仅供机构投资者使用

行业研究报告

奇点将至，探他山之石
——从算力、算法、数据和应用看AIGC

华西海外团队
朱芸 执业证书编号：S1120522040001
联系人：李佳妮/侯钧皓/吴嘉悦

2023年3月19日

请仔细阅读在本报告尾部的重要法律声明
目录

01 核心观点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

1
 核心观点
报告亮点：
作为海外团队，我们期待该篇报告能够尽可能呈现海外市场当前在生成式AI (AIGC)领域的布局和
进展，从算力、算法、数据和应用入手，看清趋势，寻找差异。

一是尽可能减少我们对海外认知的信息差，更重要的是，他山之石，可以攻玉，海外映射是国内可
以持续关注的重点。
核心要点：
• AIGC未来已来，超预期持续出现
从2018到2023年，四代GPT模型高速进步，从简单的问答、阅读理解、文本总结，到在众多测试
中获得“人类级别表现”评级，AI迭代进化的速度越来越快。可以预期，AI达到人类智能水平、乃至超
越人类智能水平的时代会以超预期的形态和速度出现。
• 数据、算力、算法为AIGC核心要素，海内外厂商各占鳌头
数据，通过算力，最后产生了算法或者应用。数据作为新兴生产要素，数据的拥有者、加工者是产
业发展的基础。算力作为基础设施，是AIGC资本开支的主要受益者，核心参与者英伟达、AMD竞争优
势显著。AIGC的技术壁垒主要体现在算法上，当前通用型AI由GPT领跑，而在细分领域上，行业内的主
要参与者包括谷歌、Meta、Anthropic、Hugging Face和百度等公司。随着细分龙头竞相研发创新算
法和优化现有技术、以及模型迭代下对数据、算力的需求高速膨胀，AIGC行业技术壁垒将不断提高，现
有优秀参与者护城河极深。
• AIGC市场潜力巨大，应用领域迎来生产力解放
根据Tractica的预测数据显示，全球AI软件市场规模将在2025年达到1260亿美元，2021年到2025
年年复合增长率为41.02%。一级市场的火热也反映了AIGC发展的确定性趋势。在大模型的快速迭代推
动下，搜索引擎、办公软件、汽车、媒体、AI绘画设计、AI广告营销、智能工作助理等应用率先落地的
行业将具备较强商业化机会。
核心观点

投资建议：
我们认为生成式AI模型不断加速迭代，将快速推动生成式AI技术的商业化推广应用的进程，带动产
业三大要素—数据、算力、算法和应用的高速发展。

后续建议密切关注生成式AI产业链上四条投资主线：
（1）数据是大模型训练的基础资源，随着大模型项目迭代发展，对训练用数据集需求将不断上升，
受益标的为数据提供商龙头Appen（APX.AX）；
（2）大模型发展带来高算力需求，人工智能芯片市场巨大，受益标的为英伟达（NVDA.O）、
AMD（AMD.O）；
（3）各大厂商布局大模型算法项目，龙头科技企业具有技术优势，受益标的为微软（MSFT.O）、
谷歌（GOOG.O）、Meta（META.O）、百度（BIDU.O/9888.HK）；
（4）生成式AI商业化应用落地领先领域，受益标的为自动驾驶技术公司Mobileye（MBLY.O)、数
字媒体Buzzfeed（BZFD.O）、办公软件微软（MSFT.O）。

风险提示：
• 技术落地商业化不及预期

• 人工智能在部分领域应用的监管风险

• 外部环境导致芯片、软件等供应限制
目录

01 核心观点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

4
 生成式AI：自然语言处理演变十余年，迎来变现阶段
AIGC(AI Generated Content)即生成式AI，多领域应用逐渐成熟。AIGC涉及无监督和半监督学习算
法，截至目前其发展历程主要分为三个阶段：
• 统计机器学习方法阶段（2010年前）：首先对数据进行手工标注，然后构建其重要特征，最后构建概率
模型并进行参数优化，从而将概率最大的输出作为结果；
• 基于深度学习的神经网络模型（2010年-2017年）：深度学习算法被引入，本质上是通过大量数据训练
神经网络，主要表现形式为：CNN（卷积神经网络）、RNN(循环神经网络）等。相比统计学习方法，
省去了复杂且手工的特征构建；
• 基于Transformer结构的预训练模型（2017年至今）：利用大量无标注数据进行自监督学习，然后再使
用少量的标注数据对下游任务进行微调（即迁移学习）。
• 在应用方面，按场景分类AIGC已经较为成熟地应用于文本和代码撰写、图像识别和生成，以GPT为首的
AIGC模型也正在探索消费级AI技术的变现方式。展望未来，AIGC不仅会在现有应用领域持续进步，也将
逐步拓展到视频和游戏领域，AIGC将会在更多的领域得到广泛应用，为各个行业和领域的发展和进步提
供更多可能性。
表1：AI应用发展进程预测
2020前 2020 2022 预计2025 预计2030 预计2050
垃圾邮件检测
基础文案撰写 撰写更长文章 对科学论文等进行 文章终稿超过人类 文章终稿超过专业
文本 翻译
生成草案 完善文稿 垂直微调 平均水平 作者水平
基础问答
文本到产品（终
更长代码 更多语言
代码 单行自动完成 多行代码生产 文本到产品（草稿） 稿），超过大部分
更高准确度 深度提高
开发者
艺术 终稿超过大部分专
产品设计、建筑等 产品设计、建筑等
图像 Logo 业艺术家、设计师、
模型 终稿
摄影 摄影师水平
AI创作平台
视频和3D制作的初
视频/3D/游戏 完善版本 游戏和电影实现个
稿
性化定制
开始尝试 基本完成 黄金时期
资料来源：红杉资本，华西证券研究所
生成式AI： GPT模型迭代四大版本，进化速度不断提升

