《海外科技行業深度研究報告：模型加速迭代有望促進應用端快速發展-250327（22頁）.pdf》由會員分享，可在線閱讀，更多相關《海外科技行業深度研究報告：模型加速迭代有望促進應用端快速發展-250327（22頁）.pdf（22頁珍藏版）》請在三個皮匠報告上搜索。

1、 證 券 研 究 報證 券 研 究 報 告告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 行業研究行業研究 計算機計算機 2025 年年 03 月月 27 日日 海外科技行業深度研究報告 推薦推薦（維持）（維持）模型加速迭代，有望促進應用端快速發展模型加速迭代，有望促進應用端快速發展 AI 大模型是人工智能預訓練大模型的簡稱，其融合了“預訓練”和“大模型”大模型是人工智能預訓練大模型的簡稱，其融合了“預訓練”和“大模型”兩個核心概念，開創了一種全新的智能模式。兩個核心概念，開創了一種全新的智能模式。具體而言，AI 大模型通過在海量數據集上進行預訓練，能夠在僅使用

2、少量數據進行微調，甚至無需微調的情況下，直接支持多種應用場景。模型通常采用多層神經網絡架構，并借助高級優化算法和強大的計算資源進行訓練，從而具備出色的泛化能力、通用性和實用性，廣泛應用于自然語言處理、計算機視覺、智能語音等多個領域，并在其中取得了突破性的性能提升。大模型是實現通用人工智能（大模型是實現通用人工智能（AGI）的關鍵路徑之一。）的關鍵路徑之一?？s放法則表明，隨著模型規模的不斷擴大，其在各項任務上的表現會持續提升。而涌現性則意味著，當模型規模達到一定閾值時，其對某類任務的效果會突然出現顯著的性能增長，并涌現出新的能力。當大模型能夠存儲并動態連接人類的全部知識時，其展現出的智能水平將遠

3、超人們的預期。AGI 的實現將推動人工智能從“數據飛輪”向“智慧飛輪”的演進，最終邁向人機共智的未來?，F有的 AI 體系主要依賴數據飛輪，而 AGI 催生了新的研究范式智慧飛輪。通過強化學習和人類反饋，智慧飛輪能夠不斷解鎖基模型的新能力，從而更高效地解決海量的開放式任務。對比海外各家大模型廠商，各廠商進化重點與路徑不一：對比海外各家大模型廠商，各廠商進化重點與路徑不一：1.OpenAI：使命是確保通用人工智能（AGI）能夠造福全人類。OpenAI 的AGI 使命主要聚焦于兩個核心目標：一是開發出能夠解決人類水平問題的系統；二是構建安全且有益的 AGI。2.LLaMA：目標是通過持續優化核心能力

4、（如推理、編碼）和擴展多模態邊界（如加入語音功能和視頻理解能力），打造“一模多能”的 AI。未來，LLaMA 有望在多模態問答系統、智能助手、教育、醫療等領域發揮更大作用。3.Anthropic：致力于將 Claude 打造成一個更智能、更靈活的 AI 助手。Claude 4 將推出“混合 AI”模型，通過滑動條靈活調整處理 token 的數量，以適應從簡單到復雜的各種任務。4.xAI：Grok 系列模型在自然語言處理、復雜推理、代碼生成以及內容創作等領域展現出強大實力，尤其在實時知識集成和可解釋性方面具有顯著優勢。未來，xAI 將重點拓展多模態能力，集成圖像和視頻處理功能，進一步提升模型在視

5、覺任務中的表現。5.Gemini：谷歌明確表示，Gemini 2.0 是為“代理時代”設計的模型，具備自主理解、規劃和執行任務的能力。模型不斷迭代，有望利好應用側快速發展，建議關注以下標的：模型不斷迭代，有望利好應用側快速發展，建議關注以下標的：1)辦公：MSFT；2)金融：AFRM、UPST、SOFI、LMND；3)工業：CDNS、SNPS；4)醫療：TEM、RXRX、DOCS、HIMS、VEEV；5)創意：ADOBE；6)教育：DUOL；7)電商：SHOP、SEA；8)企業服務軟件：SAP、CRM、NOW、TEAM、ORCL、WDAY、HUBS、FRSH、CXM；9)安全：PANW、CRW

6、D、NET、FTNT；10)數據基建：ESTC、SNOW、MDB；11）云服務提供商：AMZN、META、MSFT、GOOG、ORCL；12）廣告：APP、U、ZETA 等。風險提示風險提示：競爭加劇，商業化不及預期，技術更新較快。證券分析師：吳鳴遠證券分析師：吳鳴遠 郵箱： 執業編號：S0360523040001 行業基本數據行業基本數據 占比%股票家數(只)336 0.04 總市值(億元)49,060.09 4.91 流通市值(億元)41,734.84 5.24 相對指數表現相對指數表現%1M 6M 12M 絕對表現 2.1%84.8%35.6%相對表現 1.9%61.0%26.1%相關研

7、究報告相關研究報告 海外科技行業重大事項點評：港股科技：AI+SaaS 帶來資產重估 2025-03-10 計算機行業周報（20250303-20250307）：AI+軍工，推動國防信息化建設 2025-03-09 AI+專題系列點評（三十）：DeepSeek 開源周，重塑 AI 基礎設施效率 2025-03-02 -27%-3%21%45%24/0324/0524/0824/1024/1225/032024-03-142025-03-13計算機滬深300華創證券研究所華創證券研究所 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009

8、）1210 號 投資投資主題主題 報告亮點報告亮點 本報告深入探討了 AI 大模型的發展現狀與未來趨勢，指出 AI 大模型作為實現通用人工智能（AGI）的關鍵路徑，正推動人工智能從“數據飛輪”向“智慧飛輪”演進。通過對 OpenAI、LLaMA、Anthropic、xAI 和 Gemini等主要廠商的最新產品和技術路線的對比分析，報告指出各廠商在多模態能力、推理性能和行業應用方面的差異化發展。投資邏輯投資邏輯 通過對 OpenAI、LLaMA、Anthropic、xAI 和 Gemini 等主要廠商的深入對比，報告揭示了各廠商在多模態能力、推理性能和應用場景上的差異化優勢：OpenAI 以強大

9、的多模態處理能力領先；LLaMA 專注于多語言對話和代碼生成；Anthropic 在推理成本控制和企業級應用中表現出色；xAI 在數學、科學和編程任務中表現優異；Gemini 則憑借其自主理解和任務執行能力，為“代理時代”做好準備。報告認為，模型路線分化有望引領不同場景的創新應用，建議關注底層模型更新進展，從而把握應用與算力層的投資機會。海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 3 目目 錄錄 一、一、AI 大模型掀起時代浪潮，加速通用人工智能大模型掀起時代浪潮，加速通用人工智能 AGI 時代的來臨時代的來臨.

