科技行業先鋒系列報告254：生成式AI內容創造的新階段-221202（24頁）.pdf

《科技行業先鋒系列報告254：生成式AI內容創造的新階段-221202（24頁）.pdf》由會員分享，可在線閱讀，更多相關《科技行業先鋒系列報告254：生成式AI內容創造的新階段-221202（24頁）.pdf（24頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀末頁的免責條款和聲明2022年年12月月2日日科技先鋒系列報告科技先鋒系列報告254生成式生成式AI：內容創造的新階段：內容創造的新階段前瞻研究首席分析師前瞻研究首席分析師 陳俊云陳俊云科技科技產業首席分析產業首席分析師師 許英博許英博前前瞻研究分析瞻研究分析師師 賈凱方賈凱方前瞻研究分析前瞻研究分析師師 劉銳劉銳2核心觀點核心觀點生成式AI（Generative AI）即利用人工智能技術來生成內容，其生成的作品稱為AIGC（AI-Generated Content），包括文字、圖片、音頻等形式。從內容生成的歷史上看，當前已經完成了從專業創作（PGC）到用戶創作（UGC）轉變，正在向

2、AI協助內容生成與全AI內容生成兩個階段過渡，將幫助內容生產者在創作效率、創作成本、創作思路上實現顯著進步。過去人工智能的發展經歷了從小模型到大模型的轉變，隨著經濟性與可獲得性的明顯提高，殺手級應用正在涌現。其中，隨著更新的技術、更優的算法、更大的模型出現，算力的成本越來越低，使得模型訓練與運行所需成本持續下降。算法從封閉測試到開放測試、開源的逐漸普及，使得使用門檻明顯降低。AIGC亦從小規模實驗，到算法革新，到能夠高質量、穩定地輸出內容。在不久的將來，隨著平臺層變得更加穩固，算力成本持續下探，模型逐漸趨于開源與免費，人類正逐步接近應用層爆發式發展的節點。底層技術方面，主要包括自然語言處理（N

3、LP）與生成模型，其中生成模型主要包括生成對抗模型（GAN）與擴散模型（Diffusion Model）。其中，2021年擴散模型出現，憑借著更高的輸出分辨率、輸出效率和輸出穩定性，很快在AIGC場景下獲得了大范圍應用，在2022年成功破圈并迎來了項目爆發期。展望未來，Gartner預計2025年AIGC將占所有生成數據的10%。我們認為，當前行業尚處于早期發展階段，隨著基礎設施日益完善，應用層亦將迎來爆發，但語義理解（自然語言處理）、生成算法、數據集等底層技術依舊面臨挑戰。結合當前行業發展規律考慮，我們預計未來將主要依托于高算力、大模型、大數據而進一步發展。5WjX8VvZmVkWoMnPp

4、N6McMbRnPpPsQoMiNoPpNfQmMrMaQnNuNuOqRsRwMtOrO3資料來源：億歐智庫2022年新興技術成熟度曲線年新興技術成熟度曲線生成生成式式AI在新興技術中具備高影響力在新興技術中具備高影響力AIGC作品作品太空歌劇院太空歌劇院事件：在美國新興數字藝術家競賽中，參賽者提交AIGC（AI-Generated Content）繪畫作品太空歌劇院，并取得此次比賽“數字藝術/數字修飾照片”類別一等獎，將AIGC帶入大眾的視野。Gartner于2022年8月公布了新興技術成熟度曲線，并將生成式AI列為2022年五大影響力技術之一。資料來源：Gartner，中信證券研究部4內

5、容生成內容生成的的發展發展階段階段正從正從UGC跨向跨向AIGC資料來源：虎嗅，中信證券研究部內容生成的四個階段內容生成的四個階段階段一：專業創作（PFC）。內容的生產者與消費者有明顯區分，消費者只進行內容的消費，不進行內容的生產。階段二：用戶創作（UGC）。隨著消費者定制化需求越來越高，消費者本身亦參與內容的生產，并伴隨著互聯網的興起，智能手機的普及，YouTube、Facebook等平臺涌現，UGC成為了內容生產的主流模式。階段三&階段四：AI協助內容生成（AIUGC）與AI創作（AIGC）。在這兩個階段中。內容生產主體從人類本身開始向人工智能遷移，主要區別體現在內容的生產效率、知識圖譜的

