《騰訊控股-港股公司深度研究：社交為基AI時代的流量王者-230625（19頁）.pdf》由會員分享，可在線閱讀，更多相關《騰訊控股-港股公司深度研究：社交為基AI時代的流量王者-230625（19頁）.pdf（19頁珍藏版）》請在三個皮匠報告上搜索。

1、 敬請參閱最后一頁特別聲明 1 基本結論 一、大模型時代流量入口重塑之下，社交大概率繼續成為流量入一、大模型時代流量入口重塑之下，社交大概率繼續成為流量入口口，騰訊在此領域優勢明顯，騰訊在此領域優勢明顯。1 1）ChatGPT Plugins 應用生態持續擴大，大模型時代流量入口有望重塑。ChatGPT 插件生態首批發布以來數量和行業覆蓋度進一步提升，大模型作為流量入口的趨勢愈加明顯。2）熟人社交相較于其他社交類 APP 具備“高剛需性+高壁壘”特點。根據 CNNIC，2022 年中國即時通信用戶規模已經達到 10.38億，同比增長 3.1%，網民使用率達到 97.2%，為網民使用率最高的細分

2、行業。根據國金數字未來 Lab，2023 年 4 月排名前 10 的社交類APP 中，微信、QQ等熟人社交 APP用戶規模、用戶粘性、用戶使用時長和使用頻次均高于其他社交 APP。3）社交 APP 生態拓展能力強，以社交為基本盤的騰訊流量入口的地位較為穩固。4 4）微信的小程序生態與“AI+Plugins”生態具備一定相似性，若后續大模型與微信相結合，當前的小程序生態已經打下了良好的基礎。根據國金數字未來 Lab，2023 年 4 月微信小程序整體 DAU 達到 5.8 億，同比增長25%，用戶日均使用頻次 2.5 次，同比增長 6%，用戶月均使用個數接近 14 個，同比增長 9%。二、二、騰

3、訊具備自研大模型能力，混元大模型未來有望賦能內部全生騰訊具備自研大模型能力，混元大模型未來有望賦能內部全生態場景態場景。公司自研的混元大模型包括為 NLP 大模型、CV 大模型、多模態大模型、AIGC 及眾多行業領域任務模型?；煸竽Ｐ?HunYuan已經先后支持了包括微信、QQ、游戲、騰訊廣告、騰訊云等眾多產品和業務，公司業務和內容生態豐富，未來大模型在各項業務上的賦能有望進一步深化。三、三、AIAI 將賦能公司各項業務，推動各業務降本增效將賦能公司各項業務，推動各業務降本增效。1）AI 賦能游戲業務：制作環節降本增效，游戲過程中提升用戶體驗。2）廣告業務：有望提升廣告制作和推送效率。3）金

4、融科技：通過帶動服務的精細化與智能化有望提升服務效率。4）企業服務:聚焦行業大模型，有望推動 ToB 產品完善，帶動云服務需求提升。盈利預測、估值和評級 公司的社交基本盤從長期來看壁壘較高，且大模型的發展能夠推動公司后續各項業務降本增效，我們預計公司 2023/2024/2025 年 NON-IFRS 凈利潤分別為 1501/1759/2013 億元，當前股價對應 PE 為19.77/16.87/14.75X，維持“買入”評級。風險提示 游戲上線表現不及預期；廣告主需求修復不及預期風險；宏觀經濟下行風險；云業務拓展不及預期風險；大模型開發進展或表現不及預期。主要財務指標 項目 2021A 20

5、22A 2023E 2024E 2025E 營業收入(百萬元)560,118 554,552 628,906 705,891 788,815 營業收入增長率 16.19%-0.99%13.41%12.24%11.75%NON-IFRS 歸母凈利潤(百萬元)123,788 115,649 150,138 175,865 201,265 NON-IFRS 歸母凈利潤增長率 0.85%-6.57%29.82%17.14%14.44%攤薄每股收益(元)23.424 19.613 13.590 15.782 18.134 每股經營性現金流凈額 18.25 15.22 16.06 15.84 18.69

6、ROE(歸屬母公司)(攤薄)27.88%26.09%15.31%15.10%14.78%P/E 23.97 25.66 19.77 16.87 14.75 P/B 4.01 4.48 3.80 3.22 2.75 來源：公司年報、國金證券研究所 05,00010,00015,00020,00025,000200.00250.00300.00350.00400.00450.00220627港幣(元)成交金額(百萬元)成交金額騰訊控股恒生指數 港股公司深度研究 敬請參閱最后一頁特別聲明 2 內容目錄內容目錄 一、大模型時代流量入口重塑之下，社交大概率繼續成為流量入口.4 1.1 ChatGPT P

7、lugins 應用生態持續擴大，大模型時代流量入口有望重塑.4 1.2 熟人社交相較于其他社交類 APP 具備“高剛需性+高壁壘”特點，微信具備絕對優勢.5 1.3 社交 APP 生態拓展能力強，以社交為基本盤的騰訊流量入口的地位較為穩固.6 1.4 騰訊“微信+”生態與“AI+Plugins”生態具備一定相似性.8 二、騰訊具備自研大模型能力，混元大模型未來有望賦能內部全生態場景.9 三、AI 將賦能公司各項業務，推動各業務降本增效.10 3.1 AI 賦能游戲業務：制作環節降本增效，游戲過程中提升用戶體驗.10 3.2 AI 賦能廣告業務：有望提升廣告制作和推送效率.11 3.3 AI 賦

8、能金融科技：通過帶動服務的精細化與智能化有望提升服務效率.14 3.4 AI 賦能企業服務:大模型聚焦行業，有望推動 ToB 產品完善，帶動云服務需求提升.14 四、風險提示.16 圖表目錄圖表目錄 圖表 1：移動互聯網時代前、移動互聯網時代、大模型時代的個人需求滿足流程對比.4 圖表 2：ChatGPT Plugins 按需求調用 Plugins 組合完成目標細分任務.4 圖表 3：接入 ChatGPT 的不同行業插件個數.5 圖表 4：即時通訊用戶規模及增速.5 圖表 5：即時通訊網民使用率居于首位.5 圖表 6：微信、QQ 等熟人社交 APP 用戶規模、用戶行為優于其他社交 APP.5

9、圖表 7：微信 MAU，單位：萬人.6 圖表 8：微信 DAU，單位：萬人.6 圖表 9：微信用戶日均使用頻次，單位：次.6 圖表 10：微信用戶粘性 DAU/MAU.6 圖表 11：通訊聊天類 APP 集中度與用戶粘性均較高.7 圖表 12：社交 APP 的生態拓展性最強.8 圖表 13：微信通過小程序可以鏈接幾乎所有生態.8 圖表 14：ChatGPT Plugins 可鏈接所有生態并自動調用.8 圖表 15：微信小程序細分行業 DAU，單位：萬人.9 圖表 16：微信小程序細分行業用戶日均打開頻次.9 圖表 17：微信小程序用戶月均使用個數.9 圖表 18：各模型方法在 5 個公開數據集

