《傳媒行業從技術演進到算力消耗估算深度拆解AI Agent：AI進入Token時代MCP賦能Agent邁向泛智能-250406（23頁）.pdf》由會員分享，可在線閱讀，更多相關《傳媒行業從技術演進到算力消耗估算深度拆解AI Agent：AI進入Token時代MCP賦能Agent邁向泛智能-250406（23頁）.pdf（23頁珍藏版）》請在三個皮匠報告上搜索。

1、請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分AIAI 進入進入 TokenToken 時代，時代，MCPMCP 賦能賦能 AgentAgent 邁向泛智能邁向泛智能從技術演進到算力消耗估算，深度拆解從技術演進到算力消耗估算，深度拆解 AIAI AgentAgent傳媒證券研究報告/行業深度報告2025 年 04 月 06 日評級評級：增持增持（維持）（維持）分析師：康雅雯分析師：康雅雯執業證書編號：執業證書編號：S0740515080001Email：分析師：朱分析師：朱骎骎楠楠執業證書編號：執業證書編號：S0740523080003Email：基本狀況基本狀況上市公司數1

2、31行業總市值(億元)15,067.40行業流通市值(億元)13,714.81行業行業-市場走勢對比市場走勢對比相關報告相關報告1、【中泰傳媒】呼市發布育兒補貼細則，把握出版、AI+教育投資機會2025-03-172、GDC2025 召開在即，游戲+AI迎新進展2025-03-163、【中泰傳媒】北京市教委發布人工智能教育工作方案，關注 AI+教育投資機會2025-03-09重點公司基本狀況簡稱股價EPSPE評級（元）2022A2023A2024E2025E2026E2022A2023A2024E2025E2026E南方傳媒16.431.061.460.981.071.1515.50 11.2

3、5 16.71 15.35 14.35買入愷英網絡16.450.490.700.750.851.0033.57 23.50 21.99 19.31 16.38買入世紀天鴻10.760.170.120.150.180.2163.29 89.67 72.95 60.62 51.16增持備注：股價取自 2025 年 4 月 3 日收盤報告摘要核心觀點：核心觀點：AIAI AgentAgent 積木搭建完成，積木搭建完成，迎來爆發臨界點迎來爆發臨界點以產業演進角度看，AI Agent 的發展路徑類似于搭積木過程，過去各模塊（大模型智能性、多模態推理、Coding 能力、工具調用 Tool Use、To

4、ken 經濟、算力支撐）零散分布，單一技術無法形成閉環，Agent 形態始終停留在“缺乏行動能力”的狀態。當前，以 MCP 為代表的工具調用協議標準化落地、OpenAI 的 Agent SDK 框架逐步完善、大模型 Coding 能力提升至產業應用級別、Token 調用成本大幅下降等因素疊加，各項技術模塊已逐漸完整拼接。我們認為，AI Agent 已經走到從組件齊備到整體協同運轉的“臨界點”，產業生態將步入爆發式增長階段。預計將有越來越多的工具、軟件開發接口，供大模型調用以提升其用戶使用體驗。且隨著 Token 價格的下降，Agent 滲透將加速。以 MCP 聚合平臺 Smithery 為例，

5、平臺上已經有超過 3500 個 MCP 服務器推出，涉及多個領域。本篇報告對上述提及的技術演進歷程做了詳細分析，同時就 AI Agent 可能帶來的算力消耗做了敏感性分析測算。技術演進：大模型大模型：基礎對話需求對齊智能涌現多模態+長時記憶強 Coding 與推理能力。工具調用工具調用：RAG（檢索增強生成，擴展大模型記憶能力）Function Calling（函數調用，通過強化學習大模型可以調用外部一切）MCP 協議（統一了各大模型與各工具間的通信格式）計算機操作（以 OpenAI 的 Operator 與 Anthropic的 Computer Use 為代表）。技術迭代技術迭代：COT

6、的提出（思維鏈，讓模型具備規劃能力）；LangGraph 等的 Agent開發框架的完善，增強大模型處理復雜問題、多重推理的能力；Cursor（估值25 億美元）、Cline 等 AI 代碼編輯器的推出，加快 AI Agent 所需的工具模塊的開發。算力消耗測算：以 GPT-4o 為基準，假設一個日活規模達到 10 億的全球級 AI Agent 應用，每日所需算力約相當于 14.15 萬張 NVIDIA H100 SXM GPU。隨著未來 Agent 應用向多模態、復雜推理與高頻次 Tool Use 方向演進，這一需求預計還將進一步指數級攀升。兩個案例：1）Manus 一次標準復雜度任務執行預

7、計消耗 20 萬 Tokens；2）Cline+MCP+claude sonnet 3.7 組合一次標準旅行規劃消耗 93.34 萬 Tokens。相關公司推薦關注：我們將產業鏈相關標的分為我們將產業鏈相關標的分為：1 1、硬件與基礎設施硬件與基礎設施（NVIDIA、AMD、Intel、TSMC、中芯國際、Amazon、Microsoft、Alphabet、CoreWeave、阿里巴巴）；2 2、模、模型開發與研究型開發與研究（Alphabet、Microsoft、Meta、阿里巴巴、騰訊控股、科大訊飛）；3 3、平臺與工具平臺與工具（Hugging Face-未上市、Brevian-未上市、

8、Anysphere-未上市、Coze-字節跳動旗下、Scale AI-未上市、Turing-未上市）；4 4、應用（、應用（特斯拉、Salesforce、Adobe、Palantir、快手、阿里巴巴、騰訊控股、Boss 直聘、美圖、行業深度報告行業深度報告-2-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分多領國）。A A 股傳媒相關標的股傳媒相關標的：1、AI 教育：南方傳媒、豆神教育、榮信文化、世紀天鴻；2、AI 陪伴：奧飛娛樂、上海電影、湯姆貓；3、AI 工具：果麥文化、昆侖萬維、易點天下；AI 娛樂：愷英網絡、巨人網絡、盛天網絡。風險提示：1）AI 大模型與 AI 應

9、用發展進度不及預期風險；2）技術、環境變化導致測算依據失效的風險；3）數據信息更新不及時風險。xViUpPsNwOyRnQqO6MdN8OpNmMmOqNiNqQqMiNpPtM8OqQwPwMrNxPvPtOsN行業深度報告行業深度報告-3-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分內容目錄內容目錄核心技術躍遷，核心技術躍遷，AI Agent 時代全面到來時代全面到來.4何為 AI Agent？.4AI 大模型：對齊涌現長時記憶、多模態推理.4可調用工具及協議不斷完善（RAG、Function calling、MCP）.6推理賦予 AI Agent 處理復雜問題的能力.

