人工智能行業：生成式AI進入應用爆發期利用ETF布局人工智能優質核心標的-230209（18頁）.pdf

1、 本報告由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。同時請參閱最后一頁的重要聲明。證券研究報告證券研究報告行業深度行業深度 生成式生成式 A AI I 進入應用爆發期，進入應用爆發期，利用利用E ETFTF 布局人工智能優質核心標布局人工智能優質核心標的的 核心觀點核心觀點 生成式生成式 AI 取得算法突破，取得算法突破，AIGC 進入應用爆發期，創造巨大經進入應用爆發期，創造巨大經濟價值。濟價值。2022 年之前，Diffusion、GPT-3、CLIP 等深度學習

2、模型已經相繼成熟，2022 年在上述的深度學習模型基礎之上衍生出了例如 DALL-E 2、Stable Diffusion、ChatGPT 等諸多生成式模型，內容生產模式過渡到 AI 輔助內容生成階段。當前 AIGC正經歷一個滲透率快速提升的階段，為人工智能行業打開全新的成長空間。深度學習帶來的科技革命將產生巨大的經濟價值，根據 ARK 測算，深度學習將在未來 15-20 年內，為全球股票市場增加 30 萬億美元的市值。中證人工智能指數涵蓋行業優質標的，業績穩健前景可觀，中證中證人工智能指數涵蓋行業優質標的，業績穩健前景可觀，中證人工智能人工智能 ETF 具備較高的配置價值。具備較高的配置價值

3、。中證人工智能指數涵蓋?？低?、科大訊飛等核心標的，包括但不限于大數據、云計算、云存儲、機器學習、機器視覺、人臉識別、語音語義識別、智能芯片等細分行業。易方達中證人工智能 ETF 產品兼具費率低、流動性好、跟蹤誤差小等優勢，展現出較高的配置價值。摘要摘要 深度學習深度學習算法算法驅動驅動，人工智能行業高成長，人工智能行業高成長?？v觀人工智能行業發展歷史，三次人工智能的發展浪潮均始于算法的革命性突破，2012 年深度學習模型在 ImageNet 競賽戰勝支持向量機算法，標志著第三次人工智能發展浪潮的開啟。根據德勤數據，中國人工智能市場規模由 2017 年的 709 億元增長至 2025 年的 5

4、460 億元，年均復合增長率為 29%。人工智能戰略高度提升，場景應用成為政策關注重點。人工智能戰略高度提升，場景應用成為政策關注重點。我國人工智能在國家戰略層面，分別從技術突破、人才培養、創新平臺、倫理要求、場景應用等方面，形成了一套系統的人工智能建設和發展的頂層設計。近期的政策中更加注重人工智能的場景創新與應用，通過人工智能與實體經濟的深度融合，培育新的經濟增長點。生成式生成式 AI 取得取得算法算法突破突破，衍生模型百花齊放。，衍生模型百花齊放。2022 年之前，Diffusion、GPT-3、CLIP 等深度學習模型已經相繼成熟，2022年在上述的深度學習模型基礎之上衍生出了諸多生成式

5、模型。在圖像生成方面，誕生了 DALL-E 2、Stable Diffusion 等模型，在自然語言生成方面，誕生了 ChatGPT 等對話式模型，深刻改變了傳統的內容生產方式，內容生產模式從專業生成內容（PGC）和用戶生成內容（UGC）逐漸過渡向 AI 輔助內容生成階段。維持維持 強大于市強大于市 于芳博于芳博 010-86451607 SAC 執證編號:S1440522030001 發布日期：2023 年 02 月 09 日 市場表現市場表現 相關研究報告相關研究報告 -31%-21%-11%-1%9%2022/2/82022/3/82022/4/82022/5/82022/6/82022

6、/7/82022/8/82022/9/82022/10/82022/11/82022/12/82023/1/82023/2/8計算機上證指數人工智能人工智能 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 AIGC 進入應用爆發期，創造巨大經濟價值。進入應用爆發期，創造巨大經濟價值。在算法成熟的基礎之上，AIGC 進入應用爆發期。據 Gartner 測算，目前人工智能生成數據占所有數據比重不到 1%，到 2025 年，人工智能生成數據占比將達到 10%，當前 AIGC正經歷一個滲透率快速提升的階段，為人工智能行業打開全新的成長空間。深度學習帶來的科技革命將產生巨大的經濟價值，根據 A

7、RK 測算，深度學習將在未來 15-20 年內，為全球股票市場增加 30 萬億美元的市值。中證人工智能指數：涵蓋人工智能行業優質標的，業績穩健前景可期。中證人工智能指數：涵蓋人工智能行業優質標的，業績穩健前景可期。中證人工智能指數涵蓋?？低?、科大訊飛等核心標的，包括但不限于大數據、云計算、云存儲、機器學習、機器視覺、人臉識別、語音語義識別、智能芯片等細分行業。2022 年前三季度中證人工智能主題指數平均 ROE 為 8.10%，營業收入同比增速為 13.05%，展現出較強的盈利能力以及良好的發展趨勢。截至 2 月 3 日，中證人工智能指數自 2012 年 6 月 29 日成立以來漲幅為+17

8、6.42%，大幅跑贏同期中證 500（+82.76%）、中證 1000（+91.82%）和滬深 300（+68.25%）等寬基指數，業績表現優異。此外，該指數年化收益率、夏普比率相較于中證 500、中證 1000、滬深 300 亦有一定的優勢。易方達易方達中證人工智能中證人工智能 ETF：兼具低費率、流動性好、跟蹤誤差小等優勢，具備較高的配置價值。：兼具低費率、流動性好、跟蹤誤差小等優勢，具備較高的配置價值。易方達中證人工智能 ETF（159819.OF）是緊密跟蹤中證人工智能主題指數收益率的基金產品，追求跟蹤偏離度和跟蹤誤差的最小化，為投資者提供一個管理透明且成本較低的指數投資工具。該產品以

9、 ETF 方式跟蹤指數，具備低基金管理費率、低托管費率的基金產品優勢，而該基金實際上述費率分別為 0.15%和 0.05%，在同類基金中處于顯著更低水平。當前，生成式 AI 獲得投資者的廣泛關注，一方面，當前人工智能的算法迭代速度相對較快，同時部分算法晦澀難懂，加大了投資者的選股難度；另一方面，目前處于場景創新和應用爆發階段，投資者的預期相對較高，未來業績是否如期兌現也存在一定的不確定性。在此背景下，兼具靈活性的行業投資組合易方達中證人工智能 ETF 配置價值凸顯。風險提示：風險提示：人工智能技術進步不及預期；北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓

