模型剪枝（Model Pruning）

信息声明 本文为AI产业链知识梳理，不构成任何投资或技术建议。所有数据均基于公开资料，截至2024年初的行业共识与公开报告，具体数字以最新来源为准。

3 秒看懂

一句话定义 模型剪枝是在尽量不损伤模型精度的前提下，系统性地移除深度神经网络中冗余的权重、神经元、通道或层，使模型体积更小、计算更快、功耗更低。

核心价值

让数十亿参数的大模型“瘦身”至可在手机、车载芯片、工业视觉相机等边缘设备上运行。
大幅降低云推理成本，以更低消耗交付同等智能。
协同量化、蒸馏等压缩技术，构成AI落地的最后三公里。

一句话类比 就像修建果树，剪掉不结果实的枝丫，让剩余的枝干更结实、养分更集中，最终产量未必减少，甚至更高。

3 分钟产业解释

基本原理

大脑在发育过程中会修剪多余的突触连接，深度学习模型亦然。剪枝通过评估每个权重或结构单元的重要性，移除“不重要项”，使网络变得稀疏。依据粒度可分为：

非结构化剪枝：直接清零单个权重，生成稀疏矩阵。压缩率极高，但需要专用硬件/库（如NVIDIA的稀疏张量核）支持不规则访问。
结构化剪枝：剃除整个滤波器、通道或注意力头，得到结构规整的小模型，可直接部署于普通芯片，硬件友好性更优。

在产业链中的位置

上游：预训练大模型、剪枝算法理论、重要性评估标准、开源框架。
中游：AI框架内置剪枝工具（PyTorch、TensorFlow、MindSpore、PaddleSlim）、专用模型优化平台（TensorRT、OpenVINO）、自动剪枝服务。
下游：边缘计算设备（智能手机、IoT网关、自动驾驶域控制器、机器人）、云端推理降本、端侧应用（语音助手、实时翻译、AR/VR）。

代表参与者

国际：NVIDIA（TensorRT与Ampere稀疏张量核）、Meta（PyTorch生态与开源剪枝库）、Google（TensorFlow Lite与模型优化工具包）、Intel（OpenVINO及Habana Labs）、Neural Magic（非结构化剪枝及DeepSparse引擎）。
中国：华为（MindSpore与昇腾硬件全栈）、百度（PaddleSlim与文心大模型压缩）、寒武纪（MLU及稀疏指令集）、小米、OPPO（端侧AI模型工程化）。

技术原理

剪枝的数学直觉

神经网络通常存在显著冗余：全连接层中60%~90%的权重移除后，模型精度可恢复至与原网络±1%以内。剪枝可形式化为约束优化问题——在精度损失≤δ%的条件下，最大化稀疏度S或最小化模型大小。常见剪枝流程为“评估—移除—微调”，即：

重要性评分：基于权重绝对值（L1范数）、梯度、激活值、泰勒展开等准则计算每个连接或结构的重要程度。
裁剪：根据预设稀疏率移除重要性低于阈值的元素。
补偿训练：对剩余网络进行再训练或微调，恢复性能。此步骤不可省略，否则精度断崖式下跌。

重要性准则比较

基于权重大小：最简单的L1/L2范数剪枝，假设绝对值小的权重贡献低。适用于卷积和全连接层，但对跨层依赖敏感的网络（如Transformer）容易误删。
基于梯度：利用损失函数对权重的梯度或Hessian矩阵近似，能更好地反映剪枝对最终误差的影响。代表性方法有Optimal Brain Damage、Optimal Brain Surgeon及近年基于Fisher信息的剪枝。
基于激活值：评估神经元输出的平均激活幅度，剔除长期低激活的通道。对卷积网络结构剪枝友好。
基于BN层可学习参数：针对CNN，批量归一化层的缩放因子γ可视为通道重要性的代理，直接剪去γ接近零的通道，即Network Slimming。
彩票假设（Lottery Ticket Hypothesis，MIT, 2019）：一个随机初始化的密集网络中存在一个稀疏子网络（“中奖彩票”），独立从头训练即可达到原网络性能。催生了“剪枝即是找回子网络”的研究方向。
基于NAS的自动搜索：将剪枝决策视为架构搜索问题，利用强化学习或进化算法自动寻找各层最优剪枝率。