6、多樣性以及提供更加動態且可交互的內容上。人腦只能基于自己的知識圖譜進行少數方向的信息處理，而AI能從更龐大的知識體系中進行多個方向的處理，進而提供更多的創作思路。Web 1.0“只讀”Web 2.0“交互”Web 3.0“高效”5資料來源：Purdue University深度深度學習初期模型越來越大學習初期模型越來越大AIGC發展階段發展階段20222022年以前年以前AIAI圖像識別圖像識別準確性超越人類準確性超越人類階段一：小模型（2015年前）AI發展階段：擅長特定領域的分析任務（如語義理解等），但通用型任務的完成情況很差，成本高，表達能力與人類相差較遠。同期AIGC所處階段：1995

7、年以前僅限于小范圍實驗，技術積累階段；其后受限于算法，無法直接進行內容產出。階段二：大模型（2015-2022年）AI發展階段：Transformer模型的出現，使得文字、語音、圖像識別、語言理解等領域達到了超越人類的水平。同期AIGC所處階段：深度學習算法不斷迭代，AIGC內容質量快速提升。80%82%84%86%88%90%92%94%96%98%100%不含額外的訓練數據含有額外的訓練數據人類水平資料來源：斯坦福2022年人工智能指數報告，中信證券研究部6AIGC發展階段發展階段20222022年及以后年及以后階段三：兼顧經濟性與可使用性（2022年）AI發展階段：在過去，人工智能的進展

8、更多體現在基于規模的技術突破，如2015-2020年，用于模型訓練的計算量增長了6個數量級，同時隨著規模的增大，輸出結果的質量亦迎來質變，在語言文字、書寫、圖像識別等領域皆表現出超越人類的水平。但在實用層面，由于所需要的算力巨大，往往需要特殊的GPU配置，同時訓練過程相對封閉，大多數人并無法使用，因此技術無法被多數人觸達。而人工智能的第三個階段，隨著更新的技術、更優的算法、更大的模型出現，算力的成本越來越低，使得模型訓練與運行所需成本持續下降，而算法從封閉測試到開放測試、開源的逐漸普及，亦降低了使用門檻。由此人工智能無論在經濟性與可獲得性上都達到了支持普及的水平。同期AIGC所處階段：底層算法

9、革新，語義理解與生成模型的性能明顯提升。階段四：殺手級應用出現（不久的將來）AIGC發展階段：得益于AIGC基礎設施可獲得性的逐步提高，平臺層變得更加穩固，算力成本持續下探，模型逐漸趨于開源與免費，應用層爆發式發展的節點正在靠近。正如GPS技術的普及打開了導航市場，我們認為，AIGC基礎層面的成熟正在催生新的殺手級應用。7AIGC發展階段發展階段殺手級應用正在涌現殺手級應用正在涌現資料來源：紅衫官網，中信證券研究部人工智能殺手級應用及其對應底層模型人工智能殺手級應用及其對應底層模型應用層模型層文本代碼圖像視頻3D其它講稿8AIGC發展階段發展階段殺手級應用正在涌現殺手級應用正在涌現資料來源：紅

10、衫官網，中信證券研究部人工智能殺手級應用及其對應底層模型人工智能殺手級應用及其對應底層模型文本代碼圖像初次嘗試視頻/3D/游戲接近完成大模型進展：準備就緒9資料來源：騰訊云自然語言處理的作用自然語言處理的作用AIGC底層技術底層技術自然語言處理（自然語言處理（NLPNLP）自然語言處理基本任務自然語言處理基本任務AIGC的技術底層主要包括自然語言處理（NLP）與AIGC生成模型，其中：自然語言處理（Natural Language Processing）是一門集語言學，數學及計算機科學于一體的科學，其核心目標與功能是將人類生活中使用的自然語言，轉換為計算機可以理解的指令，使得計算機可以理解自然

