近期市场对于AIGC/ChatGPT关注较高，投资者常见以下问题。
　　Q：大规模预训练模型（大模型）与小模型的核心区别？相比小模型，大模型有什么优势？首先最核心区别在于参数量，例如GPT-3参数量达到了1,750亿个，是传统深度学习小模型参数量的至少一万倍以上。通过模型的扩大，可以带来提升包括：1）GPT-2等大模型舍弃了小模型中常见的调参过程，转向无监督训练；2）在NLP中常见小模型需要对不同的任务使用不同模型分别训练解决，而GPT-3等大规模预训练模型不再规定任务，而是对不同任务都有较好效果；3）GPT-3先使用海量数据预训练大模型，得到一套模型参数，然后用这套参数对模型进行初始化，再进行训练。大幅降低后续对数据量的需求。
　　Q：GPT-3等大模型和Transformer的关联？GPT/Bert等大模型都在自然语言领域应用。而Transformer是目前NLP领域效果较好的深度学习模型，因此GPT/Bert等都使用了Transformer。Transformer最大的特点是，可以让每个单元都可以捕捉到整句的信息，这也是RNN/LSTM等更早期NLP模型无法做到的一点。
　　Q：Transformer对于CV机器视觉可以有类似NLP的提升吗？实际上2017年transformer推出之后，2018年就有学者将其应用于CV图像领域，但当时应用效果未发现相比传统CNN等算法有较大提升。但在2021年后，随着swin transformer、mae等论文推出，transformer在CV和跨模态等应用增加。因此国内擅长CV的AI公司，在2022年前对于基于transformer的大模型关注投入较少，但是我们认为随着VIT等效果提升，应用类的CV公司也会开始关注并投入大模型。
　　 Q：国内transformer大模型做的怎样？如何看待中美技术差距。首先需要承认这一类大模型底层创新在美国开始。中国在2021年后加速追赶。此前国内大部分视觉类AI公司都以小模型路线为主，投入大模型研发较多的包括百度、华为等。百度推出文心大模型，基本实现跨模态和多下游应用。华为推出最大中文语言预训练模型盘古大模型。
　　Q：怎样的公司有机会参与大模型底层技术研发？我们认为大模型对存储、算力要求极高，且对于开发者对深度学习框架使用也有要求，普通机构难以复现。
　　 Q：上市公司中有哪些机会呢？计算机：泛AI领域是相关主线。稳健标的如AI领军、科大讯飞、万兴科技、虹软科技，弹性标的为云从科技、汉王科技、博彦科技、商汤科技(H)。互联网：看好国内AIGC市场，持续跟进AIGC的技术发展和文本、音频、图像等单模态的应用落地。重点关注技术驱动的初创代表企业、科研院所，以及与应用场景关联的A股上市公司。相关标的：中文在线、汉仪股份、视觉中国、蓝色光标。
　　风险提示：大模型技术中美仍存在差异，部分技术尚处于早期实验室阶段，存在落地风险；实体清单等可能对训练硬件产生影响

研究报告全文：行业及产计算机业2023年02月06日行ChatGPTAIGC九问九答业研究看好AI行业系列点评行业点评相关研究本期投资提示计算机主线会持续吗AIGCFAQ几大问题-计算机行业周报近期市场对于AIGCChatGPT关注较高投资者常见以下问题证20230130-202302032023年2月4券日Q大规模预训练模型大模型与小模型的核心区别相比小模型大模型有什么优势研究数字经济chatGPT港股科技均预首先最核心区别在于参数量例如GPT-3参数量达到了1750亿个是传统深度学习小模示科技全面机会-计算机行业周报报型参数量的至少一万倍以上通过模型的扩大可以带来提升包括1GPT-2等大模型20230116-202301202023年1月29告舍弃了小模型中常见的调参过程转向无监督训练2在NLP中常见小模型需要对不同日的任务使用不同模型分别训练解决而GPT-3等大规模预训练模型不再规定任务而是对不同任务都有较好效果3GPT-3先使用海量数据预训练大模型得到一套模型参数证券分析师然后用这套参数对模型进行初始化再进行训练大幅降低后续对数据量的需求洪依真A0230519060003hongyzswsresearchcomQGPT-3等大模型和Transformer的关联GPTBert等大模型都在自然语言领域应用林起贤A0230519060002而Transformer是目前NLP领域效果较好的深度学习模型因此GPTBert等都使用了linqxswsresearchcom刘洋A0230513050006TransformerTransformer最大的特点是可以让每个单元都可以捕捉到整句的信息liuyang2swsresearchcom这也是RNNLSTM等更早期NLP模型无法做到的一点联系人洪依真QTransformer对于CV机器视觉可以有类似NLP的提升吗实际上2017年862123297818transformer推出之后2018年就有学者将其应用于CV图像领域但当时应用效果未发hongyzswsresearchcom现相比传统CNN等算法有较大提升但在2021年后随着swintransformermae等论文推出transformer在CV和跨模态等应用增加因此国内擅长CV的AI公司在2022年前对于基于transformer的大模型关注投入较少但是我们认为随着VIT等效果提升应用类的CV公司也会开始关注并投入大模型Q国内transformer大模型做的怎样如何看待中美技术差距首先需要承认这一类大模型底层创新在美国开始中国在2021年后加速追赶此前国内大部分视觉类AI公司都以小模型路线为主投入大模型研发较多的包括百度华为等百度推出文心大模型基本实现跨模态和多下游应用华为推出最大中文语言预训练模型盘古大模型Q怎样的公司有机会参与大模型底层技术研发我们认为大模型对存储算力要求极高且对于开发者对深度学习框架使用也有要求普通机构难以复现Q上市公司中有哪些机会呢计算机泛AI领域是相关主线稳健标的如AI领军科大讯飞万兴科技虹软科技弹性标的为云从科技汉王科技博彦科技商汤科技H互联网看好国内AIGC市场持续跟进AIGC的技术发展和文本音频图像等单模态的应用落地重点关注技术驱动的初创代表企业科研院所以及与应用场景关联的A股上市公司相关标的中文在线汉仪股份视觉中国蓝色光标风险提示大模型技术中美仍存在差异部分技术尚处于早期实验室阶段存在落地风险实体清单等可能对训练硬件产生影响请务必仔细阅读正文之后的各项信息披露与声明行业点评近期市场对于AIGCChatGPT关注较高投资者常见以下问题Q1大规模预训练模型大模型与小模型的核心区别相比小模型大模型有什么优势首先最核心区别在于参数量例如GPT-3参数量达到了1750亿个是传统深度学习小模型参数量的至少一万倍以上通过模型的扩大可以带来提升包括1GPT-2等大模型舍弃了小模型中常见的调参Fine-Tuning过程转向容量更大无监督训练2在自然语言理解NLP中常见任务包括翻译问答文本填空等常见小模型需要对不同的任务使用不同模型分别训练解决而GPT-3等大规模预训练模型不再规定任务而是对以上不同任务都有较好效果可以理解为一个饱读诗书的人应该会写作对话阅读理解等多种技能而不需要对单独技能训练图1预训练大模型在综合大量信息后可以用于多范围任务资料来源OntheOpportunitiesandRisksofFoundationModels申万宏源研究3传统的模型训练方式是反向传播算法先对网络中的参数进行随机初始化预训练大模型中不是随机初始化的再利用随机梯度下降等优化算法不断优化模型参数这种方式下对数据需求量较大GPT-3先使用海量数据预训练大模型得到一套模型参数然后用这套参数对模型进行初始化再进行训练大幅降低后续对数据量的需求图2参数量较大的模型在即使在Few-shot下也有很好的表现请务必仔细阅读正文之后的各项信息披露与声明第2页共13页简单金融成就梦想行业点评资料来源LanguageModelsareFew-ShotLearners申万宏源研究Q2因此大规模预训练思路对AI应用落地有什么帮助小模型时代商用模型开发会综合考虑调参等研发投入量和带来的商业价值模型开发出来后能否复用以摊薄研发成本同时对于部分训练样本量较少的场景没有很好解决方法大模型可以在长尾场景应用落地降低训练成本减少数据要求基于大规模预训练思路一方面大模型可以应对多个泛化任务大模型细分场景微调更适合长尾落地另一方面对于小样本fewshot训练大模型也有较好提升Q3GPT-3等大模型和Transformer的关联GPTBert等大模型都在自然语言领域应用而Transformer是目前NLP领域效果较好的深度学习模型因此GPTBert等都使用了Transformer此前NLP模型问题是例如RNNLSTM基本做法是把一段话拆分成多个单元然后按前后顺序依次输入输入的LSTM或RNN模块可以根据训练中句子的长度进行调整