10、9Coding（代碼）就是大模型的自然語言.10AIAI AgentAgent 實現路徑探尋實現路徑探尋.12模型自治+外部協同.12AIAI AgentAgent 應用算力消耗假設應用算力消耗假設.14一個全球爆款 AI Agent 應用需要多少張 H100 支持？.14案例分享：Manus 與 Cline+MCP+claude sonnet 3.7.17AIAI AgentAgent 應用場景展望與投資建議應用場景展望與投資建議.19現有應用場景分析.19投資建議.20風險提示風險提示.221、AI 大模型發展進度不及預期風險.222、AI 應用發展進度不及預期風險.223、因技術與環境變

11、化導致測算依據失效的風險.224、報告中數據信息更新不及時風險.22圖表目錄圖表目錄圖表1：AI Agent 突破關鍵技術點.4圖表2：GPT-4 Tokens 價格變化（美元/百萬 Tokens）.5圖表3：大模型上下文窗口支持 Token 量發展趨勢.6圖表4：RAG 與 LLM 配合使用的概念流程.7圖表5：Function Calling 實現原理圖.8圖表6：MCP 實現原理.9圖表7：利用 Grok3 進行 DeeperSearch 處理問題.10圖表8：LangGraph 與 LangChain 實現路徑對比（模擬制定旅行規劃）.10圖表9：Cursor 的訂閱價格.12圖表10

12、：Cursor 年度經常性收入（百萬美元）.12圖表11：Cursor 完成 1 億美元 ARR 的時間.12圖表12：AI Agent 實現路徑探尋.13圖表13：H100 SXM GPU 參數一覽.14圖表14：DeepSeek、ChatGPT、Claude 日均交互次數（次）.15圖表15：Token 消耗量敏感性分析.15圖表16：代表性超級 APP 的日均交互次數（次）.16圖表17：每日算力消耗量敏感性分析.16圖表18：H100 SXM GPU 需求量敏感性分析.17圖表19：Manus 不同復雜度任務積分消耗.18圖表20：大模型進行任務規劃示意圖.19圖表21：大模型進行任務

13、規劃結果.19圖表22：Manus 的應用分類.20行業深度報告行業深度報告-4-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分核心技術躍遷，核心技術躍遷，AI Agent 時代全面到來時代全面到來何為何為 AIAI AgentAgent？何為 AI Agent？OpenAI 官網定義：AI Agent 是可以智能完成任務的系統從執行簡單的工作流程到追求復雜、開放式的目標。Anthropic 官網定義：AI Agent 是讓 LLM（大語言模型）動態掌控工具使用方式的系統，可自主決定如何完成任務。一句話形象總結：一句話形象總結：AIAI AgentAgent 就是就是給給 A

14、IAI 大模型安上可操控的大模型安上可操控的“四肢四肢”。初期 AI 大模型只會告訴用戶處理問題的方式或解決問題的辦法（只有大腦），但實操環節還需人為介入，且需要用戶來設計解決問題的路徑。發展到 AIAgent，其不僅可以提出處理方案，還可以自主編排處理流程，自主調用工具，最終解決問題。有了 Agent，將大大擴展個體或機構的能力邊界。技術快速迭代創新，推動技術快速迭代創新，推動 AIAI AgentAgent 時代的到來：時代的到來：1、更加智能的大模型，長上下文記憶，且調用的 token 成本持續下降。2、大模型可調用工具不斷豐富。3、輔助框架進一步完善（RAG 技術、Function c

15、alling、LangGraph 框架、MCP 協議、Agent SDK）。圖表圖表1：AIAI AgentAgent 突破關鍵技術點突破關鍵技術點來源：中泰證券研究所AIAI 大模型大模型：對齊：對齊涌現涌現長時記憶、多模態長時記憶、多模態推理推理 AIAI 大模型不斷智能化大模型不斷智能化 2018 年：初代大語言模型 GPT-1（固定長度的輸入 512 Tokens）推出，還無法根據人類指令靈活響應。2019 年：GPT-2 推出，較好順寫文本，但在長文本生成時會出現重復、跑題，缺乏整體連貫性，無法很好對齊用戶意圖。2020 年：GPT-3 推出，擁有 1750 億參數，遠超 GPT-2

16、 的 15 億參數，上下文輸入輸出窗口來到 2048 個 Tokens。由于參數的大幅提升，模型開始出現 Few-Shot 學習等涌現能力，但依舊無法很好對齊用戶意圖。2021 年：DALLE 模型發布，從文本到圖像生成顯雛形。2022 上半年：InstructGPT 推出，微調 GPT-3，采用監督學習和強化學習（RLHF）方式，在僅有 13 億參數情況下，更好對齊用戶意圖。2022 下半年：ChatGPT 正式推出，至此為分水嶺，AI 真正進入了大眾視野，其顯著增強了對話的連貫性和上下文理解能力。行業深度報告行業深度報告-5-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分

17、 2023 上半年：Claude 1.0 和GPT-4 共同推出，GPT-4 推理能力、專業知識進一步提升，并支持圖像輸入，是多模態 AI 的里程碑。2023 下半年：Claude 2.0、GPT-4 Turbo、LLaMA 2、Gemini 推出，國內阿里推出 Qwen，大模型進入百花齊放階段。其中 Claude 2.0 將上下文擴展到 100K tokens，支持文件上傳處理。2023 年 11 月上線Claude 2.1，進一步將上下文窗口擴展至 200K tokens，模型記憶能力大幅提升。LLaMA 2 將其模型開源，推動整個行業發展。Google Gemini上線既具備多模態處理能