10、5（一）人工智能發展進入以 AGI 為代表的新里程碑階段.5（二）大模型是實現通用人工智能（AGI）的關鍵路徑之一.6 二、二、大模型進入百模大戰階段，發展趨勢逐漸清晰大模型進入百模大戰階段，發展趨勢逐漸清晰.7（一）三輪驅動下，AI 模型迎來良好發展契機.7（二）AI 大模型產業趨勢確定，Mass 將重構商業化生態。.9 1、大模型將趨于“通用化”與“專用化”并行.9 2、大模型將趨于“平臺化”與“簡易化”并行.10 3、大模型發展路線逐漸清晰，MaaS 將重構商業化生態.10 三、三、海外海外 AI 大模型主要廠商盤點：發展情況或將分化大模型主要廠商盤點：發展情況或將分化.11（一）總結：

11、當前各家模型最新版本對比.11（二）Open AI.12（三）LLAMA.14（四）Anthropic.16（五）xAI.17（六）Gemini.19 四、四、投資建議投資建議.20 五、五、風險提示風險提示.20 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 4 圖表目錄圖表目錄 圖表 1 AI 大模型的內涵與特征.5 圖表 2 AGI 包含多個方面以及多個要素.6 圖表 3 大模型將由數據飛輪向智慧飛輪升級演進.7 圖表 4 優秀的大模型能夠賦能各行各業開放任務.7 圖表 5 LLM 研究的發展路徑.8 圖表

12、6 AI 大模型的技術架構.9 圖表 7 AI 大模型將通用化與專用化并行.9 圖表 8 大模型平臺化與簡易化并進.10 圖表 9 MaaS 產業一體化架構.11 圖表 10 各模型當前智力、速度、價格對比（截至 2025 年 3 月）.12 圖表 11 各模型當前智力與價格的對比（截至 2025 年 3 月）.12 圖表 12 Open AI 模型系列與價格.13 圖表 13 Open AI 將 AGI 目標放在其官網上.13 圖表 14 Open AI 最新產品 GPT-4.5 與 GPT-5 相關安排.14 圖表 15 LLama 各個模型對比.15 圖表 16 Llama 3.2 使用

13、的多模態 LLM 方法的插圖.15 圖表 17 Anthropic 各個模型對比.16 圖表 18 Claude Chat 形式.17 圖表 19 XAI 發展時間線.18 圖表 20 Grok3 功能實例.19 圖表 21 Gemini 各個模型對比.19 圖表 22 Gemini2.0 意圖切入 Agent 時代.20 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 5 一、一、AI 大模型掀起時代浪潮，加速通用人工智能大模型掀起時代浪潮，加速通用人工智能 AGI 時代的來臨時代的來臨（一）（一）人工智能發展進入

14、以人工智能發展進入以 AGI 為代表的新里程碑階段為代表的新里程碑階段 如何理解大模型？如何理解大模型？AI 大模型是人工智能預訓練大模型的簡稱，其融合了“預訓練”和“大模型”兩個核心概念，開創了一種全新的智能模式。具體而言，AI 大模型通過在海量數據集上進行預訓練，能夠在僅使用少量數據進行微調，甚至無需微調的情況下，直接支持多種應用場景。模型通常采用多層神經網絡架構，并借助高級優化算法和強大的計算資源進行訓練，從而具備出色的泛化能力、通用性和實用性，廣泛應用于自然語言處理、計算機視覺、智能語音等多個領域，并在其中取得了突破性的性能提升。圖表圖表 1 AI 大模型的內涵與特征大模型的內涵與特征

15、 資料來源：CRFMOn the Opportunities and Risks of Foundation Models 如何理解如何理解 AGI 技術？技術？AGI 技術能夠精準識別人類情緒意圖、理解人類語言、學習人類知識并進行類腦推理與創造，當前通往 AGI 的技術路徑多元，目前大模型是最佳實現方式。借 Sam Altman 對 AGI 的定義：如果 AI 模型具有一個“普通人”學習解決問題的綜合技能，能夠在任何領域變得優秀，那就擁有了 AGI。海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 6 圖表圖表 2

16、AGI 包含多個方面以及多個要素包含多個方面以及多個要素 資料來源：Tao Feng等How Far Are We From AGI:Are LLMs All We Need?（二）（二）大模型是實現通用人工智能（大模型是實現通用人工智能（AGI）的關鍵路徑之一）的關鍵路徑之一 大模型是實現通用人工智能（大模型是實現通用人工智能（AGI）的關鍵路徑之一。）的關鍵路徑之一?？s放法則表明，隨著模型規模的不斷擴大，其在各項任務上的表現會持續提升。而涌現性則意味著，當模型規模達到一定閾值時，其對某類任務的效果會突然出現顯著的性能增長，并涌現出新的能力。當大模型能夠存儲并動態連接人類的全部知識時，其展現

17、出的智能水平將遠超人們的預期。AGI的實現將推動人工智能從“數據飛輪”向“智慧飛輪”的演進，最終邁向人機共智的未來?，F有的 AI 體系主要依賴數據飛輪，而 AGI 催生了新的研究范式智慧飛輪。通過強化學習和人類反饋，智慧飛輪能夠不斷解鎖基模型的新能力，從而更高效地解決海量的開放式任務。數據飛輪：現有 AI 體系主要通過前端獲取大量數據并進行人工標注，隨后利用更新后的模型反饋到前端以獲取更高質量的數據。然而，這一過程存在研發時間長、成本高的問題。智慧飛輪：AGI 體系則強調人與模型的互動，基模型能夠不斷理解人類意圖，解鎖更多技能，并實現自動化標注。其成本僅為現有 AI 體系的約 1%，能夠推動數