OpenAI创立于2015年12月，发布ChatGPT引燃AI行业热度。GPT系列是OpenAI打造的自然语言处
理模型，采用以Transformer结构为核心的模型，其最大特点是使用了大量的未标注的语料进行无监督的
预训练，然后在各种有监督的任务上进行微调。

OpenAI于2022年11月先后推出了GPT-3.5和ChatGPT，GPT-3.5使用了更新的语料进行预训练，而
ChatGPT是基于GPT-3.5的对话机器人，能够根据用户的输入生成流畅、有逻辑的回答，以及完成撰写论
文报告、翻译文字、编写代码等文本生成任务，并且能根据聊天的上下文进行互动。

ChatGPT发布后爆火，仅用5天时间用户量便破百万，推出2个月后用户量破亿，成为史上用户增长
速度最快的消费级应用程序。3月14日，OpenAI进一步推出GPT-4.0，相比当前ChatGPT使用的GPT-3.5，
增加了输入图像的功能；扩写能力增强，能处理超过25000个单词的文本；更具创造力，并且能够处理更
细微的指令。GPT模型迭代的参数量及训练量均呈指数级增长，使得AI从实验技术成长为稳定生产力。

图1：ChatGPT仅发布5天便达到百万用户
ChatGPT
Instagram
Spotify
Facebook
Foursquare
Twitter
Airbnb
Netflix
0 200 400 600 800 1000 1200 1400

用户量达到100万时间（天）
资料来源：Statista，TRTWorld, 华西证券研究所
生成式AI： AI产品全面开花，生产力将达新高度

GPT模型稳定进步，AI已是成熟生产工具。从GPT-1到最新发布的GPT-4模型，其应用已经不仅局限
于问答、阅读理解等文本处理，虽然目前GPT-4在现实场景中的能力可能不如人类，但在各种专业和学术
考试上表现出明显超越人类水平的能力，GPT-4在模拟律师考试中，分数排在前10%；相比之下，GPT-
3.5的得分则在倒数10%附近。

随着算力、算法、数据量的演进，行业内不断出现高质量的AI产品，微软New Bing、AI绘画、智能
驾驶等等，体现出AI未来在多个领域的应用潜力。ChatGPT版Office、百度“文心一言”两大产品正式推
出，或将AI的生产力推向新的高度。
图2：GPT 4.0 数学能力大幅提升

资料来源：量子位，OpenAI，华西证券研究所
生成式AI： AI进化加速，数字经济未来已至
AI行业星辰大海，数字经济未来已至。从2018到2023年，四代GPT模型高速进步，从简单的问答、
阅读理解、文本总结，到在众多测试中获得“人类级别表现”评级，此外近期AI衍生产品的层出不穷，显
现出背后AI行业的星辰大海。

2020年，马斯克预言五年内人工智能将比人类更聪明，当前AI迭代进化的速度越来越快，虽然GPT
还未通过图灵测试，距离真正的“智能”还有距离，但我们认为，AI达到人类水平、乃至超越人类的时代
即将到来。
表2：历代GPT学习目标及表现情况

模型 发布时间 参数量 预训练数据量 学习目标 模型表现

无监督语言模型 在9/12任务中获得“先进”表
2018年6
GPT-1 1.17亿 约5GB （Pre-training） 现：问答、阅读理解、文本总
月
有监督fine-tune 结
多任务 在7/8任务中超过“先进”表现
2019年2 零次学习Zero 随着模型参数变多，模型的表
GPT-2 15亿 40GB
月 Short Task 现呈现log-linear上升，没有到
Transfer 达瓶颈
2020年5 语境学习 在小样本学习、单样本学习、
GPT-3 1,750亿 45TB
月 小样本学习 零样本学习中表现突出
在GLUE, SuperGLUE, SQuAD
2023年3 基于规则的奖励模
GPT-4 待公布 等测试中获得“人类级别表现”
月 型(RBRM)
拥有图像处理能力
资料来源：OpenAI，Medium，中新经纬，华西证券研究所
 生成式AI：算力、算法、数据三位一体
数据，通过算力，最后产生了算法或者应用。AIGC是人工智能、大数据、云计算、5G等多个技术领
域的整合，是一种跨领域的合作发展模式。在AIGC行业中，算力、算法、数据是三个核心概念，它们共同
构成了这个领域的基础设施。未来随着技术的进步和应用场景的不断拓展，这三个概念将继续发挥重要作
用，推动整个行业的创新和发展。
• 算力（Computing Power）：算力是指计算设备执行算法、处理数据的能力，包括CPU、GPU、
FPGA、ASIC等。云计算技术和5G通信技术的发展使得算力的分布和调度更加灵活，有助于满足各种
场景下对高性能计算的需求。
• 算法（Algorithm）：算法是一系列解决问题、实现特定功能的有序指令和步骤。在AIGC行业中，算
法是模型的基础，用于实现数据分析、人工智能模型训练等功能。
• 数据（Data）：在AIGC行业中，数据是支撑决策和优化的基础，是算法发挥作用的前提。大数据技术
可以对海量数据进行有效处理、分析和存储，而人工智能技术可以通过对数据进一步学习，实现各种智
能化应用，如图像识别、自然语言处理等。
表3：AIGC行业三大核心概念