10、上正確率指標對比：混元跨模態登頂.9 圖表 19：騰訊混元大模型在 CLUE 總榜、分類榜和閱讀理解榜登頂.9 圖表 20：騰訊自有業務生態矩陣涵蓋從社交、娛樂、企業服務等多方面.10 圖表 21：AI+游戲覆蓋游戲全鏈路.10 圖表 22：AI 輔助生成游戲角色動作.11 圖表 23：AI 可有效提高 3D 場景渲染效率.11 OZvXiWbWlXUVuYbWnV8O8Q9PtRqQmOnOiNpPrPiNoMpRaQnMmMNZpOqQNZrRqP港股公司深度研究 敬請參閱最后一頁特別聲明 3 圖表 24：騰訊廣告+AI，以兩大模型+一大學習平臺為布局.12 圖表 25：騰訊廣告多媒體 A

11、I 布局.12 圖表 26：巨闕內容理解全鏈路.12 圖表 27：乾坤智能創作鏈路.13 圖表 28：廣告智能相似解鎖系統鏈路.13 圖表 29：網服行業客戶：買量 ROI 和 ECPM 提升明顯.13 圖表 30：騰訊太極機器學習平臺的技術性突破.14 圖表 31：騰訊四級加速矩陣戰略.15 圖表 32：騰訊 TI-ACC 加速能力.16 圖表 33：騰訊云 MASS 方案全景.16 圖表 34：云 TI 平臺行業大模型精調方案.16 港股公司深度研究 敬請參閱最后一頁特別聲明 4 一、大模型時代流量入口重塑之下，社交大概率繼續成為流量入口 1 1.1.1 C ChatGPT hatGPT

12、PluginsPlugins 應用生態持續擴大，大模型時代流量入口應用生態持續擴大，大模型時代流量入口有望重塑有望重塑 大模型時代用戶需求的聚合將帶來流量入口的聚合。移動互聯網時代，用戶的最終需求需要由用戶自行拆解至各個 APP，大模型時代，通過“AI+Plugins”形式，用戶需求從分散化走向聚合化，帶動流量入口從分散化走向聚合化。圖表圖表1 1：移動互聯網時代前、移動互聯網時代、大模型時代的個人需求滿足流程對比移動互聯網時代前、移動互聯網時代、大模型時代的個人需求滿足流程對比 來源：國金證券研究所繪制 ChatGPT Plugins 生態擴大升級，“AI+Plugins”成為流量入口的趨勢

13、進一步顯現。3 月24 日，OpenAI 首次宣布在 ChatGPT 中開啟 Plugins，首批接入 11 個第三方應用插件，涵蓋在線旅游、生鮮電商、線上訂餐平臺、搜索引擎等多個領域。5 月 13 日，OpenAI 宣布稱將向所有 ChatGPT Plus 用戶推出網絡瀏覽和插件，并將允許 ChatGPT 訪問互聯網并使用 70 多個第三方插件，后續插件生態進一步擴大。ChatGPT Plugins 生態升級：1）數量：從首批的 11 個應用增加至 160+（截至 2023 年 5月 27 日）。2）領域：行業領域進一步擴大，新增健康管理、天氣查詢、內容創建、濾鏡、文件處理、教育、休閑游戲等

14、更多行業領域。3）實時性：升級后可實現實時聯網，解決此前訓練數據不能實時更新問題。圖表圖表2 2：C ChatGPT hatGPT PluginsPlugins 按需求調用按需求調用 PluginsPlugins 組合完成目標細分任務組合完成目標細分任務 來源：國金證券研究所繪制 港股公司深度研究 敬請參閱最后一頁特別聲明 5 圖表圖表3 3：接入接入 C ChatGPThatGPT 的的不同行業插件個數不同行業插件個數 來源：OpenAI，國金證券研究所（數據截止 2023.5.27）1 1.2.2 熟人熟人社交社交相較于其他相較于其他社交類社交類 APPAPP 具備“高剛需性具備“高剛需性

15、+高壁壘”特點高壁壘”特點，微信具備絕對優勢，微信具備絕對優勢 熟人社交具備高剛需屬性，剛需屬性越強則越容易成為流量入口。根據 CNNIC，2022 年中國即時通信用戶規模已經達到 10.38 億，同比增長 3.1%，網民使用率達到 97.2%，為網民使用率最高的細分行業。根據國金數字未來 Lab，2023 年 4 月排名前 10 的社交類APP 中，微信、QQ 等熟人社交 APP 用戶規模、用戶粘性、用戶使用時長和使用頻次均高于其他社交 APP。熟人社交具備高壁壘特點。相較于陌生人社交，熟人社交的好友為同學、親戚、朋友等，整體用戶粘性高，與用戶現實世界的社交關系具備深度綁定，當形成一個頭部

16、APP 后切換難度較高，后繼者若想切入該賽道，需要打通現實關系和網絡關系，需要較長的時間積累用戶體量、建立信任體系。圖表圖表4 4：即時通訊即時通訊用戶規模及增速用戶規模及增速 圖表圖表5 5：即時通訊網民使用率即時通訊網民使用率居于首位居于首位 來源：CNNIC，國金證券研究所 來源：CNNIC，國金證券研究所 圖表圖表6 6：微信、微信、QQQQ 等熟人社交等熟人社交 APPAPP 用戶規模、用戶行為優于其他社交用戶規模、用戶行為優于其他社交 APPAPP 051015202530SEO營銷辦公電商房地產金融旅游出行求職生活服務信息搜集學習教育游戲娛樂傳媒0%2%4%6%8%10%12%1

17、4%0200004000060000800001000001200002013201420152016201720182019202020212022即時通信用戶規模（萬人）同比%0%20%40%60%80%100%120%港股公司深度研究 敬請參閱最后一頁特別聲明 6 來源：國金數字未來 Lab，國金證券研究所 注：2023 年 4 月 微信作為社交類 APP 龍頭，長時間建立起的熟人社交體系短時間難以被新進入者撼動。微信在用戶規模等方面具備絕對優勢，根據國金數字未來 Lab，微信用戶規模及用戶使用行為穩中有升，2022 年 4 月微信 MAU 達到 10.6 億，同比提升 5.1%，DAU

18、 達到 8.8 億，同比提升 6.2%，用戶日均使用頻次達到 45 次，同比下降 1.3%，用戶粘性為 0.83，同環比基本持平。相較于其他社交網絡 APP，微信的用戶日均使用頻次明顯較高，我們認為其高DAU/MAU 及其高打開頻次代表了用戶對微信的高依賴度，因此后續出現切換的可能性相對較小。圖表圖表7 7：微信微信 MAUMAU，單位：萬人，單位：萬人 圖表圖表8 8：微信微信 D DAUAU，單位：萬人，單位：萬人 來源：國金數字未來 Lab，國金證券研究所 來源：國金數字未來 Lab，國金證券研究所 圖表圖表9 9：微信用戶日均使用頻次，單位：次微信用戶日均使用頻次，單位：次 圖表圖表1