结构化与非结构化深度对比

维度	非结构化剪枝	结构化剪枝
粒度	单个权重	整个神经元/通道/注意力头
生成模型	不规则稀疏矩阵	规则小网络
压缩率上限	90%~99%	30%~70%
硬件依赖	需稀疏库或专用硬件（如A100 2:4结构化稀疏）	通用硬件即可
精度恢复难度	中等，重训练可恢复	较高，需精细调整剪枝比例
典型应用	数据中心极致压缩、研究场景	端侧部署、消费电子

关键参数

评估剪枝效果时，以下参数必不可少，且均需结合具体任务与硬件基线解读：

稀疏率（Sparsity Rate）：被置零的权重或移除的结构占总参数的比例，如“90%稀疏”表示仅保留10%参数。非结构化剪枝可轻松实现95%以上；结构化剪枝常为30%–70%。
模型精度（Accuracy / F1 / Perplexity）：剪枝后核心指标与原模型对比的绝对/相对损失，一般用“在1%精度损失下达到XX%稀疏率”衡量。医疗、金融等高敏感任务精度损失需≤0.2%。
压缩比（Compression Ratio）：原模型大小与剪枝后模型大小的比值。结构剪枝下，压缩比与通道剪枝率强相关；非结构化剪枝若未采用稀疏存储，理论压缩比难以兑现为实际存储收益。
推理加速比（Speedup / Throughput）：在相同硬件上，剪枝模型推理延迟降低倍数或吞吐量提升倍数。非结构化剪枝若无专用硬件支持，加速比可能不显著甚至负优化。
内存占用减少（Memory Footprint Reduction）：运行时占用显存/内存下降的比例，对边缘设备尤为关键。
功耗降低（Energy Efficiency）：平均每次推理能耗的下降幅度。2023年高通发布Hexagon NPU支持结构化稀疏，宣称剪枝后可降低30%功耗。（来源：高通官网技术白皮书，2023）
恢复训练成本（Fine-tuning Epochs/FLOPS）：从剪枝到精度稳定所需的额外训练量。部分先进方法（如SparseGPT）免微调，成本为零。
模型健壮性/校准误差（Robustness Drop）：剪枝可能放大模型对噪声或分布偏移的敏感性，需监控ECE（Expected Calibration Error）。

实际案例

NVIDIA在A100 GPU上通过2:4结构化稀疏实现理论2倍推理吞吐提升，实测在ResNet-50上达到1.7倍加速，精度损失<0.5%（NVIDIA技术博客，2021）。
Neural Magic的DeepSparse引擎在通用x86 CPU上运行90%稀疏BERT-Large，推理速度较密集模型提升3倍，且精度持平（Neural Magic公开基准，2023）。

技术路线

模型剪枝的技术路线可从“何时剪”“怎么剪”“自动剪”三维度划分，主流路线包括：

1. 训练后剪枝（Post-training Pruning）

直接对已训练完的模型进行重要性排序和裁剪，继而微调几个epoch。

优点：流程简单，无需改动训练代码，可快速实验。
缺点：精度恢复有限，高稀疏率下易出现不可逆损坏。
代表工具：TensorFlow Model Optimization Toolkit, PyTorch Pruning API。

2. 训练中剪枝（Training-time Pruning）

在模型训练过程中逐步剔除不重要的连接或结构，让剩余权重大幅调整，实现“边训练边瘦身”。

优点：能探索更优稀疏子网络，最终精度通常高于训练后剪枝。
缺点：训练时间更长，需精心设计稀疏调度策略。
典型框架：TensorFlow的Pruning Schedule、动态稀疏训练库Mishchenko et al.的实现。