核心概念 描述 应用及关联技术
算力
衡量计算设备执行算法、处理数据的能力， 数据中心、分布式计算、云计算、边缘计算、高
（Computing
关系到系统的运行效率和任务完成速度。 性能计算（HPC）
Power）
机器学习（ML）、深度学习（DL）、自然语言
算法 解决问题、实现特定功能的有序指令和步骤，
处理（NLP）、计算机视觉（CV）、推荐系统
（Algorithm） 是计算机程序的基础，用于实现各种功能。
等
对现实世界的描述和反映，以数字、文字、 数据挖掘、数据分析、数据仓库、数据可视化、
数据（Data）
图像等形式表现，是支撑决策和优化的基础。 数据安全、隐私保护等
资料来源：OpenAI，华西证券研究所
目录

01 核心观点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

10
数据：大模型训练的基础资源，需求不断扩大

数据是训练大模型的基础资源，以GPT系列模型为例，对比三代模型间使用的数据集，训练所需的
数据集在质量和数量方面均不断提升。随着人工智能模型迭代发展，高质量数据集的需求将进一步增长。

表4：GPT系列模型训练使用数据集概要
模型 数据集概要
BooksCorpus（7000不同的未发表的书籍，包括冒险、幻想、浪漫等题材，数据集
GPT-1
中包含大量连续文本）

在Reddit上爬取的外链，构建了WebText数据集，包含了这4500万个链接的文字子
GPT-2 集，移除了所有的Wikipedia文档，因为它是很多下游任务的数据源，这是为了避免
数据集重叠而影响评估
使用Common Crawl数据集(几乎包含整个互联网的数据)，进行了3步过滤操作，增
GPT-3 加了一些高质量数据集，最终采用混合数据集输入。数据集大小合计将近5千亿
tokens
资料来源：OpenAI，华西证券研究所

图3：GPT-3模型训练使用数据集概况

资料来源：OpenAI，华西证券研究所
数据：大模型训练的基础资源，需求不断扩大
从自然数据源简单收集取得的原料数据并不能直接用于有监督的深度学习算法训练，必须经过专
业化的采集、加工，形成相应的工程化训练数据集后才能供深度学习算法等训练使用。

目前，带有监督学习的算法对于训练数据的需求远大于现有的标注效率和投入预算，基础数据服
务将持续释放其对于算法模型的基础支撑价值。
表5：数据服务商部分公司概况
公司 主营业务 公司优势

1.拥有的成品训练数据集数量大，在产品领域覆盖方面比较完善
2.已取得专利授权28项，计算机软件著作权159项，对比同业公司在专利技术
AI训练数据的研发设计 储备方面具备一定优势
海天瑞声
、生产及销售业务 3.公司的产品和服务已获得字节跳动、阿里巴巴、腾讯、百度、科大讯飞、海
康威视、微软、亚马逊、三星、中国科学院、清华大学等国内外客户的认可，
市场认可度较高

1.覆盖超过235个语种/方言，语言覆盖面具有优势
数据采集和标注解决方 2、成立于1996年，经营历史较长，规模较大，拥有人工智能辅助数据注释平
澳鹏（Appen）
案 台，在全球170多个国家与100多万名专业承包合作
3.客户包括亚马逊、微软、谷歌等全球大型科技公司，产品质量得到认可

1.拥有语音合成模型和算法，可覆盖音乐类训练数据。拥有TOBI标注体系，通
智能语音交互和AI数据 过自主研发的TTS评测系统，提供高质量的数据服务。
标贝科技
服务 2.已与微软、百度、阿里、腾讯、京东、滴滴、字节跳动等国内外百余家企业
客户建立合作，服务项目累计超过1000项

资料来源：各大公司官方网站、海天瑞声2022年半年报告、华西证券研究所
目录

01 核心观点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

13
算力：算力需求不断攀升，GPU行业市场巨大

AIGC模型硬件以GPGPU为主，GPU市场规模有望在2030年超过4000亿美元。GPU在并行计算方
面具有性能优势，在AI领域分化成两条分支：一条是传统意义的GPU，专门用于图形图像处理用途；另一
条是GPGPU，作为运算协处理器，增加了专用指令来满足不同领域的计算需求。使用GPGPU在云端进行
模型训练算法能够显著缩短海量训练数据的训练时长，减少能源消耗，从而降低人工智能的应用成本，目
前全球人工智能相关处理器解决方案仍以GPGPU为主。

