流程：语料预处理→AST结构切割→图谱构建→路径遍历生成训练样本（含跨文件结构注释） [18][19][23][24] - 创新点：显式建模跨文件依赖关系，解决传统方法导致的语义割裂问题 [21][22] 实验效果 - 性能提升：在Qwen2.5-7B-Coder模型上，采用KGFS策略使C语言EM提升2.66%，BLEU提升2.74% [44][47] - 最佳参数：代码图谱广度k=4时表现最优，过小则信息不足，过大引入噪声 [48][49] - 多阶段验证：从基础Pipeline到AST切割→函数级图谱(KGF)→结构体级图谱(KGFS)实现"三级跳"式改进 [45][46] 应用前景 - 当前成果：已应用于中兴通讯自研工具ZTE-Code-Copilot，分析超10000条真实用户数据验证有效性 [27][50] - 未来方向：拓展LCP/ROUGE-LCP在更多生成任务的适用性，探索SPSR-Graph与强化学习的结合 [51][52] - 行业价值：为通信领域等垂直场景提供专业化代码补全解决方案，推动智能化开发工具升级 [5][50]

数字化风洞技术概述 - 公司首次推出数字化风洞技术，可在AI模型训练前进行虚拟环境预演，小时级模拟万卡集群方案[1] - 技术由马尔科夫建模仿真团队开发，旨在解决60%算力浪费在硬件资源错配与系统耦合的问题[1] - 类比汽车风洞测试，通过虚拟预演优化AI训练配置，避免时间和算力浪费[1][2] 技术核心痛点与解决方案 - 当前大模型运行三大痛点：训练阶段资源错配、推理阶段任务差异大、万卡集群管理复杂度高[3][11] - Sim2Train训练仿真平台通过动静态融合建模和硬件深度适配，实现昇腾设备效率精准提升[5][7][8] - 支持芯片级/拓扑级/负载级全栈优化，基于实时数据自动反馈校准硬件建模[10] 训练阶段创新（Sim2Train） - 采用模块化拼装AI任务流程，灵活构建复杂模型并分析资源消耗[7] - 结合智能搜索算法实现模型结构与硬件能力最优均衡，提升大规模训练效率[9] - 针对CloudMatrix超节点拓扑实现联合优化，覆盖计算/内存/通信多维度[10] 推理阶段创新（Sim2Infer） - 端到端推理性能提升30%，通过五层建模：负载特征/硬件架构/部署策略/仿真运行/自动优化[13][14] - 支持MoE模型结构优化建议，实现大EP场景最佳部署方案寻优[14] - 基于离散事件模拟技术精确计算推理耗时，自动匹配昇腾平台最优配置[14] 高可用性保障（Sim2Availability） - 通过马尔科夫模型虚拟化集群，秒级定位故障并模拟恢复策略[16][17] - 关键环节包括故障生成器（模拟NPU/内存/光模块故障）、探测器（异常判断）、影响分析（中断/降速评估）[20] - 恢复策略库涵盖Step级回滚/进程级恢复/全量恢复等多场景方案[20]

AI算力集群高可用性技术 核心观点 - AI算力集群需具备"永不罢工"能力，通过高可用性技术保障24小时稳定运行，成为驱动业务创新的可靠引擎[1] - 华为提出六大创新方案解决AI集群故障率高、恢复慢等问题，包括三大基础能力（故障感知诊断、故障管理、光链路容错）和三大业务支撑能力（集群线性度、训练快恢、推理快恢）[12] 技术方案细节 故障感知与诊断 - 行业现状：万卡级AI集群日均故障≥1次，故障定位耗时数小时至数天[2] - 华为方案： - 构建全栈可观测能力（集群运行视图/告警视图/网络链路监控等）[2] - 开发四大诊断技术（全栈故障模式库/跨域故障诊断/计算节点诊断/网络诊断）[2] - 实现千种故障模式库与分钟级故障诊断[12] 硬件可靠性提升 - 通过可靠性系统工程实现CloudMatrix超节点万卡集群MTBF>24小时[3] - 