10、展；芯片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期。kUlYvXtVhZeX9WaXoX8ZaQ8QaQtRnNpNmPlOpPnPkPmNpPbRqQxOMYrRrRuOpPrP 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 目錄目錄 一、人工智能行業進入高速成長期，場景應用獲得政策關注.1 1.1 人工智能行業迎來新一輪的發展浪潮.1 1.2 人工智能上升至國家戰略層面，場景應用是近期關注重點.2 二、生成式 AI 模型取得算法突破，產業進入應用爆發期.4 2.1 圖像生成完成技術積淀，衍生模型百花齊放.4 2.2 自然語言預訓練模型進入輔助內容生成階段.6 2.3

11、 生成式 AI 模型的飛躍式發展創造巨大的經濟價值.7 三、中證人工智能主題指數投資價值.8 3.1 指數的編制：人工智能主題選優，定期調整樣本股.8 3.2 指數特點：涵蓋人工智能優質標的，業績穩健前景可觀.9 3.3 易方達中證人工智能 ETF 產品.11 風險分析.13 圖表目錄圖表目錄 圖表 1：人工智能發展的三次浪潮.1 圖表 2：全球人工智能市場收支規模.2 圖表 3：中國人工智能行業市場規模.2 圖表 4：人工智能產業相關的政策文件.2 圖表 5：歷年政府工作報告中對人工智能的論述.3 圖表 6：AIGC 相關深度學習基礎模型.4 圖表 7：典型的生成式模型結構圖.5 圖表 8：

12、2022 年誕生了諸多圖像生成模型.5 圖表 9：不同 AI 模型生成的“火星上的宇航員”圖像.5 圖表 10：典型的自然語言預訓練模型架構.6 圖表 11：超大規模的自然語言預處理模型發展歷史.7 圖表 12：AIGC 相關應用場景.7 圖表 13：全球深度學習相關股票市值將在 15-20 年內增加至 30 萬億美元.8 圖表 14：中證人工智能主題指數基本信息和編制規則.8 圖表 15：中證人工智能主題指數成分股行業權重分布.9 圖表 16：中證人工智能主題指數成分股行業數量分布.9 圖表 17：中證人工智能主題指數前十大成分股概況.10 圖表 18：中證人工智能主題指數 2022Q1-Q

13、3 年平均 ROE 對比.10 圖表 19：中證人工智能主題指數 2022Q1-Q3 營收增長率對比.10 圖表 20：人工智能指數走勢對比.11 圖表 21：不同指數績效表現（近五年，截止 2023 年 2 月 3 日）.11 圖表 22：易方達中證人工智能 ETF 產品介紹.11 圖表 23：易方達中證人工智能 ETF 認購份額及費率.12 1 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 一、人工智能行業一、人工智能行業進入高速成長期，場景應用獲得政策關注進入高速成長期，場景應用獲得政策關注 1.1 人工智能行業迎來新一輪的發展浪潮人工智能行業迎來新一輪的發展浪潮 人工智能(

14、Artificial Intelligence，AI)是利用機器學習和數據分析方法賦予機器模擬、延申和拓展類人的智能的能力，本質上是對人類思維過程的模擬，主要領域包括機器學習、語言識別、圖像識別和自然語言處理等。AI 概念最早始于 1956 年的達特茅斯會議，受限于算法和算力的不成熟，未能實現大規模的應用和推廣。近年來，近年來，在大數據、算法和計算機能力三大要素的共同驅動下，人工智能進入高速發展階段，其識別率、準確率均有大在大數據、算法和計算機能力三大要素的共同驅動下，人工智能進入高速發展階段，其識別率、準確率均有大幅提高，幅提高，在諸多落地場景中都展現了在諸多落地場景中都展現了很強的實用性。

15、很強的實用性。圖表圖表1：人工智能發展的三次浪潮人工智能發展的三次浪潮 資料來源：清華大學AMiner，CSDN、中信建投 深度學習引領第三次人工智能發展的浪潮。深度學習引領第三次人工智能發展的浪潮?？v觀人工智能行業發展歷史，三次人工智能的發展浪潮均始于算法的革命性突破，兩次寒冬則是由于算力和數據量的限制。第三次浪潮中深度學習解決了訓練多層神經網絡時的過擬合問題，基于深度學習的神經網絡成功用于圖像、語音識別。標志性事件是 2012 年 ImageNet 圖像識別大賽，其深度學習模型 AlexNet 的錯誤率僅為 15%左右，遠遠好于第二名支持向量機算法的 26%，這一結果迅速點燃了產業對神經網

16、絡和深度學習的興趣，深度學習也快速的實現了商業化。Transformer 結構的提出是深度學習發展過程中的重要里程碑，進一步加速了人工智能的蓬勃發展。深度學習從最初簡單的感知機算法，簡單的神經網絡，發展到目前參數量達到數千萬億的龐大而復雜的神經網絡，成為當下人工智能技術、應用、產業中的主流解決方案。第三次浪潮中第三次浪潮中，人工智能行業整體市場呈現人工智能行業整體市場呈現高速高速增長趨勢增長趨勢。2021 年全球市場人工智能市場收入規模（含軟件、硬件及服務）達 850 億美元。IDC 預測，2022 年該市場規模將同比增長約 20%至 1017 億美元，并將于 2025 2 行業深度報告 人工

17、智能人工智能 請參閱最后一頁的重要聲明 年突破 2000 億美元大關，CAGR 達 24.5%。根據德勤數據，中國人工智能市場規模由 2017 年的 709 億元增長至 2025 年的 5460 億元，年均復合增長率為 29%。圖表圖表2：全球人工智能市場收支規模全球人工智能市場收支規模 圖表圖表3：中國人工智能行業市場規模中國人工智能行業市場規模 資料來源：IDC，上海數字大腦研究院，中信建投 資料來源：德勤，中信建投 1.2 人工智能上升至國家戰略層面人工智能上升至國家戰略層面，場景應用是近期關注重點，場景應用是近期關注重點 行業行業長期長期發展發展戰略清晰明確，戰略清晰明確，政策重點支持