18、據的快速迭代與優化，從而輸出更高質量的智慧內容。這種從數據驅動到智慧驅動的轉變，將為人工智能的發展帶來質的飛躍，加速 AGI 的實現 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 7 二、二、大模型進入百模大戰階段，發展趨勢逐漸清晰大模型進入百模大戰階段，發展趨勢逐漸清晰（一）（一）三輪驅動下，三輪驅動下，AI 模型迎來良好發展契機模型迎來良好發展契機 在“基礎設施支撐在“基礎設施支撐+頂層設計優化頂層設計優化+下游需求旺盛”三輪驅動下，下游需求旺盛”三輪驅動下，AI 大模型迎來了良好的大模型迎來了良好的發展契機。

19、發展契機。通過數據交互和任務反饋，優秀的大模型能夠賦能各行各業開放任務，滿足對未來 AI 應用的期待。展望未來，大模型“訓練基礎設施底層技術基礎應用垂直應用”發展路線逐漸清晰，隨著底層技術逐步革新，基模型和領域大模型持續完善，大模型應用邊界不斷拓寬，將加速賦能交通、醫療、金融等各個行業和領域，引發一場以強人工智能和通用人工智能為代表的新一輪智能革命浪潮，大幅提高生產和生活效率，帶來深刻的經濟、社會和產業變革。AI 基礎架構及基礎設施快速發展，助推大模型應用落地?；A架構及基礎設施快速發展，助推大模型應用落地。從基礎架構的角度來看，圖表圖表 3 大模型將由數據飛輪向智慧飛輪升級演進大模型將由數據

20、飛輪向智慧飛輪升級演進 資料來源：Beyond the imitation game:Quantifying and extrapolating the capabilities of language models，商湯，轉引自弗若斯特沙利文AI 大模型市場研究報告（2023）邁向通用人工智能，大模型拉開新時代序幕 圖表圖表 4 優秀的大模型能夠賦能各行各業開放任務優秀的大模型能夠賦能各行各業開放任務 資料來源：弗若斯特沙利文AI 大模型市場研究報告（2023）邁向通用人工智能，大模型拉開新時代序幕 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：

21、證監許可（2009）1210 號 8 Transformer 是推動 AI 大模型發展的關鍵基石。它由論文Attention is All You Need首次提出，是一種全新的、簡潔的網絡架構，遵循 Encoder-Decoder 的框架流程來實現任務目標。與傳統的循環神經網絡（RNN）架構不同，Transformer 完全基于注意力機制構建，摒棄了循環和卷積操作。目前 Transformer 已逐步取代 LSTM 等 RNN 模型，成為NLP 問題的首選模型，并有逐步統一圖像處理等領域的趨勢。核心技術層協同發展，共同賦能核心技術層協同發展，共同賦能 AI 大模型生態。大模型生態。AI 大模

22、型的技術架構通常由基礎層、技術層、能力層、應用層和終端層五大板塊構成。其中，技術層是 AI 大模型的核心，它通過將 AI 技術群與大模型進行融合創新，為各行業提供深度賦能?；A層：基礎層：AI 大模型的基礎層主要包括硬件基礎設施以及數據、算力和算法模型三大核心要素。隨著大模型規模的持續擴大，對計算資源的需求也在不斷攀升。因此，高性能硬件設備、海量場景數據、強大的算力基礎以及不斷升級迭代的算法模型，成為推動 AI 大模型發展的關鍵支撐。深度學習模型的持續升級與迭代，顯著提升了 AI 算法的學習能力，而開源模式則為 AI 大模型成為海量應用、網絡和服務的基礎提供了可能。技術層：技術層：AI 大模型

23、的技術層主要聚焦于模型構建。目前，Transformer 架構在該領域占據主導地位，例如 BERT、GPT 系列等。AI 大模型涵蓋自然語言處理（NLP）大模型、計算機視覺（CV）大模型以及多模態大模型等。這些模型普遍采用預訓練和微調的策略，先在大量無標注數據上學習語言或圖像的基本表示，再針對特定任務進行微調。能力層、應用層及終端層：能力層、應用層及終端層：在基礎層和技術層的支持下，AI 大模型具備了文字生成、音頻處理、圖像識別、視頻編輯、代碼生成、策略制定以及多模態融合等多種能力。這些能力廣泛應用于金融、電商、傳媒、教育、游戲、醫療、工業、政務等多個領域，為不同類型的用戶包括企業級用戶、政府

24、機構用戶和大眾消費者提供多樣化的產品和服務。圖表圖表 5 LLM 研究的發展路徑研究的發展路徑 資料來源：大語言模型簡史：從Transformer（2017）到DeepSeek-R1（2025）的進化之路，CSDN 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 9 （二）（二）AI 大模型產業趨勢確定，大模型產業趨勢確定，Mass 將重構商業化生態。將重構商業化生態。1、大模型將趨于“通用化”與“專用化”并行大模型將趨于“通用化”與“專用化”并行 通用大模型是一種多模態基礎模型，其核心在于統一架構、統一知識表達以及

25、統一任務通用大模型是一種多模態基礎模型，其核心在于統一架構、統一知識表達以及統一任務處理。處理。這種模型通過統一的框架和學習模式，構建適用于多種模態的通用詞表，并將所有任務轉化為序列到序列的任務形式。以 GPT 系列模型為例，在自然語言處理領域表現出色，能夠勝任文本生成、問答、摘要、翻譯等多種任務。同樣，BERT 模型也廣泛應用于自然語言處理的多個任務，如文本分類、命名實體識別和問答等，展現了強大的通用性和適應性。專用大模型通過通用預訓練和專用預訓練相結合的方式，實現對特定業務專用大模型通過通用預訓練和專用預訓練相結合的方式，實現對特定業務場景的優化應用。場景的優化應用。專用大模型可以分為領域

26、大模型和行業大模型。其中，領域大模型主要針對特定的技術領域，如自然語言處理（NLP）和計算機視覺（CV）；而行業大模型則專注于特定的行業需求，如金融、能源等。圖表圖表 6 AI 大模型的技術架構大模型的技術架構 資料來源：Menlo Ventures 圖表圖表 7 AI 大模型將通用化與專用化并行大模型將通用化與專用化并行 資料來源：弗若斯特沙利文AI 大模型市場研究報告（2023）邁向通用人工智能，大模型拉開新時代序幕 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 10 2、大模型將趨于“平臺化”與“簡易化”并行