19、010：微信用戶微信用戶粘性粘性 DAU/MAUDAU/MAU 來源：國金數字未來 Lab，國金證券研究所 來源：國金數字未來 Lab，國金證券研究所 1 1.3.3 社交社交 APPAPP 生態拓展能力生態拓展能力強，以社交為基本盤的騰訊流量入口的地位較為穩固強，以社交為基本盤的騰訊流量入口的地位較為穩固 通訊聊天 APP 最有可能成為流量入口，便捷生活、健康醫療、女性親子、學習教育、拍攝美化類 APP 中有可能跑出新頭部產品。我們以國金數字未來 Lab APP 樣本庫中各細分行業 APP 個數作為行業集中度衡量指標，DAU/MAU 為用戶粘性衡量指標，集中度高、用戶粘性高、用戶規模大的 A

20、PP 類型最容易成為平臺型流量入口，分散度高、用戶粘性低、用戶規模一般的 APP 類型中有可能跑出新的頭部產品。港股公司深度研究 敬請參閱最后一頁特別聲明 7 圖表圖表1111：通訊聊天類通訊聊天類 APPAPP 集中度與用戶粘性均較高集中度與用戶粘性均較高 來源：國金數字未來 Lab，國金證券研究所 注：統計時間為 2023 年 4 月，x 軸為用戶粘性，y 軸為 APP 集中度，氣泡大小為用戶規模 對比不同類型的大 DAU 移動 APP 生態，我們發現從社交屬性出發切入娛樂屬性、工具屬性的功能較為順暢，但從娛樂屬性、工具屬性出發切入社交的可能性較小。1）社交類：以微信為例，平臺屬性最強，除

21、了基本的社交生態之外，通過微信各種功能組件可切入各種基礎生態，因此其他基礎生態可拓展出的功能基本都可通過微信實現。通過小程序鏈接電商、游戲、本地生活、出行等等，通過微信支付、微信錢包等切入金融生態，通過視頻號切入短視頻領域。2）短視頻：以抖音為例，基于興趣拓展衍生生態，由于用戶興趣具備多樣性，因此整體的生態拓展能力較強，但其底層邏輯更偏娛樂性，難以大規模切入熟人社交體系。3）本地生活：以美團為例，主要提供的服務圍繞本地生活展開，包括各類型 O2O 服務，目前也推出短視頻來為整體生態服務。4）電商：以淘寶為例，基于購物需求拓展衍生生態，如短視頻（直播電商）、金融（支付寶）等，主要可拓展至用戶購買

22、需求相關的領域，包括即時零售等。港股公司深度研究 敬請參閱最后一頁特別聲明 8 圖表圖表1212：社交社交 APPAPP 的生態拓展性最強的生態拓展性最強 來源：國金證券研究所繪制 1 1.4 4 騰訊“微信騰訊“微信+”生態與“生態與“AI+PluginAI+Plugins s”生態”生態具備一定相似性具備一定相似性 微信的小程序生態與“AI+Plugins”具備一定類似性。小程序是一類嵌入于微信之中、不需要下載安裝即可使用的應用形態。對比微信公眾號的訂閱、傳播、推廣功能，小程序的核心功能在于服務，鏈接解決人需求的服務。ChatGPT Plugins 通過對不同的對話添加不同的插件，可分類實

23、現針對用戶不同需求的智能化操作?！癆I+Plugins”可同時調用不同插件完成一個復雜任務，用戶只需將需求描述清楚即可根據所選的插件組合完成復雜任務。而目前各小程序之間較為獨立，還不能一同完成一個復雜任務。若后續通過大模型將小程序之間的調用打通，實現自動選擇調用，則和當前的“AI+Plugins”較為相似。圖表圖表1313：微信通過小程序可以鏈接幾乎所有生態微信通過小程序可以鏈接幾乎所有生態 圖表圖表1414：C ChatGPT PluginshatGPT Plugins 可鏈接所有生態并自動調用可鏈接所有生態并自動調用 來源：鈦媒體，國金證券研究所 來源：國金證券研究所繪制 微信小程序可鏈接

24、各行各業，移動購物、生活服務、辦公服務、實用工具等細分行業當前結合度較高。根據國金數字未來 Lab，2023 年 4 月微信小程序整體 DAU 達到 5.8 億，同比增長 25%，用戶日均使用頻次 2.5 次，同比增長 6%，細分行業中，移動購物、生活服務、辦公服務、實用工具等幾個行業 DAU 較高。小程序構建起的生態用戶接受度逐漸提升，根據國金數字未來 Lab，用戶月均使用個數港股公司深度研究 敬請參閱最后一頁特別聲明 9 接近 14 個，同比增長 9%。若后續“AI+Plugin”模式應用至微信，則目前小程序所構建的生態將提供良好的基礎。圖表圖表1515：微信小程序細分行業微信小程序細分行

25、業 DAUDAU，單位：萬人，單位：萬人 圖表圖表1616：微信小程序細分行業用戶日均打開頻次微信小程序細分行業用戶日均打開頻次 來源：國金數字未來 Lab，國金證券研究所 注：數據統計時間為 2023 年 4 月 來源：國金數字未來 Lab，國金證券研究所 注：數據統計時間為 2023 年 4 月 圖表圖表1717：微信小程序用戶月均使用個數微信小程序用戶月均使用個數 來源：國金數字未來 Lab，國金證券研究所 二、騰訊具備自研大模型能力，混元大模型未來有望賦能內部全生態場景 2022 年 4 月，騰訊首次對外披露混元大模型，細分為 NLP 大模型、CV 大模型、多模態大模型、AIGC 及眾

26、多行業領域任務模型。各模型在其細分領域上均具有領先的技術優勢：HunYuan-NLP 是國內首個萬億級別中文 NLP 預訓練模型，參數量達 1T，在 CLUE 分類榜和閱讀理解榜排名第一。HunYuan-vcr 作為 CV 大模型，排名常識視覺榜單第一。HunYuan_tvr 作為多模態 AI 大模型，在 MSR-VTT，MSVD，LSMDC，DiDeMo 和 ActivityNet 五大跨模態視頻檢索數據集榜登頂。圖表圖表1818：各模型方法在各模型方法在 5 5 個公開數據集上個公開數據集上正確率正確率指標對比指標對比：混元跨模態登頂：混元跨模態登頂 來源：央廣網，國金證券研究所 圖表圖表