18、政策重點支持。我國 2017 年提出新一代人工智能發展規劃，對人工智能的行業發展提出了明確的戰略目標，預計到 2030 年，我國要形成較為成熟的人工智能理論和技術體系，產業競爭力達到國際領先水平。后續密集出臺了一系列相關的支持性政策，我國人工智能在國家戰略層面，分別從技術突破、人才培養、創新平臺、倫理要求、場景應用等方面，形成了一套綜合、系統的人工智能建設和發展的頂層設計。近期的政策中更加注重人工智能的場景應用，通過人工智能與實體經濟的深度融合，培育新的經濟增長點。圖表圖表4：人工智能產業相關的政策文件人工智能產業相關的政策文件 時間時間 文件文件 內容內容 2017 年 新一代人工智能發展規

19、劃 分三步走，2030 年實現人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心。促進新一代人工智能產業發展三年行動計劃(2018-2020 年)力爭到 2020 年，一系列人工智能標志性產品取得重要突破，在若干重點領域形成國際競爭優勢，人工智能和實體經濟融合進一步深化，產業發展環境進一步優化。2018 年 新一代人工智能產業創新重點任務揭榜工作方案 重點突破一批技術先進、性能優秀、應用效果好的人工智能標志性產品、平臺和服務，為產業界創新發展樹立標桿和方向，培育我國人工智能產業創新發展的主力軍。2019 年 關于促進人工智能和實體經濟深度融合的指導意見 促進人工智能和實

20、體經濟深度融合，要把握新一代人工智能發展的特點，堅持以市場需求為導向，以產業應用為目標。850101720420500100015002000250020212022E2025E全球人工智能市場收支規模（億美元）709988129216082058267834404368546039%31%24%28%30%28%27%25%0%5%10%15%20%25%30%35%40%45%0100020003000400050006000市場規模(億元)YoY(%)3 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 國家新一代人工智能開放創新平臺建設工作指引 通過建設開放創新平臺，著力提升技

21、術創新研發實力和基礎軟硬件開放共享服務能力，鼓勵各類通用軟件和技術的開源開放，支撐全社會創新創業人員、團隊和中小微企業投身人工智能技術研發，促進人工智能技術成果的擴散與轉化應用使人工智能成為驅動實體經濟建設和社會事業發展的新引擎。2020 年 國家新一代人工智能標準體系建設指南 到 2023 年，初步建立人工智能標準體系，重點研制數據、算法、系統、服務等重點急需標準，并率先在制造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域進行推進。2021 年 中華人民共和國國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要 聚焦高端芯片、操作系統、人工智能關鍵算法、

22、傳感器等關鍵領域，加快推進基礎理論、基礎算法、裝備材料等研發突破與迭代應用。培育壯大人工智能、大數據、區塊鏈、云計算、網絡安全等新興數字產業，提升通信設備、核心電子元器件、關鍵軟件等產業水平。新一代人工智能倫理規范 將倫理道德融入人工智能全生命周期，為從事人工智能相關活動的自然人、法人和其他相關機構等提供倫理指引。2022 年 關于加快場景創新以人工智能高水平 應用促進經濟高質量發展的指導意見 為落實新一代人工智能發展規劃，系統指導各地方和各主體加快人工智能場景應用，推動經濟高質量發展。關于支持建設新一代人工智能示范應用場景的通知 堅持面向世界科技前沿、面向經濟主戰場、面向國家重大需求、面向人

23、民生命健康，充分發揮人工智能賦能經濟社會發展的作用，圍繞構建全鏈條、全過程的人工智能行業應用生態，支持一批基礎較好的人工智能應用場景，加強研發上下游配合與新技術集成，打造形成一批可復制、可推廣的標桿型示范應用場景。首批支持建設十個示范應用場景。資料來源：中國政府網，科技部，發改委，中信建投 我國政府高度重視人工智能行業的發展。我國政府高度重視人工智能行業的發展。2017 年以來多次在政府工作報告中提及人工智能產業，2022 年提出加快發展工業互聯網，培育壯大集成電路、人工智能等數字產業，提升關鍵軟硬件技術創新和供給能力。接下來，人工智能項目會更加注重于場景創新與應用，促進我國經濟的高質量發展。

24、圖表圖表5：歷年政府工作報告中對人工智能的論述歷年政府工作報告中對人工智能的論述 時間時間 內容內容 2017 年“人工智能”首次新興產業。全面實施戰略性新興產業發展規劃，加快新材料、新能源、人工智能、集成電路、生物制藥、第五代移動通信等技術研發和轉化，做大做強產業集群。2018 年“人工智能”再次被寫入政府工作報告;做大做強新興產業集群，實施大數據發展行動，加強新一代人工智能研發應用，在醫療、養老、教育、文化、體育等多領域推進“聯網+”2019 年 人工智能升級為“智能+”；打造工業互聯網平臺，拓展“智能+”，為制造業轉型賦能升級；深化大數據、人工智能等研發應用，培育新一代信息技術、高端裝備

25、、生物醫藥、新能源汽車、新材料等新興產業集群，壯大數字經濟。2020 年 加強新型基礎設施建設(涵蓋 5G 基站建設、特高壓、城際高速鐵路和城市軌道交通、新能源汽車充電、大數據中心、人工智能、工業互聯網七大領域)2022 年 加快發展工業互聯網，培育壯大集成電路、人工智能等數字產業，提升關鍵軟硬件技術創新和供給能力。資料來源：中國政府網,中信建投 4 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 二二、生成式、生成式 AI 模型取得模型取得算法算法突破，產業突破，產業進入應用爆發期進入應用爆發期 根據監督學習的方法差異，根據監督學習的方法差異，深度深度學習領域具有判別式學習領域具有

26、判別式 AI 和生成式和生成式 AI 兩種典型模型兩種典型模型。判斷式 AI 可以學習數據中的條件概率分布，根據已有數據進行分析、判斷、預測，典型應用為內容的智能推薦、自動駕駛等；而生成式 AI 可以學習數據中的聯合概率分布，更強調學習歸納后進行演繹創造，生成全新的內容。人工智能的概念誕生之初，人們就對計算機的內容生成就給予了厚望。1957 年,萊杰倫 希勒和倫納德艾薩克森通過將計算機程序中的控制變量換成音符完成了歷史上第一支由計算機創作的音樂作品弦樂四重奏，生成式 AI 后續由于高昂的生成成本、以及數據、算力和算法的局限性，其整體效果不令人滿意，難以實現盈利模式的可持續發展，生成式 AI 始

