GPT4有何不同：多模态、推理能力、预测扩展性
　　当地时间3月14日，OpenAI正式发布GPT-4。考虑到竞争格局和大型模型的安全影响，OpenAI并未披露模型大小、硬件、训练计算、数据集构建、训练方法等细节。经过试用与研究，我们认为GPT-4相比GPT-3.5有以下升级：1）多模态能力：支持文本和图像输入（目前图像输入尚未开放）；2）推理能力：在律师考试、GREQuantitative、LSAT等测试中的表现均优于GPT-3.5；3）同时推出便于落地的工具：推出预测扩展性的深度学习堆栈以及Evals评估框架，使下游厂商能够以较小的成本试用，然后选择最合适的大模型。此外，我们注意到OpenAI继AGI路线图强调AI公平性与可控性之后，本次推出GPT-4时，强调其在大模型安全可控上做出的努力。
　　多模态能力：有望重塑软件和硬件交互，想象空间巨大
　　相比GPT-3.5仅支持文字/代码的输入输出，GPT-4支持输入图像并且能够真正理解（输入图像还处于内测中，尚未开放）：例如，发布会上演示了输入手绘网页草稿，GPT-4生成网页代码的功能。我们认为多模态能力首先有望重塑从浏览器到文档智能等的软件交互：OpenAI展示了输入有图有文字的物理题，GPT-4能够理解文图并回答问题。真正的图像理解能力如果嵌入浏览器、文档智能工具中，能够进一步解放生产力。在未来，多模态能力还有望重塑从手机、PC到智能家居的硬件交互领域：例如，谷歌23年3月发布的PaLM-E已经支持图文多模态输入，指导机器人完成任务的功能。
　　GPT-4对复杂任务理解更强，推理能力提升显著
　　GPT-4理解复杂任务的能力相比GPT-3.5有所提升,因此遵循用户意图的能力更强：在盲测中，由GPT-4生成的回答在70.2%的情况下更受用户欢迎。GPT-4在一系列专业和学术考试中取得了人类水平的表现：在GRE语文考试达到前1%，在律师考试达到前10%，在GRE数学达到前20%水平，相比GPT-3.5进步明显，推理能力提升显著。我们认为GPT-4显示出人工智能在许多复杂任务中已经能够达到人类水平，人工智能用例将大大拓展，这是通往AGI（通用人工智能）的又一次跃迁。
　　“大”并非全部，大模型降低使用门槛、提高落地效果更加重要
　　由于大模型的规模化效应，增加模型参数量、数据量有助于提升模型表现。过去数年中，行业推出大模型时也往往标榜模型规模之大。然而我们看到从2022年起，行业不再简单追求更“大”的模型，便于下游落地的重要性日益提升。本次GPT-4推出了预测扩展性的深度学习堆栈，使用千分之一至万分之一的算力就能够可靠地预测GPT-4在下游垂直领域使用的性能。下游厂商可以先以较小的成本广泛试用，选择最合适的大模型。此外，OpenAI开源了Evals评估框架，便于用户选择模型。我们认为，行业已经逐渐走出单纯强调模型规模的时代，降低使用门槛、提高实际落地效果更加重要。
　　GPT-4更加安全，AI安全性与技术发展同等重要
　　OpenAI在今年2月发布AGI计划，强调大模型的可控性与公平性。本次发布GPT-4，OpenAI表示花了6个月的时间使其更加安全并与人类价值观一致，引入了包括ChatGPT用户提交的反馈等等人类反馈，以改善GPT-4的行为。相比GPT-3.5，GPT-4对禁止内容作出响应的可能性下降82%，做出事实性回应的可能性高40%。但是，OpenAI仍然提示GPT-4在偏见、虚假信息、隐私等方面的风险。我们认为AI的安全性与技术发展同样重要。
　　风险提示：AI及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。
　　

研究报告全文：证券研究报告电子AIGPT-4有什么不同华泰研究电子增持维持2023年3月15日中国内地动态点评研究员黄乐平PhDGPT4有何不同多模态推理能力预测扩展性SACNoS0570521050001lepinghuanghtsccomSFCNoAUZ06685236586000当地时间3月14日OpenAI正式发布GPT-4考虑到竞争格局和大型模型的安全影响OpenAI并未披露模型大小硬件训练计算数据集构建联系人胡宇舟训练方法等细节经过试用与研究我们认为GPT-4相比GPT-35有以下SACNoS0570121040041huyuzhouhtsccom升级多模态能力支持文本和图像输入目前图像输入尚未开放SFCNoBOB6748523658600012推理能力在律师考试GREQuantitativeLSAT等测试中的表现均优于联系人权鹤阳GPT-353同时推出便于落地的工具推出预测扩展性的深度学