根据VerifiedMarketResearch报告，2021年全球GPU芯片市场规模已经达到了334.7亿美元，并预
计到2030年将达到4,773.7亿美元，CAGR高达33.3%。GPU市场保持着高速增长态势，其在人工智能领域
中仍然是不可或缺的计算资源之一。

图4：全球GPU市场规模预测
6,000
4,773.7
5,000 CAGR：
33.3%
4,000

3,000

2,000

1,000 334.7
0
2021 2030E
全球GPU市场规模（亿美元）

资料来源：verifiedmarketresearch，华西证券研究所
 算力：英伟达芯片龙头市场地位稳固

英伟达：高算力芯片龙头，AI芯片市场地位领先。人工智能平台需要巨大的数据处理能力，英伟达的
A100显卡适合于支持ChatGPT、Bard等工具的机器学习模型，这款芯片能够同时执行众多简单的计算，而
这对于训练和使用神经网络模型很重要，使得A100显卡成为目前主流AI芯片。

长期展望，AI芯片市场快速增长将带动英伟达营收快速增长，根据中商产业研究院数据显示，预计全
球AI芯片市场规模有望从2020年的约175亿美元提升到2025年的726亿美元，年复合增长率32.9%。根据花
旗集团预估，ChatGPT 的使用可能会在 12 个月内为英伟达带来 30 亿至 110 亿美元的销售额。

图5：A100等显卡大模型训练速度 图6：A100等显卡机器学习性能

资料来源：NVIDIA，华西证券研究所 资料来源：NVIDIA，华西证券研究所
算力：AMD封装理念Chiplet领先，推出高性能APU

AMD：高算力芯片代表企业，即将推出世界首款集成数据中心CPU和GPU的APU产品。在2023年的
CES上，AMD预览了AI推理加速器AMD Alveo V70，主打高能效，峰值AI算力可达到400TOPS，TDP仅
75W。AMD称这是最强AI算力的75W TDP级产品。

AMD还预览了其首款集成数据中心CPU和GPU的APU产品AMD Instinct MI300。该款产品采用了

Chiplet封装理念。Chiplet策略是一项重要的硬件创新，摆脱了单芯片微缩的限制，同时能够优化设备的性
能、功耗和性价比。MI300加速器专为领先的高性能计算（HPC）和AI性能而设计，借助3D封装技术将
CPU和加速计算单元集成在一起，总共有1460亿个晶体管。

图7：AMD在CES上介绍V70 图8：AMD在CES上介绍MI300

资料来源：AMD、CES，华西证券研究所 资料来源：AMD、CES，华西证券研究所
算力：英伟达、AMD垄断全球，国产芯片奋起直追

全球GPU市场中英伟达和AMD占据96%份额，国内GPU主要研发企业为海光信息、寒武纪等。根据
Wccftech，2022Q3独立GPU市场中英伟达和AMD分别占据88%、8%市场份额。根据海光信息招股书公
布技术指标数据，当前国内高端GPU相比国际巨头在显存频率、带宽等参数上还有一定差距，但在典型应
用场景下，深算一号已基本能够达到国际上同类型高端产品的水平。

在国际市场上，英伟达和AMD在高性能计算和人工智能领域具有丰富的产品线和完善的生态系统，
叠加长期积累的技术优势和市场地位，预计仍将长期维持AI算力芯片领域的龙头地位。

表6：深算一号与NVIDIA、AMD高端产品技术规格对比
核心概念 海光 NVIDIA AMD
品牌 深算一号 Ampere 100 MI100
生产工艺 7nm FinFET 7nm FinFET 7nm FinFET
2560 CUDA processors
核心数量 4096 (64 Cus) 120 CUs
640 Tensor processors
Up to 1.5 GHz (FP64) Up to 1.5 GHz (FP64)
内核频率 Up to 1.53 GHz
Up to 1.7 GHz (FP32) Up to 1.7 GHz (FP32)
显存容量 32 GB HBM2 80 GB HBM2e 32 GB HBM2
显存位宽 4096 bit 5120 bit 4096 bit
显存频率 2.0 GHz 3.2 GHz 2.4 GHz
显存带宽 1024 GB/s 2039 GB/s 1228 GB/s
TDP 350 W 400 W 300 W
CPU to GPU互联 PCIe Gen4 x 16 PCIe Gen4 x 16 PCIe Gen4 x 16
xGMI x 2 NVLink Infinity Fabric x 3
GPU to CPU互联
Up to 184 GB/s Up to 600 GB/s Up to 276 GB/s
资料来源：海光信息招股书，华西证券研究所
算力：国产芯片发展迅速，填补AI市场空缺

高端芯片进口受限，国产芯片需求加速扩大。在NVIDIA、AMD高端产品被限制向中国出售的情况下，
国产大模型算力需求将快速推动国产芯片市场增长，当前国产GPGPU芯片的研发和生产已经取得了一定的
进展，海光、炬芯、寒武纪等企业均拥有具备自主知识产权的GPU芯片，为国内高性能计算和人工智能领
域的发展提供了重要支持。