18、力。2024 上 半年：GPT-4o、Claude 3、Gemini 1.5 Pro、Llama 3、DeepSeek-V2 等發布，多模態進一步完善，GPT-4o 集成視頻和語音功能，Llama 3 是首款能夠處理圖像和文本的開源模型，Gemini 1.5Pro 支持多模態的同時還將上下文窗口提升至 1M Tokens。2024 下 半 年 至 今：OpenAI o1、Grok 3、Claude sonnet 3.7、DeepSeek-R1、Alibaba QwQ、Gemini 2.5pro 等發布，標志著模型的推理思考能力大幅提升，OpenAI o1 通過鏈式思維（chain-of-tho

19、ughtreasoning）優化了推理能力，特別在科學和編程任務上表現優異，減少模型幻覺問題，Claude sonnet 3.7 在編程和工具調用能力上非常突出。TokenToken 調用成本大幅下降調用成本大幅下降 以 GPT-4 系列為例，GPT-4o 每百萬 Tokens 調用價格以及相較于 GPT-4剛剛推出時下降了 89%，若對比小模型 GPT-4o mini，則價格比 GPT-4下降了 99.3%。對比國產大模型 DeepSeek，V3 版本目前國內標準時間段（北京時間 08:30-00:30）價格為 2 元/百萬 Tokens，輸出為 8 元/百萬 Tokens，較 GPT-4

20、調用成本更低。圖表圖表2：GPT-4GPT-4 TokensTokens 價格變化（美元價格變化（美元/百萬百萬 TokensTokens）來源：spearheadt，中泰證券研究所 上下文長時記憶上下文長時記憶 長時記憶對 AI Agent 尤為重要，減少了 AI Agent 頻繁分段記憶導致的結果偏離。不支持足夠長的文本輸入，AI Agent 就較難建立起對目標任務完整的認知邏輯。例如 GPT-3 只能支持 2048 個 tokens 的輸入，很難完成邏輯鏈較長的任務，發展到 GPT-4，最大已經可以支持到 32KTokens上下文窗口，再到Gemini甚至可以支持到2M的上下文Token

21、s。此前受制于 Transformer 模型的自注意力機制，計算開銷隨序列長度行業深度報告行業深度報告-6-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分指數增長，目前技術上通過更高效的稀疏注意力和分塊處理實現上下文窗口的擴展。圖表圖表3：大模型上下文窗口支持大模型上下文窗口支持 TokenToken 量發展趨勢量發展趨勢來源：artificialanalysis，中泰證券研究所可調用工具及可調用工具及協議協議不斷完善（不斷完善（RAGRAG、FunctionFunction callingcalling、MCPMCP）大語言模型經歷了從預訓練回答歷史知識，到實施調用工具回答

22、實施問題的階段，工具調用與協議的完善大幅拓展了大語言模型的能力。RAGRAG（檢索增強生成檢索增強生成）技術的成熟技術的成熟：使 AI 大模型能夠在生成響應之前引用訓練數據來源之外的知識庫，對模型在專業領域的知識補充、長時記憶、新知識補充等都起到至關重要的作用。提升了大模型輸出的信息的及時性和質量、減少幻覺。在大模型本就已經很強的上下文記憶能力基礎上，接上了一個隨時可以擴展的向量數據庫。行業深度報告行業深度報告-7-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表4：RAGRAG 與與 LLMLLM 配合使用的概念流程配合使用的概念流程來源：Amazon 官網，中泰證券

23、研究所 OpenAOpenAI I 推推出出 FunctionFunction callincalling g 功能功能：2023 年 6 月，OpenAI 推出 Functioncalling 功能，允許開發者在 Chat Completions API 中定義函數，大模型可根據用戶輸入自動調用相應函數，生成所需的 JSON 對象輸出。結合了 Function calling 后，大模型相當于擁有了可以調用函數的能力，進而獲得了與外部交互的能力。行業深度報告行業深度報告-8-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表5：FunctionFunction Call

24、ingCalling 實現原理圖實現原理圖來源：OpenAI 官網，中泰證券研究所 AnthropicAnthropic 推出推出 MCPMCP（ModelModel ContextContext ProtocolProtocol）協議：）協議：2024 年 11 月25 日 Anthropic 正式推出開源 MCP 協議，相當于在 Function Calling之上提供了一套標準協議，把 API 調用流程進一步抽象，讓 AI Agent可以自動調用多個工具。Anthropic 已經預先預構建了一些 MCP 服務器，支持連接 Google Drive、Slack、GitHub、Git、Pos

25、tgres、Puppeteer等企業級系統，也可以由社區編寫更多功能的 MCP 服務器。MCP 簡化了AI連接外部數據的難度，一次性構建兼容多個數據源的AI解決方案，行業深度報告行業深度報告-9-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分提高數據訪問效率。有了 MCP，就可以將企業數據與 AI 大模型更好的鏈接起來，讓大模型更高效更自主使用外部數據。圖表圖表6：MCPMCP 實現原理實現原理來源：maartengrootendorst，中泰證券研究所 其他工具的完善。其他工具的完善。包括：1、搜索（Google Search API 等），讓大模型更加方面從互聯網獲取信息

26、；2、文件系統（File search），讓大模型可以調用本地或者云端文件輔助分析；3、計算機調用（Computer Use），讓大模型具備類人的計算機操作能力；4、函數調用，讓大模型可以使用編寫的函數完成自定義功能；5、專業 API 調用，例如金融系統、天氣系統、電商系統等數據信息；6、自動化工具，例如 Google 郵箱、Discord 平臺、Slack 平臺等信息的同步與編寫。推理賦予推理賦予 AIAI AgentAgent 處理復雜問題的能力處理復雜問題的能力 推理與制定計劃（Planning）能力是 AI Agent 能夠完成復雜目標的核心：將最終目標分解為可執行的具體步驟。大模型推

27、理能力發展脈絡：1、初代大模型只是一問一答，沒有推理和計劃能力；2、COT（Chain of Thought，思維鏈）在 2022 年 1 月被提出，一種專門用于提升大模型推理能力的提示方法，能夠逐步拆解問題；3、2022 年底，ChatGPT 推出后，Auto-GPT/BabyAGI 等引入了任務列表與思維鏈形式，可以按照任務規劃拆分行動分步執行，大模型初步擁有了解決復雜任務的能力，這是把 AI 從工具變成 Agent 的分水嶺；4、2024 年 9 月 OpenAI 推出了 o1 模型，強調其在回答問題前會進行“思考”，具備更強解決復雜任務的能力，而 Anthropic 在 2025 年