光链路容错方案： - 首创光链路软件容错技术，容忍度>99%[3] - 新增10倍光模块后闪断率降至电链路水平[3] - HBM多比特ECC故障恢复时间缩短至1min，算力损失下降5%[3] 训练效率优化 - 线性度提升技术： - 采用TACO、NSF、NB、AICT四项关键技术[4] - 实测结果： - 135B稠密模型4K卡线性度96%[6] - 718B稀疏模型8K卡线性度95.05%，4K卡线性度96.48%[6] - 训练快恢系统： - 万卡集群恢复时间<10min[7] - 进程级重调度恢复<3min，在线恢复<30s[9] - 训练回滚时间缩短至单个迭代周期[9] 推理容错方案 - 大EP组网架构下提出三级容错：实例间切换/实例内重启/实例内无损恢复[9] - 关键技术突破： - 实例内重启恢复<5min[10] - TOKEN级重试技术使HBM KV Cache故障恢复<10s，较行业标准提升60倍[10] 技术成效 - 万卡集群可用度达98%[12] - 训推恢复最快达秒级[12] - 集群线性度>95%[12]

高可用性AI算力集群的核心价值 - AI算力集群作为智能应用的"超级大脑"，需具备"永不罢工"能力以支撑实时路况分析、医疗影像处理等高强度任务[2] - 高可用性相当于为集群上"保险"，使其既能应对日常故障又能保持突发故障下的稳定运行，避免成为"半成品"引擎[2] 故障感知与管理技术突破 - 行业现状：万卡级AI集群日均故障≥1次，故障定位耗时数小时至数天，严重影响训练效率[4] - 创新方案： - 构建全栈可观测能力（集群运行/告警视图、网络链路监控等）实现秒级故障感知[4] - 开发四大诊断技术（全栈故障模式库、跨域/计算节点/网络诊断）[4] - 建立可靠性分析模型，使CloudMatrix超节点MTBF＞24小时[4] 光链路容错技术 - 首创超节点光链路软件容错方案，通过多层防护体系实现： - 光模块闪断容忍度＞99%[5] - 新增10倍光模块后闪断率降至电链路水平[5][6] - HBM多比特ECC故障恢复时间缩短至1分钟，算力损失下降5%[6] 集群线性度优化 - 采用TACO、NSF等四项关键技术提升训练线性度： - Pangu Ultra 135B稠密模型在4K卡集群实现96%线性度[10] - Pangu Ultra MoE 718B稀疏模型在8K卡集群达95.05%线性度[10] 训练任务快恢系统 - 分层级恢复能力： - 万卡集群整体恢复＜10分钟[12] - 进程级重调度恢复＜3分钟[12] - 进程级在线恢复≤30秒[12] - 关键技术包括数据集索引加速、模型编译缓存等[12] 推理业务容错方案 - 大EP组网架构三级容错： - 实例内重启恢复＜5分钟[14] - TOKEN级重试技术使HBM KV Cache故障恢复＜10秒，较行业提升60倍[14] 综合技术成果 - 六大创新方案实现： - 万卡集群可用度98%[16] - 训推秒级快恢[16] - 线性度＞95%[16] - 千种故障模式库与分钟级诊断[16] 未来技术方向 - 聚焦三大领域：新应用场景多元化、异构融合架构突破、智能自治工程范式[16]

合作公告 - VIAVI Solutions与韩国汉阳大学签署谅解备忘录 共同研究AI-RAN、5G和6G技术 汉阳大学成为VIAVI 6G Forward学术合作伙伴 [1] - VIAVI将提供无线实验室测试解决方案和专业支持 汉阳大学Beyond-G全球创新中心将获得技术支持 [1][4] 技术合作细节 - Beyond-G中心获得韩国科技部支持 入选全球创新研究中心支持项目 每年获得超过50亿韩元资助 持续10年 [3] - VIAVI贡献NITRO® Wireless测试套件 包括6G测试平台 