3. 自动剪枝（Automated Pruning / AutoPrune）

利用神经架构搜索（NAS）、强化学习、可微搜索等方法自动搜索每层最优剪枝率或剪枝模式，减少人工调参。

优点：可获得特定任务与硬件的帕累托最优剪枝方案。
缺点：搜索过程资源消耗大，可能不亚于重新训练。
代表：AMC（AutoML for Model Compression）、Meta的NISP、华为的AutoSlim。

4. 硬件感知剪枝（Hardware-aware Pruning）

将硬件延迟、能耗直接作为优化目标的一部分，生成专为某种芯片（如NPU、FPGA、GPU Tensor Core）加速的稀疏结构。

优点：实际部署收益最大化，避免“压缩率高但推理不加速”的尴尬。
缺点：锁定单一硬件，迁移成本高。
案例：NetAdapt、ChamNet、NVIDIA的2:4稀疏训练流程。

5. 一次性剪枝（One-shot Pruning）

不经过反复迭代微调，直接基于预训练模型的统计信息一次性确定稀疏掩码。

代表：SparseGPT（GPT-2/3/NeoX，50%稀疏无微调）、Wanda（权重与激活相关性剪枝）。这类方法极大降低了LLM剪枝门槛，引发2023年热潮。

6. 迭代剪枝与“彩票假设”方法

多次循环“剪枝—重置—训练”以发现胜者彩票子网络，或通过迭代幅度剪枝（IMP）策略逐步提升稀疏度。

优点：在极小稀疏子网络中复现原始性能。
缺点：循环计算开销巨大，大规模应用受限。

技术路线对比

路线	典型稀疏率	精度保留	计算开销	适用场景
训练后剪枝	30%~70%	中	低	快速原型验证
训练中剪枝	70%~95%	高	高	追求极致压缩
自动剪枝	50%~90%	高	极高	关键任务部署
硬件感知剪枝	50%~80%	中高	高	特定芯片量产
一次性剪枝	50%~60%	高	极低	大语言模型快速瘦身

上游

理论突破与算法供给

全球顶尖高校与研究院：MIT（彩票假设、动态稀疏训练）、斯坦福（剪枝理论、THOR优化器）、CMU（Wanda、深度压缩）、清华大学（通道剪枝、高效视觉模型）、北京大学（知识蒸馏与剪枝融合）等，常年产出剪枝类顶会论文（NeurIPS、ICML、ICLR）。
企业研究部门：FAIR（Meta AI，PyTorch剪枝库与可微剪枝）、Google Brain/DeepMind（Magnitude-based Pruning、稀疏训练）、微软研究院（ONNX Runtime相关优化）、百度研究院（PaddleSlim的理论基础）。
专利态势：据PatSnap数据，2018—2023年间全球“模型剪枝”相关专利申请超1200件，中美两国占比约65%（来源：PatSnap，2023）。华为、IBM、三星为申请量前三。

开源框架与基础设施

PyTorch 原生支持 torch.nn.utils.prune，提供全局/局部剪枝API，社区衍生出 torch-sparse、open_lth（彩票假设工具包）等。
TensorFlow 的 Model Optimization Toolkit 提供结构化权重剪枝与训练中量化感知剪枝，与TFLite部署无缝连接。
MindSpore（华为）内置Sparsify模块，支持端到端稀疏训练与部署，与昇腾硬件稀疏引擎协同。
PaddleSlim（百度）覆盖网络剪枝、量化、蒸馏、搜索，支持卷积、LSTM、Transformer结构。
ONNX Runtime 集成剪枝优化图变换，可跨框架部署。
专用库：Neural Magic搞的SparseML / DeepSparse，Intel的SPARSEML，NVIDIA的ASP（Automatic Sparsity）训练工具。

上游数据和算力

剪枝算法研发依赖大量公开数据集（ImageNet、C4、OpenWebText等）和GPU/TPU算力。云厂商（AWS、阿里云、腾讯云）提供包含模型优化环境的MLaaS，构成间接上游。模型动物园（Hugging Face、ModelScope）越来越多地提供预剪枝版本，如Hugging Face上的neuralmagic/*系列稀疏BERT和LLaMA变体。