28、2 月發布的 Claude 3.7 Sonnet 是首個采用混合推理的大模型，具備深度思考模式，X 在同月也發布了 Grok3，具備深度思考能力的大模型。至此大模型進入到了推理時代，模型對目標的規劃和不斷迭代嘗試的能力進一步提升。例如詢問 Grok3：“美股中，受益于 ai 或者使用 ai 或者最容易接入 ai 的標的有哪些，幫我詳細梳理一下”，可以看到其進行了 9 個步驟，搜索了 18 個信息來源，期間反復調整解決問題的思路，最終形成結果列表。行業深度報告行業深度報告-10-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表7：利用利用 Grok3Grok3 進行進行

29、DeeperSearchDeeperSearch 處理問題處理問題來源：Grok3，中泰證券研究所 LangGraphLangGraph 框架簡化框架簡化 AIAI AgentAgent 的開發的開發，引入復雜任務循環概念引入復雜任務循環概念。LangGraph是由 LangChain 團隊開發的一個開源框架，旨在幫助開發者構建具有狀態管理能力的多 Agent 或單 Agent AI 應用。LangGraph 引入了循環圖（Cyclical Graph）概念，彌補了 LangChain 在處理動態、復雜任務時的局限性。簡單而言，就是用戶在調用每個 Node（節點）功能前，都會有一個Edge（邊

30、）根據 state（當前狀態）判斷是否需要再進行下一個 Node（節點）調用，或者是 END（結束）流程，這樣可以使整個處理流程自主循環直到解決問題。圖表圖表8：LangGraph與與LangChain實現路徑對比（模擬制定旅行規劃）實現路徑對比（模擬制定旅行規劃）來源：中泰證券研究所 這一類的開發框架的完善，也推動了整個 AI Agent 領域的發展。CodingCoding（代碼）就是大模型的自然語言（代碼）就是大模型的自然語言行業深度報告行業深度報告-11-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分 雖然當前的 AI Agent 還很難完成較為復雜、邏輯要求縝密、精

31、度與準確度較高的任務，但我們第一章節提及的上下文長時記憶+Tool Use+基礎大模型更加智能且推理能力不斷增強，這幾方面的發展非常迅速，再結合當前例如Anthropic claude sonnet 3.7 或 Gemini 2.5pro 等的強大 Coding 能力，使得大模型在擁有更強智慧大腦的同時，用機器能聽的懂的命令，完成大模型的思考到執行的過程。隨著 AI 大模型代碼能力的不斷增強，我們認為本質上，代碼就是大模型和機器交互的自然語言，在沒有大模型和 AI Agent 之前，人類需要通過學習編程，獲得與機器交流的能力，讓機器懂得如何去按照我們的要求完成工作，因而演化出了各類軟件，演化出

32、了 SaaS、PaaS、IaaS 等平臺，以及各類的 APP，大大提高了生產效率。如今，AI Agent 就是架設在人類與機器之間的中間層，即可以理解人類的自然語言，也可以編寫機器看的懂的自然語言（代碼），這就完成了全人類的效率提升。因為寫代碼的能力不是人人具備，而且現成的工具也不一定能滿足所有人個性化需求，并且工具很多基于部分人的智慧，實際很難集成大量的知識庫做出最優決策并結合實時情況更新解決方案和工具，但有了一個擁有極強 Coding 能力的 AI Agent 之后，這一切都將成為可能。舉例說明舉例說明：由于大模型 Coding 能力的不斷增強，基于大模型推出了不少編碼工具，包括 Clau

33、de Code、Cursor 和 Cline，他們分別專注于終端、代碼編輯器和 VS Code 集成。國內字節跳動的 Trae 也是一個支持免費 AI IDE，通過接入 LLM 技術提升開發代碼開發效率。Claude Code 是 Anthropic 開發的一個命令行 AI 編碼助手，幫助開發者通過自然語言命令執行代碼搜索、編輯、測試和 Git 操作。Cursor 是基于 Visual Studio Code 的 AI 增強代碼編輯器，提供代碼生成、智能建議和任務完成代理模式，它集成了多種 AI 模型，適合個人和團隊提高生產力，根據 Sacra 估計，Cursor 是 ARR 從 100 萬美

34、元增長到 1 億美元有史以來最快的 SaaS 公司，Cursor 訂閱的定價分為免費、20 美元/月、40 美元/月。2025 年 1 月，Cursor 宣布完成1.05 億美元的 B 輪融資（Thrive Capital 融資），估值為 25 億美元。行業深度報告行業深度報告-12-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分圖表圖表9：CursorCursor 的訂閱價格的訂閱價格來源：Cursor 官網，中泰證券研究所圖表圖表10：Cursor年度經常性收入（百萬美元）年度經常性收入（百萬美元）圖表圖表11：Cursor完成完成1億美元億美元ARR的時間的時間來源：s

35、acra，中泰證券研究所來源：sacra，中泰證券研究所 Cline 是一個開源的 AI 自主編碼代理，集成到 VS Code 中，可創建/編輯文件、執行命令、使用瀏覽器等。大模型在 Coding 領域的突破，預計會帶動 LLM 和工具的進一步緊密結合，無限拓展 LLM 能力邊界，向實現 AGI 邁進。AIAI AgentAgent 實現路徑探尋實現路徑探尋模型自治模型自治+外部協同外部協同 AI Agent 的發展，總結看來朝兩個方向不斷推進：大大模型能力內化模型能力內化：可以簡稱“內腦”，通過監督學習+強化學習（包括對齊人類指令的 RLHF 以及適合自主學習和探索性的 SELF-RL）方式

36、，不斷增強模型的邏輯能力，目的是提升模型自主推理的能力，甚至部分行業深度報告行業深度報告-13-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分內嵌功能，例如搜索、規劃等功能，我們實際在調用 AI 大模型的時候，模型就自主開始搜索互聯網信息，無需外接 API 工具實現。外化框架的協同：外化框架的協同：1 1、規范工具調用：規范工具調用：上文提到的 LangGraph 架構，包括 Anthropic 的MCP 協議，以及 OpenAI 開源的 Agent SDK 框架，本質上都是通過預先設定的邏輯關系，使得 AI 大模型在解決目標問題時，遵循一定規則和框架協議，可以更加高效的調用