27、1919：騰訊混元大模型騰訊混元大模型在在 CLUECLUE 總榜、分類榜和閱讀理解榜登頂總榜、分類榜和閱讀理解榜登頂 來源：量子位，國金證券研究所 港股公司深度研究 敬請參閱最后一頁特別聲明 10 根據職場 Bonus，騰訊混元項目組由騰訊內部 TEG 平臺牽頭、CSIG、PCG、CDG、PSG、IEG、WXG 多高管部門共同參與。從人員架構上來看：共有項目 Owner（1 名）、項目 PM（3 名）、項目組長（7 名）和項目 Sponsor（7 名），領頭人為騰訊首席科學家、騰訊 AI Lab 及 Robotics X 實驗室主任張正友博士，為騰訊首位 17 級研究員。TEG 或將作為項目

28、組的中軸致力于技術開發，而各大核心的部門的參與則意味著騰訊致力于將 AI 應用至內部全生態場景，混元 AI 大模型未來有望賦能公司各業務。根據騰訊太極學習平臺公眾號，目前混元大模型 HunYuan 已經先后支持了包括微信、QQ、游戲、騰訊廣告、騰訊云等眾多產品和業務，公司業務和內容生態豐富，未來大模型在各項業務上的賦能有望進一步深化。圖表圖表2020：騰訊自有業務生態矩陣涵蓋從社交、娛樂、企業服務等多方面騰訊自有業務生態矩陣涵蓋從社交、娛樂、企業服務等多方面 來源：騰訊官網，國金證券研究所 三、AI 將賦能公司各項業務，推動各業務降本增效 3.1 3.1 AIAI 賦能賦能游戲業務游戲業務：制

29、作環節降本增效，游戲過程：制作環節降本增效，游戲過程中中提升用戶體驗提升用戶體驗 騰訊 AI+游戲的探索方向覆蓋游戲全鏈路。從游戲前測試到游戲中再到競技性游戲訓練，AI 深入游戲全環節。AI 對游戲的賦能：1）降本增效，降低游戲制作成本的同時提升游戲制作效率，降低游戲研發周期鏈路，變現速度加快；2）通過智能 AI NPC、智能 BOT 提升用戶個性化游戲體驗，豐富游戲內容，促使游戲適配更多用戶群體，有望在提升用戶體驗的同時推動游戲消費提升。圖表圖表2121：AI+AI+游戲覆蓋游戲全鏈路游戲覆蓋游戲全鏈路 來源：2021 游戲開發者大會，國金證券研究所 港股公司深度研究 敬請參閱最后一頁特別聲

30、明 11 游戲制作環節：AI 憑借高效低成本的特點可以有效實現降本增效。NPC 建模方面：傳統 NPC 構建需要大量的時間堆砌，從人物建模再到人物動作捕捉都需要一一調試，通常需要花費幾天的時間才能完成構建。騰訊 AI Lab 通過對抗性神經網絡算法可實現短時間“千人千面”的高保真 NPC 模型。后續結合騰訊 AI Lab 整合文字轉語音的前沿研究，有望生成自然語音，同步驅動嘴型、表情等面部變化，實現 NPC 完整構建。內容設計方面：賦能關卡、地圖、玩法等游戲核心要素。以 2023 年游戲開發者大會上、為例，騰訊發布了上自研的 3D 游戲場景自動生成解決方案，核心功能為城市布局生成、建筑外觀生成

31、、室內映射生成。通過 AIGC 技術，可以幫助開發者在極短的時間內打造出高擬真、多樣化的虛擬城市場景，有望大幅提升游戲開發效率。以發布會上演示的例子為例：從零開始搭建一座面積為 25 平方公里，包含 130 千米路網、4416 棟建筑以及超過38 萬個室內映射的虛擬城市。傳統模式需要幾年時間，而借助 AI 僅需要幾周時間，其中城市布局花費只需要 40 分鐘，單棟建筑生成時間只要 17.5 分鐘。玩法、關卡上可通過AI 賦能降低游戲制作門檻，讓用戶自己在游戲內形成PUGC 的內容生成模式，最大程度用戶游戲體驗。動作方面：以 AI 生成采用相位神經網絡技術控制人物運動，并利用海量大數據 AI 自動

32、學習適配場景地形數據。圖表圖表2222：AIAI 輔助生成游戲角色動作輔助生成游戲角色動作 圖表圖表2323：AIAI 可有效提高可有效提高 3D3D 場景渲染效率場景渲染效率 來源：2021 游戲開發者大會，國金證券研究所 來源：2023 游戲開發者大會，國金證券研究所 游戲過程中：借助 AI 大數據、智能 NPC、智能 AIBot、UGC 創作工具等能夠為用戶提供更豐富游戲體驗。智能 BOT 還可賦能測試、托管、訓練、體驗優化等方面。該方面以騰訊 2016 年的開發的“絕藝”圍棋 AI 和“絕悟”游戲 AI 為代表，絕藝圍棋 AI 在過去幾年成為中國圍棋國家隊專用訓練 AI 之一，為選手提

33、供訓練和對抗。絕悟游戲 AI 則覆蓋兩大游戲的大部分階段，為用戶提供便捷。以王者榮耀為例，當前的絕悟智能助手具有 AI 解說、離線模式、道具智能推薦、王者時刻（自動剪輯）、道具智能推薦、英雄智能推薦、語音轉文字等多功能場景。例如在選手掉線和掛機的時候，為保證游戲的公平性，玩家的掛機的角色將由絕悟人機 AI 操控。提供智能托管。在訓練中，玩家也可通過絕悟人機進行 1v1 訓練，借助海量大數據模仿頂級玩家的操作，提升英雄熟練度。目前，絕悟游戲 AI 已場景逐漸衍生，賦能多款游戲，最新的絕悟 Wekick 版本在 Kaggle 足球比賽中奪冠，未來將應用于多種游戲場景，而非局限于 Moba 類游戲。

34、智能 NPC 方面，騰訊在故事性較強的仙俠類、RPG 游戲，也有望仿照網易逆水寒，通過添加智能 NPC 對話和交互系統，根據玩家對話、動作選擇不同的交互語句，形成用戶個性化的游戲體驗。此外，UGC 創作工具等有望在一些大 DAU 社交向游戲中應用，推動游戲生態繁榮。3.2 3.2 AIAI 賦能賦能廣告業務廣告業務：有望有望提升廣告制作和推送效率提升廣告制作和推送效率 AI 有望賦能廣告制作和推送兩大核心問題，內容方面：主要把握廣告內容理解、提升制作流程效率，降本增效。推送環節：基于大數據算力，精確化投放模型，提高廣告轉化率。目前騰訊 AI 廣告布局上以“大模型+強算力”混元 AI 大模型助力

35、廣告的生產全鏈路，廣告大模型提升廣告和用戶匹配準確率，太極機器學習平臺則為兩者提供底層算力支持。港股公司深度研究 敬請參閱最后一頁特別聲明 12 圖表圖表2424：騰訊廣告騰訊廣告+AI+AI，以兩大模型，以兩大模型+一大學習平臺為布局一大學習平臺為布局 來源：騰訊太極機器學習平臺，國金證券研究所 混元大模型主要把握廣告內容端理解，大模型本身具有千億參數、在文字、圖像、視頻的多模態識別能力處于國際領先位置。在廣告領域中細分了巨闕、乾坤、神針、天印等垂直引擎功能，涵蓋智能廣告創作、精細廣告理解、相似廣告檢索、智能廣告審核等廣告全鏈路，有效提高廣告內容端的構建端能力。巨闕：其主要功能為廣告內容理解

