核心要点：
　　HBM有效解决了内存瓶颈问题，为当前满足AI需求的最佳方案
　　在冯·诺依曼计算机体系结构中，存在着“内存墙”和“功耗墙”问题，由于传统显存GDDR5面临着带宽低、功耗高等瓶颈，2013年，SK海力士与AMD联合开发了全球首款HBM产品。凭借TSV和2.5D封装技术，HBM实现了普通存储8.5倍的带宽，有效解决了内存墙问题。HBM3的核心电压只有1.1V，大幅低于GDDR6的1.3V，HBM通过优化电路结构和供电电压，实现了更低的功耗，有效解决了“功耗墙”问题。HBM为当前满足AI需求的最佳方案，被所有主流AI芯片采用，包括A100、H100、AMDMI300、TPU等AI芯片。
　　龙头厂商不断推新，HBM不断迭代优化
　　近年来，SK海力士、三星、美光竞相推出HBM新品，以满足AI的蓬勃需求。SK海力士于2022年率先量产HBM3，三星将于今年下半年大规模量产HBM3，SK海力士今年下半年已经送样新一代HBM产品HBM3e，预计明年三星、美光均将推出HBM3e。在供应商的推动下，HBM诞生至今已迭代至第五代，产品性能不断提升，HBM3e的带宽已达到HBM2的四倍。
　　生成式AI蓬勃发展，推动HBM需求强劲增长
　　去年11月，Chatgpt发布，随后生成式人工智能实现了爆发式发展，国内外大厂争相竞逐AI大模型，大模型训练的过程数据吞吐量很大，HBM是目前唯一满足AI高性能计算要求的量产存储方案。生成式AI的蓬勃发展推动HBM需求强劲增长，三星公司表示，今年收到的HBM订单同比增长一倍以上。Omdia预测2023年和2024年的HBM需求量将同比增长100%以上。2025年以后，在AI训练需求和AI推理需求的推动下，HBM的需求将继续快速增长，SK海力士公司预测，在2027年之前，HBM市场将以82%的复合增长率保持增长。
　　投资建议
　　在Chatgpt发布后，生成式AI实现了爆发式发展，HBM是目前唯一满足AI高性能计算要求的量产存储方案，其需求将强劲增长，Omdia预测2023年和2024年的HBM需求量将同比增长100%以上。2025年以后，在AI训练需求和AI推理需求的推动下，HBM的需求将继续快速增长，SK海力士公司预测，在2027年之前，HBM市场将以82%的复合增长率保持增长。国内公司在HBM上游材料领域拥有多项产品，我们建议关注HBM上游材料环节相关公司，给予HBM行业“增持”评级。
　　风险提示
　　生成式AI应用不及预期；生成式AI技术进展不及预期；HBM竞争格局恶化；HBM扩产超预期

研究报告全文：证券研究报告2023年9月26日湘财证券研究所行业研究电子行业深度AI推动HBM需求强劲增长相关研究核心要点1苹果举办新品发布会HBM有效解决了内存瓶颈问题为当前满足AI需求的最佳方案iPhone15系列实现重要升级在冯诺依曼计算机体系结构中存在着内存墙和功耗墙20230914问题由于传统显存GDDR5面临着带宽低功耗高等瓶颈2013年2上半年销量增长72折叠SK海力士与AMD联合开发了全球首款HBM产品凭借TSV和25D封装技术HBM实现了普通存储85倍的带宽有效解决了内存墙问屏手机保持高景气20230825题HBM3的核心电压只有11V大幅低于GDDR6的13VHBM通3世界机器人大会举办人形过优化电路结构和供电电压实现了更低的功耗有效解决了功耗机器人产业快速发展墙问题HBM为当前满足AI需求的最佳方案被所有主流AI芯片20230824采用包括A100H100AMDMI300TPU等AI芯片龙头厂商不断推新HBM不断迭代优化行业评级增持近年来SK海力士三星美光竞相推出HBM新品以满足AI的蓬勃需求SK海力士于2022年率先量产HBM3三星将于今年下半近十二个月行业表现年大规模量产HBM3SK海力士今年下半年已经送样新一代HBM产品2000HBM3e预计明年三星美光均将推出HBM3e在供应商的推动下1000000HBM诞生至今已迭代至第五代产品性能不断提升HBM3e的带宽已-1000达到HBM2的四倍-2000-3000生成式AI蓬勃发展推动HBM需求强劲增长22-0922-1022-1122-1223-0123-0223-0323-0423-0523