37、外部工具，實現跨模型跨平臺統一調用，提升處理處理問題的能力。2 2、多模型協同多模型協同：不同的 AI 大模型特長不同，可以集各家所長，更好應對用戶泛化的需求，使 AI Agent 可以處理更多復雜問題。例如基礎大模型負責綜合調度，而擅長圖片處理、視頻分析、數據整理等的微調垂模型可以承接不同環節，多模型共同協作完成目標任務。特別是在特定領域，需要專業知識的情況下，往往通用大模型是無法很好勝任，例如金融、醫藥等領域，要求模型具備更加專業的能力，這是就可以通過通用模型+專精尖垂模型配合的模式協同完成。圖表圖表12：AIAI AgentAgent 實現路徑探尋實現路徑探尋來源：中泰證券研究所 當前各

38、路徑存在的問題：模型能力內化模型能力內化：模型的參數會變得非常龐大，處理速度可能降低，訓練+推理算力消耗會更大，并且應對不斷變化的環境，模型需要不斷進行新的訓練，無法做到實時更新，且訓練過程中的不可控因素較大。外化框架協同：外化框架協同：存在多工具調用協同時 token 消耗大幅增加的問題，且不同工具之間的切換，需要大模型能夠有較長記憶及綜合處理能力，處理效果或許沒有內化到大模型中的效果好。同時多模型之間協同，頻繁的模型調用對基礎設施要求高，模型間的通信信息傳遞損失，延遲積累等問題也需要處理。上述提及的各類問題，很多是短期工程的優化問題，我們預計隨著輔助框架的不斷完善和 AI 大模型自身能力的

39、提升，將逐步得到解決。且預計兩種路徑會在不同的需求場景下不斷推進，例如：B B 端端商業場景：商業場景：強調數據的安全性，考慮 LangGraph 與 MCP 協議結合的方式，使用開源的大模型+垂模型+外化工具的組合，完成目標任務，這需要企業自有算力部署，且內部 API 開發完善。C C 端端需求場景：需求場景：優先選成熟框架（OpenAI SDK、LangChain）快速實現功能，把更多決定權交由大模型。行業深度報告行業深度報告-14-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分 小結：小結：外化+內化結合的 AI 大模型，猶如擁有強運動天賦的運動員配備上了專業的設備。舉

40、例：當前大模型推出的類 Deep Research 功能，就是相當于把搜索、計劃等能力內化在 AI 大模型中，同時又支持工具調用，如數據庫查閱或者用戶上傳文件輔助研究，內外集合，大幅提升處理效果。AIAI AgentAgent 應用算力消耗假設應用算力消耗假設一個全球爆款一個全球爆款 AIAI AgentAgent 應用需要多少張應用需要多少張 H100H100 支持？支持？做一個假設測算，希望能大概估算，一個爆款的 AI Agent 應用，需要多少塊NVIDIA H100 GPU 算力支持，基于假設的測算思路為：1、通過 OpenAI 對 Plus 用戶月訂閱價格倒推用戶每日一次交互的 to

41、ken消耗量。2、以計算出來的每日每次交互的 token 消耗量為基準，假設 AI Agent應用的日活以及每日交互次數，計算出其一天算力的消耗量。3、以 NVIDIA H100 SXM GPU 的 FP8 算力為基準，計算在不同算力利用率情況下的不同日活的 AI Agent 應用對應的 GPU 需求數。圖表圖表13：H100H100 SXMSXM GPUGPU 參數一覽參數一覽來源：NVIDIA 官網，中泰證券研究所 詳細步驟：步驟步驟 1 1：月訂閱價格倒推 token 消耗量：這部分計算的依據的假設為 OpenAI 在設定訂閱價格時，考慮了每個 Plus 用戶每天的 tokens 消耗量

42、，以此為基準，設行業深度報告行業深度報告-15-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分定了合理的訂閱價格。但是由于免費用戶也可以無限制使用例如 GPT-3.5、GPT-4o mini 以及有限制使用 GPT-4o、OpenAI o3-mini 等，因此考慮 Plus用戶訂閱價格設定時，OpenAI 應需要覆蓋免費用戶的成本開支，加之還有數據中心、電力、硬件折舊等開支。因此我們用敏感性分析，假設一定的百分比作為實際 Plus 用戶開支覆蓋其自身 Token 消耗部分。根據 SenserTower 數據顯示，截止 2025 年 2 月底，ChatGPT APP 每日平均交

43、互次數為 7.03 次，DeepSeek 為 4.38 次，Claude為 3.28 次，因此我們把日交互次數也做一個敏感性分析，得出下表：圖表圖表14：DeepSeekDeepSeek、ChatGPTChatGPT、ClaudeClaude 日均交互次數（次）日均交互次數（次）來源：SensorTower，中泰證券研究所圖表圖表15：TokenToken 消耗量敏感性分析消耗量敏感性分析每日每次交互每日每次交互 tokenstokens 消耗量（個）消耗量（個）訂閱價格折扣%/日交互次數（次）20%40%60%80%100%3592611852177782370429630444448889

44、13333177782222253556711110667106671422217778629635926888988891185214815725405079761910159126988222244446667888911111來源：中泰證券研究所 計算結果顯示，最高的每日每次消耗 token 量為 29630 個，最低為 2222 個，以日交互 5 次與 6 次/訂閱價格折價 60%這兩個中間水平條件對應的 2 個數值為基準，計算平均消耗量為每日每次交互 9777.8 個。步驟步驟 2 2：做第二層的敏感性分析，由于 OpenAI Plus 用戶系統默認采用 GPT-4o 大模型，因此我

45、們以 GPT-4o 的參數作為計算基準，根據微軟與華盛頓大學發表的 論 文 MEDEC:A Benchmark for Medical Error Detection andCorrection in Clinical Notes披露顯示 GPT-4o 參數量為 2000 億，我們對每次激活的參數量做敏感性分析，對應假設這個超級 AI Agent APP 每日的打開次數在 310 次范圍內（基于當前全球超級 APP 中交互頻次相對低一行業深度報告行業深度報告-16-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分些的 Youtube 和 AI 大模型應用中較低一些的 Claud