较短的句子可以通过占位符进行补齐也就是说当输入第n个词的时候机器仅有前n-1个词的信息即实际训练无法充分发挥这些输入之间的关系而导致模型训练结果效果极差即使尝试用CNN解决这个问题但需要叠加很多层才能捕捉长远的信息图3Transformer的详细结构请务必仔细阅读正文之后的各项信息披露与声明第3页共13页简单金融成就梦想行业点评资料来源AttentionIsAllYouNeed申万宏源研究Transformer引入了Self-Attention自注意力机制让机器注意到整个输入中不同部分之间的相关性Transformer最大的特点是可以让每个单元都可以捕捉到整句的信息这也是RNNLSTM等更早期NLP模型无法做到的一点Q4那Transformer对于CV机器视觉可以有类似NLP的提升吗实际上2017年transformer推出之后2018年就有学者将其应用于CV图像领域但当时应用效果未发现相比传统CNN等算法有较大提升当时常见做法是将自注意力和CNN一起使用而原有结构基本不变对于传统卷积神经网络仍有较高依赖Transformers用在CV上的难点对于一个Transformer的encoder输入元素是一个个的单词输出是一些元素Transformers自注意力操作中每个元素需要和每个元素互相进行两两互动最后算得一个Attention自注意力图通过加权平均最后得到输出由于单元间两两互动因此复杂度是序列长度的平方也就是n2在自然语言处理中一个句子的长度一般就是几百或上千例如BERT为512序列长度而对于一个比较常见的224x224大小的图片如果直接以每一个像素点为单位进行两两互动的话那序列长度为50176大概为BERT序列长度的100倍因此复杂度极高但在2021年后随着swintransformermae等论文推出transformer在CV和跨模态等应用增加图4图像分类任务中使用VisionTransformer取得了较好的结果请务必仔细阅读正文之后的各项信息披露与声明第4页共13页简单金融成就梦想行业点评资料来源paperswithcodecom申万宏源研究例如2021年google将尝试将自注意力机制和transformer直接应用在图像领域在不依赖CNN结构的情况下如何尽可能地讲NLP领域的标配Transformer不做修改的迁移到CV领域并取得了较好的效果图52021年google的VisionTransformer论文的核心思路资料来源ANIMAGEISWORTH16X16WORDSTRANSFORMERSFORIMAGERECOGNITIONATSCALE申万宏源研究例如2022年引入的MAE方法maskedautoencodersMAE方法是随机mask遮罩掉一部分像素能极大加速模型的训练速度并提升准确率由于语言的信息密度更高mask部分文字可能使得语义完全不同而图像的冗余度就很高因此mask掉部分信息可以大大减少冗余图6MAE的核心思路请务必仔细阅读正文之后的各项信息披露与声明第5页共13页简单金融成就梦想行业点评资料来源MaskedAutoencodersAreScalableVisionLearners申万宏源研究因此国内擅长CV的AI公司在2022年前对于基于transformer的大模型关注投入较少但是我们认为随着VIT等效果提升应用类的CV公司也会开始关注并投入大模型Q5为何GPT-3在2020年就推出了而资本市场近期才开始对大模型高关注2020年的GPT-3仍有较多缺陷其中无法商用的最大问题是输出结果有毒或不真实OpenAI2022年1月正式公开了改良版InstructGPT比GPT-3小了100多倍仅有13亿个参数OpenAI使用了一种通过人类反馈来强化学习RLHF的现有技术OpenAI根据用户和API的交互结果对模型的多个输出进行了排名然后再利用这些数据微调GPT-3大幅减少了有毒结果的输出图7InstructGPT的输出结果比GPT-3提升图8GPT-3最被诟病的毒的结果RealToxicityPrompts在InstructGPT中减少资料来源Traininglanguagemodelstofollow资料来源Traininglanguagemodelstofollowinstructionswithhumanfeedback申万宏源研instructionswithhumanfeedback申万宏源研究究因此我们现在看到的ChatGPT可以优化负面结果比如提问如何闯空门机器会回答这并不合适同时连贯对话也更加流畅达到了可以商用的效果请务必仔细阅读正文之后的各项信息披露与声明第6页共13页简单金融成就梦想行业点评同样的情况在AIGC图片生成领域也存在2021年OPENAI就推出了图片生成工具包DALL-E但是此时图像像素仍然较低2022年后OPENAI进一步引入Diffusion等方式使得图片像素提升4倍以上且同时模型真实度可以维持并在此基础上推出全新工具包DALL-E2此时较高像素下生成的图片可以开始达到商用的效果图9DALLE设计一颗白菜穿着芭蕾舞裙在遛狗图10DALLE-2设计一碗汤是另一个次元的入口资料来源申万宏源研究资料来源申万宏源研究Q6为何也有人认为GPT等大模型并未对NLP做出颠覆式创新传统NLP最大缺陷即自然语言理解缺乏逻辑等问题在GPT中仍未被解决GPT等模型依赖于大规模离线收集的语料进行训练但是对于在线提供的即时信息往往并不能进行充分理解并且纳入自己的回复中更进一步的对于对话中提供的因果关系ChatGPT也往往缺乏很好的理解能力例如提问韩梅梅喜欢画画她的儿子也是李华是韩梅梅唯一的儿子所以李华喜欢画画吗ChatGPT不太清楚李华是否喜欢画画此外GPT会给出部分问题貌似合理但不正确或荒谬的答案或者过度使用一些词句和特定表达同时缺乏类似人类的举一反三的能力等Q7国内transformer大模型做的怎样如何看待中美技术差距首先需要承认这一类大模型底层创新在美国开始包括2017年GoogleAttentionIsAllYouNeed首次提出了NLP模型TransformerOpenAI的GPT-3等中国在2021年后加速追赶尤其是在CV大模型和多模态融合据国内OpenBMB开源社区统计目前在全球超千亿参数的大模型中中国企业或机构贡献了13美国贡献了12世界其他国家或组织贡献了剩下的16请务必仔细阅读正文之后的各项信息披露与声明第7页共13页简单金融成就梦想行业点评此前国内大部分视觉类AI公司都以小模型路线为主投入大模型研发较多的包括百度华为等优势可能会在多模态融合图11大模型小模型两类公司路线区别资料来源申万宏源研究百度文心大模型NLPCV基本实现跨模态和多下游应用应用场景涵盖NLP大模型CV大模型跨模态大模型生物计算大模型行业大模型API包括了1ERNIE30文本理解与创作预置作文生成文案创作情感分析等任务提示2ERNIE-ViLGAI作画大模型3PLATO大模型开放域对话服务图12百度文心大模型和多行业工具平台资料来源百度文心官网申万宏源研究华为盘古大模型最大中文语言预训练模型2021年4月华为发布千亿参数40TB训练数据的全球最大中文语言NLP预训练模型30亿参数的全球最大视觉CV预训练模型将P-tuningpriming等最新技术融入到盘古的微调框架中提升微调效果在样本极少的情况下盘古的少样本学习能力远超GPT系列和BERT系列要得到相同的F1结果盘古所需的数据量仅为中文GPT-3的19实现了近10倍的生产效率提升Q8怎样的公司有机会参与大模型底层技术研发我们认为大模型对存储算力要求极高且对于开发者对深度学习框架使用也有要求普通机构难以复现请务必仔细阅读正文之后的各项信息披露与声明第8页共13页简单金融成就梦想行业点评据NVIDIA估算如果要训练GPT-3即使单个机器的显存内存能装得下用8张V100的显卡训练时长预计要36年即使用512张V100训练也需要将近7个月如果拥有1024张80GBA100那么完整训练GPT-3的时长可以缩减到1个月以微软与OpenAI合作建造的AzureA工智能算力平台为例该算力平台投资约10亿美元使用该超算中心训练一次超大模型GPT-3大约花费1200万美元同时解决分布式训练问题上百台服务器之间的通信拓扑模型并行流水并行等问题模型训练是显存峰值问题因此GPT-3发布一年后只有NVIDIA微软等大企业可以复现Q9如果底层算法进入壁垒很高目前看只有互联网巨头领先那么上市公司中有哪些机会呢计算机泛AI领域是相关主线稳健标的如AI领军科大讯飞万兴科技虹软科技弹性标的为云从科技上证e互动平台公开披露了视觉语音NLP都类似chatGPT的预训练模型反馈调优路线汉王科技互动易平台公开披露了NLP技术积累和项目博彦科技商汤科技H当前结合相关主线和已有涨幅格灵深瞳虹软科技当虹科技等值得重视互联网看好国内AIGC市场持续跟进AIGC的技术发展和文本音频图像等单模态的