-0623-0723-08半导体材料申万沪深300去年11月Chatgpt发布随后生成式人工智能实现了爆发式发展国内外大厂争相竞逐AI大模型大模型训练的过程数据吞吐量很大1个月3个月12个月HBM是目前唯一满足AI高性能计算要求的量产存储方案生成式AI的相对收益403-404-1412蓬勃发展推动HBM需求强劲增长三星公司表示今年收到的HBM订绝对收益321-847-1835单同比增长一倍以上Omdia预测2023年和2024年的HBM需求量将同注相对收益与沪深300相比比增长100以上2025年以后在AI训练需求和AI推理需求的推动下HBM的需求将继续快速增长SK海力士公司预测在2027年之前HBM市场将以82的复合增长率保持增长分析师李杰证书编号S0500521070001投资建议Tel862150293525在Chatgpt发布后生成式AI实现了爆发式发展HBM是目前唯Emaillijie5xcsccom一满足AI高性能计算要求的量产存储方案其需求将强劲增长Omdia预测2023年和2024年的HBM需求量将同比增长100以上2025年以后在AI训练需求和AI推理需求的推动下HBM的需求将继续快速地址上海市浦东新区银城路88号增长SK海力士公司预测在2027年之前HBM市场将以82的复合中国人寿金融中心10楼增长率保持增长国内公司在HBM上游材料领域拥有多项产品我们建议关注HBM上游材料环节相关公司给予HBM行业增持评级风险提示生成式AI应用不及预期生成式AI技术进展不及预期HBM竞争格局恶化HBM扩产超预期敬请阅读末页之重要声明行业研究正文目录1HBM为当前满足AI需求的最佳方案411HBM有效解决了内存墙和功耗墙问题412TSV和25D封装赋予HBM卓越性能613HBM已迭代至第五代82AI推动HBM需求强劲增长1021AI发展推动HBM放量1022HBM3市占率有望大幅增加113HBM颗粒寡头垄断国内厂商发力上游1231龙头厂商竞相开发新品1232国内厂商主要从事上游材料领域134投资建议145风险提示14敬请阅读末页之重要声明2行业研究图目录图1博通StrataDNXJericho2交换机解决方案4图2NECSX-AuroraTSUBASA结构图4图320年间不同处理器与存储性能变化统计图5图4数据中心运营成本结构6图5数据中心能耗成本结构6图6HBM的结构6图7TSV工艺7图825D封装与3D封装示意图8图9JEDECDRAM分类9图10不同版本HBMIO速度10图11搭载HBM的二三代TPU11图12各大厂商HBM开发进度12图13不同HBM市占率变化预测13图14主要供应商市占率变化预测13图15HBM产业链13表目录表1HBM与其它存储参数对照表7敬请阅读末页之重要声明3行业研究1HBM为当前满足AI需求的最佳方案11HBM有效解决了内存墙和功耗墙问题HBMHighBandwidthMemory中文名叫高带宽存储器是AMD和SKHynix联合推出的基于3D堆叠技术的同步动态随机存取存储器SDRAM适用于高带宽需求的应用场合应用于高性能GPU网络交换及转发设备如路由器交换器高性能数据中心AIASIC和FPGA以及一些超级计算机处理器中如NECSX-AuroraTSUBASA和富士通A64FX第一款HBM芯片由SKHynix在2013年生产2015年AMD首次研发了使用HBM的GPU芯片图1博通StrataDNXJericho2交换机解决方案图2NECSX-AuroraTSUBASA结构图资料来源博通湘财证券研究所资料来源github湘财证券研究所HBM的诞生主要是为了解决内存墙问题大部分计算机服务器都遵循冯诺依曼结构冯诺依曼结构由五个部分组成输入设备存储器输出设备运算器控制器其工作原理可以分为五个步骤取指令解码指令执行指令访问存储器和写回结果中央处理器CPU通过指令从内存中读取数据并完成计算再将数据返回内存保存因此CPU访问存储器的速度就成了影响系统运行的重要因素由于半导体产业的发展和需求的差异处理器和存储器二者之间走向了不同的工艺路线由于处理器与存储器的工艺封装需求的不同从1980年开始至今二者之间的性能差距越来越大近20年间运算芯片的算力提高了90000倍提升非常