46、e 作為基準范圍），以激活參數+日交互次數為兩個計算參數，基于上述的 Token 消耗結果平均值，做二層敏感性推導，計算每日的算力總消耗，得出下表，圖表圖表16：代表性超級代表性超級 APPAPP 的日均交互次數（次）的日均交互次數（次）來源：SensorTower，中泰證券研究所圖表圖表17：每日算力消耗量敏感性分析每日算力消耗量敏感性分析每日的算力總消耗（FLOPs/day）激活參數比%/每日交互次數（次）5%25%50%75%100%37.3E+143.7E+157.3E+151.1E+161.5E+1649.8E+144.9E+159.8E+151.5E+162.0E+1651.2E+

47、156.1E+151.2E+161.8E+162.4E+1661.5E+157.3E+151.5E+161.5E+162.2E+162.9E+1671.7E+158.6E+151.7E+161.7E+162.6E+163.4E+1682.0E+159.8E+152.0E+162.9E+163.9E+1692.2E+151.1E+162.2E+163.3E+164.4E+16102.4E+151.2E+162.4E+163.7E+164.9E+16來源：中泰證券研究所 計算結果顯示，最高的每日消耗算力量為 4.9E+16 FLOPs，最低為 7.3E+14FLOPs，若依舊考慮中位線水平，則每日

48、交互 6/7 次+50%的參數激活對應的 1.6E+16 FLOPs 的總算力需求。步驟三步驟三：我們做第三層的敏感性分析，考慮到 NVIDIA H100 SXM GPU 在實際推理的時候算力的利用率是有限制的，并不能完全 100%的跑滿理論算力，因此我們將 GPU 的算力利用率按一定比例做敏感性分析，同時超級 AI Agent APP 需要有一個日活的門檻線，我們對于日活也做了一定的選擇范圍，然后以 GPU的算力利用率+日活為兩個計算參數，最終計算 NVIDIA H100 SXM GPU 卡的需求量，得出下表，行業深度報告行業深度報告-17-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后

49、的重要聲明部分圖表圖表18：H100H100 SXMSXM GPUGPU 需求量敏感性分析需求量敏感性分析英偉達 H100 GPU 需求張數（萬）日活（億）/算力利用率%1510152010%7.0735.3770.73106.10141.4630%2.3611.7923.5835.3747.1550%1.417.0714.1514.1521.2228.2970%1.015.0510.1015.1620.2190%0.793.937.8611.7915.72來源：中泰證券研究所 計算結果顯示，取敏感性分析的中位值，對應 50%的算力利用率+10 億日活情況下，一個超級 AI Agent APP

50、 運行一天所消耗的算力需要 14.15 萬張NVIDIA H100 SXM GPU 支撐?？偨Y總結：以上測算基于 GPT-4o 模型，但 GPT-4o 模型為基礎大模型，若考慮推理能力更強的 OpenAI o1 大模型，或者在 GPT-4o 基礎上使用 OpenAI 的Deep Research 功能，那實際的 token 消耗量會更大，且當前 GPT-4o 已經開放圖片模態的輸出，算力消耗預計會較文字更大，且未來文字+圖片+語音+視頻的多模態輸入和輸出預計將成為標配，那算力的消耗將比僅圖文會更大。同時考慮到 AI Agent 本身可能基于多重的思維鏈推理，調用外部工具，特別在執行復雜的任務時

51、，存在多重的并行調用和循環執行，那 Token的消耗量將更加驚人。因此以上的計算僅在當前環境背景下，做了諸多的假設，作為算力需求的一個概覽。案例分享：案例分享：ManusManus 與與 ClineCline+MCPMCP+claudeclaude sonnetsonnet 3.73.7 1 1、ManusManus：就此前火爆的定義為通用 Agent 的應用 Manus，公布了其訂閱的價格，分為Starter/Pro 兩檔，分別對應 39 美元/月與 199 美元/月，其中 Starter 用戶的權益包括每月3900積分以及并行運行兩個任務，Pro用戶可以擁有19900積分，并同時運行 5

52、個任務。同時 manus 也給了相應的案例，復雜度為標準的“NBA 球員得分效率象限圖”預計持續時間 15 分鐘，需要消耗 200 積分，對應單次任務 2 美元，時間上預估 0.133 美元/分鐘，復雜度同樣為標準的“優雅 簡約 奢華 婚禮邀請網頁”設計需求需消耗 360 積分，預計持續時間 25分鐘，對應單次任務 3.6 美元，時間上預估 0.144 美元/分鐘，而復雜度為復雜的“基于位置的每日天象事件 WEB 應用”則需要消耗 900 積分，預估時間80 分鐘，對應單次任務 9 美元，時間上 0.113 美元/分鐘。行業深度報告行業深度報告-18-請務必閱讀正文之后的重要聲明部分請務必閱讀

53、正文之后的重要聲明部分圖表圖表19：ManusManus 不同復雜度任務積分消耗不同復雜度任務積分消耗來源：Manus 官網，中泰證券研究所 以此看，單次完成任務消耗成本至少在 2 美元以上，換算成調用 GPT-4o 的API 價格（按輸出 10 美元/百萬 Token），對應 Token 消耗量為 20 萬個，若為復雜的任務，單次任務 9 美元，則對應 Token 消耗量為 90 萬個。2 2、ClineCline+MCPMCP+C Claudelaude S Sonnetonnet 3.73.7：上文提到了 MCP 協議，目前已經看到包括 Unity、Blender 等軟件社區開發了 MC

54、P 服務器提供接入，地圖相關 Google Maps 與百度地圖、高德地區均有相應的 MCP 服務器，還有網絡搜索、文件處理、數據庫分析、思維規劃等應用均接了 MCP 服務器。目前在 MCP 集中 Smithery 平臺上，已經有 3579 個相關服務應用，預計后續會有越來越多的應用接入 MCP，開發 MCP 的服務器，大模型進入應用的場景會越來越多，包括 OpenAI 的 Agent SDK 也擴展支持了 MCP 協議的調用?？梢韵胍姷氖?，越來越多應用將集成大模型，提升用戶使用體驗，進而也不斷增大了 token 的消耗和算力的需求，試想一下，若每個軟件都接入大模型作為基礎服務層。我們做了一個