习堆栈SACNoS0570122070045quanheyanghtsccom以及Evals评估框架使下游厂商能够以较小的成本试用然后选择最合适862128972228的大模型此外我们注意到OpenAI继AGI路线图强调AI公平性与可控性之后本次推出GPT-4时强调其在大模型安全可控上做出的努力行业走势图多模态能力有望重塑软件和硬件交互想象空间巨大电子沪深300相比GPT-35仅支持文字代码的输入输出GPT-4支持输入图像并且能够9真正理解输入图像还处于内测中尚未开放例如发布会上演示了输0入手绘网页草稿GPT-4生成网页代码的功能我们认为多模态能力首先有望重塑从浏览器到文档智能等的软件交互OpenAI展示了输入有图有文字9的物理题GPT-4能够理解文图并回答问题真正的图像理解能力如果嵌入17浏览器文档智能工具中能够进一步解放生产力在未来多模态能力还26有望重塑从手机PC到智能家居的硬件交互领域例如谷歌23年3月Mar-22Jul-22Nov-22Mar-23发布的PaLM-E已经支持图文多模态输入指导机器人完成任务的功能资料来源Wind华泰研究GPT-4对复杂任务理解更强推理能力提升显著GPT-4理解复杂任务的能力相比GPT-35有所提升因此遵循用户意图的能力更强在盲测中由GPT-4生成的回答在702的情况下更受用户欢迎GPT-4在一系列专业和学术考试中取得了人类水平的表现在GRE语文考试达到前1在律师考试达到前10在GRE数学达到前20水平相比GPT-35进步明显推理能力提升显著我们认为GPT-4显示出人工智能在许多复杂任务中已经能够达到人类水平人工智能用例将大大拓展这是通往AGI通用人工智能的又一次跃迁大并非全部大模型降低使用门槛提高落地效果更加重要由于大模型的规模化效应增加模型参数量数据量有助于提升模型表现过去数年中行业推出大模型时也往往标榜模型规模之大然而我们看到从2022年起行业不再简单追求更大的模型便于下游落地的重要性日益提升本次GPT-4推出了预测扩展性的深度学习堆栈使用千分之一至万分之一的算力就能够可靠地预测GPT-4在下游垂直领域使用的性能下游厂商可以先以较小的成本广泛试用选择最合适的大模型此外OpenAI开源了Evals评估框架便于用户选择模型我们认为行业已经逐渐走出单纯强调模型规模的时代降低使用门槛提高实际落地效果更加重要GPT-4更加安全AI安全性与技术发展同等重要OpenAI在今年2月发布AGI计划强调大模型的可控性与公平性本次发布GPT-4OpenAI表示花了6个月的时间使其更加安全并与人类价值观一致引入了包括ChatGPT用户提交的反馈等等人类反馈以改善GPT-4的行为相比GPT-35GPT-4对禁止内容作出响应的可能性下降82做出事实性回应的可能性高40但是OpenAI仍然提示GPT-4在偏见虚假信息隐私等方面的风险我们认为AI的安全性与技术发展同样重要风险提示AI及技术落地不及预期本研报中涉及到未上市公司或未覆盖个股内容均系对其客观公开信息的整理并不代表本研究团队对该公司该股票的推荐或覆盖免责声明和披露以及分析师声明是报告的一部分请务必一起阅读1电子多模态模型理解图像输入语言能力提升显著GPT-4理解图像输入多模态能力未来想象空间巨大相比GPT-35仅支持文字代码的输入输出GPT-4能够支持图像输入并进行识别推理和分析输入图像还处于内测中尚未开放根据OpenAI官网给出的范例GPT-4能够识别图中的食材并分析用这些食材能够做出哪些菜品发布会上演示了输入手绘网页草稿GPT-4生成网页代码的功能图表1GPT-4能够根据图像进行识别和推理资料来源OpenAI华泰研究图表2GPT-4能够理解图像要求生成相应代码输入手绘网页草稿输出网页html代码资料来源OpenAI华泰研究我们认为多模态能力首先有望重塑从浏览器到文档智能等的软件交互未来还有望重塑从手机PC智能手表到智能家居的硬件交互软件交互领域OpenAI展示了输入有图有文字的物理题GPT-4能够理解文图并回答问题输入图文并茂的论文GPT-4能归纳理解并解释图表含义真正的图像理解能力如果嵌入浏览器文档智能工具中能够进一步解放生产力硬件交互领域例如谷歌在2023年3月发布的PaLM-E已经支持图文多模态输入指导机器人完成任务的功能免责声明和披露以及分析师声明是报告的一部分请务必一起阅读2电子图表3GPT-4能归纳理解论文并解释图表含义图表4谷歌PaLM-E支持操控机器人完成特定任务解释论文图表含义输入论文归纳论文资料来源OpenAI华泰研究资料来源PaLM-EAnEmbodiedMultimodalLanguageModel华泰研究语言能力相比GPT-35提升显