快虽然存储器从DDR发展到GDDR6x能够用于显卡游戏终端和高性能运算接口标准也从PCIe10a升级到NVLink30但是通讯带宽的增长只有30倍和算力相比提高幅度非常缓慢存储器带宽的不足严重限制了运算设备性能的提升在一敬请阅读末页之重要声明4行业研究些特殊使用场景中尤其是AI计算领域处理器经常需要等待内存的数据回传超高的延时严重拖慢了运算设备整体的运行效率内存带宽逐渐成为限制计算机发展的关键图320年间不同处理器与存储性能变化统计图资料来源AIandMemoryWall湘财证券研究所与此同时过高的信息交换量也带来了严重的功耗问题在冯诺依曼计算机体系结构中CPU和内存之间通过总线分离连接且存储器本身不具备数据处理能力大规模的数据传输需要CPU与存储器通过数据总线进行频繁的数据交换传输过程消耗的功耗要比计算本身的功耗更大称为功耗墙功耗墙带来了成本问题数据中心运营成本中电力成本占到5670而电力成本中6729来自于IT负荷HBM的低功耗优势有利于降低数据中心能源成本由于传统显存GDDR5面临着带宽低功耗高等瓶颈2013年SK海力士与AMD联合开发了全球首款HBM产品HBM通过立体堆叠技术制造完成这些堆叠的芯片通过称为中介层Interposer的超快速互联方式连接至GPU实现了普通存储85倍的带宽有效解决了内存墙问题HBM3的核心电压只有11V大幅低于GDDR6的13VHBM存储芯片通过优化电路结构和供电电压实现了更低的功耗R9290X在DRAM上花费了其250W额定功耗的15-20即大约38-50W的功耗算下来GDDR5每瓦功耗的带宽为1066GB秒而HBM每瓦带宽超过35GB秒每瓦能效提高了3倍以上敬请阅读末页之重要声明5行业研究图4数据中心运营成本结构图5数据中心能耗成本结构损耗设备租赁人工费其他3101220340消防370辅助050房租770300制冷系统1704电力成本折旧25605670IT负荷6726资料来源立鼎产业研究网Bloomberg湘财证券研究所资料来源数据中心能耗分析及节能策略研究湘财证券研究所12TSV和25D封装赋予HBM卓越性能立体堆叠让HBM成为当前主流存储技术中数据位宽最宽数据吞吐带宽最大面积最小的技术HBM通过TSV技术打造立体堆栈式的显存颗粒让平房进化为楼房同时通过硅中介层让显存连接至GPU核心并封装在一起完成显存位宽和传输速度的提升TSVThrough-SiliconVia中文名为硅通孔技术TSV提供了硅片内部垂直方向的电互连作为唯一的垂直图6HBM的结构资料来源AMD湘财证券研究所敬请阅读末页之重要声明6行业研究电互连技术TSV是半导体先进封装最核心的技术之一硅作为一种半导体材料既没有很好的导电性也没有很好的绝缘性要在硅片上实现垂直的电互连一般需要在上面制作微孔通过在微孔中填充导电材料来实现电互联硅通孔技术TSV就是指在晶圆片上打孔在孔中填充导电材料实现芯片之间芯片与外部之间互联的技术核心关键步骤从通孔的形成开始然后沉积绝缘层或阻挡层接着生成铜晶种沉积最后进行电镀图7TSV工艺资料来源艾邦半导体网湘财证券研究所HBM将多个DRAMdie堆叠在一起每个die之间通过TVS和microbump方式连接除了堆叠的DRAMdie以外下层会有个HBM控制器逻辑die最下层通过basedie比如说硅中介siliconinterposer来与CPUGPU等互联其互联宽度远大于DDRGDDR下方互联的触点数量远远多于DDR内存连接到CPU的线路数量从传输位宽的角度来看每层DRAMdie有2个128bit通道4层DRAMdie高度的HBM内存总共就是1024bit位宽作为对比一个GDDR6颗粒有两个通道每通道位宽16bit总位宽就是32bit最新的HBM3的带宽最高可以达到819GBs而最新的GDDR6的带宽最高只有96GBs表1HBM与其它存储参数对照表参数LPDDR4xLPDDR5DDR4DDR5GDDR6HBM2EHBM3最高最高带宽Gbps低-中136中204中200高409高51236866553速率Gbps4266643264163664颗粒组合位宽bits3232648ECC6416ECC3210241024敬请阅读末页之重要声明7行业研究板级面积系统设计大