11、語言，提取信息并自動翻譯、分析和處理，使人與計算機之間通過自然語言進行交互。其基本任務包括：關鍵詞提取、文本糾錯、情感分析、文本分類、自動摘要等。資料來源：騰訊云10資料來源：騰訊云自然語言處理的自然語言處理的發展歷程發展歷程AIGC底層技術底層技術自然語言處理（自然語言處理（NLPNLP）自然語言處理的發展趨勢是從規則到統計，再到深度學習，期間包括了四個發展階段：1）萌芽期（1956年以前），1956年圖靈測試成為了NLP的開端，誕生了基于規則與概率的兩種不同的自然語言處理技術；2）快速發展期（1957-1970），由于注重于研究推理和邏輯問題，因此使用基于規則的派系比基于概率的派系發展勢頭

12、更迅猛；3）低速發展期（1971-1993），NLP下游應用落地受阻，相應的研發進入低谷期；4）復蘇融合期（1994-至今），基于計算機的運算速度和存儲取得的進步，NLP具備發展基礎，同時由于自然語言的信息檢索和信息抽取需求增加與深度學習的出現，大大提高了NLP的落地可能性，研發人員重新入局。11資料來源：騰訊云，中信證券研究部GANGAN生成對抗網絡運作原理生成對抗網絡運作原理AIGC底層技術底層技術生成模型（生成模型（GAN）GANGAN多次迭代的優化速度多次迭代的優化速度雖然AIGC的可追溯歷史很長，但近兩年才在內容質量方面實現質的飛躍，這主要是由于模型方面的突破，并主要體現在AI繪畫方

13、面。傳統AI繪畫使用生成對抗網絡（GAN），但該模型生成的輸出結果相對不穩定，分辨率相對較低，對算力的要求高，而2021年Diffusion模型的出現，在圖像輸出分辨率、輸出效率等方面都顛覆性提升。生成對抗網絡（GAN）于2014年由lan Gooddellow發明，用于生成無法與真實圖像區分的人工樣本。GAN包括生成器（Generator）與判別器（Discriminator）兩部分，以圖像生成為例，生成器負責根據生成圖像，判別器負責分辨真實圖像與生成圖像，人類將通過訓練賦予判別器判別真偽的能力，生成器通過反饋進行訓練，使得生成圖像不斷接近真實圖像。資料來源：CSDNskycol隱隨機向量z

14、生成器真實數據判別器D真/偽？x反饋G(z)12資料來源：CSDNskycol2015年年DCGAN的圖像生成效果的圖像生成效果AIGC底層技術底層技術生成模型生成模型（GAN）2018年年proGAN的的圖像生成效果圖像生成效果GAN的發展速度非?？?，2014年GAN誕生之初，難以生成高質量圖像；2015年，CNN與GAN結合形成了深度卷積生成對抗網絡（DCGAN），極大提高GAN訓練的穩定性以及生成結果的質量；2016年，出現了可以變換圖像的CycleGAN和pix2pix，可以從兩個數據源轉換數據；2018年，人類通過proGAN和基于此的StyleGAN，完成了高質量大圖像（如1024

15、1024）的生成；GAN還可以進行圖像數據集生成、人臉生成、視頻預測、圖文轉換、照片融合、超分辨率等。資料來源：CSDNskycol13資料來源：OpenDILab，中信證券研究部Diffusion生成模型運作過程生成模型運作過程AIGC底層技術底層技術生成模型（生成模型（Diffusion）Diffusion生成圖像效果生成圖像效果Diffusion Model即擴散模型，在2021年才開始在小眾圈子中流行。2022年，谷歌基于CLIP-Guided Diffusion創建了一個開源AI圖像生成程序（Disco Diffusion），Diffusion因此大放異彩。工作原理上，Diffusi

16、on通過向訓練數據連續添加噪聲，使噪聲逐步破壞訓練數據，學習其變化過程。隨后通過反轉噪聲的過程，以及在提示語的引導下恢復數據。經過訓練的模型，可以將隨機采樣的噪聲進行去噪處理，從而生成數據（如圖像）。資料來源：CSDN，中信證券研究部 注：Stable Diffusion是一個文圖生成模型枯萎的藤，老樹，烏鴉，水墨畫風格參考圖噪聲帶噪聲的圖像提示語句子轉換網絡生成網絡放大網絡生成結果14資料來源：OpenDILab，中信證券研究部現已推出的現已推出的DiffusionDiffusion模型模型AIGC底層技術底層技術生成模型（生成模型（Diffusion）DALLE 2DALLE 2生成不存在