著相比ChatGPTGPT-4文字输入限制提升至25万字可用于长篇内容创作长时间对话以及文档搜索和分析等应用场景在处理简短对话时GPT-4和GPT-35的区别并不显著但当任务的复杂度达到足够的阈值时GPT-4能够展示出更可靠的性能图表5GPT-4文字输入限制提升至25万字资料来源OpenAI华泰研究研发团队在机器学习传统基准测试上包括MMLUHellaSwag等比较了GPT-4和GPT-35SOTA等模型的性能结果显示GPT-4在这些基准测试上的表现大大优于现有的大型语言模型并且在大多数测试中超越了目前最先进的SOTA模型图表6GPT-4和其他模型在基准测试中的表现比较资料来源OpenAI华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读3电子MMLU基准由涵盖人文STEM和社会科学等知识领域的多选题组成用于判断大规模多任务语言理解能力OpenAI研发团队将GPT-4及其他模型在各种语言翻译的MMLU测试中进行比较结果表明GPT-4在包括拉脱维亚语威尔士语等多种小众语言上的表现均优于GPT-35ChinchillaPaLM等语言模型的英语表现图表7GPT-4在MMLU基准测试中表现优于GPT-3ChinchillaPaLM等语言模型资料来源OpenAI华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读4电子相比GPT-35GPT-4在常识推理中表现更佳GPT-4在测试中的表现超越GPT-35研发团队比较了GPT-4和GPT-35在律师考试GREQuantitativeLSAT等测试中的表现结果表明GPT-4的得分基本全部高于GPT-35在律师资格考试UniformBarExam中GPT-4的分数在应试者的前10左右远高于GPT-35的倒数10左右图表8GPT-4和GPT-35在考试中的性能比较资料来源OpenAI华泰研究GPT-4具备更广泛的常识能够理解表情包中的逻辑GPT-4被问到图9的表情包为什么可笑其回答为这张图片的幽默来自于将一个大而过时的VGA连接器插入到一个小而现代化的智能手机充电口的荒谬而对于图10的表情包GPT-4回答为这是将两个不相关的事物组合在一起的笑话来自太空的地球照片和鸡块我们认为理解表情包表明GPT-4能够在一定程度上读懂隐喻抽象和类比表明其具备更广泛的常识长期来看具备常识是实现通用智能的重要一环图表9GPT-4能够理解VGA给智能手机充电表情包的幽默感图表10GPT-4能够理解地球照片和鸡块组合在一起的幽默感资料来源OpenAI华泰研究资料来源OpenAI华泰研究免责声明和披露以及分析师声明是报告的一部分请务必一起阅读5电子大并非全部大模型降低使用门槛提高落地效果更加重要由于大模型的规模化效应scalinglaw增加模型参数量数据量有助于提升模型表现过去数年中行业推出大模型时也往往标榜模型规模之大然而我们看到从2022年起行业不再简单追求更大的模型本次GPT-4并未在论文中提供参数量数据量等信息近期Meta发布的LLaMA虽然参数量相对较小但是LLaMA-13B在多数基准测试下超越GPT-3175BLLaMA-65B与目前最好的LLM中的Chinchilla-70B和PaLM-540B旗鼓相当显示出提升数据量对模型效果的提升作用我们认为行业已经逐渐走出单纯强调模型规模的时代降低使用门槛提高实际落地效果更加重要图表112022年起行业不再简单追求更大的模型100002022-01LaMDA2023-02LLaMA-65B2021-12Gopher2022-03Chinchilla10002022-092022-042020-05GPT-32022-08GLM-130B2019-072022-012022-05BBtokens1002020-012019-10T5数据集大小102019-02GPT-22018-102018-06GPT1011101001000参数量B注坐标轴经过对数处理篇幅限制图中未显示所有统计的大模型名称资料来源OpenBMBImprovingLanguageUnderstandingbyGenerativePre-TrainingBERTPre-trainingofDeepBidirectionalTransformersforLanguageUnderstandingLanguageModelsareUnsupervisedMultitaskLearnersRoBERTaARobustlyOptimizedBERTPretrainingApproachExploringtheLimitsofTransferLearningwithaUnifiedText-to-TextTransformerTowardsaHuman-likeOpen-DomainChatbotLanguageModelsareFew-ShotLearnersScalingLanguageModelsMethodsAnalysisInsightsfromTrainingGopherLaMDALanguageModelsforDialogApplicationsUsingDeepSpeedandMegatrontoTrainMegatron-TuringNLG530BALarge-ScaleGenerativeLanguageModelTrainingCompute-OptimalLargeLanguageModelsPaLMScalingLanguageModelingwithPathwaysOPTOpenPre-trainedTransformerLanguageModelsGLM-130BANOPENBILINGUALPRE-TRAINEDMODELImprovingalignmentofdialogueagentsviatargetedhumanjudgementsLLaMAOpenandEfficientFoundationLanguageModels华泰研究本次GPT-4发布的同时OpenAI同时推出便于落地的工具1预测扩展性的深度学习堆栈使用千分之一至万分之一的算力就能够可靠地预测GPT-4在下游垂直领域使用的性能下游厂商可以先以较小的成本广泛试用选择最合适的大模型2开源了Evals评估框架便于用户选择模型免责声明和披露以及分析师声明是报告的一部分请务必一起阅读6电子GPT-4更加安全AI安全性与技术发展同等重要OpenAI在今年2月发布AGI计划强调大模型的可控性与公平性本次发布GPT-4OpenAI表示花了6个月的时间使其更加安全并与人类价值观一致引入了包括ChatGPT用户提交的反馈等等人类反馈以改善GPT-4的行为相比GPT-35GPT-4对禁止内容作出响应的可能性下降82做出事实性回应的可能性高40但是OpenAI仍然提示GPT-4在偏见虚假信息隐私等方面的风险我们认为AI的安全性与技术发展同样重要图表12OpenAIAGI路线图OpenAI愿景确保AGI造福全人类最关心的三个原则短期规划为AGI做好三项准备长期目标更加繁荣的超级智能世界准备1快速谨慎部署AGI以积累在原则1希望AGI赋能人类使其能在相关应用的经验OpenAI认为谨慎管观点1人类的未来应由人类自己决定宇宙中实现最大程度的繁荣OpenAI不理AGI的最佳方式是渐进式过度到AGI普与公众分享有关进步的信息至关重要因希望未来成为一个虚假的乌托邦但希及的世界成功解决AI应用挑战的最佳此应该对所有AGI发展项目进行严格审望将技术的好处最大化坏处最小化方法是采用快速学习和谨慎迭代的紧密查并在重大决策上面向公众咨询让AGI成为人类善意的放大器反馈循环需要权衡使用大模型的利弊准备2正在努力创建更加一致可控的模型OpenAI认为AI安全和能力同观点2一个错位的超级智能AGI可原则2希望AGI的好处获取和治理等重要将需要开发新的对齐技术提高能会对世界造成严重伤害放缓AGI的发得到广泛和公平的分享AI的安全性短期计划使用AI来帮助人展速度更容易确保安全协调AGI在关键类评估更复杂模型的输出并监控复杂系时刻减速将很重要统原则3希望成功应对巨大的风险在观点3成功过渡到一个拥有超级智能的面对这些风险时理论上看似正确的事准备3希望全球范围内解决三个关键世界可能是人类历史上最重要最有希望情在实践中往往比预期的更难以控制问题如何治理AI系统如何公平分配但也最可怕的项目OpenAI希望为这种我们必须通过部署功能较弱的技术版本其产生的收益如何公平共享访问权更加繁荣的超级智能世界贡献一个相一致来不断学习和适应以尽量减少无可限的AGI挽回的情况资料来源OpenAI官网华泰研究GPT-4开始构建生态圈持续关注商业模式创新GPT-4已经与各个领域的软件开展合作BeMyEyes是一款帮助全世界的盲人以及低视力人群的产品通过GPT-4的视觉输入功能BeMyEyes能够大幅度提高VirtualVolunteer对图片的理解程度语言学习软件Duolingo推出GPT-4驱动的DuolingoMax能够辅助用户解释答案对错以及陪同用户进行角色扮演式地练习用户能够以订阅的形式使用该功能我们认为GPT-4将以生产力工具为起点大范围赋能软件提升AI工具在C端渗透率免责声明和披露以及分析师声明是报告的一部分