适中中适中大简单大适中中适中小复杂小复杂难度能耗比mWGbps高4高3适中10适中5适中10高2最高1使用总成本适中适中低适中适中高高可靠性良率高高高高高中中资料来源Rambus芯耀辉芯世相湘财证券研究所HBM的应用了节省了器件面积HBM将多个DRAMdie堆叠在一起节省了占用面积根据AMD的数据1GBHBM相比于GDDR5可以节省94的占用面积HBM通过25D封装工艺和GPU封装在一起而GDDR则位于GPU外的PCB上这也节省了面积占用进而允许在系统中安装更多GPU在25D封装中裸片堆叠或并排放置在具有硅通孔TSV的中介层顶部其底座即硅中介层SiliconInterposer可提供芯片之间的互联25D封装和3DIC封装的互连方式有所不同25D封装是通过TSV转换板连接芯片而3DIC封装是将多个芯片垂直堆叠在一起并通过直接键合技术实现芯片间的互连在25D结构中两个或多个有源半导体芯片并排放置在硅中介层上以实现极高的芯片到芯片互连密度在3D结构中有源芯片通过芯片堆叠集成以实现最短的互连和最小的封装尺寸图825D封装与3D封装示意图资料来源SemiconductorEngineering湘财证券研究所13HBM已迭代至第五代JEDEC国际半导体器件标准机构定义了三类DRAM标准按照不同的应用场景划分把DRAM分成标准DDRLPDDRGDDR三类其中DDR主要应用于服务器和PC端LPDDR主要应用于手机端和消费电子GDDR敬请阅读末页之重要声明8行业研究的主要应用领域为图像处理领域目前从它们发展情况三者虽然存在一定的竞争但是更多是互为借鉴成长图9JEDECDRAM分类资料来源SemiconductorEngineering湘财证券研究所2013年随着高带宽内存HBM的推出其中堆叠的DRAM芯片通过硅通孔TSV相互连接改进了逻辑芯片和内存之间的数据传输效率使得DRAM的带宽大幅增加HBM诞生至今已经迭代了五代产品HBM1的带宽高于DDR4和GDDR5产品同时以较小的外形尺寸消耗较低的功率更能满足GPUTPU等带宽需求较高的处理器三星跳过HBM1于2016年率先推出HBM2SK海力士的产品HBM2于2018年发布其中一项关键的改进是伪通道模式PseudoChannelmode该模式将一个通道channel分为两个单独的64位bitIO子通道伪通道模式可优化内存访问并降低延迟从而提高有效带宽HBM2E于2020年发布是HBM2的扩展版本距离HBM2的发布大约两年的时间与HBM2相比HBM2E具有技术更先进应用范围更广泛速度更快容量更大等特点SK海力士是首家开始批量生产HBM2E的存储器供应商SK海力士在2021年10月开发出全球首款HBM3持续巩固其市场领先地位HBM3的容量是HBM2E的15倍由12个DRAM芯片堆叠成适用于AIHPC等容量密集型应用8月21日SK海力士宣布公司开发出面向AI的超高性能DRAM新产品HBM3E并开始向客户提供样品进行性能验证据介绍SK海力士将从明年上半年开始投入HBM3E量产此次产品在速度方面最高每秒可以处理115TB太字节的数据其相当于在1秒内可处理230部全高清级电影敬请阅读末页之重要声明9行业研究图10不同版本HBMIO速度资料来源RambusSKHynixSemiconductorEngineering湘财证券研究所2AI推动HBM需求强劲增长21AI发展推动HBM放量2016年AlphaGo击败冠军棋手李世石深度学习受到追捧深度学习的核心在于通过海量数据训练模型确定函数中的参数在决策中带入实际数据得到最终的解理论上来说数据量越大得到的函数参数越可靠这就让AI训练对数据吞吐量及数据传输的延迟性有了很高的要求而这恰恰是HBM内存解决的问题HBM因此获得重视2017年AlphaGo再战柯洁芯片换成了Google自家研发的TPU在芯片设计上从第二代开始的每一代TPU都采用了HBM英伟达针对数据中心和深度学习的新款GPUTeslaP100也搭载了第二代HBM内存HBM2随着高性能计算市场的GPU芯片几乎都配备了HBM内存存储巨头们围绕HBM的竞争也迅速展开去年11月Chatgpt发布随后生成式人工智能实现了爆发式发展国内外大厂争相竞逐AI大模型大模型训练的过程数据吞吐量