36、,以多維度多粒度的廣告語義理解系統，提高廣告側特征生產與應用效率。傳統廣告數據理解主要包括：商品數據、創意數據、落地頁數據三大方面，針對于此，騰訊 AI 團隊分別推出基于多模態預訓練模型的商品類目識別、大規模廣告 Logo 檢索識別系統、多模態 QA 式商品屬性識別、創意視頻時序化理解等多種國內外領先技術。目前完成 60+項特征理解能力建設，覆蓋商品、創意、落地頁等多個維度，相關特征已經廣泛用于各廣告領域：1）廣告推送排序方面：顯著提升廣告系統的消耗和 GMV，2）廣告創意方面：應用于風向標、排行榜、研報等多產品，提升創意制作效率&效果。圖表圖表2525：騰訊廣告多媒體騰訊廣告多媒體 AIAI

37、 布局布局 圖表圖表2626：巨闕內容理解全鏈路巨闕內容理解全鏈路 來源：騰訊云開發者，國金證券研究所 來源：騰訊云開發者，國金證券研究所 乾坤：主要功能為廣告智能創作，引擎覆蓋智能生成、渲染合成、質量控制、元素庫多種能力，以實現自動化視頻創作為核心。當前廣告行業視頻廣告數量激增，乾坤引擎可有效提升視頻廣告產能，解決視頻廣告制作門檻的高及跑量周期短的行業痛點。核心的“圖生視頻”功能，可將靜態的圖片自動生成不同樣式的視頻廣告；“視頻生視頻”功能，通過視頻廣告時序解析，將視頻廣告理解能力從整體升維至時序粒度，實現鏡頭混剪、視頻時長變換、視頻強化、跑量素材混剪等多種能力，最大化提升視頻生成效率。截至

38、目前，乾坤引擎日均生產數十萬條量級視頻廣告。神針：主要功能主要針對廣告審核，具有自動判別、相似復用、負向檢測、規則引擎等四大核心功能。傳統廣告審核中主要依賴人工，對違規點多、素材重復度高、違規點重復等傳統廣告難點力不從心，而 借助“機器主導+人工配合”的審核方式,已經為騰訊廣告節約人力超千人。目前，騰訊智能廣告審核系統幾乎覆蓋全類型廣告，包括圖片、文案、落地頁、廣告主賬戶等多多模態審核，審核質檢合格率處于業界領先。天?。褐饕δ転閺V告提供指紋系統，以視覺相似為基本核心準則，通過層級化指紋 ID、嵌入等檢索能力，賦能廣告投放、廣告召回、廣告分析的等廣告全鏈路環節，解決廣告創意多次復用造成的大盤分

39、配效率不均，廣告空耗嚴重、跑量不穩定等負面影響，提升港股公司深度研究 敬請參閱最后一頁特別聲明 13 用戶觀看體驗。當前天印指紋系統已升級至 2.0 版本，支持 4 層級指紋 ID（元素指紋/素材指紋/廣告指紋/商品指紋）、2 層級 Embedding。在識別模態上，支持單模態、多模態、跨模態檢索，具備圖像/視頻/文本搜廣告，廣告創意搜廣告創意、圖像搜視頻等多模態場景識別能力，覆蓋全面。圖表圖表2727：乾坤智能創作鏈路乾坤智能創作鏈路 圖表圖表2828：廣告智能相似解鎖系統鏈路廣告智能相似解鎖系統鏈路 來源：騰訊廣告多媒體 AI 中心，國金證券研究所 來源：騰訊多媒體廣告 AI 中心，國金證

40、券研究所 廣告大模型賦能推薦端，實現更高廣告推薦效率。除廣告理解外，廣告的另一核心問題為排序，通過定向篩選將廣告推送給目標用戶，最大化廣告主的廣告投放效率。騰訊廣告大模型具有強大的運算能力，以精排大模型為例，其推理參數達到千億級別，序列化后大小可達數百 GB，浮點數計算量最高每秒超過 10 億次，高運算算力加持下，利用海量樣本數據和特征得到的投放模型更為精確，在用戶畫像理解、跨場景建模的差異化表達、各行業廣告主迥異的投放目標上不斷提升強化，最大限度提升廣告的投放效率。同時廣告大模型還可以作為底座，通過構建定制模型，滿足不同廣告主差異化、精細化需求。在整體上，仍然依托大模型的強運算能力，提升數據

41、運算精度、維度與速度，而針對差異化需求和關鍵行為上，則作為新的優化目標獨立建模，進而實現定制模型的快速建模。以網服廣告主為例，在買量 ROI 和廣告 ECPM 提升顯著的情況下，定制模型上線時間從業內普遍的 30 天，縮短至 7 天，并在 30 天內完成迭代，保障模型質量的同時，大幅度模型的建立和優化效率。目前，除了騰訊廣告精排大模型的模型和算法在不斷升級過程以外，大模型能力也會逐步向召回、粗排、重拍等其他排序環節輻射，比如在召回階段：引入用戶和廣告自監督對比、并引入 Momentum Contrast 機制，提升了全庫感知。粗排：舍棄業界傳統的LiteCXR 模型，轉向排序學習 LTR 模型

42、。解決傳統模型，數據稀疏、樣本選擇偏差問題，未來隨技術完善，廣告大模型將更有效賦能廣告排序全鏈路。圖表圖表2929：網服行業客戶：買量網服行業客戶：買量 ROIROI 和和 ECPMECPM 提升明顯提升明顯 來源：太極機器學習平臺，國金證券研究所 太極學習平臺：太極機器學習平臺由騰訊 TEG 云架構平臺部的機智平臺和數據平臺部的港股公司深度研究 敬請參閱最后一頁特別聲明 14 Tesla 平臺協作共建而成，是該公司首個大規模云原生機器學習平臺，技術上采用分布式服務器架構，具備高可靠、高吞吐、低成本的技術性特點，能夠有效支持 7x24 小時不間斷的 10TB 級模型訓練，TB 級模型推理和分鐘

43、級模型分布上線，目前為公司的內部生態業務提供訓練平臺與加速服務，在廣告業務中主要賦能混元和廣告兩大模型，保障其穩定運行。圖表圖表3030：騰訊太極機器學習平臺的技術性突破騰訊太極機器學習平臺的技術性突破 來源：機器之心，國金證券研究所 3.3 3.3 AIAI 賦能賦能金融科技金融科技：通過帶動服務的精細化與智能化有望提升服務效率通過帶動服務的精細化與智能化有望提升服務效率 騰訊金融科技業務主要包含基礎支付、財富管理、證券投資、企業金融、民生產品五大類別業務。目前隨金融行業需求日益細分，單項人工智能技術難以滿足 B 端客戶需求，我們認為 AI 對于金融科技的傳導主要體現在引導整體服務精細化、高