应用落地重点关注技术驱动的初创代表企业科研院所以及与应用场景关联的A股上市公司相关标的中文在线汉仪股份视觉中国蓝色光标此外部分游戏公司也深度参与AIGC应用腾讯控股AI领域深耕多年优图等内容领域龙头网易旗下易智伏羲天音有道智云等AI平台涵盖计算机视觉数字孪生人际交互AI音乐创作等方向三七互娱率先应用智能化投放系统吉比特AI等新方向持续探索跟踪内容创新能力强巨人网络拥有AI实验室playtika大数据和AI是其核心能力心动公司taptap有望受益于AIGC实现内容提质增量昆仑万维发布昆仑天工AIGC全系列算法与模型开源神州泰岳NLP研发应用深耕多年游戏出海排名前列恺英网络VR等创新方向积极布局表1AIGCAI大模型相关业务的标的公司名称AIGCAI模态商业模式主要进展应用领域中文在线主打文本创作者辅助工具AI文字辅助创作功能已上线并向公司17K文学平台全部作者开放同时推出AI绘画功能汉仪股份主打文本形成AIGC字库技术储备阶段汉仪字库与阿里巴巴合作推出首款AI字体阿里汉仪智能黑体昆仑万维主打音频已经正式销售AI作曲并与音乐公司达StarX旗下音频社交领域产StarMarker搭建了MusicXLab成歌曲代销与车企达成AIGC战略合音乐实验室聚焦AI音乐生成和AI作曲发布昆仑天工作与游戏公司签约BGM等合作AIGC全系列算法与模型并宣布模型开源视觉中国主打图像AICG作为创作者辅助工具拥有高质量图片数据集能通过AIGC生成艺术照片视觉中国与百度旗下的AI作画平台文心一格将在创作者赋能和请务必仔细阅读正文之后的各项信息披露与声明第9页共13页简单金融成就梦想行业点评公司名称AIGCAI模态商业模式主要进展应用领域版权保护等方面展开多项合作蓝色光标主打图像创作者辅助工具AI视频生成平台蓝标分身AI一键抽象生成智能画平台创意画廊主打康定斯基风格创作万兴科技主打图像在单个微信用户5次免费关键词创作基旗下软件万兴AI绘画已在微信小程序公测础上主要通过售卖额外创作次数变现科大讯飞语音起点图像AI产品解决方案云平台AI教育领域成熟有收入利润医疗政府等AI收入高增文本语义等综合虹软科技主打图像图形AI软件产品版权费模式手机领域高市占率汽车领域开始前装量产云从科技图像和音频NLP投入阶段有较多AI项目上证e互动平台公开披露了视觉语音NLP都类似chatGPT的预训练模型反馈调优路线汉王科技主打图像AI一些NLP项目互动易平台公开披露了NLP技术积累和项目商汤科技H语音图像文本是大模型领军之一打造的AIGC解决已经银行等场景落地语义等综合方案商汤虚拟IP解决方案拥有大规模高质量3D动作库通过AI对大量真人动作数据进行深度学习可以实现高效率低成本的内容生成美图H图像升级产品功能的辅助工具旗下应用程序美图秀秀Meitu上新AI绘画功能百度H语音图像文本大模型领军推出文心一格支持图片生成升级生成式搜索能力语义等综合发布了新一代AIGC营销内容生产工具20230201新增扩散标的金山办公文本图像语义AI嵌入办公软件提供具备写作素材推WPS套件均已融入AI能力素材推荐校对排版美化荐中文校对等语义理解功能以及格式等智能写作研发项目已顺利完成并搭建基于人工智能美化等办公智能功能的AI助手并以订的文档创作服务平台阅形式收取增值服务费用海天瑞声语音图像等AI训练数据专业提供商为AI产业链上的各类机构提供AI算法模型开发训练所需的专业数据集发行人所提供的训练数据覆盖智能语音语音识别语音合成等计算机视觉自然语言等多个AI核心领域拓尔思语义AI产品解决方案公司是国内最早从事自然语言处理NLP研发的企业之一在NLP知识图谱OCR图像视频结构化领域都具备自主可控的底层技术处于行业领先地位当虹科技视频为电视台新媒体互联网泛媒体行提供AI智能剪辑用AIGC的方式自动生成对应短视频业等客户提供通过AI技术进行短视频极大程度上简化了流程提高了效率保证了视频上线的时效长视频的生产加工等解决方案性二六三语义虚拟数字人应用了基于AIGC技术的公司制作的虚拟数字人可在各类活动中担任虚拟主持人NLP问答技术业务尚处于研究和探索AI讲师AI客服等工作公司制作的虚拟数字人在语音交阶段互功能中应用了基于AIGC技术的NLP问答技术同花顺语义文本等综AI产品解决方案平台同花顺AI开放平台可面向客户提供数字虚拟人智能金合融问答智能语音智能客服机器人智能质检机器人会议转写系统智慧政务平台智能医疗辅助系统等40余项人工智能产品及服务应用于证券基