根据前瞻产业研究院，国产人工智能芯片自2020年来呈爆发式增长，2023年市场空间预计将超过
1,300亿元，2020-2023年CAGR为95.86%。总体而言，在国际关系紧张、芯片进口受限的前提下国产人
工智能芯片市场未来的发展前景广阔，随着国内厂商加大研发投入和技术创新力度，进一步提升产品性能，
看好其在国内乃至国际市场中获得更多的份额和竞争优势。

图9：中国人工智能芯片行业规模（亿元）

1,400 1,331.22 160%

142.63% 140%
1,200

120%
1,000
843.71
96.26% 100%
800 89.86%
80%
600
56.98% 429.90 57.78% 60%
400
40%
177.18
200 112.87 20%
59.45

0 0%
2018 2019 2020 2021E 2022E 2023E

资料来源：前瞻产业研究院，华西证券研究所
目录

01 投资要点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

19
算法：OpenAI领跑通用型AI，各大厂商各有千秋

在算法领域，目前通用型AI的领军者是OpenAI，其发布的GPT-4模型是一种多模态语言模型，能
接受图像和文本输入，再输出正确的文本回复。相较于ChatGPT基于的GPT-3.5模型，它拥有强大的识图
能力，文字输入限制提升，准确性显著提高，风格上也有了变化，例如能够生成歌词和创意文本。

在细分领域中，行业内的主要参与者包括以下公司：
• 谷歌的PaLM-E模型是目前已知最大的视觉语言模型，并且将模型接入至机器人，实现可通过机器人
执行命令，深耕将AI大模型应用到机器人领域。
• Meta的FAIR团队专注于研发用于辅助研究群体进行研究工作的大模型，其“LLaMA”模型参数量较
少，但同样基准测试结果同样优秀。而较小的模型大小带来的是模型训练、运行成本的降低，实现以
低成本使用大模型AI。
• Anthropic专注于人工智能的安全道德领域，其聊天机器人Claude在对有害性输入的应对上表现得更
加优异，更擅长拒绝有害词。其提出的Constitutional AI（CAI）技术有望在未来对所有AI实施有效
性安全监督。
• Hugging Face致力于构建开源模型库，集成了诸多人工智能模型，并在TensorFlow和Pytorch上做
了一层抽象，屏蔽了机器学习框架的细节，并非常重视易用性。作为一个开源社区，其中立的第三方
平台身份有助于聚集行业顶尖的社区贡献者，吸引社区贡献者将其模型集成到公司模型库中，或者是
在公司模型库中构建模型。
• 百度作为国内首个发布类ChatGPT聊天机器人产品的公司，是国产大模型的领导者。其产品“文心一
言”尽管与ChatGPT有一定差距，但在中文领域展现出了独特的中文理解能力，并且出于数据安全、
外部因素限制等角度考虑，国产大模型仍是必需，具备硬性市场需求。
算法：微软Azure超算为GPT提供保障

Azure算力支持，数亿投入始现回报。GPT系列是OpenAI打造的自然语言处理模型，基于文本
预训练的GPT-1，GPT-2，GPT-3三代模型都采用以Transformer结构为核心的模型。

微软在2019年向OpenAI投资10亿美元，并为OpenAI建造了一台由数万个A100 GPU组成的大
型AI超级计算机，成本或超过数亿美元。GPT模型正是由这台超级计算机提供支持，OpenAI试图训
练更多需要学习海量数据、拥有超大参数规模的AI模型，需要长期访问强大的云计算服务，GPT-3的
参数量达到了1,750亿，微软构建了一个可在非常大的范围内运行且可靠的系统架构，这使得
ChatGPT成为可能。
图10：微软发布NDm A100 v4 Public AI 超级计算机
在ChatGPT的成功后，微
软近日宣布了 NDm A100 v4
Public AI 超级计算机，并在21
世纪超级计算大会的TOP500 榜
单中取得了前十的优异成绩。随
着GPT模型的参数规模和数据量
持续膨胀，Azure的强大算力支
持是GPT持续完善的保障。

资料来源：腾讯课堂，华西证券研究所
算法：ChatGPT引入最新模型GPT-4具备识图能力
OpenAI正式发布多模态预训练大模型 GPT-4，识图能力强大，实现多模态能力。相较前一代GPT-
3.5，其主要在两方面实现飞跃式提升：（1）具备了强大的识图能力，可以接受图像和文本输入；（2）回
答准确性显著提高。OpenAI目前已升级ChatGPT，ChatGPT Plus 订阅者可以获得具有使用上限的 GPT-4
访问权限，开发者则可以通过注册等待以获取GPT-4的API访问权限。