17、事物的圖像生成不存在事物的圖像2015年，Jascha于第一次提出Diffusion，并于2020年由加州大學伯克利分校的幾位研究員進行改進。2021年，OpenAI團隊開源了其用于匹配文本和圖像的神經網絡模型CLIP，通過對文字進行語言分析、對圖形進行視覺分析，達到文字和圖像高度匹配的效果，CLIP與Diffusion的結合使得AI繪畫獲得了質的提升。2022年，多個基于Diffusion模型的應用出現。2月Disco Diffusion（CLIP+Diffusion）開源推出，但能畫的內容較少；4月OpenAI 團隊發布DALL E 2（CLIP+diffusion），語義理解方面改進明顯

18、，可畫內容大大增加，可以拼湊出不存在的事物；5月MidJourney發布（CLIP+diffusion），用戶可以直接通過對話獲取圖片，目前不開源；7月Stable Diffusion（CLIP+diffusion+VAE）開源推出，被認為使迄今為止最先進的AI繪畫算法模型，并于11月推出2.0版本。資料來源：OpenAI名稱名稱底層模型底層模型是否開源是否開源優優/劣勢劣勢Disco DiffusionCLIP+Diffusion是能夠繪畫的內容較少DALL E 2CLIP+Diffusion否語義理解與可畫內容明顯提高MidJourneyCLIP+Diffusion否內容質量有所提高，可通

19、過對話獲取圖片Stable DiffusionCLIP+Diffusion+VAE是質量與效率明顯提高15AIGC具體應用具體應用文字創作文字創作資料來源：Jasper官網Jasper文字生成產品介紹文字生成產品介紹Jasper是主打文字生成的AIGC公司，于2022年10月19日宣布完成1.25億美元的A輪融資，估值達到15億美元。該公司針對不同應用場景提供不同類型的服務，如社交媒體、廣告、文章、郵件等不同類型的文字生成。定價方面，Jasper采用SaaS模式，共推出Starter、Boss Mode和Business三種訂閱模式，其中：1）Starter定價每月49美元（非包年），可提供3

20、.5萬字/月的文字輸出，適合編寫 Facebook 廣告、社交媒體帖子等簡短副本2）Boss Mode定價每月99美元（非包年），可提供10萬字/月的文字輸出，適合谷歌文檔等編輯者Jasper產品定價產品定價資料來源：Jasper官網16AIGC具體應用具體應用AI繪畫繪畫資料來源：飛槳-文心大模型官網，中信證券研究部飛飛槳槳-文心大模型文心大模型AI繪畫繪畫產品名稱產品名稱所屬公司所屬公司文心一格百度集團萬興AI繪畫萬興科技6pen毛線球科技清墨社區映刻科技無界版圖超節點信息科技ZMO.AI感知階躍數字科技TIAMAT退格數字科技盜夢師西湖心辰科技國內主流國內主流AI繪畫工具繪畫工具藝術和創

21、意輔助平臺文心一格是百度依托飛槳平臺與文心大模型的技術創新推出的“AI作畫”首款產品。目前處于免費階段，對于需要大量使用圖片的人群，例如公眾號制作者，使用AI繪畫平臺的整體成本大大降低。AI-3D亦著降低游戲、影視、VR/AR行業制作成本。高效、低成本的優勢使其有望成為Web 3.0的主要內容產生方式。隨著繪畫門檻降低，AI繪畫平臺用戶大幅增長。TIAMAT內測用戶為2萬人，盜夢師日增5萬，上線兩個月已積累50萬用戶。StabilityAI正在被Coatue、Lightspeed等知名VC考慮以5-10億美元的估值進行投資。資料來源：量子位智庫，大眾新聞，中信證券研究部17AIGC具體應用具體