请务必一起阅读7电子图表13GPT-4与BeMyEyes合作图表14GPT-4与Duolingo合作资料来源OpenAI华泰研究资料来源OpenAI华泰研究风险提示1AI技术落地不及预期虽然AI技术加速发展但由于成本落地效果等限制相关技术落地节奏可能不及我们预期2本研报中涉及到未上市公司或未覆盖个股内容均系对其客观公开信息的整理并不代表本研究团队对该公司该股票的推荐或覆盖免责声明和披露以及分析师声明是报告的一部分请务必一起阅读8电子免责声明分析师声明本人黄乐平兹证明本报告所表达的观点准确地反映了分析师对标的证券或发行人的个人意见彼以往现在或未来并无就其研究报告所提供的具体建议或所表迖的意见直接或间接收取任何报酬一般声明及披露本报告由华泰证券股份有限公司已具备中国证监会批准的证券投资咨询业务资格以下简称本公司制作本报告所载资料是仅供接收人的严格保密资料本报告仅供本公司及其客户和其关联机构使用本公司不因接收人收到本报告而视其为客户本报告基于本公司认为可靠的已公开的信息编制但本公司及其关联机构以下统称为华泰对该等信息的准确性及完整性不作任何保证本报告所载的意见评估及预测仅反映报告发布当日的观点和判断在不同时期华泰可能会发出与本报告所载意见评估及预测不一致的研究报告同时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以往表现并不能指引未来未来回报并不能得到保证并存在损失本金的可能华泰不保证本报告所含信息保持在最新状态华泰对本报告所含信息可在不发出通知的情形下做出修改投资者应当自行关注相应的更新或修改本公司不是FINRA的注册会员其研究分析师亦没有注册为FINRA的研究分析师不具有FINRA分析师的注册资格华泰力求报告内容客观公正但本报告所载的观点结论和建议仅供参考不构成购买或出售所述证券的要约或招揽该等观点建议并未考虑到个别投资者的具体投资目的财务状况以及特定需求在任何时候均不构成对客户私人投资建议投资者应当充分考虑自身特定状况并完整理解和使用本报告内容不应视本报告为做出投资决策的唯一因素对依据或者使用本报告所造成的一切后果华泰及作者均不承担任何法律责任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除非另行说明本报告中所引用的关于业绩的数据代表过往表现过往的业绩表现不应作为日后回报的预示华泰不承诺也不保证任何预示的回报会得以实现分析中所做的预测可能是基于相应的假设任何假设的变化可能会显著影响所预测的回报华泰及作者在自身所知情的范围内与本报告所指的证券或投资标的不存在法律禁止的利害关系在法律许可的情况下华泰可能会持有报告中提到的公司所发行的证券头寸并进行交易为该公司提供投资银行财务顾问或者金融产品等相关服务或向该公司招揽业务华泰的销售人员交易人员或其他专业人士可能会依据不同假设和标准采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和或交易观点华泰没有将此意见及建议向报告所有接收者进行更新的义务华泰的资产管理部门自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策投资者应当考虑到华泰及或其相关人员可能存在影响本报告观点客观性的潜在利益冲突投资者请勿将本报告视为投资或其他决定的唯一信赖依据有关该方面的具体披露请参照本报告尾部本报告并非意图发送发布给在当地法律或监管规则下不允许向其发送发布的机构或人员也并非意图发送发布给因可得到使用本报告的行为而使华泰违反或受制于当地法律或监管规则的机构或人员本报告版权仅为本公司所有未经本公司书面许可任何机构或个人不得以翻版复制发表引用或再次分发他人无论整份或部分等任何形式侵犯本公司版权如征得本公司同意进行引用刊发的需在允许的范围内使用并需在使用前获取独立的法律意见以确定该引用刊发符合当地适用法规的要求同时注明出处为华泰证券研究所且不得对本报告进行任何有悖原意的引用删节和修改本公司保留追究相关责任的权利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中国香港本报告由华泰证券股份有限公司制作在香港由华泰金融控股香港有限公司向符合证券及期货条例及其附属法律规定的机构投资者和专业投资者的客户进行分发华泰金融控股香港有限公司受香港证券及期货事务监察委员会监管是华泰国际金融控股有限公司的全资子公司后者为华泰证券股份有限公司的全资子公司在香港获得本报告的人员若有任何有关本报告的问题请与华泰金融控股香港有限公司联系免责声明和披露以及分析师声明是