27、終處在技術積淀階段，并未誕生可以規?；虡I的模型。2022 年深度學習模型在生成式年深度學習模型在生成式 AI 領域取得領域取得突破性突破性進展。進展。2022 年之前，Diffusion、GPT-3、CLIP 等深度學習模型已經相繼成熟，2022 年在上述的深度學習模型基礎之上衍生出了諸多生成式模型，在圖像生成方面，誕生了 DALL-E 2、Midjourney、Stable Diffusion 等模型，在自然語言生成方面，誕生了 ChatGPT 等對話式模型。因此，2022 年一般被認為是生成式 AI 的元年。圖表圖表6：AIGC 相關深度學習相關深度學習基礎基礎模型模型 深度學習模型深度

28、學習模型 出現時間出現時間 特點特點 Diffusion 2020 年 1.通過增加噪聲破壞訓練數據來學習，然后找出如何逆轉這種噪聲過程以恢復原始圖像。2.經過訓練，該模型可以應用這些去噪方法，從隨機輸入中合成新的“干凈”數據。GPT-3 2020 年 1.具備 1750 億參數量的超大規模的自然語言深度學習模型，訓練文本數據量高達 45TB。2.減少了對標簽數據的過分依賴，在沒有模型精調的情況下也能在下游的任務中表現良好。CLIP 2021 年 1.進行自然語言理解和計算機視覺分析。2.使用已經標注好的“文字-圖像”訓練數據。一方面對文字進行模型訓練。另一方面對圖像進行另一個模型的訓練，不斷

29、調整兩個模型內部參數，使得模型分別輸出的文字特征值和圖像特征值并確認匹配。資料來源：互聯網天地,中信建投 2.1 圖圖像像生成生成完成技術積淀，衍生完成技術積淀，衍生模型模型百花齊放百花齊放 生成對抗網絡生成對抗網絡 GAN 讓生成式讓生成式 AI 領域領域煥發生機。煥發生機。2014 年出現生成對抗網絡 GAN(Generative Adversarial Network)，GAN 是基于對抗學習的生成模型，該模型采用生成器與判別器進行對抗訓練，反復進行不斷博弈，從而生成新的能夠以假亂真的內容。GAN 模型成為了圖像生成的主流模型，隨后還衍生出了深度卷積 GAN、有條件 GAN、StyleG

30、AN、in-domain GAN 等模型，在神經網絡架構、模型訓練穩定性、模型崩潰問題上取得了相應突破，提升了最終圖像的特定細節、生成速度等。但是 GAN 也有分辨率較低、創新性不足等缺點。擴散模型（擴散模型（Diffusion Model）在圖像生成方面性能顯著提升在圖像生成方面性能顯著提升。擴散模型的概念最早在 2015 年提出，2020年提出利用擴散模型的子類別 DDPM（去噪擴散概率模型）進行圖像生成。其靈感來自非平衡熱力學，模型定義了一個擴散步驟的馬爾可夫鏈，在正向擴散過程中，將隨機噪聲添加到數據中，然后學習反向擴散過程，從噪聲中構建所需的數據樣本。擴散模型展現出比 GAN 模型更加

31、逼真的視覺效果，圖像質量進一步提升。5 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 CLIP 模型模型從單一圖片生成拓展到多模領域。從單一圖片生成拓展到多模領域。2021 年出現的 CLIP 模型(Contrastive Language-Image Pre-Training)通過構建文本編碼器和圖像編碼器分別學習圖像和文本特征，并使用多模態嵌入空間對比學習將圖片分類任務轉換為圖文匹配任務，可以實現 zero-shot 的圖像分類，即不需要任何訓練數據，就能在某個具體下游任務上實現分類，CLIP 能夠有效地學習視覺特征，實現了高效的多模態識別、融合與轉換，CLIP 的多模能力成功

32、的應用到了圖片生成場景中。圖表圖表7：典型的生成式模型結構圖典型的生成式模型結構圖 圖表圖表8：2022 年誕生了諸多圖像生成模型年誕生了諸多圖像生成模型 資料來源：arXiv，中信建投 資料來源：中信建投 深度學習模型取得長足進步的基礎上，深度學習模型取得長足進步的基礎上，21 至至 22 年年圖像生成模型實現快速迭代。圖像生成模型實現快速迭代。Diffusion 擴散模型實現了算法創新，提升了 AI 繪畫的圖像質量、CLIP 模型基于海量圖片數據進行訓練，推動了 AI 繪畫模型的組合創新。在 CLIP 模型和擴散模型的基礎上，衍生出了諸如 stable diffusion、DALL-E 2

33、、midjourney 等圖像生成模型，由于算法和數據上的差異，不同的模型生成的圖像也風格迥異。DALL-E 2 的創作較為寫實，具有區域編輯功能；Midjourney 較為擅長藝術風格的圖片生成；stable Diffusion 的模型運算量相對較小，無需云端部署，可以在配置GPU 的個人電腦端生成，未來有望在移動手機終端實現圖像生成。圖表圖表9：不同不同 AI 模型生成的模型生成的“火星上的宇航員火星上的宇航員”圖像圖像 資料來源：CSDN、中信建投 6 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 2.2 自然語言預訓練模型進入輔助內容生成階段自然語言預訓練模型進入輔助內容生

34、成階段 2006 年深度學習算法提出，隨后很快被應用到自然語言處理領域，取得了驚人的成績和廣泛的應用。年深度學習算法提出，隨后很快被應用到自然語言處理領域，取得了驚人的成績和廣泛的應用。2006年后誕生了多種神經網絡語言模型，包括多層感知機（MLP）、卷積神經網絡（CNN）、循環神經網絡（RNN）和長短記憶（LSTM）網絡，但是都存在一定的不足，MLP 難以捕捉局部特征，CNN 難以獲得遠距離特征，RNN難以充分利用并行計算加速，LSTM 減少了網絡的層數，相對來說更容易優化。2017 年，采用注意力機制的年，采用注意力機制的 Transformer 模型被引入到自然語言處理以后取得了極大的成