下游

智能手机与消费电子

端侧影像：小米、OPPO、vivo均在影像ISP后处理、超分、降噪模型中应用通道剪枝，使旗舰机的夜景、人像模式算法在NPU上实时运行，延时<100ms。
语音与翻译：离线语音助手、实时翻译APP将Transformer剪枝至几十MB，支持高并发、低延迟的本地处理，降低成本。
预测性输入法：轻量RNN/Transformer通过剪枝压缩至数MB，嵌入式使用。

汽车与自动驾驶

域控制器：特斯拉FSD、小鹏XNGP、蔚来NAD等系统需在规控芯片上运行多个视觉和路径规划网络，剪枝可让模型搭配低功耗SoC满足车规级延迟要求（通常<50ms）。
车内感知：驾驶员监控（DMS）、手势识别等小型网络经剪枝后部署在嵌入式GPU/NPU上，减少发热与功耗。

机器人及工业视觉

仓储物流机器人、服务机器人利用剪枝后的目标检测、语义分割模型，在Jetson、瑞芯微等边缘计算平台上实现高帧率推理。
工业缺陷检测相机通过结构化剪枝压缩ResNet等模型，将推理延迟控制在20ms以内，满足产线速度。

云端推理降本

大模型推理加速：云服务商（AWS Inferentia、百度AI Cloud）对LLM进行结构化/非结构化剪枝，以更少实例承载相同QPS，降低30%–50%推理成本（来源：百度智能云公开案例，2023）。
内容推荐与广告排序：剪枝后的DNN用于大规模CTR预估，毫秒级响应，节省数万CPU核时。

金融与医疗

银行风控：轻量XGBoost或MLP经过剪枝后嵌入移动端，实现离线实时风控，同时保证模型可解释性。
医疗影像：CT、MRI分析模型剪枝后可部署于超声设备、便携式终端，部分场景要求精度损失<0.1%，因此多采用迭代剪枝加精细微调。

芯片设计联动

寒武纪MLU、地平线征程、高通Hexagon、苹果Neural Engine等芯片均原生支持结构化稀疏的加速指令。下游设备厂商采购芯片时，剪枝成为核心SDK交付项。

受益公司

以下公司因模型剪枝技术的广泛应用而直接或间接受益，仅基于其在产业链中的角色与公开信息梳理：

半导体/硬件

NVIDIA（美股：NVDA）：GPU训练与推理霸主，Ampere/Ada架构提供2:4结构化稀疏张量核，TensorRT深度集成剪枝优化，是剪枝技术硬件化的主要推动力。
Intel（美股：INTC）：OpenVINO支持剪枝模型优化，Habana Gaudi系列推理加速器集成稀疏优化，2023年提出SPARSEML工具。
华为（未上市）：昇腾系列芯片与MindSpore框架协同，提供完整的稀疏训练与推理加速方案，在中国政企市场渗透率高。
寒武纪（科创板：688256）：MLU370/290系列提供稀疏矩阵运算指令，工具链支持自动剪枝映射。
高通（美股：QCOM）：Hexagon NPU支持结构化稀疏，显著提升端侧AI能效，应用于骁龙平台。
苹果（美股：AAPL）：A/M系列芯片的Neural Engine专属编译器在模型部署端自动应用剪枝等压缩技术，驱动Siri、相册等应用。

云服务及AI平台

AWS（亚马逊）：SageMaker Neo和Inferentia芯片支持模型剪枝编译。
微软 Azure（美股：MSFT）：ONNX Runtime优化剪枝模型，Azure ML托管模型优化服务。
百度（港股：9888）：PaddleSlim深度赋能文心大模型压缩，云上降低推理成本。
阿里巴巴（港股：9988）：PAI平台包含模型压缩组件，支持剪枝与量化。