22、應用AI代碼生成代碼生成資料來源：GitHub CoPilotCoPilot 為為開發者提供代碼建議開發者提供代碼建議GitHub Copilot是由微軟、OpenAI、GitHub 三家聯合打造的 AI 編程輔助（代碼補全）工具，可在 VS Code 編輯器中自動完成代碼片段。GitHub于今年6月份正式發布Copilot，以每月10美元或每年 100 美元的價格出售，并提供60天的免費試用期。通過身份驗證的學生和熱門開源項目維護者可以免費使用。據GitHub官方統計，2Q21-2Q22，Copilot開放測試一年來已有120萬用戶，在啟用GitHub Copilot的文件中，GitHub表

23、示用戶生成的代碼近40%是由Copilot編寫的，預計該比例將持續提升。融資方面，CoPilot截至今年十月份已在五輪融資中籌集共2200萬美元。CoPilot 訂閱支付界面訂閱支付界面資料來源：開源頭條18AIGC具體應用具體應用AI作曲作曲資料來源：QQ音樂網頁版StarX MusicX Lab推出推出AIGC歌曲歌曲StarX MusicX Lab是隸屬于昆侖萬維旗下的海外社交娛樂平臺StarX的AI音樂生成機構。作為國內文娛出海TOP3，StarX旗下音頻社交app Starmaker擁有龐大的伴奏庫，供MusicX Lab學習，目前MusicX Lab已發布五首AI創作歌曲。昆侖萬維

24、CEO方漢表示，StarX MusicX Lab能夠降低昆侖萬維業務成本，原本每款游戲的音樂成本在50萬元至100萬元之間，而通過AIGC該成本有望降為0。艾瑞咨詢數據顯示，全球音視頻社交娛樂市場規模正急劇增長，從2016年的2730億元增至2020年的1.17萬億元，到2026年預計將達到2.95萬億元。19AIGC海外企業匯總海外企業匯總企業類型企業類型應用名稱應用名稱企業名稱企業名稱備注備注AI繪畫（diffusion底層算法）Stable DiffusionStableAI免費；支持文本生成圖像、圖像生成圖像兩種模式；生成速度快Disco DiffusionAccomplice免費；需

25、要通過Google Colab生成，用戶界面有使用門檻DALL-E2OpenAI風格特點明顯Mid JourneyMid Journey易于使用；社區生態良好；文檔詳盡，對開發者友好PhotosonicAIWritesonic基于Stable Diffusion的開源版本AI繪畫（非diffusion底層算法）DeepDreamDeepDream可以探索不同的 AI 算法ArtbreederArtbreeder旨在成為一種新型的創意工具Night CafeReddit用戶可以獲得所生成藝術作品的所有權，也可以購買作品的打印版本BigSleepBigSleep基于Python的AI藝術生成器，需

26、要通過Python編程語言生成，處理圖像需要時間和大量內存，可能無法在計算機上運行腳本StarryAIStarryAI可在移動端使用WOMBO DreamWombo動畫處理靜止的肖像DeepAIDeepAI用HTML5、Google Analytics和jQuery等12項技術產品和服務；最初功能是將黑白照片自動上色為彩色AIGC海外企業匯總海外企業匯總資料來源：PANews，36氪，PR Newsire，美通社，中信證券研究部20AIGC海外企業匯總海外企業匯總AIGC海外企業匯總海外企業匯總企業類型企業類型應用名稱應用名稱企業名稱企業名稱備注備注AI代碼生成Copilot微軟、OpenAI

27、、GitHub可獲得基于人工智能的編碼建議；可使用用戶喜歡的環境；支持在不熟悉的領域進行編碼AI文字生成JasperAIJasper通過AI寫營銷推廣文案以及博客等各種文字內容GPT-3OpenAI輸入關鍵詞生成郵件、文章、新聞、或小說，是目前最成熟NLG之一OthersideAIOthersideAI主打利用AI自動回復郵件CopyAICopyAI通過AI寫作廣告和營銷文案Notion AINotion AI自動撰寫文章、廣告文案和播客；提供創意建議；自動檢查文字拼寫和語法錯誤；自動翻譯文章AI視頻MorpheusMorpheus輸入文字即可生成3D和動畫Make-A-VideoMeta文字