35、功。模型被引入到自然語言處理以后取得了極大的成功。注意力機制更加關注上下文的相關程度和深層的語義信息，因而 Transformer 模型在長距離建模和訓練速度方面都優于傳統的神經網絡模型。近年來，在 Transformer 模型的基礎之上，衍生出了 GPT、BERT 等超大規模的動態預訓練語言模型，除此以外，還有基于 Word2vec 的詞向量方法提出的 ELMo 模型也得到了大規模的應用。圖表圖表10：典型的自然語言預訓練模型架構典型的自然語言預訓練模型架構 資料來源：BERT:Pre-training of Deep Bidirectional Transformers for Langu

36、age Understanding，中信建投 隨著預訓練語言模型的提出和計算機算力的快速提升，自然語言處理技術已經進入全新的發展階段隨著預訓練語言模型的提出和計算機算力的快速提升，自然語言處理技術已經進入全新的發展階段。預訓練模型通過無需人工標注的大規模文本庫進行高算力的預先訓練，得到通用的語言模型和表現形式，再經過特定應用環境對預訓練模型進行微調，從而在各種下游應用領域得到目標任務的快速收斂和準確率提升。各種預訓練語言模型還在快速的更新迭代，不斷刷新自然語言處理任務的表現記錄，預訓練模型已經在自然語言處理中得到了廣泛應用。當前自然語言處理技術在某些領域已經可以媲美人類水平，同時具備多種功能應

37、用，包括文本檢索、信息過濾、機器翻譯、客服問答、文本生成等，在金融、教育、醫療、互聯網行業當中得到了廣泛的應用，隨著自然語言處理和傳統行業的深度融合，將人力從部分重復性的語言工作當中解放了出來，實現了人工智能替代。7 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 圖表圖表11：超大規模的自然語言預處理模型發展歷史超大規模的自然語言預處理模型發展歷史 資料來源：State of AI Report 2022，中信建投 ChatGPT 的誕生標志著預訓練語言模型正式進入輔助內容生成的階段。的誕生標志著預訓練語言模型正式進入輔助內容生成的階段。2022 年 11 月底，OpenAI 發布

38、了ChatGPT 人機對話交互模型，相比過去的人機對話模型，ChatGPT 展現出更貼近人類的思維邏輯，可以回復用戶的連續問題，具有一定的道德準則，減少了錯誤問答的出現概率，具備代碼的編寫和 debug 功能。ChatGPT在人機對話上取得了突破性進展，模型開放測試 5 天用戶便突破了百萬級別，2 個月的時間月活用戶突破 1 億，成為史上用戶增長速度最快的消費級應用程序。ChatGPT 作為 GPT-3 的升級版本，采用了人類反饋強化學習方式（RLHF）和近端優化策略(PPO)，通過獎勵模型的設定，極大減少了無效的、編造的、有害的答案出現概率，更多輸出了人們期望的答案。當前 ChatGPT 已

39、經在諸多問答環節里表現出極高的擬人化，足以以假亂真。我們我們認為，以認為，以 ChatGPT 為代表的自然語言模型將深刻融入內容生成、搜索引擎增強、編程協助、智能客服等領域，為代表的自然語言模型將深刻融入內容生成、搜索引擎增強、編程協助、智能客服等領域，成為人們日常生活生產的重要輔助工具。成為人們日常生活生產的重要輔助工具。2.3 生成式生成式 AI 模型的飛躍式發展模型的飛躍式發展創造巨大的經濟價值創造巨大的經濟價值 生成模型的飛躍生成模型的飛躍式式發展帶動發展帶動 AIGC 進入應用爆發期。進入應用爆發期。AIGC（AI-Generated Content）指利用人工智能技術自動生成的內容

40、，是繼專業生成內容（PGC）和用戶生成內容（UGC）之后一種新型生成內容的方式。圖像生成和文本內容生成是 AIGC 的主要應用領域，2022 年中這兩個領域均取得生成模型的飛躍發展，在算法成熟的基礎之上，應用層的爆發呼之欲出。AIGC 大幅降低了內容生產成本，降低了創作門檻，打破了數字內容生產受到人類想象能力和知識水平的限制，我們預計 AIGC 將在文本生成、圖像生成、音視頻生成、跨模態生成領域大放異彩。圖表圖表12：AIGC 相關相關應用場景應用場景 領域領域 具體應用場景具體應用場景 領域領域 具體應用場景具體應用場景 文本生成 1.協助內容創作 2.代碼編程協助 3.搜索引擎增強 4.智

41、能客服 音視頻生成 1.傳媒領域中的音視頻生成 2.換臉等趣味視頻生成 3.音視頻的剪輯合成工作 4.語音克隆 圖像生成 1.廣告營銷相關圖片生成 2.提供繪畫創意 3.圖像編輯工具 跨模態生成 1.根據文字生成圖像 2.根據文字生成視頻 3.根據 2D 圖像生成 3D 圖像或者視頻 資料來源：中信建投 GPGPT T-3 3(1(17 75 5B B)PaPan n-GuGu (2 20 00 0B B)HyHyp pe erCrCL LO OV VA A (2 20 04 4B B)JuJur ra as ss si i c c-1 1 J Ju um m b bo o (204B204B

42、)FLFLA AN N (1 13 37 7B B)J une 2020M ay 2021M eM eg ga at tr ro on n TuTur ri i n ng g-NLNLG G (1 13 37 7B B)YuYua an n 1.1.0 0(246B246B)Sep 2021GoGop ph he er r (2 28 80 0B B)ErErn ni i e e 3 3.0 0 T Ti i t ta an n (2 26 60 0B B)L La aM DM DA A (2 28 80 0B B)J an 2022GPGPT T-j j (6 6B B)GPGPT T-Ne

43、Neo oX X (2 20 0B B)Aug 2021P Pa aL LM M (5 54 40 0B B)OPOPT T (1 17 75 5B B)B BL LO OO OM M (1 17 76 6B B)G GL LM M (1 13 30 0B B)M ay 2022Aug 2022ChChi i n nc ch hi i l l l la a (7(70 0B B)chcha at tG GP PT TNov 2022 8 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 深度學習技術展現出來的變革世界的潛力超越了過去的科技創新深度學習技術展現出來的變革世界的潛力超越了過

44、去的科技創新，預計將以前所未有的方式改變世界的生預計將以前所未有的方式改變世界的生產生活方式產生活方式，創造創造巨大巨大的經濟價值的經濟價值。據 Gartner 測算，目前人工智能生成數據占所有數據比重不到 1%，到 2025年，人工智能生成數據占比將達到 10%，當前 AIGC 正經歷一個滲透率快速提升的階段，為人工智能行業打開全新的成長空間。根據 ARK 數據顯示，過去二十年來，互聯網為全球股票市值增加了 13 萬億美元。而截至 2020年，深度學習已經創造了 2 萬億美元的市值。根據 ARK 測算，深度學習將在未來 15-20 年內，為全球股票市場增加 30 萬億美元的市值。圖表圖表13