44、效化、安全化。未來 AI 有望應用于數字化、風險管理、智能投顧、智能客服、欺詐檢測、信用評估、保險等多垂直及交叉應用，舉例來看主要有以下應用場景：1）助力傳統金融機構降本增效：通過借助 C2B 連接能力和音視頻技術，可將傳統銀行網點搬至線上，通過線上解決銀行日常業務，提升服務效率和用戶體驗。同時在客服方面，也可通利用 AI 代替智能客服，保證客戶體驗的同時，控制人工成本。以騰訊理財通智能客服為例，智能客服能夠實時提取分析用戶需求、行為、價值等多緯度信息，主動對話進行用戶教育及客戶服務引導，并實時自動化進行產品營銷推薦，目前騰訊理財通智能客服的回答精準確略超過 85%。2）大數據 AI 能力賦能

45、金融風控領域：騰訊依托自己多年在金融行業的積累，建立了全球最大的黑產知識圖譜，可以有效進行欺詐識別，風險管理，例如在用戶支付時，通過建模分析與社團挖掘能力，針對性地挖掘黑產團伙，毫秒級識別打擊非法可疑交易。3）根據用戶畫像精準推薦，賦能智能證券投顧：未來騰訊可借助強大的 AI 能力，精準識別用戶畫像，在投資建議、智能資訊的推薦上也會根據用戶的投資習慣、交易方式做出調整，做到千人千面更為精細化、智能化服務。3.4 3.4 AIAI 賦能賦能企業服務企業服務:大模型聚焦行業，大模型聚焦行業，有望推動有望推動 ToBToB 產品完善，產品完善，帶動云服務需求提升帶動云服務需求提升 AI 對于公司企業

46、服務的賦能主要體現在 1）帶動 ToB 產品完善。AI 有望帶動現有企業微信、騰訊會議等產品功能進一步優化，提升用戶體驗，在此基礎上提升用戶付費意愿。2）大模型賦能各行業的過程中，精細化云服務需求，推動云服務市場規模提升。騰訊的 AI+云布局能力同樣具有全棧覆蓋能力，涵蓋從底層架構、中間層、模型層到應用層。港股公司深度研究 敬請參閱最后一頁特別聲明 15 圖表圖表3131：騰訊四級加速矩陣戰略騰訊四級加速矩陣戰略 來源：騰訊云智能，國金證券研究所 在底層架構上，騰訊共擁有三款自研芯片：AI 推理芯片“紫霄”、視頻轉碼芯片“滄?！?、智能網卡芯片“玄靈”。滄海芯片目前已經量產，在云游戲、直點播等場

47、景中，面向騰訊自研業務和公有云客戶提供服務，根據 MSU 測評，同碼率下，相較于業界 GPU 等標品硬件，滄海能大幅改善畫面質量，“玄靈”作為高性能網絡計算芯片，定位于云主機的性能加速，將網絡/存儲 IO 等功能下移到芯片，實現了主 CPU 的 0 占用，助力云計算場景實現虛擬化零損耗。推理 AI 芯片“紫霄”則以加速算力效能為核心，采用自研存算架構和自研加速模塊，可以提供高達 3 倍的計算加速性能和超過 45%的整體成本節省。技術底座上：高性能計算集群提供算力支持，向量數據庫助力搞笑處理非結構化數據源。2023 年 4 月，騰訊云發布了專為大模型訓練設計的新一代 HCC 高性能計算集群，采用

48、最新一代的騰訊云星星海自研服務器，具備業界最高的 3.2Tbps 互聯帶寬，算力性能提升了 3 倍。騰訊云推出更適合 AI 運算的向量數據庫，能夠更高效地處理圖像、音頻和文本等非結構化數據源，能力源自騰訊內部每日處理千億次檢索的向量引擎（OLAMA），提供高吞吐、低延遲、低成本、高可用、彈性擴展的一站式向量檢索數據庫，單索引支持 10億級向量規模，檢索，數據接入 AI 的效率會比傳統方案提升 10 倍。中間層平臺上：TI 平臺。騰訊云 TI 平臺包括 TI-DataTruth 標注平臺，TI-ONE 訓練平臺，TI-Matrix 應用平臺和 TI-ACC 加速工具等幾大產品。TI-DataTr

49、uth 面向 AI 數據服務提供商，具有多場景數據智能標注、場景數據挖掘等功能。TI-ONE 訓練平臺內置多種訓練方式和算法框架，為用戶提供從數據接入、模型訓練、模型管理到模型服務的全流程開發支持，滿足不同 AI 應用場景的需求。TI-Matrix 應用平臺支持快速接入各種數據、算法和智能設備，并提供可視化編排工具，進行模型服務和資源的管理及調度，進一步通過 AI 服務組建集成和標準化接口開放，降低 AI 應用開發成本。TI-ACC 加速工具從計算優化、通信優化、并行訓練、顯存優化等多個技術方向，對模型訓練提供進行加速，最大限度為算法工程師提供降本提速的基礎能力。6 月 19 日，騰訊 TI

50、平臺進行了新的升級，除了包含此前就有的數據標注、訓練、評估、測試和部署等工具，還有升級后的 太極 Angel”，可以進行更優訓練和推理加速，通過異步調度優化、顯存優化、計算優化等方式，“太極 Angel”加持下的訓練和推理過程相比行業常用方案性能提升 30%以上。目前騰訊自研紫霄 AI 芯片與騰訊云 TI 平臺已完成適配，單卡性能顯著提升 200%，單位算力優化成本 50%，綠色算力能耗節約了 60%。在 AI 開發層面，騰訊自研的 AI 萬億參數的預訓練模型“混元大模型”，具備高精度、廣適配和低成本特點，在此基礎上融合 TNN 開源推理框架后，借助算法模型加速和智能調度等多種技術能力，實現了

51、性能優化，能顯著降低 AI 開發門檻、提升研發精度和效率。MaaS 層：包含了細分領域模型訓練平臺、應用平臺、智慧應用和客服專屬大模型。騰訊云將平臺作為行業大模型的輸出紐帶，在其上為企業提供數據處理和標注、算法構建、模型訓練、評估和部署以及應用開發等全流程鏈路服務。騰訊云主要面向 B 端客戶發力，打造了“通用大模型-行業大模型-專屬大模型”的遞進需求精細化鏈路。通用大模型主要基于公開大數據訓練，難以適配行業客戶多樣性需求，行業大模型依托通用大模型學港股公司深度研究 敬請參閱最后一頁特別聲明 16 習而成，主要打造行業通用性解決方案。6 月 19 日騰訊大模型峰會上，公司發布旅游、政務、金融等