垂直工具/初创

Neural Magic（未上市）：专注非结构化剪枝，推出DeepSparse CPU推理引擎，2023年完成B轮融资。
Deci（未上市）：AI模型自动压缩平台，利用AutoNAC技术搜索剪枝方案，2022年融资后估值超1亿美元。
地平线（未上市）：征程芯片+工具链提供剪枝等模型优化服务，绑定车载场景。

终端品牌

小米（港股：1810）、OPPO、vivo：在手机AI影像和语音应用中大量使用剪枝模型，提升用户体验。
特斯拉（美股：TSLA）：自研FSD芯片与模型优化流程，剪枝为工程化必要步骤。

未标注上市/融资状态的均为公开信息反映。此处仅陈述事实，不构成任何投资建议。

市场规模

直接市场（模型压缩工具与服务） 目前尚无全球统一口径单独统计剪枝的市场规模，多个研究机构将剪枝纳入模型压缩或AI推理优化市场。

MarketsandMarkets在《AI Model Compression Market》报告中显示，2022年全球模型压缩市场（含剪枝、量化、蒸馏）估值约1.9亿美元，预计2028年达8.5亿美元，CAGR 28.5%。（来源：MarketsandMarkets，2023）
Grand View Research将模型优化作为边缘AI软件市场的一部分，2023年边缘AI软件市场规模17.4亿美元，其中模型压缩工具（剪枝、量化、编译优化）贡献约2.3亿美元，预测2030年边缘AI软件达84.6亿美元，模型压缩工具将同步增长。（来源：Grand View Research《Edge AI Software Market, 2024—2030》）

间接拉动市场 剪枝技术极大拓展了边缘AI芯片和设备的出货。

据Counterpoint Research，2023年全球边缘AI处理器（含手机、汽车、IoT）出货量超14亿颗，其中具备稀疏加速能力的芯片占比至2025年有望达40%，对应价值超过200亿美元。（来源：Counterpoint, 2024）
智能网联汽车领域，剪枝辅助自动驾驶域控芯片高效运行。据S&P Global Mobility，2023年全球L2+及以上自动驾驶域控制器出货约890万片，所需模型压缩工具与服务开支约占BOM成本的2%–5%，估算规模在1~2亿美元间。

大模型推理成本节省 在云端侧，剪枝可将LLM推理成本降低20%~~40%。以AWS GPU实例及百度智能云为例，部署剪枝后LLaMA-13B的推理成本可削减约0.3~~0.5美元/百万token。如果2025年全球LLM推理API调用达10万亿token，剪枝带来的年化成本节省可达3~5亿美元（基于内部估测，来源：公开博客推算）。

综上，模型剪枝及其关联工具/服务的直接市场在2023年约为2~3亿美元，但带动的硬件、云服务和成本节省市场可达数十亿美元。

玩家对比

国际主流工具链竞争格局

维度	NVIDIA TensorRT	Intel OpenVINO	Neural Magic DeepSparse	PyTorch/TF原生剪枝
剪枝类型	结构+2:4非结构	结构剪枝为主	非结构化剪枝（GPU级稀疏）	两者皆可，社区驱动
硬件目标	NVIDIA GPU（T4/A100/L4）	Intel CPU/GPU/VPU	x86 CPU（无GPU）	通用
部署延迟优化	极佳，手工优化kernel	良好，针对Intel平台	在CPU上实现3倍+加速	基线参考，非极致
精度恢复	内置QAT与微调支持	提供PPQ等量化+剪枝校准	专用恢复算法	需用户自行实现
商业许可	免费+闭源	开源	开源+企业版	开源
代表客户	自动驾驶、推荐系统	工业机器视觉、医疗设备	云端NLP推理、企业AI	研究与快速原型