45、：全球全球深度學習深度學習相關股票市值將在相關股票市值將在 15-20 年內增加至年內增加至 30 萬億美元萬億美元 資料來源：ARK Invest,World Federation of Exchanges,H1 2020 Market Highlights,中信建投 三三、中證人工智能主題指數投資價值、中證人工智能主題指數投資價值 3.1 指數的編制：人工智能主題選優，定期調整樣本股指數的編制：人工智能主題選優，定期調整樣本股 中證人工智能主題指數（930713.CSI）是由中證公司發布的旨在反映 A 股市場上人工智能主題公司整體表現的指數。該指數從為人工智能提供基礎資源、技術以及應用支持

46、的公司中選取代表性公司作為樣本股，包括但不限于大數據、云計算、云存儲、機器學習、機器視覺、人臉識別、語音語義識別、智能芯片等細分行業。該指數發布日期為 2015 年 7 月 31 日，基日為 2012 年 6 月 29 日。圖表圖表14：中證人工智能主題指數基本信息和編制規則中證人工智能主題指數基本信息和編制規則 指數名稱指數名稱 中證人工智能主題指數中證人工智能主題指數 指數代碼 930713.CSI 成分股數量 100 發布日期 2015-07-31 基日 2012-06-29 基點 1000 9 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 指數名稱指數名稱 中證人工智能主題

47、指數中證人工智能主題指數 樣本空間 中證全指 選樣方法（1）對樣本空間內股票按照最近一年（新股為上市以來）的 A 股日均成交金額由高到低進行排名，剔除排名后 20%的股票；（2）對樣本空間的剩余股票，將為人工智能提供基礎資源、技術以及應用支持的公司作為待選樣本，包括但不限于大數據、云計算、云存儲、機器學習、機器視覺、人臉識別、語音語義識別、智能芯片等；（3）在待選樣本中，按照過去一年日均總市值由高到低排名，選取不超過 100 只股票構成指數樣本股。計算公式 報告期指數=報告期樣本股的調整市值/除數1000 其中，調整市值(股價調整股本數權重因子)調整頻率 樣本股每半年調整一次，時間為每年 6

48、月和 12 月 資料來源：Wind，中信建投 3.2 指數特點：涵蓋人工智能優質標的，業績穩健前景可觀指數特點：涵蓋人工智能優質標的，業績穩健前景可觀 中證人工智能主題指數中大部分成分股集中于計算機、電子行業（中信一級行業），權重占比分別為 51.34%、36.15%；細分領域方面，人工智能產業鏈下游應用層領域涉及行業廣泛，中證人工智能主題指數的 50 個成分股涉及了 14 個中信二級行業，其中權重較高的行業為計算機軟件、半導體、計算機設備、光學光電、云服務，權重分別為 24.14%、20.96%、12.83%、12.74%、12.55%，前五大行業個股權重和數量占比分別達 83.22%、78

49、%。圖表圖表15：中證人工智能主題指數成分股行業權重分布中證人工智能主題指數成分股行業權重分布 圖表圖表16：中證人工智能主題指數成分股行業數量分布中證人工智能主題指數成分股行業數量分布 資料來源：WIND，中信建投；注：其他中包括電源設備、消費電子、航空航天、其他電子零組件、其他軍工、黑色家電（中信二級行業分類）。中證人工智能主題指數成分股中證人工智能主題指數成分股涵蓋人工智能行業優質標的。涵蓋人工智能行業優質標的。?？低暫涂拼笥嶏w是中證人工智能主題指數權重最大的2只個股。?？低?021年營收814.2億，同比增長28.21%，歸母凈利潤168億元，同比增長25.51%。公司依托在智能物

50、聯和大數據領域深厚的軟硬件技術積累，構建開放合作生態，為公共服務領域用戶、企事業用戶和中小企業用戶提供服務，致力于構筑云邊融合、物信融合、數智融合的智慧城市和數字化企業?？拼笥嶏w 2021 年營收 183.14 億，同比增長 40.61%，歸母凈利潤 15.56 億，同比增長 14.13%。公司從事智能語音及語言技術研究、軟件及芯片產品開發、語音信息服務及電子政務系統集成，智慧教育、智慧醫療業務保持高速增長。24.14%20.96%12.83%12.74%12.55%4.69%3.37%1.81%6.91%計算機軟件半導體計算機設備光學光電云服務汽車零部件通用設備產業互聯網其他4%12%22%

51、2%28%2%6%2%22%計算機軟件半導體計算機設備光學光電云服務汽車零部件通用設備產業互聯網其他 10 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 圖表圖表17：中證人工智能主題指數前十大成分股概況中證人工智能主題指數前十大成分股概況 證券代碼證券代碼 證券名稱證券名稱 權重（權重（%）中信行業分類中信行業分類 營業收入營業收入 （20202121 年，億元）年，億元）歸母凈利潤歸母凈利潤 （20202121 年，億元）年，億元）近三年漲跌幅（近三年漲跌幅（%，截止，截止 2 2023023 年年 2 2 月月 3 3 日）日）002415.SZ ?？低?10.14 光學光

52、電 814.20 168.00 14.65 002230.SZ 科大訊飛 6.84 計算機軟件 183.14 15.56 25.89 603501.SH 韋爾股份 6.07 半導體 241.04 44.76-30.52 600588.SH 用友網絡 4.58 云服務 89.32 7.08 10.36 000938.SZ 紫光股份 4.18 計算機設備 676.38 21.48 6.43 688008.SH 瀾起科技 3.99 半導體 25.62 8.29-34.99 300454.SZ 深信服 3.42 云服務 68.05 2.73-4.56 002920.SZ 德賽西威 3.30 汽車零部件

53、 95.69 8.33 312.19 300496.SZ 中科創達 3.19 計算機軟件 41.27 6.47 96.68 600536.SH 中國軟件 2.70 計算機軟件 103.52 0.76 65.66 資料來源：WIND，中信建投 人工智能相關企業盈利能力強，發展趨勢向好。人工智能相關企業盈利能力強，發展趨勢向好。凈資產收益率 ROE 反映了股東權益的收益水平，2022 年前三季度中證人工智能主題指數平均 ROE 為 8.10%，高于中證 500、中證 1000 的 ROE 水平，并且即使在同類指數間進行比較，亦處于同類中較高水平，說明其成分股盈利能力整體相對較強。此外，營收增長率也