金银行保险运营商高校企业科研院所政府部门等多个行业佳都科技语义公司投资云从科技计算机视觉思必思必驰已经掌握全链路语音及语言交互技术涵盖语音信号请务必仔细阅读正文之后的各项信息披露与声明第10页共13页简单金融成就梦想行业点评公司名称AIGCAI模态商业模式主要进展应用领域驰科技语音语义识别处理识别合成语言理解问答聊天知识图谱等人机信息交互闭环涉及的各个模块级技术三人行语义AIGC技术的应用经验快速积累阶段创意团队利用包括ChatGPTshopify等AIGC工具不仅可以回应客户提出的各类需求还能为文案平面视频等广告创意作品提供海量创意思路参考中科金财语义AIGC应用于内容创作平台公司发布了中科金财元宇宙技术服务矩阵其中公司基于WEB30规则架构研发了数字人内容制作引擎元宇宙场景开发工具并通过AIGC的企业级内容互动创作平台实现与中科金财元宇宙数字化营销平台觅际融合彩讯股份图像语义AI技术储备阶段公司服务客户的企业邮件系统智能外呼等产品和业务与人工智能驱动的自然语言处理工具都有相当好的结合空间浙文互联图像社区创作者辅助工具旗下米塔数字艺术创作社区加入AIGC功能掌阅科技文本创作者辅助工具尚在储备期公司11月表示将在文本创作者生态优势基础上加强AIGC储备和研发传智教育-IT培训AIGC相关课程天娱数科语义公司制作的虚拟数字人在语音交互功能旗下元境科技自主研发的MetaSurfing-元享智能云平台中应用了基于AIGC技术的NLP问答技的升级上线平台纳入了AIGC的技术路线后仅需上传一术段视频一段录音即可实时生成11高度还原的数字形象与声音通过文本语音即可一键实时驱动数字形象生成视觉内容视频资料来源公司公开信息互动易平台上证e互动平台WindChoice表2AI行业重点公司估值表公司名称202323Wind一致预期归母净利润亿元PEPBLF总市值2021A2022E2023E2024E2021A2022E2023E2024E亿元中文在线86099-09417120687-925042570昆仑万维219154711731354156914191614183视觉中国12115313719725579886147357蓝色光标143522-02865782727-5112217148万兴科技52028099157204186523325616科大讯飞1019155614332286311465714533640虹软科技11314112919228180875840440云从科技-uw212-632-406-523-037-34-52-41-572905汉王科技660540180911081223667361444金山办公1490104112131680226114312389661777海天瑞声500320210521001572419550609拓尔思13624631440651955433326512当虹科技3706106710614460563526260二六三930330811021202771159177397同花顺6501911184423092830343528231009佳都科技130314-07950871341-1642618181三人行123505733102413292417129576请务必仔细阅读正文之后的各项信息披露与声明第11页共13页简单金融成就梦想行业点评彩讯股份9014920828338060433224405浙文互联7429428441452325261814182掌阅科技7615117423728851443226297传智教育79077188231285103423428598天娱数科84043012045062196671187134320资料来源Wind申万宏源研究风险提示大模型技术中美仍存在差异部分技术尚处于早期实验室阶段存在落地风险实体清单等可能对训练硬件产生影响请务必仔细阅读正文之后的各项信息披露与声明第12页共13页简单金融成就梦想行业点评信息披露证券分析师承诺本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师以勤勉的职业态度专业审慎的研究方法使用合法合规的信息独立客观地出具本报告并对本报告的内容和观点负责本人不曾因不因也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿与公司有关的信息披露本公司隶