27、大模型將趨于“平臺化”與“簡易化”并行 大模型的發展呈現出平臺化和簡易化兩大趨勢。平臺化主要是指為開發者和研究者提供大模型的發展呈現出平臺化和簡易化兩大趨勢。平臺化主要是指為開發者和研究者提供AI 模型開發與應用的完整解決方案。模型開發與應用的完整解決方案。在 AI 技術的加持下，GPT 內部插件的用戶體驗優于直接使用外部原生應用，用戶的使用場景也逐漸向 GPT 模型內部遷移。目前，GPT 插件商店內的應用主要由 OpenAI 邀請的第三方開發者構建，涵蓋辦公協作、電商、旅游等多個領域。隨著外部成熟應用的交互圈層不斷擴大，GPT 與用戶日常生活的結合將更加緊密。參考移動互聯網時代從 PC 端到

28、移動端的遷移趨勢，主流應用預計將加速向 AI 平臺遷移，即迅速適應并布局 GPT 內的 AI 插件，探索 AI 加持下的新應用場景。這些應用可以借助 GPT 的 AI 技術提升用戶體驗，而 GPT 則通過這些應用吸引更多用戶，網絡效應進一步強化了這種相互促進的趨勢，從而提升 GPT 平臺的整體生態價值。3、大模型發展路線逐漸清晰，大模型發展路線逐漸清晰，MaaS 將重構商業化生態將重構商業化生態 國內大模型的商業應用大幕正徐徐拉開，廠商們加速戰略布局，加大資金和技術投入，持續打磨大模型，努力追趕全球大模型產業化的浪潮。MaaS（Model as a Service，模型即服務）模式能夠降低 A

29、I 應用開發的門檻，重構 AI 產業的商業化結構生態，激發新的產業鏈分工和商業模式不斷涌現，有望成為未來大模型的主流商業模式。MaaS 模式由基礎層、中間層和應用層三部分組成：模式由基礎層、中間層和應用層三部分組成：基礎層提供多模態基模型以及 CV、NLP、多模態等領域大模型，輸出泛化能力，并對外開放大模型的調用接口。中間層即平臺層付費使用基礎層提供的接口，直接調用基礎模型，基于行業特色數據與知識進行精調，開發行業大模型，精準適配 AI 具體應用需求，如汽車領域的自動駕駛、醫療領域的蛋白質解析等，以及企業私有模型。應用層則進行多樣化的 SaaS 應用以及新一代智能硬件的開發，未來有望出現“殺手

30、級”應用和現象級產品。圖表圖表 8 大模型平臺化與簡易化并進大模型平臺化與簡易化并進 資料來源：弗若斯特沙利文AI 大模型市場研究報告（2023）邁向通用人工智能，大模型拉開新時代序幕 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 11 MaaS 模式在模式在 B/G 端和端和 C 端的商業化落地存在差異：端的商業化落地存在差異：C 端用戶數量龐大，工具使用門檻較低，落地速度以及未來成長速度都較快，“應用商店”等創新商業模式不斷涌現。通過“對話+插件”的形式，將大模型單點工具接入廠商自有或第三方應用，能夠打造新的用

31、戶交互界面和入口。未來 MaaS 模式下 C 端的商業化落地形式將不斷創新，顛覆傳統，擁有廣闊的想象空間。B/G 端則需要針對行業領域和業務場景進行大量的工程工作，尤其是傳統行業，知識獲取和積累需要較長時間，即使是同一行業，不同細分場景的痛點也各不相同，導致 AI 大模型的滲透率存在明顯差異。應用場景碎片化的特點使得構建低成本、易用、泛化能力較強的能力平臺需要較長周期，但 B/G 端客戶付費能力較強，未來盈利空間和成長空間較為廣闊。三、三、海外海外 AI 大模型主要廠商盤點：發展情況或將分化大模型主要廠商盤點：發展情況或將分化（一）（一）總結：當前各家模型最新版本對比總結：當前各家模型最新版本

32、對比 各模型優勢領域不一，根據 artificial analysis 的測評，在智力方面，O3mini（high）和 o1表現最佳，得分分別為 66 和 62，在速度方面，Gemini 2.0 Flash 速度最快，每秒輸出令牌數達到 176，遠超第二名的 Gemini 2.0 Pro。價格方面，Gemini 2.0 最具成本效益，每100 萬代幣價格為 0.2 美元。綜合智力與性價比，claude3.7 Sonnet Thinking，O3mini（high）等模型位于具有強吸引力象限中。圖表圖表 9 MaaS 產業一體化架構產業一體化架構 資料來源：中國信息通信研究院 MaaS框架與應用

33、研究報告(2024年)海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 12 （二）（二）Open AI：OpenAI 的發展始于的發展始于 2015 年，由埃隆馬斯克、山姆奧特曼等科技界人士共同創立，年，由埃隆馬斯克、山姆奧特曼等科技界人士共同創立，旨在推動人工智能技術的前沿研究并確保其安全和普惠性。旨在推動人工智能技術的前沿研究并確保其安全和普惠性。2018 年，OpenAI 發布了 GPT-1，這是其首個基于 Transformer 架構的大型語言模型，標志著其在自然語言處理領域的初步探索。2019 年，GPT-

34、2 發布，憑借更高的性能和更強大的語言生成能力，引發了廣泛關注。2020 年，GPT-3 的推出進一步鞏固了 OpenAI 在 AI 領域的領先地位，其強大的多語言處理能力和廣泛的應用場景為后續發展奠定了基礎。2023 年，OpenAI 發布了 GPT-4，這一模型在性能、效率和多模態處理能力上實現了質的飛躍，同時開放 AIP，開啟了圖表圖表 10 各模型當前智力、速度、價格對比（截至各模型當前智力、速度、價格對比（截至 2025 年年 3 月）月）資料來源：artificial analysis 圖表圖表 11 各模型當前智力與價格的對比（截至各模型當前智力與價格的對比（截至 2025 年年

35、 3 月）月）資料來源：artificial analysis 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 13 AI 在消費級市場的廣泛應用。2024 年，OpenAI 繼續創新，推出了 GPT-4o、o1 系列等新模型，進一步優化了性能和成本。2025 年，OpenAI 計劃推出 GPT-4.5 和 GPT-5，預計將在性能和效率上再次突破，引領 AI 技術的未來發展方向。圖表圖表 12 Open AI 模型系列與價格模型系列與價格 模型名稱模型名稱 發布時間發布時間 輸入價格（每輸入價格（每 100100