54、是衡量一個企業經營效益的重要指標。2022 年前三季度中證人工智能主題指數營收增速為 13.05%，高于中證 500、中證 1000和滬深 300，表明人工智能相關企業的發展趨勢良好。圖表圖表18：中證人工智能主題指數中證人工智能主題指數 2022Q1-Q3 年平均年平均 ROE 對對比比 圖表圖表19：中證人工智能主題指數中證人工智能主題指數 2022Q1-Q3 營收增長率營收增長率對比對比 資料來源：Wind，中信建投 資料來源：Wind，中信建投 中證人工智能指數中證人工智能指數業績表現優異。業績表現優異。截至 2 月 3 日，中證人工智能指數自 2012 年 6 月 29 日成立以來漲

55、幅為+176.42%，同期大幅跑贏中證 500（+82.76%）、中證 1000（+91.82%）和滬深 300（+68.25%）等寬基指數，業績表現優異。6.496.9611.178.108.690.002.004.006.008.0010.0012.00平均ROE(%)2.642.7935.6813.059.200.0010.0020.0030.0040.00營收增長率(%)11 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 圖表圖表20：人工智能指數走勢對比人工智能指數走勢對比 資料來源：Wind，中信建投 從績效角度分析，中證人工智能主題指數近五年來在累計收益率、夏普比率等

56、方面均表現較優。從這個角度看，作為投資標的的中證人工智能主題指數，相比于其他指數在較長周期內，更易獲得相對較好的投資回報。圖表圖表21：不同指數績效表現（近五年，截止不同指數績效表現（近五年，截止 2023 年年 2 月月 3 日）日）指數名稱指數名稱 C CS S 人工智人工智能能 創業板指創業板指數數 中證中證 5 50000 中證中證 1 1000000 滬深滬深 300300 累計收益率（%）14.75%59.19%12.19%10.48%-1.49%年化收益率（%）2.89%10.09%2.41%2.08%-0.31%年化波動率（%）30.69%28.11%24.31%22.19%2

57、0.62%夏普比率 0.16%0.41%0.11%0.08%-0.05%資料來源：Wind，中信建投 3.3 易方達中證人工智能易方達中證人工智能 ETF 產品產品 易方達中證人工智能 ETF（159819.OF）是由易方達基金管理有限公司于 2020 年 7 月 20 日至 7 月 31 日發行的交易型開放式指數證券投資基金，這只 ETF 的業績基準為中證人工智能主題指數（930713.CSI），且以緊密跟蹤標的指數，追求跟蹤偏離度和跟蹤誤差的最小化為其投資目標，在基金管理模式上主要采取“完全復制法+適當的替代性策略”來跟蹤相應標的指數，指數化投資熱潮剛剛興起，隨著國內資本市場逐漸完善和健全

58、，越來越多的投資者開始選擇指數化投資來分散投資風險和追求長收益。圖表圖表22：易方達中證人工智能易方達中證人工智能 ETF 產品介紹產品介紹 基金名稱基金名稱 易方達中證人工智能主題交易型開放式指數證券投資基金易方達中證人工智能主題交易型開放式指數證券投資基金 證券簡稱 AI 智能 基金代碼 159819 基金類型 交易型開放式指數基金 發行日期 2020 年 07 月 20 日-07 月 31 日 基金托管人 中國工商銀行 投資比例 本基金投資于標的指數成份股及備選成份股的資產不低于非現金資產的 80%且不低于基金資產凈值的-100%0%100%200%300%400%500%CS人工智能中

59、證500中證1000創業板指滬深300 12 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 基金名稱基金名稱 易方達中證人工智能主題交易型開放式指數證券投資基金易方達中證人工智能主題交易型開放式指數證券投資基金 90%，因法律法規的規定而受限制的情形除外。投資目標 緊密跟蹤標的指數，追求跟蹤偏離度和跟蹤誤差的最小化。業績比較基準 中證人工智能主題指數收益率 風險收益特征 本基金為股票型基金，預期風險與預期收益水平高于混合型基金、債券型基金與貨幣市場基金。本基金為指數型基金，主要采用完全復制法跟蹤標的指數的表現，具有與標的指數相似的風險收益特征。資料來源：Wind，中信建 圖表圖表2

60、3：易方達中證人工智能易方達中證人工智能 ETF 認購份額及費率認購份額及費率 認購份額（認購份額（M M）認購費率認購費率 M50 萬份 0.80%50 萬份M100 萬份 0.50%M100 萬份 按筆固定收取 500 元/筆 管理費率 0.15%托管費率 0.05%資料來源：Wind，中信建投 ETF 產品是一種良好的投資工具，不僅具備股票與指數基金的特色，也兼具封閉式與開放式基金的優點。產品是一種良好的投資工具，不僅具備股票與指數基金的特色，也兼具封閉式與開放式基金的優點。相比于普通指數基金，ETF 可像股票一樣，被拆分成更小交易單位在交易所二級市場交易，也不要求 ETF 投資人細挖市

61、場上每只股票。從產品角度看，ETF 產品兼具費率低、流動性好的優勢。從配置角度看，ETF 產品具備良好的跟蹤誤差，而大多數主動管理型產品在市場反轉時倉位變化往往難以跟上市場節奏，因此，股票型 ETF產品具有良好的配置價值。隨著政策的支持隨著政策的支持和和算法的突破，生成式算法的突破，生成式 AI 迎來應用爆發，人工智能行業發展再度提速。迎來應用爆發，人工智能行業發展再度提速。2017 年提出新一代人工智能發展規劃，對人工智能的行業發展提出了明確的戰略目標，預計到 2030 年，我國要形成較為成熟的人工智能理論和技術體系，產業競爭力達到國際領先水平，行業的遠期目標明確。國家新一代人工智能標準體系