国内框架对比

维度	华为MindSpore	百度PaddleSlim	寒武纪工具链
硬件耦合	昇腾芯片深度定制	多种硬件，尤其昆仑芯	MLU系列专用
自动剪枝	AutoSlim（NAS驱动）	元学习剪枝	芯片感知剪枝
大模型支持	支持昇思大模型压缩	联合文心大模型	特定CV/NLP模型
生态开放度	开源，政企客户多	开源，开发者广	重点在自有硬件闭环

初创对比

Neural Magic：唯一专注通用CPU的非结构化剪枝推理，2023年底推出支持LLM的DeepSparse v1.8，号称A100级70%稀疏GPT-2推理速度可在CPU上匹敌GPU。
Deci：自动压缩平台，提供“剪枝+量化+蒸馏”联合优化，已为Intel、三星等客户提高推理效率。
国内：未出现完全独立、专注剪枝的独角兽，以华为、百度、寒武纪等大厂为主力，初创多聚焦整体模型压缩。

综合竞争力观察：NVIDIA硬件生态最完善，Neural Magic以差异化CPU极致稀疏策略突围，华为/百度在国内政企和开发者社区有深厚基础。剪枝工具正趋于标准化，未来各大框架的基础剪枝能力会趋同，价值点将从算法迁移到硬件协同与自动化。

风险

1. 技术风险

精度悬崖：过度剪枝可导致模型精度断崖式下跌，且不同任务容忍度差异大。医疗影像、金融风控等高敏感领域难以承受>0.5%的精度损失，限制了剪枝率上限。
重训练成本抵消收益：迭代剪枝-微调消耗的算力可能高于直接训练轻量模型。动态稀疏训练尚不成熟，收敛稳定性存疑。
跨平台普适性差：非结构化稀疏在通用硬件上难加速，而结构化剪枝的加速比依赖于特定编译优化和算子支持。一个模型在A芯片上优异，迁移到B芯片可能无收益。

2. 产业风险

技术路径竞争：量化、知识蒸馏、低秩分解等压缩方法也在快速进步。某些场景下，量化（INT8/INT4）可无损大幅压缩，剪枝的必要性被削弱。混合方法融合才是趋势。
硬件生态碎片：英伟达、英特尔、高通、华为、寒武纪各自定义稀疏加速格式，开发者需适配多套标准，生态割裂限制规模效应。
知识产权风险：剪枝算法相关专利密集，初创公司或开源项目面临侵权诉讼风险，可能阻碍技术扩散。

3. 伦理与可解释性

模型透明度下降：剪枝后的稀疏网络决策边界不连续，更难解释。金融、司法、医疗等强监管行业对此存在合规风险。
“绿色AI”悖论：尽管剪枝目标减碳，但追求极致压缩而进行海量训练搜索可能增加总体碳足迹，引发对技术可持续性的质疑。

4. 市场风险

预期过高：部分媒体宣传“压缩90%不失精度”多基于特定任务和模型，通用场景难以复现。过高的期望值可能导致产业投资失望。
标准化缺失：剪枝效果缺乏统一的评测基准，不同研究报告采用不同指标，影响用户决策，阻碍市场成熟。

误读纠偏

误读1：“剪枝就是盲目删参数，模型会变差”

事实：合理剪枝后模型不仅体积缩小，泛化能力有时还能提升（类似正则化效果）。研究表明，适度稀疏可使模型在噪声数据上更鲁棒，剪枝本质是保留关键连接的精炼过程。

误读2：“剪枝后模型一定能快很多”

事实：非结构化剪枝在无专用支持的GPU/CPU上可能因为缓存缺失、不规则内存访问反而更慢。加速效果取决于硬件稀疏支持与优化库。不能仅凭稀疏率断言速度。

误读3：“剪枝可以与量化随意叠加”

事实：压缩技术叠加需精细流水线。先剪枝后量化可能导致量化误差放大；先量化后剪枝则可能破坏稀疏模式。联合优化（如Quantization-Aware Pruning）是活跃研究领域，并非即插即用。

误读4：“大模型剪枝已经彻底解决”