36、萬萬 tokenstokens）輸出價格（每輸出價格（每 100100 萬萬tokenstokens）GPT-1 2018 年 6 月-GPT-2 2019 年 2 月-GPT-3 2020 年 6 月-GPT-3.5 2022 年-GPT-4 2023 年 3 月$30.00$60.00 GPT-4 Turbo 2023 年 11 月-GPT-4o 2024 年 5 月$2.50$10.00 GPT-4o mini 2024 年 7 月$0.15$0.60 o1 系列（o1、o1-mini）2024 年 9 月$15.00$60.00 o3-mini 2025 年 2 月$1.10$4.40

37、 GPT-4.5 2025 年 2 月$75.00$150.00 資料來源：Open AI 官網，華創證券 以實現以實現 AGI 為最終目標，產品線將持續豐富。為最終目標，產品線將持續豐富。OpenAI 的使命是確保通用人工智能（AGI）能夠造福全人類。AGI 是一種具備與人類同等智慧水平的人工智能系統。它能夠在人類從事的所有專業領域中，執行任何人類能夠完成的智力任務，甚至在許多具有經濟價值的工作中超越人類。OpenAI 的 AGI 使命主要聚焦于兩個核心目標：一是開發出能夠解決人類水平問題的系統；二是構建安全且有益的 AGI。實現實現AGI路徑中，路徑中，Open AI將實現以下產品路線圖譜

38、：將實現以下產品路線圖譜：從2023年12月底奧特曼（OpenAI）的發言中可以看出，其未來產品線將涵蓋 GPT-5、更先進的語音交互模型、更高效的網頁瀏覽（網頁 Agent）以及個性化服務（PC Agent）。目前，其視頻生成模型（如 Sora）已經發布。此外，OpenAI 兩次發表文生 3D 模型相關的論文，包括 Shape-E 和 Point-E。目前，OpenAI 的產品線正沿著通用人工智能（AGI）的方向發展，已經發布了涵蓋文字、語音、圖片和視頻的多種模型。未來，預計其將在 3D 模型、Agent 以及語音交互等領域取得更多突破。圖表圖表 13 Open AI 將將 AGI 目標放在

39、其官網上目標放在其官網上 資料來源：open AI官網 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 14 在 2024 年 12 月的“OpenAI 12 Days”活動中，OpenAI 進一步展示了其在 AI 領域的最新進展和產品更新。例如，OpenAI 在活動期間正式發布了 Sora文本到視頻生成模型，用戶可以通過文本描述生成 1080p 分辨率的 20 秒視頻。此外，ChatGPT 的 AI 搜索引擎也已向所有用戶開放，包括免費用戶。相關更新同樣表明 OpenAI 正在加速其產品線的擴展和功能的增強，進一步

40、推動人工智能技術的普及和應用。（三）（三）LLAMA:LLaMA 模型系列自模型系列自 2023 年首次發布以來，經歷了從年首次發布以來，經歷了從 LLaMA 1 到到 LLaMA 3 的快速迭的快速迭代與發展。代與發展。2023 年 2 月，Meta 推出了 LLaMA 1，包括 7B、13B、30B 和 65B 四個參數版本，憑借其開源性和優異性能迅速成為開源社區的熱門模型。隨后，2023 年 7 月發布的 LLaMA 2 進一步擴充了訓練數據量至 2 萬億 tokens，并引入了分組查詢注意力機制（GQA），提升了模型性能和推理效率。2024 年 4 月，LLaMA 3 發布，支持 8K

41、 長文本，采用更高效的 tokenizer，并使用超過 15 萬億 tokens 的語料進行訓練，性能接近 SOTA。2024 年 7 月，LLaMA 3.1 進一步增強了多語言支持和安全性，鞏固了其在開源大模型領域的領先地位。這一系列迭代不僅推動了開源大模型技術的發展，也為全球 AI 研究與應用提供了強大的支持。圖表圖表 14 Open AI 最新產品最新產品 GPT-4.5 與與 GPT-5 相關安排相關安排 資料來源：Sam Altman 推特 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 15 圖表圖表 1

42、5 LLama 各個模型對比各個模型對比 指標指標 LLaMA 1LLaMA 1 LLaMA 2LLaMA 2 LLaMA 3LLaMA 3 LLaMA 3.2LLaMA 3.2 規模規模 7B、13B、33B、65B 7B、13B、70B 8B、70B、405B 1B、3B、11B、90B 訓練數據量訓練數據量 約 1.0T tokens 約 2.0T tokens 約 15T tokens 約 15T tokens 主要特點主要特點 引入 RMSNorm、RoPE、SwiGLU 引入分組查詢注意力（GQA），優化對話微調 上下文長度擴展至 8192，采用TikToken 分詞器 上下文長度

43、擴展至 128K，支持多模態 性能表現性能表現 基礎性能較好 在推理、對話能力等方面優于 LLaMA 1 性能顯著提升，推理速度更快，生成答案更長 多模態能力增強，適合復雜任務 適用場景適用場景 通用文本生成 對話、編程輔助 復雜推理、多語言支持 多模態任務、邊緣設備 上下文窗口上下文窗口 2048 tokens 4096 tokens 8192 tokens 128K tokens 多模態支持多模態支持 不支持 不支持 不支持 支持（圖像與文本任務）開源許可開源許可 開源 開源 開源 開源 部署成本部署成本 部署成本低 部署成本適中 部署成本適中 多模態版本需要更多硬件資源 資料來源：CSD

44、N、華創證券整理 LLaMA 模型箭指多模態模型箭指多模態，未來有望成為多模態領域模型先鋒。，未來有望成為多模態領域模型先鋒。LLaMA 的功能包括多語言對話支持（涵蓋英語、德語、法語、印地語等 8 種語言），強大的文本生成和代碼生成能力，以及長上下文窗口（如 Llama 3.3 支持 128K tokens）。此外，LLaMA 系列還具備高效的 Transformer 架構，結合監督微調（SFT）和基于人類反饋的強化學習（RLHF）來提高模型的安全性和實用性。圖表圖表 16 Llama 3.2 使用的多模態使用的多模態 LLM 方法的插圖方法的插圖 資料來源：LlamaTeam,AIMeta