GPT-4 可以接受文本和图像形式的 prompt，新能力与纯文本设置并行，允许用户指定任何视觉或语

言任务。具体来说，它能在用户给定由散布的文本和图像组成的输入的情况下生成相应的文本输出（自然
语言、代码等）。

图11：GPT-4识图能力实例 图12：GPT-4识别论文图片生成概要

资料来源：OpenAI，华西证券研究所 资料来源：OpenAI，华西证券研究所
算法：GPT-4模型回答准确性显著提高
相较GPT-3.5，回答准确性显著提高。根据OpenAI公布数据显示，GPT-4在专业和学术方面表现优
异，在诸多标准化考试中均取得了优秀的分数。比如其能通过模拟律师考试，且分数在应试者的前10% 左
右，相比之下，GPT-3.5的得分在倒数 10% 左右。GPT-4在GRE（Graduate Record Examination）数
学考试中取得应试者前20%左右成绩，而GPT-3.5仅能排在应试者后25%。

GPT-4在大部分语言上的准确性均超过了GPT-3.5在英语上的表现。OpenAI使用 Azure Translate

将 MMLU 基准 —— 一套涵盖 57 个主题的 14000 个多项选择题 —— 翻译成多种语言。在测试的 26 种
语言的 24 种中，GPT-4 优于 GPT-3.5 和其他大语言模型（Chinchilla、PaLM）的英语语言性能。

图13：GPT-4标准化考试成绩 图14：GPT-4在不同语言上的准确性

资料来源：OpenAI，华西证券研究所 资料来源：OpenAI，华西证券研究所
算法：最大视觉语言模型PaLM-E，可操控机器人

谷歌：发布目前最大视觉语言模型PaLM-E，有望率先落地智能机器人相关产品。PaLM-E是一种多
模态视觉语言模型（VLM），具有 5620 亿个参数，是全球已知的最大视觉语言模型。

根据谷歌公布的演示视频显示，只需要给 PalM-E 下达一条高级命令，比如“把抽屉里的薯片拿给

我”，它就可以给一个带机械臂的移动机器人平台（由谷歌机器人开发）生成行动计划，然后自行执行。

PaLM-E 通过分析来自机器人摄像头的数据来实现这一点，整个过程不需要对场景表示进行预处理。
并且，PaLM-E表现出了“正迁移”，又称助长式迁移，它能把一项任务中学到的知识和技能迁移至另一项
任务，而且与单任务机器人模型相比具有“明显更高的性能水平”

图15：PaLM-E具备能力一览

资料来源：Google research，华西证券研究所
算法：针对研究群体的模型“LLaMA”，目标明确
Meta：“LLaMA”致力于辅助学术研究人员完成研究工作。LLaMA （Large Language Model
Meta AI）模型参数相对少，意味着运行模型算力要求较低，但基准测试表现优秀。同ChatGPT、New
Bing不同，LLaMA是一个开源的“研究工具”，旨在完成在文本生成、问题回答、书面材料总结，以及自
动证明数学定理、预测蛋白质结构等工作帮助研究人员推进研究工作。

根据Meta发布的信息，LLaMA包含4个基础模型，参数分别为70亿、130亿、330亿和650亿。其中，
LLaMA 65B 和 LLaMA 33B在1.4万亿个tokens上训练，而最小的模型LLaMA 7B也经过了1万亿个tokens
的训练。在大多数基准测试中，参数小的多的LLaMA-13B的性能优于GPT3.5的前身GPT3-175B，而
LLaMA-65B更可与业内最佳的Chinchilla-70B和PaLM-540B竞争。

图16：LLaMA的训练损失函数图 图17：LLaMA在基础问题解决中的表现

资料来源：Meta，华西证券研究所 资料来源：Meta，华西证券研究所
算法：对人工智能的安全性监督日益重要
Anthropic：聚焦“安全”的人工智能，或将成为AI安全领域专家。随着大语言模型的发展，AI在很
多任务上的能力将会超过人类，这将让人类无法监督模型。为了确保 AI 在超过人类能力后仍保持安全性，
需要开发一种可扩展的模型监督技术。

CAI（ Constitutional AI ）技术即是这种模型监督技术，原理是人类可以指定一套行为规范或原则，

而不需要手工为每个有害输出打标签，模型根据这套行为规范和准则选择最佳结果。Anthropic所开发的
聊天机器人Claude，在对话安全领域上做得更为突出，更擅长拒绝有害词或有害的引导，与人类价值观更
加相符。并且CAI技术有望对未来所有人工智能模型实施有效安全性监督。

图18：Constitutional AI（CAI）技术流程示意图

资料来源：Arxiv，华西证券研究所
算法：构建AI开发平台，加速AI模型迭代更新
Hugging Face：与亚马逊旗下云计算部门AWS扩大合作，将在AWS上构建下一个版本语言模型。
近日，AWS宣布与美国明星AI创企Hugging Face扩大合作，以加速构建生成式AI应用的大型语言模型和
大型视觉模型的训练、微调和部署。Hugging Face是OpenAI的主要竞争对手之一，其主要业务包括生产
AI产品和托管其他公司开发的产品，已发展成AI开发者共享开源代码和模型的在线中心之一。

据AWS数据库、分析和机器学习副总裁Swami Sivasubramanian透露，Hugging Face将在AWS上

构建其语言模型的下一个版本BLOOM。该开源AI模型在规模和范围上将与OpenAI用于研发ChatGPT的大
型语言模型竞争，将运行在AWS自研AI训练芯片Trainium上。