属于申万宏源证券有限公司本公司经中国证券监督管理委员会核准取得证券投资咨询业务许可本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的还可能为或争取为这些标的提供投资银行服务本公司在知晓范围内依法合规地履行披露义务客户可通过complianceswsresearchcom索取有关披露资料或登录wwwswsresearchcom信息披露栏目查询从业人员资质情况静默期安排及其他有关的信息披露机构销售团队联系人华东A组陈陶021-33388362chentao1swhysccom华东B组谢文霓18930809211xiewenniswhysccom华北组李丹010-66500631lidan4swhysccom华南组李昇0755-82990609Lisheng5swhysccom股票投资评级说明证券的投资评级以报告日后的6个月内证券相对于市场基准指数的涨跌幅为标准定义如下买入Buy相对强于市场表现20以上增持Outperform相对强于市场表现520中性Neutral相对市场表现在55之间波动减持Underperform相对弱于市场表现5以下行业的投资评级以报告日后的6个月内行业相对于市场基准指数的涨跌幅为标准定义如下看好Overweight行业超越整体市场表现中性Neutral行业与整体市场表现基本持平看淡Underweight行业弱于整体市场表现我们在此提醒您不同证券研究机构采用不同的评级术语及评级标准我们采用的是相对评级体系表示投资的相对比重建议投资者买入或者卖出证券的决定取决于个人的实际情况比如当前的持仓结构以及其他需要考虑的因素投资者应阅读整篇报告以获取比较完整的观点与信息不应仅仅依靠投资评级来推断结论申银万国使用自己的行业分类体系如果您对我们的行业分类有兴趣可以向我们的销售员索取本报告采用的基准指数沪深300指数法律声明本报告仅供上海申银万国证券研究所有限公司以下简称本公司的客户使用本公司不会因接收人收到本报告而视其为客户客户应当认识到有关本报告的短信提示电话推荐等只是研究观点的简要沟通需以本公司httpwwwswsresearchcom网站刊载的完整报告为准本公司并接受客户的后续问询本报告首页列示的联系人除非另有说明仅作为本公司就本报告与客户的联络人承担联络工作不从事任何证券投资咨询服务业务本报告是基于已公开信息撰写但本公司不保证该等信息的准确性或完整性本报告所载的资料工具意见及推测只提供给客户作参考之用并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀请本报告所载的资料意见及推测仅反映本公司于发布本报告当日的判断本报告所指的证券或投资标的的价格价值及投资收入可能会波动在不同时期本公司可发出与本报告所载资料意见及推测不一致的报告客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突不应视本报告为作出投资决策的惟一因素客户应自主作出投资决策并自行承担投资风险本公司特别提示本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效本报告中所指的投资及服务可能不适合个别客户不构成客户私人咨询建议本公司未确保本报告充分考虑到个别客户特殊的投资目标财务状况或需要本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况以及若有必要咨询独立投资顾问在任何情况下本报告中的信息或所表述的意见并不构成对任何人的投资建议在任何情况下本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任市场有风险投资需谨慎若本报告的接收人非本公司的客户应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询独立投资顾问本报告的版权归本公司所有属于非公开资料本公司对本报告保留一切权利除非另有书面显示否则本报告中的所有材料的版权均属本公司未经本公司事先书面授权本报告的任何部分均不得以任何方式制作任何形式的拷贝复印件或复制品或再次分发给任何其他人或以任何侵犯本公司版权的其他方式使用所有本报告中使用的商标服务标记及标记均为本公司的商标服务标记及标记请务必仔细阅读正文之后的各项信息披露与声明第13页共13页简单金融成就梦想