报告的一部分请务必一起阅读9电子香港-重要监管披露华泰金融控股香港有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员有关重要的披露信息请参华泰金融控股香港有限公司的网页httpswwwhtsccomhkstockdisclosure其他信息请参见下方美国-重要监管披露美国在美国本报告由华泰证券美国有限公司向符合美国监管规定的机构投资者进行发表与分发华泰证券美国有限公司是美国注册经纪商和美国金融业监管局FINRA的注册会员对于其在美国分发的研究报告华泰证券美国有限公司根据1934年证券交易法修订版第15a-6条规定以及美国证券交易委员会人员解释对本研究报告内容负责华泰证券美国有限公司联营公司的分析师不具有美国金融监管FINRA分析师的注册资格可能不属于华泰证券美国有限公司的关联人员因此可能不受FINRA关于分析师与标的公司沟通公开露面和所持交易证券的限制华泰证券美国有限公司是华泰国际金融控股有限公司的全资子公司后者为华泰证券股份有限公司的全资子公司任何直接从华泰证券美国有限公司收到此报告并希望就本报告所述任何证券进行交易的人士应通过华泰证券美国有限公司进行交易美国-重要监管披露分析师黄乐平本人及相关人士并不担任本报告所提及的标的证券或发行人的高级人员董事或顾问分析师及相关人士与本报告所提及的标的证券或发行人并无任何相关财务利益本披露中所提及的相关人士包括FINRA定义下分析师的家庭成员分析师根据华泰证券的整体收入和盈利能力获得薪酬包括源自公司投资银行业务的收入华泰证券股份有限公司其子公司和或其联营公司及或不时会以自身或代理形式向客户出售及购买华泰证券研究所覆盖公司的证券衍生工具包括股票及债券包括衍生品华泰证券研究所覆盖公司的证券衍生工具包括股票及债券包括衍生品华泰证券股份有限公司其子公司和或其联营公司及或其高级管理层董事和雇员可能会持有本报告中所提到的任何证券或任何相关投资头寸并可能不时进行增持或减持该证券或投资因此投资者应该意识到可能存在利益冲突评级说明投资评级基于分析师对报告发布日后6至12个月内行业或公司回报潜力含此期间的股息回报相对基准表现的预期A股市场基准为沪深300指数香港市场基准为恒生指数美国市场基准为标普500指数具体如下行业评级增持预计行业股票指数超越基准中性预计行业股票指数基本与基准持平减持预计行业股票指数明显弱于基准公司评级买入预计股价超越基准15以上增持预计股价超越基准515持有预计股价相对基准波动在-155之间卖出预计股价弱于基准15以上暂停评级已暂停评级目标价及预测以遵守适用法规及或公司政策无评级股票不在常规研究覆盖范围内投资者不应期待华泰提供该等证券及或公司相关的持续或补充信息免责声明和披露以及分析师声明是报告的一部分请务必一起阅读10电子法律实体披露中国华泰证券股份有限公司具有中国证监会核准的证券投资咨询业务资格经营许可证编号为91320000704041011J香港华泰金融控股香港有限公司具有香港证监会核准的就证券提供意见业务资格经营许可证编号为AOK809美国华泰证券美国有限公司为美国金融业监管局FINRA成员具有在美国开展经纪交易商业务的资格经营业务许可编号为CRD298809SEC8-70231华泰证券股份有限公司南京北京南京市建邺区江东中路228号华泰证券广场1号楼邮政编码210019北京市西城区太平桥大街丰盛胡同28号太平洋保险大厦A座18层邮政编码100032电话862583389999传真862583387521电话861063211166传真861063211275电子邮件ht-rdhtsccom电子邮件ht-rdhtsccom深圳上海深圳市福田区益田路5999号基金大厦10楼邮政编码518017上海市浦东新区东方路18号保利广场E栋23楼邮政编码200120电话8675582493932传真8675582492062电话862128972098传真862128972068电子邮件ht-rdhtsccom电子邮件ht-rdhtsccom华泰金融控股香港有限公司香港中环皇后大道中99号中环中心58楼5808-12室电话852-3658-6000传真852-2169-0770电子邮件researchhtsccomhttpwwwhtsccomhk华泰证券美国有限公司美国纽约公园大道280号21楼东纽约10017电话212-763-8160传真917-725-9702电子邮件Huataihtsc-uscomhttpwwwhtsc-uscom版权所有2023年华泰证券股份有限公司免责声明和披露以及分析师声明是报告的一部分请务必一起阅读11