用于验证AI-RAN、5G、6G和量子技术 [4] - VIAVI网络数字孪生技术结合RAN模拟器、核心网模拟器等工具 可在实验室模拟运营商网络环境 [4] 合作目标 - 合作旨在培养下一代通信技术人才 建立具有全球竞争力的大学研究中心 [5] - 结合VIAVI全球技术专长与汉阳大学学术创新 为学生提供尖端测试环境实践机会 [5] - 目标推动6G和AI-RAN领域具有影响力的研究 [5] 公司技术能力 - VIAVI NITRO Wireless测试套件提供强大的AI、6G和量子测试环境 [6] - 公司致力于逐步实现高质量可互操作的6G电信基础设施及相关服务 [6] - VIAVI是网络测试、监控和保障解决方案的全球供应商 业务覆盖电信、云、企业等多个领域 [6] 研究中心技术方向 - 超分辨率传感：多传感器AI驱动无线电传感 量子融合传感 [7] - 超连接通信：AI驱动高可靠性通信 电信核心AI技术 [7] - 超智能系统：高效无线电波控制 高可靠性下一代集成系统 [7]

大模型算力集群技术 - 构建万卡级算力集群是全球顶尖技术挑战，性能稳定依赖强大算力支撑[1] - AI算力需24小时不间断运作，支撑导航路况分析、医疗CT诊断等实时智能应用[2][3] - AI推理可用度需达99.95%，高训练可用度、高线性度、快速故障消除是关键保障[4][5] 华为高可用技术体系 三大基础能力 - **全栈可观测能力**：训练可用度98%（全年358天可用）、线性度超95%（1000卡比100卡快9.5倍）、秒级恢复与分钟级诊断[9] - **故障诊断组合拳**：包含全栈故障模式库、跨域诊断、计算节点诊断、网络诊断四大技术，缩短故障定位时间[12][19] - **自愈系统**：超节点光链路软件容错技术可容忍99%光模块闪断，HBM多比特ECC故障修复时间从数小时缩短至1分钟[15][16] 三大业务支撑能力 - **集群线性度**：Pangu Ultra 135B稠密模型4K卡训练线性度96%，718B稀疏模型8K卡线性度95.05%[24] - **训练快恢**：分层分级恢复系统实现万卡集群10分钟恢复，进程级在线恢复仅需30秒[27][29] - **推理快恢**：实例内重启恢复<5分钟，TOKEN级重试技术使HBM故障恢复时间从10分钟降至10秒[35][36] 关键技术突破 - **通信优化**：TACO拓扑任务分配、NSF网存算融合、NB分层通信、AICT无侵入诊断提升数据传输效率[31] - **推理架构容错**：三步保险计划（实例间切换、实例内重启、无损恢复）降低大EP架构故障影响[34][37] - **效率提升**：光链路压力测试使光模块闪断概率降至电链路水平，算力损失减少5%[16]

财务数据和关键指标变化 - 本季度合并GAAP结果好于2025财年第二季度，高毛利率业务占比提升，运营费用降低，EBITDA增加，实现了运营活动的正现金流 [21] - 合并净销售额为1.268亿美元，去年同期为1.281亿美元，2025财年第二季度为1.266亿美元 [22] - 合并净预订量为7100万美元，本季度合并订单出货比为0.56倍，剔除一笔3640万美元的取消预订后，季度订单出货比为0.85倍 [27] - 合并运营亏损降至150万美元，去年同期为350万美元，上一季度为1030万美元 [28] - 合并调整后EBITDA增至1260万美元，去年同期为1190万美元，上一季度为290万美元 [29] - 截至4月30日和6月6日，信贷安排下的未偿还借款总额为1.68亿美元，其中循环贷款提取了2340万美元；截至6月6日，可用流动资金约为2730万美元 [30] - 截至4月30日，合并净未开票余额约为7300万美元，略高于上一季度的约6900万美元，但远低于2024年7月31日的1.237亿美元 [30] - 本季度公司GAAP运营现金流为正230万美元，是过去八个季度中首次实现正GAAP运营现金流 [20] 各条业务线数据和关键指标变化 卫星与太空通信业务（S&S） - 净销售额降至6760万美元，较上一季度下降8.3%，主要因上一季度向美国陆军销售了较多低利润率的VSAT设备；不过产品组合更有利，毛利率较上一季度有所提高 [26] - 与去年相比，对流层散射解决方案销售额下降，卫星通信解决方案销售额上升；下一代对流层散射合同按预期收尾，导致销售额减少约1300万美元，但VSAT设备和卫星地面基础设施解决方案销售额增加部分抵消了这一影响 [24] - 一条大型多年期GFSR合同被授予现有供应商，公司从已获资金的订单储备中移除了相关订单，本季度减记3600万美元；剔除减记后，本季度订单出货比高于第二季度 [16] 地面与无线网络业务（T&W） - 净销售额增至5920万美元，较上一季度增长12%；若不考虑一笔300万美元的追溯性NG911服务收入调整，增幅约为6% [25] - 与去年同期相比，下一代911服务和基于位置的服务解决方案净销售额增加，部分被呼叫处理解决方案净销售额下降所抵消；在多个关键指标上表现优于上一季度和去年同期 [18] 公司战略和发展方向及行业竞争 - 公司制定了转型计划，旨在解决历史挑战，同时利用核心优势和业务机会；转型计划已取得进展，财务表现有所改善 [9] - 卫星与太空业务方面，公司利用差异化技术和广泛客户关系，发展下一代产品销售，提高毛利率，降低运营费用；近期在数字卫星通信基础设施、弹性通信项目和战略多轨道连接方面取得战略胜利 [13] - 地面与无线网络业务方面，增长驱动因素包括新的基于云的应急响应产品以及国际运营商对公司5G定位技术的兴趣增加；最新的下一代911呼叫处理解决方案即将推出 [19] 管理层对经营环境和未来前景的评论 - 公司过去面临诸多挑战，如资本结构负担重、成本结构高、领导层更替频繁、运营纪律差和销售激励机制失调等，但也拥有强大资产和有吸引力的机会 [5][7] - 转型计划正在取得进展，公司财务表现改善，责任和问责制更加明确，员工对未来充满信心和自豪感 [9] - 本季度公司获得4000万美元资本注入，与高级有担保贷款人重新协商条款，解决了先前的契约违约问题，提高了财务灵活性 [10] - 公司本季度实现了正GAAP运营现金流，这是过去八个季度以来的首次，是一个重要的里程碑 [20] 问答环节所有提问和回答 问题: 卫星与太空领域下一代数字后端调制解调器的开发、验收和全面生产情况 - 公司在相关平台开发上取得良好进展，与美国陆军的EDEM项目仍有一些工作待完成，预计在年底前向认证阶段取得重大进展；部分产品已有早期生产单元部署到关键客户 [35][36] 问题: 911业务是否有正在跟踪的竞争或等待决策的奖项 - 有一些有吸引力的投标正在等待结果，但公司出于竞争考虑，不便透露具体项目 [39] 问题: 本季度已过半，如何描述当前季度的预订情况以及后半季度的预期 - 公司目前不提供指导，因此不会对第四季度进行评论 [40] 问题: 卫星业务停产产品对未来收入的影响及时间范围 - 预计对收入影响不大，停产产品对卫星与太空业务收入的影响预计不到10%；停产这些产品有助于公司专注于更高利润率的新产品开发和生产 [43][44] 问题: 地面无线业务的增长前景以及提高利润率的举措 - 公司认为国际运营商市场尤其是5G领域有增长机会，计划推出新的基于云的应急响应产品；公司正在研究下一代911网络的架构和部署方式，预计云产品将有不同的利润率表现 [47][48] 问题: 地面无线业务的EBITDA利润率或运营利润率目标 - 管理层目前不愿公开评论具体目标 [50]