55、旅行的案例：集成了 Brave 瀏覽器 MCP、Google Maps MCP、anthropic 官方 Filesystem MCP，通過 Cline 客戶端，接入 Claude Sonnet3.7 大模型，給予 prompt 為：“我想去意大利度假，計劃 2025 年 4 月 1 日出發。搜索下意大利有什么著名的地標景點，你從中篩選偏人文歷史的景點。按規劃的時間，在中午和晚上就餐時間，所在游玩景點旁邊推薦一家 google評分高的餐館，價格在 20 歐元一人以內。計劃差不多 10 天的時間，每個城市當日的天氣也需要標注，包括是否下雨或者氣溫，給我一個行程安排，我從上海出發，給我具體的景點間

56、轉換乘坐建議。按照你的規劃和交通費用的預計，給出每天的支出預算，最后總結整個旅行的支出總計。最后在shanghaiplan.txt 中寫好中文計劃，流程用中文展示”，整體步驟分為：1、調用大模型進行任務規劃：claude 將任務逐步拆解，分成了 7 個需求點。2、生成了 6 部的處理方案，包括先調用 Brave 的 MCP 進行搜索知名的城市及景點，然后使用 Google Maps MCP 進行交通和餐館的發掘，從行業深度報告行業深度報告-19-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分景點附近找出高分餐館，再使用天氣 API 搜索當地天氣，最后預估旅行費用及輸出最終形成

57、規劃文檔。圖表圖表20：大模型進行任務規劃大模型進行任務規劃示意圖示意圖來源：Cline，中泰證券研究所 整個流程總共向大模型輸入了 9K Tokens，同時大模型輸出了 933.4KTokens，合計整個需求消耗了 942.4K Tokens，cline 統計對應的調用資金消耗為 0.5904 美元。這意味著一個簡單的旅行規劃，一次請求，就消耗了接近百萬的 Tokens，那如果整個流程中加入酒店、餐館、機票等預訂，再加入各個景點的歷史人文背景介紹，再添加相應的循環調整機制，加入知識的搜索，例如搜索人的喜好習慣記憶，歷史上旅行的偏好，身體的狀況能接受怎么樣強度的旅行等等，則消耗會更加巨大。圖表

58、圖表21：大模型進行任務規劃結果大模型進行任務規劃結果來源：Cline，中泰證券研究所AIAI AgentAgent 應用場景展望與投資建議應用場景展望與投資建議現有應用場景分析現有應用場景分析 根據通用 Agent Manus 官網所列示案例，可以窺見一些 AI Agent 的使用場景，案例大致可以分為：1、金融與投資（12 個）；2、市場與品牌傳播（8個）；3、科技與互聯網（6 個）；4、教育與培訓（6 個）；5、消費零售與電商（3 個）；6、招聘與 HR（2 個）；7、房地產與居住服務（2 個）；8、保險行業深度報告行業深度報告-20-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的

59、重要聲明部分與醫療（2 個）；9、辦公效率與文檔工具（2 個）；10、旅游與生活（1 個）；11、家庭與人文（1 個）；12、文化創意與多媒體（1 個）；13、法律與合規（1 個）。綜合各案例，可以總結銜接端 AI Agent 應用幾大特征；1 1）非標內容類非標內容類:以內容輸出為主，涉及到產業研究、文化創意、課程設計或生活需求，這類需求沒有標準化輸出限制，對內容的精確度沒有強制要求，滿足諸多非標個性化需求；2 2）標準內容類）標準內容類：有明確數據或內容支撐，例如電商運營分析、房地產數據分析、醫療數據分析等，該類內容在外部數據支持下，大幅降低模型幻覺，輸出更加可靠；3 3）模板化分析）模板

60、化分析類類：內容有相對固定格式、固定模板、固定規則，可批量化操作，可復用且流程較為繁雜，例如利用 AI Agent 校對文本、分析合同、語音轉錄翻譯、格式轉換等。圖表圖表22：ManusManus 的應用分類的應用分類來源：Manus 官網，中泰證券研究所 以上是 AI 大模型發展至今，AI Agent 能力所能觸達的領域，但當前對于精度要求高、需求更加復雜的情況，例如復雜的研究需要上百步的推理及工具調用，模擬真實情況下的各種異常環境等，AI Agent 還較難勝任。投資建議投資建議 當前在 AI 領域的投資，可分為幾類：1)硬件支持；2)底層基礎模型；3)中間層架構輔助；4)應用。標的梳理：

61、標的梳理：1、硬件與基礎設施AI 硬件和基礎設施包括半導體制造商和云服務提供商，它們為 AI 技術提供計算基礎。主要公司：NVIDIA（GPU 領導者）、AMD（GPU 和CPU 競爭者）、Intel（AI 芯片開發）、TSMC（芯片制造）、中芯國際行業深度報告行業深度報告-21-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分（芯片制造）、Amazon（AWS，AI 云服務）、Microsoft（Azure，AI云平臺）、Alphabet（Google Cloud Platform-GCP，TensorFlow 支持）、CoreWeave（AI HPC 云服務提供商）、阿里巴

62、巴（阿里云）。2、模型開發與研究聚焦于開發基礎 AI 模型。主要公司：Alphabet（通過 Google AI 和DeepMind 研究）、Microsoft（與 OpenAI 合作）、Meta（Meta LlamaAI 模型）、阿里巴巴（通義千問 Qwen 大模型）、騰訊（混元大模型）、科大訊飛（星火大模型）、Baidu（文心一言大模型）。3、平臺與工具提供 AI 開發平臺、工具和中間件的公司，幫助開發者構建和管理 AI應用。主要公司：Hugging Face（提供開源 AI 模型庫和工具的平臺，未上市）、Brevian（為企業提供無代碼平臺定制 AI Agent，未上市）、Anysphe