28、轉視頻、圖片轉視頻、視頻生成視頻Imagen VideoGoogle文字轉視頻、視頻質量高PhenakiGoogle文字轉視頻、情節連貫Stability AI VideoStableAI/資料來源：PANews，36氪，PR Newsire，美通社，中信證券研究部21AIGC未來趨勢未來趨勢 Gartner預計，到2025年，生成式人工智能將占所有生成數據的10%。我們認為，AIGC將有望成為Web3.0主要的內容生產方式之一。我們認為，AIGC尚處于早期發展階段，平臺層日益完善，應用層正嶄露頭角。圖片、代碼、文本、音頻的AI生成取得長足進步，尤其是文本與圖片領域，其高效率、高質量、低成本的

29、特點使其有望成為從Web2.0到Web3.0的主要推力之一。隨著算力成本持續下探，模型逐漸趨于開源與免費，應用層爆發式發展節點正在靠近，AIGC殺手級應用將在不久的將來出現。從當前AIGC生成質量上看，大規模應用鋪開依然存在挑戰，比如生成內容與語言文字之間仍存在差距、細節描繪不夠細致、相同輸入（語言/圖片）的多次輸出存在較大偏差的可能等。究其根本，語義理解（自然語言處理）、生成算法、數據集等底層技術還有很大發展空間。結合當前行業發展規律，我們認為，技術未來將主要依托于高算力、大模型、大數據而進一步發展。感謝您的信任與支持！感謝您的信任與支持！THANK YOU22許英許英博博（科技產業首席分析

30、師科技產業首席分析師）執業證書編號：S1010510120041陳俊陳俊云云（前瞻研究首席分析師前瞻研究首席分析師）執業證書編號：S1010517080001賈凱方賈凱方（前瞻研究分析師前瞻研究分析師）執業證書編號：S1010522080001劉銳劉銳（前瞻研究分析師前瞻研究分析師）執業證書編號：S1010522110001免責聲明免責聲明23分析師聲明分析師聲明主要負責撰寫本研究報告全部或部分內容的分析師在此聲明：（i）本研究報告所表述的任何觀點均精準地反映了上述每位分析師個人對標的證券和發行人的看法；（ii）該分析師所得報酬的任何組成部分無論是在過去、現在及將來均不會直接或間接地與研究報告

31、所表述的具體建議或觀點相聯系。一般性聲明一般性聲明本研究報告由中信證券股份有限公司或其附屬機構制作。中信證券股份有限公司及其全球的附屬機構、分支機構及聯營機構（僅就本研究報告免責條款而言，不含CLSAgroup of companies），統稱為“中信證券”。本研究報告對于收件人而言屬高度機密，只有收件人才能使用。本研究報告并非意圖發送、發布給在當地法律或監管規則下不允許向其發送、發布該研究報告的人員。本研究報告僅為參考之用，在任何地區均不應被視為買賣任何證券、金融工具的要約或要約邀請。中信證券并不因收件人收到本報告而視其為中信證券的客戶。本報告所包含的觀點及建議并未考慮個別客戶的特殊狀況、目

32、標或需要，不應被視為對特定客戶關于特定證券或金融工具的建議或策略。對于本報告中提及的任何證券或金融工具，本報告的收件人須保持自身的獨立判斷并自行承擔投資風險。本報告所載資料的來源被認為是可靠的，但中信證券不保證其準確性或完整性。中信證券并不對使用本報告或其所包含的內容產生的任何直接或間接損失或與此有關的其他損失承擔任何責任。本報告提及的任何證券或金融工具均可能含有重大的風險，可能不易變賣以及不適合所有投資者。本報告所提及的證券或金融工具的價格、價值及收益可跌可升。過往的業績并不能代表未來的表現。本報告所載的資料、觀點及預測均反映了中信證券在最初發布該報告日期當日分析師的判斷，可以在不發出通知的