事实：SparseGPT/Wanda等一次性剪枝方法惊艳且无需微调，但只做到50%-60%稀疏率，且主要面向GPT族。要实现>70%稀疏且保持强泛化能力，仍需重训，LLM剪枝远未成熟。

误读5：“只有压缩老模型才需要剪枝，新模型直接设计小模型即可”

事实：设计高效轻量架构（MobileNet、EfficientNet等）和剪枝是互补的。轻量架构提供基线，剪枝进一步榨取冗余，二者结合效果更佳。且现实中往往有已训练的庞然大物需要部署，剪枝是快速路径。

误读6：“边缘设备算力不足，只能靠云端，剪枝使不上力”

事实：剪枝正是推动AI向边缘迁移的关键力量。经过剪枝的模型能在手机NPU上跑出接近实时速度，实现低延迟、隐私性强的端侧智能，反而减少了对云端的依赖。

跟踪指标

行业维度

顶会剪枝方向论文占比：每年NeurIPS、ICML、ICLR、CVPR等会议中剪枝/稀疏化论文数量和录用率，反映学术热度。
开源框架剪枝模块Star数/下载量：PyTorch Pruning、PaddleSlim、OpenLTH等仓库活跃度，代表开发者采纳度。
芯片厂商稀疏支持路线图：跟踪NVIDIA、高通、华为、寒武纪的产品白皮书中对稀疏格式和加速比的承诺。

技术维度

SOTA剪枝模型精度-稀疏率图表：定期更新的社区基准（如Papers with Code、MLPerf Tiny），跟踪不同模型和任务下的压缩前沿。
LLM剪枝零样本性能维持率：监控SparseGPT、Wanda等方法在MMLU、HellaSwag等基准上的分数，了解泛化能力。
重训练成本：剪枝后恢复精度的GPU小时数，越低越好。

市场维度

模型压缩专利授权/诉讼动态：尤其关注中美关键技术专利变化，可作为产业成熟度的信号。
初创融资与并购：Deci、Neural Magic等的融资进展，以及大型科技公司对压缩初创的收购，反映资本热度。
云厂商模型优化服务使用量：AWS SageMaker Neo、百度BML等平台剪枝作业数量（可关注财报或博客中披露的客户案例）。

评测指标

MLPerf Inference Closed剪枝模型提交：有无厂商使用剪枝后模型冲击性能/效率榜单，关系商业利益。
实际部署案例：手机发布会官方公布的端侧模型体积/延时数据，可对比剪枝的工程化进展。

信源

Frankle, J., & Carbin, M. (2019). The Lottery Ticket Hypothesis. ICLR 2019.
Sanh, V., et al. (2020). Movement Pruning: Adaptive Sparsity by Fine-Tuning. NeurIPS 2020.
Frantar, E., & Alistarh, D. (2023). SparseGPT: Massive Language Models Can Be Accurately Pruned in One-Shot. ICML 2023.
Sun, M., et al. (2023). Wanda: A Simple and Effective Pruning Approach for Large Language Models. arXiv preprint.
NVIDIA. (2021). Accelerating Inference with Sparsity Using the NVIDIA Ampere Architecture. Technical Blog.
Neural Magic. (2023). DeepSparse: Inference at GPU-Class Performance on CPUs.
MarketsandMarkets. (2023). AI Model Compression Market - Global Forecast to 2028. Report Code: TC 8705.
Grand View Research. (2024). Edge AI Software Market Size, Share & Trends Analysis Report, 2024-2030.
Counterpoint Research. (2024). Edge AI Processor Market Outlook.
中国信通院. (2023). AI模型压缩能力评测框架白皮书.
华为. (2024). MindSpore 2.3 自动压缩工具发布. 华为开发者大会.
高通. (2024). 端侧生成式AI白皮书. 高通官网.
PatSnap. (2023). 模型剪枝专利分析报告.
公开博客：百度智能云大模型推理成本优化实践，2023.
PaddleSlim GitHub仓库及官方文档.

注：部分数字来自上述研究报告的公开摘要或新闻稿，具体数据口径以原始报告为准。