图19：BLOOM模型结构

资料来源：Arxiv，华西证券研究所
算法：国产大模型奋力追赶，行业布局广泛
百度：国内首个类GPT产品，有望在外部压力驱动下快速推动国内应用结合落地。“文心一言”尽管模
型能力水平上与ChatGPT等有一定差距，但在下游应用逐步对接后，有望依靠合作伙伴的高质量数据集快速
提升模型能力。由于国内无法使用ChatGPT的API接口，且出于数据安全等角度考虑，势必需要国产大模型，
百度“文心一言”作为国产大模型的先行者，在国内政策扶持和产业链协同发展的背景下，将进一步加速国
内AI技术进步和产业化进程，填补市场空缺。

根据百度文心大模型的布局全景，“文心一言”有望通过飞桨开源开放平台、百度智能云等赋能到工业
、能源、金融、通信、媒体、教育等各行各业，通过接入合作伙伴的方式，进一步获取高质量数据集以强化
模型训练调整，快速提升模型性能。

图20：百度文心大模型布局全景

资料来源：CSDN、百度，华西证券研究所
算法：相比ChatGPT，“文心一言”在中文理解领域上具备优势
尽管当前版本“文心一言”仍具备提升空间，但在中文理解能力上，相较ChatGPT等国外模型，
其具备一定的“主场优势”，有望在国内中文环境下实现较好的应用效果。
在关于东北烧烤店取名的提问中，ChatGPT的回答中夹杂了“周家烤鸭店”、“炸酱三绝串串香”
等看似具有相似性，但实际不符合问题要求的答案；而文心一言则回答答案均符合要求，且呈现出了不
同答案的取名逻辑。
在创作藏头诗的任务中，ChatGPT没有能够正确理解“藏头诗”的含义，而文心一言的创作明显更
胜一筹。由此可见，文心一言在中文理解领域上确实相较更有优势，或更加适合中国市场。
图21：ChatGPT关于烧烤店取名回答 图22：“文心一言”关于烧烤店取名回答

资料来源：澎湃新闻，华西证券研究所 资料来源：澎湃新闻，华西证券研究所
图23：ChatGPT关于藏头诗创作 图24：“文心一言”关于藏头诗创作

资料来源：澎湃新闻，华西证券研究所 资料来源：澎湃新闻，华西证券研究所
目录

01 投资要点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

30
产业应用：AIGC市场潜力巨大，落地领域迎来生产力解放
AIGC市场潜力巨大，即将实现多领域应用。根据Tractica的预测数据显示，全球AI软件市场规模将在
2025年达到1260亿美元，2021年到2025年年复合增长率为41.02%。在大模型的快速迭代推动下，AIGC
市场预计将保持高速增长，市场潜力巨大。生成式AI领域在一级市场同样受到青睐，全球早期资金调研机构
CB Insights最新报告显示，2022年有110笔创投交易和ChatGPT概念有关，投资资金超过26亿美元。

我们预计搜索引擎、办公软件、汽车、媒体、AI绘画设计、AI广告营销等应用率先落地的行业将具备
较强商业化机会，AI服务将极大解放生产力，带来行业新模式。

图25：全球AI软件市场规模
18,000 38.8%
38.59%
16,000 38.6%
38.48%
38.40%
14,000
38.4%
12,000 38.18%
38.10% 38.2%
10,000 38.00%
38.0%
37.85%
8,000 15,910
37.70% 37.73% 37.8%
6,000 11,480

8,290 37.6%
4,000
5,990
2,000 4,335 37.4%
3,139
870 1,198 1,650 2,275
- 37.2%
2021 2022E 2023E 2024E 2025E 2026E 2027E 2028E 2029E 2030E

AI产业全球市场规模（亿美元） YOY

资料来源：Statista、Tractica，华西证券研究所
【搜索引擎】微软（MSFT.O）：高质量广告更加符合用户需求
搜索引擎的主要代表为微软Bing。根据用户搜索内容，必应将生成相应问题答案的方案，比如当用户
输入“计划一次 为期五天的墨西 哥之旅”的命令 时，除了返回一 些网址链接供你 参考之外 ，跟使用
ChatGPT 一样，必应对话框会直接给你写出一个方案，用户可以直接复制这个答案，不满意的话也可以要
求它再生成一个另外的方案，而必应可能会在回复中给出与搜索内容相关的广告。由于生成式搜索下回复将
对用户具有更高的匹配度，因此广告也将更符合用户需求。

例如，当用户搜索《精灵宝可梦：朱/紫》时，聊天机器人在对其进行介绍后，询问用户“是否有兴趣
购买朱与紫？”并附带了相应广告链接。在另一个关于罗尼-科尔曼的搜索中，Bing提供了关于这位退休的
职业健美运动员的详细信息，并生成了带有图片、链接和价格的健美产品。
图26：Bing搜索宝可梦朱/紫结果 图27：Bing搜索罗尼-科尔曼结果