45、 The Llama 3 Herd of Models 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 16 后續發展路線：后續發展路線：LLaMA 的目標是通過持續優化核心能力（如推理、編碼）和擴展多模態邊界（如加入語音功能和視頻理解能力），打造“一模多能”的 AI。未來，LLaMA 有望在多模態問答系統、智能助手、教育、醫療等領域發揮更大作用。LLaMA 模型的未來發展將著重于以下幾個方向：首先，模型將繼續優化其多模態能力，特別是在視覺理解和生成方面，例如通過 Diffusion 技術進一步提升視覺任務的表現。其

46、次，LLaMA 可能會進一步拓展其在特定領域的應用，如醫療領域，通過開源多語言醫療語料庫來支持全球醫療 AI 的發展。此外，LLaMA 模型在性能提升方面也將持續發力，例如 LLaMA 3.3 已經展現出用較少參數達到更高性能的潛力，未來可能會繼續探索更高效的架構和訓練方法以降低成本并提高效率。最后，LLaMA 模型可能會在語音合成和視頻理解等新領域進行探索，以滿足更多元化的市場需求。（四）（四）Anthropic：Anthropic 自自 2021 年成立以來，迅速成為全球年成立以來，迅速成為全球 AI 領域的重要參與者，專注于開發安全、領域的重要參與者，專注于開發安全、可靠且可解釋的可靠且

47、可解釋的 AI 系統。系統。2023 年 3 月，Anthropic 正式發布其初代模型 Claude 1，采用獨特的“憲法 AI”（Constitutional AI）技術，通過 AI 自主評估和反饋訓練結果，避免了人類反饋系統的不透明性。2023 年，Claude 2 發布，性能大幅提升，支持更長文本響應，并在編程、數學和推理能力方面表現出色。同年，Claude 2.1 進一步擴展了上下文窗口至200K，使其在長文本處理和企業級應用中更具優勢。2024 年，Anthropic 推出了 Claude 3系列，包括 Claude 3 Haiku、Sonnet 和 Opus，這些模型在多模態支持

48、、語言能力和安全性方面取得了顯著進步，成為全球首個在特定基準測試中超越了 GPT-4 模型。緊接著，Claude 3.5 系列發布，進一步優化了實時用戶交流和數據提取任務的性能，并在多模態視覺處理方面取得突破。進入 2025 年，Anthropic 繼于 2 月發布了 Claude 3.7 Sonnet、Claude 3.5 系列和 Claude 3.7 Sonnet 在多模態視覺處理方面取得了顯著進步等，特別是在科學示意圖處理方面展現出強大的應用潛力。通過持續的技術創新，Anthropic 的模型不僅在性能上不斷突破，還在安全性、可靠性和可解釋性方面樹立了行業標桿，逐漸成為 OpenAI的有

49、力競爭對手。圖表圖表 17 Anthropic 各個模型對比各個模型對比 Claude 1Claude 1 Claude 2Claude 2 Claude 2.1Claude 2.1 Claude 3Claude 3 Claude 3.5Claude 3.5 發布時間發布時間 2023 年 3 月 2023 年 7 月 2023 年 11月 2024 年 3 月 2024 年 10 月 上下文窗口上下文窗口 9K token 100K token 200K token 200K token（特定用途可達 1M token）200K token 多模態能力多模態能力 不支持 不支持 不支持 支持

50、（圖片、圖表等輸入）支持（新增計算機操作功能）性能與能力性能與能力 基礎語言生成和對話 編碼、數學、推理能力提升 對話優化，內容創建功能增強 多模態任務處理，復雜推理 高級編碼、復雜推理，支持計算機操作 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 17 應用場景應用場景 語言生成、對話 編程輔助、文檔處理 對話優化、內容創作 多模態分析、企業級應用 高級編碼任務、計算機操作 安全與可靠性安全與可靠性 安全性較低 安全性增強 安全性高，拒絕回答率較高 安全性高，拒絕回答率降低 安全性高，保持與 Claude 3 水

51、平 資料來源：機器之心，Anthropic 官網等，華創證券 Claude 作為作為 Anthropic 的核心產品，已經在企業級應用、編程與開發、數據分析、多語的核心產品，已經在企業級應用、編程與開發、數據分析、多語言支持以及教育等領域展現出強大的實力。言支持以及教育等領域展現出強大的實力。它不僅為企業提供高效、個性化的解決方案，還在編程任務中表現出色，特別是在代碼生成和調試方面，顯著提升了開發效率。同時，Claude 憑借其長上下文窗口和多語言能力，成為數據分析和跨文化交流中的得力助手。在教育領域，Claude 能夠提供個性化的學習體驗，支持內容生成，助力教育輔導。展望未來，展望未來，An

52、thropic 正致力于將正致力于將 Claude 打造成一個更智能、更靈活的打造成一個更智能、更靈活的 AI 助手。助手。Claude 4 將推出將推出“混合混合 AI”模型，通過滑動條靈活調整處理模型，通過滑動條靈活調整處理 token 的數量，以適應從簡單到復雜的數量，以適應從簡單到復雜的各種任務。的各種任務。此外，Claude 還將具備網絡訪問功能，能夠實時獲取和處理網絡信息，從而在動態環境中提供更實用的建議。記憶功能也將得到增強，使 Claude 能夠跨項目甚至長期記憶用戶交互信息，這對于實現虛擬協作伙伴的愿景至關重要。雖然語音交互和多模態能力的拓展目前優先級較低，但 Anthrop

53、ic 也在積極探索這些方向，以進一步提升用戶體驗。（五）（五）xAI：xAI 自自 2023 年年 7 月由埃隆月由埃隆馬斯克宣布成立以來，迅速在人工智能領域嶄露頭角。馬斯克宣布成立以來，迅速在人工智能領域嶄露頭角。2023年 11 月，xAI 發布了其首款 AI 大模型產品Grok-1，該模型基于混合專家系統（MoE）圖表圖表 18 Claude Chat 形式形式 資料來源：Claude AI官網 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 18 架構，參數量達 3140 億，支持長文本推理和實時知識集成。2

