2022年11月21日,锐捷网络股份有限公司(证券代码:301165,下称“锐捷网络”)在深圳证券交易所创业板上市。
图:锐捷网络敲响上市宝钟
一路领航 构筑数字经济稳固基石
伴随新一代信息技术的飞速发展,数字经济已成为全球经济增长的核心引擎。作为ICT与云计算基础设施龙头企业,锐捷网络怀抱科技报国的信念,深耕网络设备、网络安全、云桌面三大主营业务,助力“新基建”战略落地,为数字经济发展注入强劲动能。
成立二十年以来,锐捷网络始终保持稳健增长态势,收入规模持续扩大。2019年至2021年,营业收入复合增长率达32.68%,2022年上半年,营业收入较上年同期增长34.19%。公司在网络设备和云桌面业务领域稳居市场前三位。
在网络设备领域,锐捷网络持续实现高速增长。2019年至2021年,公司网络设备收入复合增长率达33.4%,远高于9.8%的行业平均增速(行业平均增速数据来源于IDC)。锐捷网络始终引领数据中心网络创新升级,数据中心交换机市场近3年复合增长率达55.8%,远高于15.6%的行业平均水平(行业平均增速来源于IDC)。此外,锐捷网络深耕无线网络用户场景,解决高复杂场景应用难题,在助力客户业务创新的同时赢得市场领先。IDC数据显示,2021年公司在中国企业级WLAN市场出货量排名第一。
在网络安全领域,锐捷网络作为“网络+安全”的倡导者与践行者,帮助用户向更安全的网络架构迈进。公司网络安全产品服务政府、金融、教育等行业客户超10,000家。
在云桌面领域,锐捷网络是最早开展云桌面相关技术研究和解决方案设计的厂商之一,率先推出全场景融合云桌面解决方案。IDC数据显示,公司2015年至2020年连续六年中国企业级终端VDI市场占有率排名第一,2021年中国本地计算IDV云桌面市场占有率排名第一。
在数字经济浪潮和国家新基建战略的历史机遇下,锐捷网络通过对客户需求的敏锐洞察、对行业趋势的准确把握,依托强大的研发实力和深厚的技术积累,不断开发出有针对性、创新性的产品方案,满足各行业客户不断增长的信息化和数字化建设需求。
今天,锐捷网络贴近用户的产品方案已广泛应用于政府、运营商、金融、教育、医疗、互联网、能源、交通、商业、制造业等行业信息化建设领域,并已全面入围中国移动、中国电信、中国联通的数据中心交换机集采,成为阿里巴巴、腾讯和字节跳动等大型互联网企业的数据中心交换机核心供应商。同时,公司与各行业头部客户建立了深度合作关系,服务于1,000多家金融机构、100%的双一流高校、60%的全国百强医院、超200家中国500强企业。
募资加码创新 夯实发展根基
作为一家创新型企业,锐捷网络始终坚持自主研发,用创新引领发展。公司在2019年至2021年间研发投入占收入比保持在15%以上,目前拥有专利1,201项,其中发明专利1,168项,研发人员占比高达 55.56%。
招股书显示,公司首次公开发行股票募集资金总额22.08亿元,将投资于新一代网络通信系列设备研发及产业化、云端融合解决方案研发及产业化项目、数据通信研发技术平台和补充流动资金四个方面,进一步夯实发展根基,提升核心竞争力。
本次募集资金投资项目的顺利实施有利于扩大公司的业务规模、提升公司的服务水平、完善研发实力、增强竞争优势。国泰君安研报认为,锐捷的募投项目是公司主营业务的发展与补充,有助于增强公司研发团队实力,提升服务质量,增强公司的核心竞争力,强化公司在网络设备、网络安全及云桌面领域的优势。
多家券商看好 未来蓄势待发
雄厚的实力加上广阔的成长空间,锐捷网络被一众券商看好。民生证券研报指出,锐捷网络依托深交所创业板平台独立融资,促进自身业务的发展,将有利于进一步提升盈利能力和竞争力。华金研报分析认为,锐捷网络作为业内领先的网络设备提供商之一,或受益于国家“新基建”战略带动的新型基础设施建设。母公司星网锐捷在ICT多个细分产品及市场领先,两者有望在技术及业务上产生较好的协同效应。
锐捷网络股份有限公司董事长黄奕豪表示:“锐捷网络将以上市为契机,加大自主创新力度,不断提升企业的核心竞争力,朝着世界级产业领导者的目标继续奋进,在新时代、新征程中,聚势笃行,以优异的经营业绩回报投资人、回馈社会!”
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。