52、10 余個行業超過 50 多個大模型行業解決方案，在此基礎上依托騰訊云 TI平臺的提供的模型預訓練、模型精調、智能應用開發等功能，通過加載學習企業專業數據，實現快速生成適配企業業務場景的專屬精調大模型，提供更高可靠性的精細化服務。圖表圖表3232：騰訊騰訊 TITI-ACCACC 加速能力加速能力 圖表圖表3333：騰訊云騰訊云 MASSMASS 方案全景方案全景 來源：Techo Day，國金證券研究所 來源：騰訊云，國金證券研究所 圖表圖表3434：云云 TITI 平臺行業大模型精調方案平臺行業大模型精調方案 來源：騰訊云，國金證券研究所 四、風險提示 游戲游戲上線表現上線表現不及預期不及

53、預期：新游戲上線是公司游戲業務增長的重要驅動力，若新游戲不能如期上線或上線表現不及預期將影響該部分營業收入增長。廣告主需求修復不及預期風險：廣告主需求修復不及預期風險：若宏觀經濟修復緩慢，廣告主需求恢復不及預期，則可能會對公司廣告業務收入產生不利影響。宏觀經濟下行風險：宏觀經濟下行風險：公司金融支付、廣告等業務與宏觀經濟表現相關度較高，若宏觀經濟下行則對于公司該部分業務的增長產生不利影響。云業務拓展不及預期風險云業務拓展不及預期風險：大模型對于云服務需求的帶動仍需一定時間體現，若短期企業上云需求較弱，則對公司企業服務收入產生一定影響。大模型開發進展或表現不及預期：大模型開發進展或表現不及預期：

54、公司目前尚未正式面向用戶發布大模型，若整體的開發進展或表現不及預期，可能會影響公司中長期在市場中的競爭力。港股公司深度研究 敬請參閱最后一頁特別聲明 17 附錄：三張報表預測摘要附錄：三張報表預測摘要 損益表（百萬元）損益表（百萬元）資產負債表（百萬元）資產負債表（百萬元）2020A 2021A 2022A 2023E 2024E 2025E 2020A 2021A 2022A 2023E 2024E 2025E 主營業務收入主營業務收入 482,064482,064 560,118560,118 554,552554,552 628,906628,906 705,891705,891 788

55、,815788,815 貨幣資金 152,798 167,966 156,739 230,862 326,461 441,277 增長率 27.8%16.2%-1.0%13.4%12.2%11.7%應收款項 85,044 113,567 120,919 135,510 145,940 163,548 主營業務成本 260,532 314,174 315,806 349,393 389,890 432,272 存貨 814 1,063 2,333 1,879 2,999 2,402%銷售收入 54.0%56.1%56.9%55.6%55.2%54.8%其他流動資產 78,991 202,216

56、285,998 265,742 284,310 310,237 毛利 221,532 245,944 238,746 279,513 316,000 356,543 流動資產 317,647 484,812 565,989 633,993 759,711 917,463%銷售收入 46.0%43.9%43.1%44.4%44.8%45.2%總資產 23.8%30.1%35.9%37.1%40.1%43.4%營業稅金及附加 0 0 0 0 0 0 長期投資 305,258 323,188 252,715 262,715 282,715 302,715%銷售收入 0.0%0.0%0.0%0.0%0

57、.0%0.0%固定資產 64,782 67,837 63,207 61,509 59,409 57,413 銷售費用 33,758 40,594 29,229 32,062 36,314 40,793%總資產 4.9%4.2%4.0%3.6%3.1%2.7%銷售收入 7.0%7.2%5.3%5.1%5.1%5.2%無形資產 172,366 191,844 184,326 189,735 189,998 195,123 管理費用 67,625 89,847 106,696 107,495 121,763 135,676 非流動資產 1,015,778 1,127,552 1,012,142 1,

58、076,053 1,134,416 1,197,745%銷售收入 14.0%16.0%19.2%17.1%17.2%17.2%總資產 76.2%69.9%64.1%62.9%59.9%56.6%研發費用 38,972 51,880 61,401 65,468 73,762 81,248 資產總計資產總計 1,333,4251,333,425 1,612,3641,612,364 1,578,1311,578,131 1,710,0461,710,046 1,894,1271,894,127 2,115,2092,115,209%銷售收入 8.1%9.3%11.1%10.4%10.4%10.3%

59、短期借款 14,242 19,003 11,580 0 2,874 3,592 息稅前利潤（EBIT）118,316 116,732 100,017 139,955 157,923 180,074 應付款項 94,030 109,470 102,827 117,246 129,963 135,085%銷售收入 24.5%20.8%18.0%22.3%22.4%22.8%其他流動負債 160,807 274,625 319,797 314,453 324,710 362,855 財務費用 492 1,268 1,393 2,287 3,140 2,867 流動負債 269,079 403,098

60、 434,204 431,699 457,547 501,532%銷售收入 0.1%0.2%0.3%0.4%0.4%0.4%長期貸款 234,202 282,526 312,337 312,337 312,337 312,337-0 0 0 0 0 0 其他長期負債 52,101 50,047 48,730 50,023 49,876 45,187-0 0 0 0 0 0 負債 555,382 735,671 795,271 794,059 819,760 859,056 投資收益-2,970-32,759-43,667-5,254-5,654-4,541 普通股股東權益普通股股東權益 703

61、,984 806,299 721,391 851,827 1,003,307 1,177,363%稅前利潤 n.a n.a n.a n.a n.a n.a 其中：股本 0 0 0 0 0 0 營業利潤 118,316 116,732 100,017 139,955 157,923 180,074 未分配利潤 709,855 830,202 729,668 860,104 1,011,584 1,185,640 營業利潤率 24.5%20.8%18.0%22.3%22.4%22.8%少數股東權益 74,059 70,394 61,469 64,159 71,059 78,790 營業外收支 65

62、,168 165,357 155,268 30,894 37,200 41,200 負債股東權益合計負債股東權益合計 1,333,4251,333,425 1,612,3641,612,364 1,578,1311,578,131 1,710,0461,710,046 1,894,1271,894,127 2,115,2092,115,209 稅前利潤 180,022 248,062 210,225 163,308 186,329 213,866 利潤率 37.3%44.3%37.9%26.0%26.4%27.1%比率分析比率分析 所得稅 19,897 20,252 21,516 30,181

63、 27,949 32,080 2020A 2021A 2022A 2023E 2024E 2025E 所得稅率 11.1%8.2%10.2%18.5%15.0%15.0%每股指標每股指標 凈利潤 160,125 227,810 188,709 133,126 158,380 181,786 每股收益 16.654 23.424 19.613 13.590 15.782 18.134 少數股東損益 278 2,988 466 2,690 6,900 7,731 每股凈資產 73.346 84.006 75.160 88.750 104.532 122.667 歸屬于母公司的凈利潤歸屬于母公司的凈