33、情況下做出更改，亦可因使用不同假設和標準、采用不同觀點和分析方法而與中信證券其它業務部門、單位或附屬機構在制作類似的其他材料時所給出的意見不同或者相反。中信證券并不承擔提示本報告的收件人注意該等材料的責任。中信證券通過信息隔離墻控制中信證券內部一個或多個領域的信息向中信證券其他領域、單位、集團及其他附屬機構的流動。負責撰寫本報告的分析師的薪酬由研究部門管理層和中信證券高級管理層全權決定。分析師的薪酬不是基于中信證券投資銀行收入而定，但是，分析師的薪酬可能與投行整體收入有關，其中包括投資銀行、銷售與交易業務。若中信證券以外的金融機構發送本報告，則由該金融機構為此發送行為承擔全部責任。該機構的客戶

34、應聯系該機構以交易本報告中提及的證券或要求獲悉更詳細信息。本報告不構成中信證券向發送本報告金融機構之客戶提供的投資建議，中信證券以及中信證券的各個高級職員、董事和員工亦不為（前述金融機構之客戶）因使用本報告或報告載明的內容產生的直接或間接損失承擔任何責任。評級說明評級說明投資建議的評級標準投資建議的評級標準評級評級說明說明報告中投資建議所涉及的評級分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后6到12個月內的相對市場表現，也即：以報告發布日后的6到12個月內的公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。其中：A股市場以滬深300指數為基準，新三板市場

35、以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以摩根士丹利中國指數為基準；美國市場以納斯達克綜合指數或標普500指數為基準；韓國市場以科斯達克指數或韓國綜合股價指數為基準。股票評級買入相對同期相關證券市場代表性指數漲幅20%以上增持相對同期相關證券市場代表性指數漲幅介于5%20%之間持有相對同期相關證券市場代表性指數漲幅介于-10%5%之間賣出相對同期相關證券市場代表性指數跌幅10%以上行業評級強于大市相對同期相關證券市場代表性指數漲幅10%以上中性相對同期相關證券市場代表性指數漲幅介于-10%10%之間弱于大市相對同期相關證券市場代表性指數跌幅10%以上證券

36、研究報告證券研究報告2022年年12月月2日日免責聲明免責聲明24特別聲明特別聲明在法律許可的情況下，中信證券可能（1）與本研究報告所提到的公司建立或保持顧問、投資銀行或證券服務關系，（2）參與或投資本報告所提到的公司的金融交易，及/或持有其證券或其衍生品或進行證券或其衍生品交易。本研究報告涉及具體公司的披露信息，請訪問https:/ Limited（于中國香港注冊成立的有限公司）分發；在中國臺灣由CL Securities Taiwan Co.,Ltd.分發；在澳大利亞由CLSA Australia Pty Ltd.（商業編號：53 139 992 331/金融服務牌照編號：350159）分

37、發；在美國由CLSA（CLSA Americas,LLC除外）分發；在新加坡由CLSA Singapore Pte Ltd.（公司注冊編號：198703750W）分發；在歐洲經濟區由CLSA Europe BV分發；在英國由CLSA（UK）分發；在印度由CLSA India Private Limited分發（地址：8/F,Dalamal House,Nariman Point,Mumbai 400021；電話：+91-22-66505050；傳真：+91-22-22840271；公司識別號：U67120MH1994PLC083118）；在印度尼西亞由PT CLSA Sekuritas Ind

38、onesia分發；在日本由CLSA Securities Japan Co.,Ltd.分發；在韓國由CLSA Securities Korea Ltd.分發；在馬來西亞由CLSA Securities Malaysia Sdn Bhd分發；在菲律賓由CLSA Philippines Inc.（菲律賓證券交易所及證券投資者保護基金會員）分發；在泰國由CLSASecurities(Thailand)Limited分發。針對不同司法管轄區的聲明針對不同司法管轄區的聲明中國大陸：中國大陸：根據中國證券監督管理委員會核發的經營證券業務許可，中信證券股份有限公司的經營范圍包括證券投資咨詢業務。中國香港中國