54、024 年 3 月，xAI 宣布將Grok-1 開源，成為當時參數量最大的開源大語言模型。隨后，xAI 在 2024 年 3 月推出了Grok-1.5，顯著提升了數學推理和編碼能力，并支持 128K 上下文處理。2024 年 8 月，xAI發布了 Grok-2 及其輕量級版本 Grok-2 mini，進一步優化了性能并擴展了應用場景。2025年 2 月，xAI 推出了 Grok-3，其推理能力和自然語言處理能力顯著提升，并引入了“Deep Search”工具，能夠整合網絡搜索和 X 平臺上的實時信息。圖表圖表 19 XAI 發展時間線發展時間線 時間時間 模型版本模型版本 主要特點主要特點 2

55、023 年 7 月 xAI 成立，目標是打造高質量的大語言模型。初始團隊 12 人，背景強大；與 X 平臺和特斯拉緊密合作。2023 年 11 月 發布首款大語言模型 Grok-1，參數量 3140億?；旌蠈＜蚁到y（MoE）架構；支持長文本推理和實時知識集成。2024 年 3 月 Grok-1 開源。參數量 3140 億，成為當時參數量最大的開源大語言模型。2024 年 3 月 發布 Grok-1.5，顯著提升數學推理和編碼能力。數學推理得分 50.6%，編碼能力得分 74.1%；支持 128K 上下文處理。2024 年 5 月 完成 60 億美元 B 輪融資，投后估值達 240億美元。資金用

56、于算力基礎設施建設和模型研發。2024 年 6 月 推出超級計算機 Colossus，搭載 10 萬塊NVIDIA H100 GPU。計劃擴展至 15 萬塊 H100/H200，成為全球最強 AI 訓練系統。2024 年 8 月 發布 Grok-2 及其輕量級版本 Grok-2 mini。性能躋身全球前五；引入少量真實世界數據，提升處理真實場景的能力。2025 年 2 月 發布 Grok-3，引入“思維鏈”推理能力。性能顯著提升，推理能力增強；目標是成為“地球上最聰明的人工智能”。資料來源：xAI 官網、36 氪、機器之心、智東西等，華創證券 xAI 旗下的旗下的 Grok 系列模型在自然語言

57、處理、復雜推理、代碼生成以及內容創作等領域系列模型在自然語言處理、復雜推理、代碼生成以及內容創作等領域展現出強大實力，尤其在實時知識集成和可解釋性方面具有顯著優勢。展現出強大實力，尤其在實時知識集成和可解釋性方面具有顯著優勢。未來，xAI 將重點拓展多模態能力，集成圖像和視頻處理功能，進一步提升模型在視覺任務中的表現。同時，Grok 系列將深化與特斯拉和 SpaceX 的合作，探索在自動駕駛和人形機器人領域的應用，借助車輛傳感器數據和航天技術資料，推動 AI 在更多場景的落地。此外，xAI還將繼續優化模型的推理能力和實時功能，進一步提升其在動態環境中的實用性，致力于打造“地球上最聰明的人工智能

58、”。海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 19 （六）（六）Gemini：Gemini 模型是谷歌推出的多模態 AI 模型，旨在通過強大的多模態能力（包括文本、圖像、音頻、視頻和代碼）以及高效的推理能力，為用戶提供更智能的交互體驗。其發展歷程體現了谷歌在 AI 領域的持續創新和優化。2023 年 12 月，谷歌首次發布 Gemini 1.0，標志著其在多模態 AI 領域的重大突破。隨后，2024 年 2 月，谷歌推出了 Gemini 1.5 系列，顯著提升了模型在長文本處理、多模態任務以及推理能力方面的表現

59、。2024 年 5 月，谷歌進一步優化了 Gemini Pro 1.5，增加了對超長上下文的支持，使其能夠處理更復雜的任務。2024 年 8 月，Gemini Pro 1.5 在多個基準測試中超越了 ChatGPT-4，展現了其在多模態處理和性能優化方面的優勢。圖表圖表 21 Gemini 各個模型對比各個模型對比 時間時間 事件事件 關鍵要素關鍵要素 2023 年 12 月 發布 Gemini 1.0，谷歌稱其為史上最強大、最通用的模型。多模態能力（文本、圖像、音頻、視頻、代碼）；優化不同尺寸版本（Ultra、Pro、Nano）。2024 年 2 月 發布 Gemini 1.5 系列。性能顯

60、著提升，支持 100 萬 token 超長上下文；推理能力增強。2024 年 5 月 發布 Gemini Pro 1.5。支持超長上下文（100 萬 token），優化推理效率。2024 年 8 月 Gemini Pro 1.5 在多個基準測試中超越ChatGPT-4。多模態處理能力優化；性能提升。2024 年 9 月 Gemini 模型在多語言任務上表現突出?？缯Z言能力增強，支持多種語言。資料來源：Genmini 官網、CSDN，新浪財經等，華創證券 圖表圖表 20 Grok3 功能實例功能實例 資料來源：XAI官網 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨

61、詢業務資格批文號：證監許可（2009）1210 號 20 Gemini 模型作為谷歌模型作為谷歌 DeepMind 推出的多模態推出的多模態 AI 系統，已經在多模態融合、長上下文系統，已經在多模態融合、長上下文處理和智能體應用等方面取得了顯著進展。處理和智能體應用等方面取得了顯著進展。谷歌明確表示，Gemini 2.0 是為“代理時代”設計的模型，具備自主理解、規劃和執行任務的能力。Gemini 將繼續深化其多模態能力，支持更復雜的模態間交互，例如實現圖像、文本、音頻和視頻之間的無縫轉換。此外，Gemini 將通過引入強化學習等技術，具備自我學習和改進的能力，進一步提升其邏輯推理和因果推斷能

62、力。谷歌計劃將 Gemini 集成到更多產品和服務中，如 Gmail、Docs 和Sheets 等，以增強用戶體驗。同時，Gemini 還將優化其在邊緣設備上的部署能力，使其能夠在資源受限的環境中高效運行。隨著技術的不斷進步，Gemini 有望在智能助手、創意內容生成、教育、醫療診斷、多語言交流和科學研究等領域發揮更大的作用。未來，Gemini 還將更加注重安全性和可解釋性，確保其在廣泛應用中的可靠性和公平性。四、四、投資建議投資建議 海外 AI 巨頭如 OpenAI、Meta 等在模型進化中普遍依賴“算力堆疊”策略，即通過擴大模型參數量（如 GPT-4 的萬億級參數）、增加 GPU 集群規模