很大HBM通过增加带宽和减少功耗有效解决了内存墙和功耗墙问题是目前唯一满足AI高性能计算要求的量产存储方案因而HBM成为了AI训练芯片的标配目前主流的大模型训练芯片A100H100均应用了HBM与H100直接竞争的谷歌TPUv5和AMDMI300即将量产后两者同样将采用HBMAWS的Trainium和Inferentia也应用了HBM并且Google与AWS正着手研发新一代AI加速芯片将采用HBM3或HBM3e敬请阅读末页之重要声明10行业研究图11搭载HBM的二三代TPU资料来源TheNextPlatform湘财证券研究所目前多家厂商竞相训练大模型催生了大量需求三星公司表示今年收到的HBM订单同比增长一倍以上根据金融时报的报道2023年英伟达将出货55万片H1002024年将出货150-200万片H100Omdia预测2023年和2024年的HBM需求量将同比增长100以上2025年以后在AI训练需求和AI推理需求的推动下HBM的需求将继续快速增长SK海力士公司预测在2027年之前HBM市场将以82的复合增长率保持增长22HBM3市占率有望大幅增加2023年AI需求的强劲增长导致客户超额下单即便厂家扩大产能仍无法完全满足客户需求展望2024年集邦咨询认为基于各厂家积极扩产的策略HBM供需比有望获改善预计将从2023年的-24转为06长期来看每一代HBM产品的平均销售单价都会逐年下降因为HBM为高毛利产品其平均单价远高于其他类型的DRAM产品厂家期望用小幅让价的策略去拉抬客户的需求量因此2023年HBM2e和HBM2的价格均出现下跌受到AI的强劲需求的推动今年HBM3的价格上涨了60以上2024年HBM3价格预计将与2023年持平集邦咨询表示2023年主流需求自HBM2e转往HBM3需求比重预计分别为50及392024年市场需求将大幅转往HBM3HBM3比重预计达60由于HBM3平均销售单价远高于HBM2e与HBM2因此将助力原厂HBM领域营收增长有望进一步带动2024年整体HBM营收至89亿美元同比增长127敬请阅读末页之重要声明11行业研究3HBM颗粒寡头垄断国内厂商发力上游31龙头厂商竞相开发新品目前全球主要有三家存储厂商生产HBM产品其中SK海力士处于领先位置SK海力士早在2022年6月就已量产HBM3但是三星却要到今年下半年才能大规模量产HBM3SK海力士是英伟达GPU的主要供应商三星则主要满足其他云计算厂商由于客户不断加单今年三星与SK海力士的市占率差距会大幅缩小20232024年两家公司的市占率将会基本相当合计达到约95的市占率美光早期选择了HMC路线2018年才转向HBM因此较为落后美光在2020年才推出HBM2目前选择跳过HBM3直接开发HBM3e相较两家韩厂大幅扩产的规划预期20232024年美光的市占率会受到挤压而大幅下滑图12各大厂商HBM开发进度资料来源集邦咨询湘财证券研究所根据集邦咨询的数据2023-2024年三星与SK海力士均在46-49之间美光的市占率将不断下滑至2024年将下降至3-5敬请阅读末页之重要声明12行业研究图13不同HBM市占率变化预测图14主要供应商市占率变化预测1001122158025605040706020390820222023E2024EHBM3HBM2eOthers资料来源集邦咨询湘财证券研究所资料来源集邦咨询湘财证券研究所32国内厂商主要从事上游材料领域HBM产业链主要由IP上游材料晶粒设计制造晶片制造封装与测试等五大环节組成DRAM晶粒供应链主要厂商为三星海力士与美光芯片制造与封装厂商主要为拥有CoWoS技术的台积电I-Cube技术的三星EMIB技术的英特尔等拥有25D3D封装技术的FoundryIDM厂商测试领域则由传统封装测试厂商如日月光Amkor等占据在IP环节除AMD与赛灵思等IC设计厂商外包括新思科技益华计算机Rambus与台湾创意等IP厂商都提供HBMIP解决方案全球最大IP厂商Arm尚未提供相关解决方案国内厂商则主要处于上游材料领域雅克科技为SK海力士HBM产品供应前驱体材料华海诚科的自主研发的GMC材料进入送样阶段联瑞新材拥有生产GMC材料需要的low-球硅球铝产品图15HBM产业链资料来源Digitimes湘财