39、香港：本研究報告由CLSA Limited分發。本研究報告在香港僅分發給專業投資者（證券及期貨條例（香港法例第571 章）及其下頒布的任何規則界定的），不得分發給零售投資者。就分析或報告引起的或與分析或報告有關的任何事宜，CLSA客戶應聯系CLSALimited的羅鼎，電話：+852 2600 7233。美國：美國：本研究報告由中信證券制作。本研究報告在美國由CLSA（CLSA Americas,LLC除外）僅向符合美國1934年證券交易法下15a-6規則界定且CLSA Americas,LLC提供服務的“主要美國機構投資者”分發。對身在美國的任何人士發送本研究報告將不被視為對本報告中所評論的

40、證券進行交易的建議或對本報告中所述任何觀點的背書。任何從中信證券與CLSA獲得本研究報告的接收者如果希望在美國交易本報告中提及的任何證券應當聯系CLSA Americas,LLC（在美國證券交易委員會注冊的經紀交易商），以及 CLSA 的附屬公司。新加坡：新加坡：本研究報告在新加坡由CLSA Singapore Pte Ltd.，僅向（新加坡財務顧問規例界定的）“機構投資者、認可投資者及專業投資者”分發。就分析或報告引起的或與分析或報告有關的任何事宜，新加坡的報告收件人應聯系CLSA Singapore PteLtd，地址：80 Raffles Place,#18-01,UOB Plaza 1

41、,Singapore 048624，電話：+65 6416 7888。因您作為機構投資者、認可投資者或專業投資者的身份，就CLSA Singapore Pte Ltd.可能向您提供的任何財務顧問服務，CLSA Singapore Pte Ltd豁免遵守財務顧問法（第110章）、財務顧問規例以及其下的相關通知和指引（CLSA業務條款的新加坡附件中證券交易服務C部分所披露）的某些要求。MCI（P）085/11/2021。加拿大：加拿大：本研究報告由中信證券制作。對身在加拿大的任何人士發送本研究報告將不被視為對本報告中所評論的證券進行交易的建議或對本報告中所載任何觀點的背書。英國：英國：本研究報告歸

42、屬于營銷文件，其不是按照旨在提升研究報告獨立性的法律要件而撰寫，亦不受任何禁止在投資研究報告發布前進行交易的限制。本研究報告在英國由CLSA（UK）分發，且針對由相應本地監管規定所界定的在投資方面具有專業經驗的人士。涉及到的任何投資活動僅針對此類人士。若您不具備投資的專業經驗，請勿依賴本研究報告。歐洲經濟區：歐洲經濟區：本研究報告由荷蘭金融市場管理局授權并管理的CLSAEurope BV 分發。澳大利亞：澳大利亞：CLSA Australia Pty Ltd(“CAPL”)(商業編號：53 139 992 331/金融服務牌照編號：350159)受澳大利亞證券與投資委員會監管，且為澳大利亞證券

43、交易所及CHI-X的市場參與主體。本研究報告在澳大利亞由CAPL僅向“批發客戶”發布及分發。本研究報告未考慮收件人的具體投資目標、財務狀況或特定需求。未經CAPL事先書面同意，本研究報告的收件人不得將其分發給任何第三方。本段所稱的“批發客戶”適用于公司法（2001）第761G條的規定。CAPL研究覆蓋范圍包括研究部門管理層不時認為與投資者相關的ASXAll Ordinaries 指數成分股、離岸市場上市證券、未上市發行人及投資產品。CAPL尋求覆蓋各個行業中與其國內及國際投資者相關的公司。印度：印度：CLSA India Private Limited，成立于 1994 年 11 月，為全球機

44、構投資者、養老基金和企業提供股票經紀服務（印度證券交易委員會注冊編號：INZ000001735）、研究服務（印度證券交易委員會注冊編號：INH000001113）和商人銀行服務（印度證券交易委員會注冊編號：INM000010619）。CLSA 及其關聯方可能持有標的公司的債務。此外，CLSA及其關聯方在過去 12 個月內可能已從標的公司收取了非投資銀行服務和/或非證券相關服務的報酬。如需了解CLSA India“關聯方”的更多詳情，請聯系 Compliance-I。未經中信證券事先書面授權未經中信證券事先書面授權，任何人不得以任何目的復制任何人不得以任何目的復制、發送或銷售本報告發送或銷售本報告。中信證券中信證券2022版權所有版權所有。保留一切權利保留一切權利。