63、（如 xAI 的 Grok-3 使用 20萬張 GPU）以及高昂的訓練成本來追求性能突破。在模型不斷更新與模型平權的催化下，應用側有望迎來更廣泛的創新與普及。隨著技術的不斷優化和成本的降低，更多企業和開發者能夠接入高性能的 AI 模型，推動各行業智能化轉型。例如，中小企業可以利用 AI提升運營效率，開發者能基于模型快速搭建個性化應用，為用戶帶來更豐富、更智能的體驗。模型不斷迭代，有望利好應用側快速發展，建議關注以下標的：1)辦公：MSFT；2)金融：AFRM、UPST、SOFI、LMND；3)工業：CDNS、SNPS；4)醫療：TEM、RXRX、DOCS、HIMS、VEEV；5)創意：ADOB

64、E；6)教育：DUOL；7)電商：SHOP、SEA；8)企業服務軟件：SAP、CRM、NOW、TEAM、ORCL、WDAY、HUBS、FRSH、CXM；9)安全：PANW、CRWD、NET、FTNT；10)數據基建：ESTC、SNOW、MDB；11）云服務提供商：AMZN、META、MSFT、GOOG、ORCL；12）廣告：APP、U、ZETA 等。五、五、風險提示風險提示 競爭加劇，商業化不及預期，技術更新較快。圖表圖表 22 Gemini2.0 意圖切入意圖切入 Agent 時代時代 資料來源：Gemini官網 海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業

65、務資格批文號：證監許可（2009）1210 號 21 團隊介紹團隊介紹 首席研究員、組長：吳鳴遠首席研究員、組長：吳鳴遠 上海交通大學碩士，曾任職于東方證券、興業證券研究所，所在團隊于 20202022 年連續三年獲得新財富最佳分析師第三名，2023 年加入華創證券研究所。分析師：祝小茜分析師：祝小茜 中央財經大學經濟學碩士。曾任職于信達證券。2024 年加入華創證券研究所。研究員：胡昕安研究員：胡昕安 工學碩士，曾任職于?？低?，2023 年加入華創證券研究所。助理研究員：周志浩助理研究員：周志浩 西安交通大學金融工程學士，克拉克大學金融學碩士，曾任職于眾安保險權益投資部，2024 年加入華

66、創證券研究所。助理研究員：張宇凡助理研究員：張宇凡 香港大學會計學碩士。2023 年加入華創證券研究所。助理研究員：周楚薇助理研究員：周楚薇 香港中文大學經濟學碩士。2024 年加入華創證券研究所。助理研究員：楊玖助理研究員：楊玖祎祎 香港中文大學碩士。2024 年加入華創證券研究所。海外科技行業深度研究報告海外科技行業深度研究報告 證監會審核華創證券投資咨詢業務資格批文號：證監許可（2009）1210 號 23 華創行業公司投資評級體系華創行業公司投資評級體系 基準指數說明：基準指數說明：A 股市場基準為滬深 300 指數，香港市場基準為恒生指數，美國市場基準為標普 500/納斯達克指數。公

67、司投資評級說明：公司投資評級說明：強推：預期未來 6 個月內超越基準指數 20%以上；推薦：預期未來 6 個月內超越基準指數 10%20%；中性：預期未來 6 個月內相對基準指數變動幅度在-10%10%之間；回避：預期未來 6 個月內相對基準指數跌幅在 10%20%之間。行業投資評級說明：行業投資評級說明：推薦：預期未來 3-6 個月內該行業指數漲幅超過基準指數 5%以上；中性：預期未來 3-6 個月內該行業指數變動幅度相對基準指數-5%5%；回避：預期未來 3-6 個月內該行業指數跌幅超過基準指數 5%以上。分析師聲分析師聲明明 每位負責撰寫本研究報告全部或部分內容的分析師在此作以下聲明：分

68、析師在本報告中對所提及的證券或發行人發表的任何建議和觀點均準確地反映了其個人對該證券或發行人的看法和判斷；分析師對任何其他券商發布的所有可能存在雷同的研究報告不負有任何直接或者間接的可能責任。免責聲明免責聲明 本報告僅供華創證券有限責任公司（以下簡稱“本公司”）的客戶使用。本公司不會因接收人收到本報告而視其為客戶。本報告所載資料的來源被認為是可靠的，但本公司不保證其準確性或完整性。本報告所載的資料、意見及推測僅反映本公司于發布本報告當日的判斷。在不同時期，本公司可發出與本報告所載資料、意見及推測不一致的報告。本公司在知曉范圍內履行披露義務。報告中的內容和意見僅供參考，并不構成本公司對具體證券買

69、賣的出價或詢價。本報告所載信息不構成對所涉及證券的個人投資建議，也未考慮到個別客戶特殊的投資目標、財務狀況或需求?？蛻魬紤]本報告中的任何意見或建議是否符合其特定狀況，自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失的書面或口頭承諾均為無效。本報告中提及的投資價格和價值以及這些投資帶來的預期收入可能會波動。本報告版權僅為本公司所有，本公司對本報告保留一切權利。未經本公司事先書面許可，任何機構和個人不得以任何形式翻版、復制、發表、轉發或引用本報告的任何部分。如征得本公司許可進行引用、刊發的，需在允許的范圍內使用，并注明出處為“華創證券研究”，且不得對本報告進行任

70、何有悖原意的引用、刪節和修改。證券市場是一個風險無時不在的市場，請您務必對盈虧風險有清醒的認識，認真考慮是否進行證券交易。市場有風險，投資需謹慎。華創證券研究所華創證券研究所 北京總部北京總部 廣深分部廣深分部 上海分部上海分部 地址：北京市西城區錦什坊街 26 號 恒奧中心 C 座 3A 地址：深圳市福田區香梅路 1061 號 中投國際商務中心 A 座 19 樓 地址：上海市浦東新區花園石橋路 33 號 花旗大廈 12 層 郵編：100033 郵編：518034 郵編：200120 傳真：010-66500801 傳真：0755-82027731 傳真：021-20572500 會議室：010-66500900 會議室：0755-82828562 會議室：021-20572522