证券研究所敬请阅读末页之重要声明13行业研究雅克科技雅克科技成立于1997年前身为宜兴雅克化工有限公司公司原为中国有机磷系阻燃剂龙头通过外延并购进军半导体材料行业当下公司已形成以电子材料为主液化天然气LNG保温绝热材料为辅的业务结构雅克科技于2016年收购韩国UPChemical公司切入前驱体业务目前UPChemical为SK海力士HBM前驱体核心供应商华海诚科华海诚科自主研发的GMC颗粒状环氧塑封料已经通过广东佛智芯公司产品验证目前进入送样阶段成为突破GMC的A股唯一上市公司GMC是HBM的上游封装材料因为HBM的叠层厚度很高普通的封装材料难以满足所以必须要用GMC进行封装联瑞新材公司前身为1984年设立的江苏省东海硅微粉厂是隶属于东海县浦南镇人民政府的乡镇集体企业至2002年变更登记为李长之为投资人的个人独资企业公司深耕硅微粉行业已40年目前公司的主要产品包括结晶硅微粉熔融硅微粉球形硅微粉氧化铝粉针状粉其中low-球硅和low-球铝是GMC的添加料4投资建议在Chatgpt发布后生成式AI实现了爆发式发展HBM是目前唯一满足AI高性能计算要求的量产存储方案其需求将强劲增长Omdia预测2023年和2024年的HBM需求量将同比增长100以上2025年以后在AI训练需求和AI推理需求的推动下HBM的需求将继续快速增长SK海力士公司预测在2027年之前HBM市场将以82的复合增长率保持增长国内公司在HBM上游材料领域拥有多项产品我们建议关注HBM上游材料环节相关公司给予HBM行业增持评级5风险提示生成式AI应用不及预期生成式AI技术进展不及预期HBM竞争格局恶化HBM扩产超预期敬请阅读末页之重要声明14分析师声明本人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独立诚信谨慎客观勤勉尽职公正公平准则出具本报告本报告准确清晰地反映了本人的研究观点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湘财证券投资评级体系市场比较基准为沪深300指数买入未来6-12个月的投资收益率领先市场基准指数15以上增持未来6-12个月的投资收益率领先市场基准指数5至15中性未来6-12个月的投资收益率与市场基准指数的变动幅度相差-5至5减持未来6-12个月的投资收益率落后市场基准指数5以上卖出未来6-12个月的投资收益率落后市场基准指数15以上重要声明湘财证券股份有限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研究报告仅供湘财证券股份有限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本报告由湘财证券股份有限公司研究所编写以合法地获得尽可能可靠准确完整的信息为基础但对上述信息的来源准确性及完整性不作任何保证湘财证券研究所将随时补充修订或更新有关信息但未必发布在任何情况下报告中的信息或所表达的意见仅供参考并不构成所述证券买卖的出价或征价投资者应自主作出投资决策并自行承担投资风险任何形式的分享证券投资收益或者分担证券投资损失书面或口头承诺均为无效本公司及其关联机构雇员对使用本报告及其内容所引发的任何直接或间接损失概不负责投资者应明白并理解投资证券及投资产品的目的和当中的风险在决定投资前如有需要投资者务必向专业人士咨询并谨慎抉择在法律允许的情况下我公司的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易并可能为这些公司正在提供或争取提供多种金融服务本报告版权仅为湘财证券股份有限公司所有未经本公司事先书面许可任何机构和个人不得以任何形式翻版复制发布转发或引用本报告的任何部分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注明出处为湘财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如未经本公司授权私自转载或者转发本报告所引起的一切后果及法律责任由私自转载或转发者承担本公司并保留追究其法律责任的权利敬请阅读末页之重要声明