64、利潤 159,847159,847 224,822224,822 188,243188,243 130,436130,436 151,480151,480 174,056174,056 每股經營現金凈流 20.225 18.252 15.221 16.056 15.836 18.692 凈利率 33.2%40.1%33.9%20.7%21.5%22.1%每股股利 0.000 0.000 0.000 0.000 0.000 0.000 回報率回報率 現金流量表（百萬元）現金流量表（百萬元）凈資產收益率 22.71%27.88%26.09%15.31%15.10%14.78%2020A 2021A

65、 2022A 2023E 2024E 2025E 總資產收益率 11.99%13.94%11.93%7.63%8.00%8.23%凈利潤 159,847 224,822 188,243 130,436 151,480 174,056 投入資本收益率 9.76%8.73%7.77%8.92%9.33%9.46%少數股東損益 278 2,988 466 2,690 6,900 7,731 增長率增長率 非現金支出-43,925-108,197-84,896-15,314-16,176-18,853 主營業務收入增長率 27.77%16.19%-0.99%13.41%12.24%11.75%非經營收

66、益 EBIT 增長率 91.07%-1.34%-14.32%39.93%12.84%14.03%營運資金變動 27,423 891-18,472 26,194 3,856 11,330 凈利潤增長率 71.31%40.65%-16.27%-30.71%16.13%14.90%經營活動現金凈流經營活動現金凈流 194,119194,119 175,186175,186 146,091146,091 154,105154,105 151,996151,996 179,403179,403 總資產增長率 39.77%20.92%-2.12%8.36%10.76%11.67%資本開支-66,599-6

67、2,165-50,850-16,500-11,000-16,000 資產管理能力資產管理能力 投資-108,037-102,878-52,861-71,200-71,200-71,200 應收賬款周轉天數 34.1 32.1 29.9 31.2 30.9 30.4 其他-7,319-13,506-1,160 26,933 31,399 31,970 存貨周轉天數 1.1 1.2 2.7 2.0 2.8 2.0 投資活動現金凈流投資活動現金凈流 -181,955181,955 -178,549178,549 -104,871104,871 -60,76760,767 -50,80150,801

68、-55,23055,230 應付賬款周轉天數 131.7 127.2 118.8 122.5 121.7 114.1 股權募資 1,716-1,127-28,312 0 0 0 固定資產周轉天數 49.1 44.1 41.6 35.7 30.7 26.6 債權募資 40,953 55,367 438 0 0 0 償債能力償債能力 其他-29,022-32,620-32,079-19,215-5,595-9,358 凈負債/股東權益 18.00%19.54%23.84%11.05%0.69%-8.95%籌資活動現金凈流籌資活動現金凈流 13,64713,647 21,62021,620 -59,

69、95359,953 -19,21519,215 -5,5955,595 -9,3589,358 EBIT 利息保障倍數 240.5 92.1 71.8 61.2 50.3 62.8 現金凈流量現金凈流量 19,80719,807 15,16815,168 -11,22711,227 74,12374,123 95,60095,600 114,816114,816 資產負債率 41.65%45.63%50.39%46.43%43.28%40.61%來源：公司年報、國金證券研究所 港股公司深度研究 敬請參閱最后一頁特別聲明 18 投資評級的說明：投資評級的說明：買入：預期未來 612 個月內上漲幅

70、度在 15%以上；增持：預期未來 612 個月內上漲幅度在 5%15%；中性：預期未來 612 個月內變動幅度在-5%5%；減持：預期未來 612 個月內下跌幅度在 5%以上。港股公司深度研究 敬請參閱最后一頁特別聲明 19 特別聲明：特別聲明：國金證券股份有限公司經中國證券監督管理委員會批準，已具備證券投資咨詢業務資格。本報告版權歸“國金證券股份有限公司”（以下簡稱“國金證券”）所有，未經事先書面授權，任何機構和個人均不得以任何方式對本報告的任何部分制作任何形式的復制、轉發、轉載、引用、修改、仿制、刊發，或以任何侵犯本公司版權的其他方式使用。經過書面授權的引用、刊發，需注明出處為“國金證券股

71、份有限公司”，且不得對本報告進行任何有悖原意的刪節和修改。本報告的產生基于國金證券及其研究人員認為可信的公開資料或實地調研資料，但國金證券及其研究人員對這些信息的準確性和完整性不作任何保證。本報告反映撰寫研究人員的不同設想、見解及分析方法，故本報告所載觀點可能與其他類似研究報告的觀點及市場實際情況不一致，國金證券不對使用本報告所包含的材料產生的任何直接或間接損失或與此有關的其他任何損失承擔任何責任。且本報告中的資料、意見、預測均反映報告初次公開發布時的判斷，在不作事先通知的情況下，可能會隨時調整，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國金證券其它業務部門、單位或附屬機構在制作類似

72、的其他材料時所給出的意見不同或者相反。本報告僅為參考之用，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。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、價值及收益可能會受匯率影響而波動。過往的業績并不能代表未來的表現?？蛻魬斂紤]到國金證券存在可能影響本報告客觀性的利益沖突，而不應視本報告為作出投資決策的唯一因素。證券研究報告是用于服務具備專業知識的投資者和投資顧問的專業產品，使用時必須經專業人士進行解讀。國金證券建議獲取報告人員應考慮本報告的任何意見或建議是否符合其特定狀況，以及（若有必要）咨詢獨立投資

73、顧問。報告本身、報告中的信息或所表達意見也不構成投資、法律、會計或稅務的最終操作建議，國金證券不就報告中的內容對最終操作建議做出任何擔保，在任何時候均不構成對任何人的個人推薦。在法律允許的情況下，國金證券的關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能為這些公司正在提供或爭取提供多種金融服務。本報告并非意圖發送、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。國金證券并不因收件人收到本報告而視其為國金證券的客戶。本報告對于收件人而言屬高度機密，只有符合條件的收件人才能使用。根據證券期貨投資者適當性管理辦法，本報告僅供國金證券股份有限公司客戶中風險評級高于 C

74、3 級(含 C3 級）的投資者使用；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。使用國金證券研究報告進行投資，遭受任何損失，國金證券不承擔相關法律責任。若國金證券以外的任何機構或個人發送本報告，則由該機構或個人為此發送行為承擔全部責任。本報告不構成國金證券向發送本報告機構或個人的收件人提供投資建議，國金證券不為此承擔任何責任。此報告僅限于中國境內使用。國金證券版權所有，保留一切權利。上海上海 北京北京 深圳深圳 電話：021-60753903 傳真：021-61038200 郵箱： 郵編：201204 地址：上海浦東新區芳甸路 1088 號 紫竹國際大廈 7 樓 電話：010-85950438 郵箱： 郵編：100005 地址：北京市東城區建內大街 26 號 新聞大廈 8 層南側 電話：0755-83831378 傳真：0755-83830558 郵箱： 郵編：518000 地址：深圳市福田區金田路 2028 號皇崗商務中心 18 樓 1806