63、re（提供 AI 驅動的集成開發環境，未上市）、Coze（節跳動推出 AI Agent 開發平臺，未上市）、Scale AI（為機器學習和人工智能模型提供高質量的訓練數據和數據標注服務，未上市）、Turing（提供人類專家用于 AI 訓練和微調，未上市）。4、應用 AI 驅動的行業應用，公司覆蓋醫療、金融、零售、媒體、駕駛、教育等多領域。主要公司：特斯拉（自動駕駛+機器人）、Salesforce（EinsteinAI 平臺，增強其 CRM 軟件功能）、Adobe（Adobe Sensei 集成 AI，增強創意和營銷軟件的功能）、Palantir（提供 AI 驅動的數據分析平臺，服務政府和商業客

64、戶）、快手（可靈，文本提示生成高質量視頻）、阿里巴巴（夸克，AI 超級助手，集成 Qwen 模型高級推理能力）、騰訊（元寶，提供文檔分析、文本和圖像生成以及交互式問答，利用混元大模型）、Boss 直聘（利用 AI 促進求職者和雇主之間的高效匹配）、美圖（AI 驅動的照片和視頻編輯應用）、多鄰國（AI 提供個性化的語言學習體驗）。對應對應 A A 股傳媒板塊股傳媒板塊：AI 教育：南方傳媒（粵教翔云數字教材平臺上線 AI 助教、AI 助學功能，新華樂育推出校園 AI 智能體，以 AI 賦能基礎教育，成立廣東新華人工智能與教育研究院）、豆神教育（推出 AI 超擬人多對一直播課及豆神 AI 等產品，

65、與智譜合作成立合資公司專注于 AI 教育產品的技術研發及銷售）、榮信文化（AI 兒童教育踐行者，已積累適用于 AI 應用的數據資產，公司開發 AI 智能點讀筆結合行業大模型技術，提高智能及個性化閱讀體驗）、世紀天鴻（推出 AI 驅動的教育工具“小鴻助教”，參股一筆兩劃，開發作文 AI 輔導應用）。AI 陪伴：奧飛娛樂（推出 AI 毛絨陪伴玩具喜羊羊超能鈴鐺娃娃）、上海電影（推動旗下 IP 與 AI 的結合，戰略合作即夢 AI 與悅然創新）、湯姆貓（推出湯姆貓 IP 系列 AI 陪伴產品）。AI 工具：果麥文化（推出 AI 校對王，布局 AI 漫畫等領域）、昆侖萬維（“天工”系列構建起 AI 模

66、型和應用矩陣）、易點天下（布局 AIGC，賦能營銷、數據分析、智能化管理）。AI 娛樂：愷英網絡（投資 AI 陪伴公司自然選擇）、巨人網絡（原始征途、太空殺等多款游戲接入 AI 玩法，業內首個基于多智能體大模型打造AI 原生游戲玩法，推出 AI 美術生產平臺-iMagine）、盛天網絡（AI 社交產品“帶帶”，AI 音樂產品“給麥”）。行業深度報告行業深度報告-22-請務必閱讀正文之后的重要聲明部分請務必閱讀正文之后的重要聲明部分風險提示風險提示1 1、AIAI 大模型大模型發展進度不及預期風險發展進度不及預期風險 當前基礎大模型的發展迭代速度較快，從單一語言交互到多模態再到工具調用和推理，本

67、報告基于當前大模型發展進度做出的諸多預估，可能存在大模型發展遭遇技術瓶頸進度低于預期的風險。2 2、AIAI 應用發展進度不及預期風險應用發展進度不及預期風險 即使在大模型不斷強大的當下，超級應用的落地場景依舊不明晰，存在應用落地進度明顯低于預期的風險。3 3、因技術、因技術與環境變化與環境變化導致測算依據失效的風險導致測算依據失效的風險 報告中部分數據測算基于多重假設，敏感性測算是基于當前市場和技術的發展階段為依據，存在技師 迭代速度遠超預期，導致現階段設定的計算參數失真的風險。4 4、報告中數據信息更新不及時風險、報告中數據信息更新不及時風險行業深度報告行業深度報告-23-請務必閱讀正文之

68、后的重要聲明部分請務必閱讀正文之后的重要聲明部分投資評級說明投資評級說明評級評級說明說明股票評級股票評級買入預期未來 612 個月內相對同期基準指數漲幅在 15%以上增持預期未來 612 個月內相對同期基準指數漲幅在 5%15%之間持有預期未來 612 個月內相對同期基準指數漲幅在-10%+5%之間減持預期未來 612 個月內相對同期基準指數跌幅在 10%以上行業評級行業評級增持預期未來 612 個月內對同期基準指數漲幅在 10%以上中性預期未來 612 個月內對同期基準指數漲幅在-10%+10%之間減持預期未來 612 個月內對同期基準指數跌幅在 10%以上備注：評級標準為報告發布日后的 6

69、12 個月內公司股價（或行業指數）相對同期基準指數的相對市場表現。其中 A 股市場以滬深 300 指數為基準；新三板市場以三板成指（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，美股市場以標普 500 指數或納斯達克綜合指數為基準（另有說明的除外）。$LargePositionMessageStart$LargePositionMessageEnd$重要聲明重要聲明中泰證券股份有限公司（以下簡稱中泰證券股份有限公司（以下簡稱“本公司本公司”）具有中國證券監督管理委員會許可的證券投資咨詢業務資格）具有中國證券監督管理委員會許可的證券投資咨詢業務資

70、格。本公司不會因接收人收到本報告而視其為客戶。本公司不會因接收人收到本報告而視其為客戶。本報告基于本公司及其研究人員認為可信的公開資料或實地調研資料，反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響。本公司力求但不保證這些信息的準確性和完整性，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，可能會隨時調整。本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告所載的資料、工具、意見、信息及推測只提供給客戶作參考之用，不構成任何投資、法律、會計或稅務的最終操作建議，本公司不就報告中的內容對最終操作建議做出任何擔保。本

71、報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。市場有風險，投資需謹慎。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。投資者應注意，在法律允許的情況下，本公司及其本公司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投資銀行、財務顧問和金融產品等各種金融服務。本公司及其本公司的關聯機構或個人可能在本報告公開發布之前已經使用或了解其中的信息。本報告版權歸“中泰證券股份有限公司”所有。事先未經本公司書面授權，任何機構和個人，不得對本報告進行任何形式的翻版、發布、復制、轉載、刊登、篡改，且不得對本報告進行有悖原意的刪節或修改。