62、建設指南、關于支持建設新一代人工智能示范應用場景的通知等政策出臺，人工智能的場景創新與應用得到政策關注。當前，生成式 AI 算法取得突破，衍生模型百花齊放，生成式 AI 迎來行業的應用爆發，引起了投資者的廣泛關注。一方面，當前人工智能的算法迭代速度相對較快，同時部分算法晦澀難懂，加大了投資者的選股難度；另一方面，目前處于場景創新和應用爆發階段，投資者的預期相對較高，未來業績是否如期兌現也存在一定的不確定性。在此背景下，通過參與一個“行業投資組合”將人工智能產業鏈上細分領域的龍頭公司都配置一定的底倉，再緊密跟蹤行業的發展動態并深入研究相關公司的業務情況，進行長期的跟蹤投資是一個不錯選擇，其中股票

63、型 ETF 產品凸顯出了良好的配置價值。感謝樊文輝、辛俠平對本報告的貢獻。感謝樊文輝、辛俠平對本報告的貢獻。13 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 風險分析風險分析 北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展；芯片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期；疫情影響公司正常生產和交付，導致收入及增速不及預期；信息化和數字化方面的需求和資本開支不及預期；市場競爭加劇，導致毛利率快速下滑；主要原材料價格上漲，導致毛利率不及預期；匯率波動影響外向型企業的匯兌收益與毛利率；人工智能技術進步不及預期；汽車與工業智能化進展不及

64、預期等；半導體擴產不及預期。14 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 分析師介紹分析師介紹 于芳博于芳博 中信建投人工智能組首席分析師，北京大學空間物理學學士、碩士，2019 年 7 月加入中信建投，主要覆蓋人工智能等方向，下游重點包括智能汽車、CPU/GPU/FPGA/ASIC、EDA 和工業軟件等方向。15 行業深度報告 人工智能人工智能 請參閱最后一頁的重要聲明 評級說明評級說明 投資評級標準 評級 說明 報告中投資建議涉及的評級標準為報告發布日后 6個月內的相對市場表現，也即報告發布日后的 6 個月內公司股價（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

65、基準。A 股市場以滬深300 指數作為基準；新三板市場以三板成指為基準；香港市場以恒生指數作為基準；美國市場以標普 500 指數為基準。股票評級 買入 相對漲幅 15以上 增持 相對漲幅 5%15 中性 相對漲幅-5%5之間 減持 相對跌幅 5%15 賣出 相對跌幅 15以上 行業評級 強于大市 相對漲幅 10%以上 中性 相對漲幅-10-10%之間 弱于大市 相對跌幅 10%以上 分析師聲明分析師聲明 本報告署名分析師在此聲明：（i）以勤勉的職業態度、專業審慎的研究方法，使用合法合規的信息，獨立、客觀地出具本報告,結論不受任何第三方的授意或影響。（ii）本人不曾因，不因，也將不會因本報告中的

66、具體推薦意見或觀點而直接或間接收到任何形式的補償。法律主體說明法律主體說明 本報告由中信建投證券股份有限公司及/或其附屬機構（以下合稱“中信建投”）制作，由中信建投證券股份有限公司在中華人民共和國（僅為本報告目的，不包括香港、澳門、臺灣）提供。中信建投證券股份有限公司具有中國證監會許可的投資咨詢業務資格，本報告署名分析師所持中國證券業協會授予的證券投資咨詢執業資格證書編號已披露在報告首頁。在遵守適用的法律法規情況下，本報告亦可能由中信建投（國際）證券有限公司在香港提供。本報告作者所持香港證監會牌照的中央編號已披露在報告首頁。一般性聲明一般性聲明 本報告由中信建投制作。發送本報告不構成任何合同或

67、承諾的基礎，不因接收者收到本報告而視其為中信建投客戶。本報告的信息均來源于中信建投認為可靠的公開資料，但中信建投對這些信息的準確性及完整性不作任何保證。本報告所載觀點、評估和預測僅反映本報告出具日該分析師的判斷，該等觀點、評估和預測可能在不發出通知的情況下有所變更，亦有可能因使用不同假設和標準或者采用不同分析方法而與中信建投其他部門、人員口頭或書面表達的意見不同或相反。本報告所引證券或其他金融工具的過往業績不代表其未來表現。報告中所含任何具有預測性質的內容皆基于相應的假設條件，而任何假設條件都可能隨時發生變化并影響實際投資收益。中信建投不承諾、不保證本報告所含具有預測性質的內容必然得以實現。本

68、報告內容的全部或部分均不構成投資建議。本報告所包含的觀點、建議并未考慮報告接收人在財務狀況、投資目的、風險偏好等方面的具體情況，報告接收者應當獨立評估本報告所含信息，基于自身投資目標、需求、市場機會、風險及其他因素自主做出決策并自行承擔投資風險。中信建投建議所有投資者應就任何潛在投資向其稅務、會計或法律顧問咨詢。不論報告接收者是否根據本報告做出投資決策，中信建投都不對該等投資決策提供任何形式的擔保，亦不以任何形式分享投資收益或者分擔投資損失。中信建投不對使用本報告所產生的任何直接或間接損失承擔責任。在法律法規及監管規定允許的范圍內，中信建投可能持有并交易本報告中所提公司的股份或其他財產權益，也

69、可能在過去 12 個月、目前或者將來為本報告中所提公司提供或者爭取為其提供投資銀行、做市交易、財務顧問或其他金融服務。本報告內容真實、準確、完整地反映了署名分析師的觀點，分析師的薪酬無論過去、現在或未來都不會直接或間接與其所撰寫報告中的具體觀點相聯系，分析師亦不會因撰寫本報告而獲取不當利益。本報告為中信建投所有。未經中信建投事先書面許可，任何機構和/或個人不得以任何形式轉發、翻版、復制、發布或引用本報告全部或部分內容，亦不得從未經中信建投書面授權的任何機構、個人或其運營的媒體平臺接收、翻版、復制或引用本報告全部或部分內容。版權所有，違者必究。中信建投證券研究發展部中信建投證券研究發展部 中信建投（國際）中信建投（國際）北京 上海 深圳 香港 東城區朝內大街2 號凱恒中心B座 12 層 上海浦東新區浦東南路528號南塔 2106 室 福田區益田路 6003 號榮超商務中心 B 座 22 層 中環交易廣場 2 期 18 樓 電話：（8610）8513-0588 電話：（8621）6882-1600 電話：（86755）8252-1369 電話：（852）3465-5600 聯系人：李祉瑤 聯系人：翁起帆 聯系人：曹瑩 聯系人：劉泓麟 郵箱： 郵箱： 郵箱： 郵箱：charleneliucsci.hk