资料来源：bing，华西证券研究所 资料来源：bing，华西证券研究所
 【办公软件】微软（MSFT.O）：AI助手解放生产力，办公
模式迎来变革

微软于3月6日表示，其 Power Platform 平台上的一系列商业智能和应用程序开发工具，包括 Power

虚拟代理（Power Virtual Agent）和 AI Builder，均已更新 ChatGPT 功能。Power 虚拟代理是一款供企
业构建聊天机器人的工具，如今可以连接到公司内部资源，生成周报和客户查询的摘要。而用 AI Builder，
则可以很容易地使用 GPT 模型创建文本。比如，研究人员可以从每周发布的报告中总结文本，发到自己的邮
箱里，一遍快速提供信息，识别当前趋势。

3月17日，微软宣布GPT-4全面接入Office，以插件助手Microsoft 365 Copilot形式辅助办公。PPT、

Word、Excel均可使用该AI功能：Word，可以直接给一句简短的描述让它帮你生成文档初稿；Excel，根据
输入需求自动分析、整理数据；PPT，可以通过其他文件内容生成精美PPT，并可以根据要求快速修改（简化
内容、替换图片等）。预计随着Copilot的应用，将为办公模式带来全面变革，提升办公效率，解放生产力。

图28：Power Virtual Agent使用界面 图29：Copilot通过一句话分析excel数据趋势

资料来源：微软，华西证券研究所 资料来源：微软，华西证券研究所
【汽车】Mobileye（MBLY.O）：自动驾驶或达新高度

自 动 驾 驶 ： Mobileye 自 动 驾 驶 技 术 领 先 ， 若 能 加 入 AIGC 大 模 型 将 如 虎 添 翼 。 根 据 Guidehouse

Insights的报告，以技术成熟度、产品能力等因素评价，自动驾驶领域由Mobileye、Waymo、百度和
Cruise 领先。

基 于 Transformer 架 构 设 计 的 模 型 思 路 对 自 动 驾 驶 领 域 有 很 强 的 借 鉴 作 用 ， 比 如 V i T （ V i s i o n
Transformer）模型，它是一种基于Transformer的视觉模型，可以在不使用CNN卷积神经网络的情况下进行
图像分类，在自动驾驶图像识别中应用；生成式AI技术有望进一步推动自动驾驶技术的快速发展，为未来的
出行带来更加安全、便捷和智能的解决方案，实现更高等级的自动驾驶系统。

图30：全球自动驾驶系统排名 图31：VIT模型结构

资料来源：Guidehouse Insights，华西证券研究所 资料来源：Arxiv，华西证券研究所

【汽车】通用汽车（GM.N）：与OpenAI达成合作，提升车载
助手智能程度
智能语音助手：大模型下的语言训练，可以通过微调进入汽车领域用于汽车语音识别系统，帮助驾驶员
实现语音控制，如语音导航，电话，音乐等。之后从汽车客户服务上来讲，帮助提供快速，准确和个性化的
客户服务，从而提高客户满意度。

通用汽车几乎是国外第一家正式宣布引入ChatGPT的车企，其正在与OpenAI合作开发一个基于支持
ChatGPT的相同机器学习模型的车内数字助理，以帮助客户帮助车主获取车辆使用的相关信息，比如车主可
以使用自然语言询问如何处理某种情况，例如如果用户轮胎被刺破了如何更换轮胎；仪表盘跳出某个指示灯
建议驾驶员采取什么行动等等。
图32：通用汽车或实现车载GPT数字助理

资料来源：New York Post，华西证券研究所

【媒体】Buzzfeed（BZFD.O）：率先落地AI，互动更加个性化

根据CBS消息，美国知名媒体BuzzFeed宣布与OpenAI合作，将从“Quizzes”栏目入手，引入生成式
AI进行内容创作。该栏目主要由一系列有趣的问题测试组成，比如包括“测测你是迪士尼里的哪位公主”，
“你最像复仇者联盟里的哪位超级英雄”之类等，根据用户回答生成个人报告。

ChatGPT接入到Buzzfeed后，将被用于为每位客户生成个性报告的编写过程中，AI的自动化生产内容
将为这一工作缩减不必要的人工劳动，从而降低内容生产的成本，有望迎来人力成本的解放。根据Buzzfeed
同创办人兼执行长Jonah Peretti表示，AI将会被应用在建立测验、集思广益，并协助为阅听众提供客制化内
容，帮助媒体作者提高效率。
图33：BuzzFeed的Quizzes栏目

资料来源：BuzzFeed，华西证券研究所
 【设计绘画】Stability AI：AI高效绘图，改变行业工作模式
目前该行业领域暂无对应上市公司，主要公司之一为Stability AI。Stability AI是一家元宇宙及数字媒
体工具开发商，构建了可制作数字艺术的AI绘画平台“Stable Diffusion”，该工具是一种根据描述生成图片
的AI技术模型。

只需输入简单的文字描述，其就能在几秒钟内自动生成一幅真实的画作。AI技术的发展让人们的想象逐
渐成为现实。无论是需要一个角色立绘，还是设计场景背景，均可以通过AI绘图工具迅速完成。该类AI绘图
应用有望为设计绘画行业带来效率的极大提升，释放大量人工劳动力，人类所扮演得角色将更倾向于提出意
见，而不是亲自做图。

目前AI绘画已能通过不断修改调整“提示词”生成高水平的艺术画作，名叫杰森·艾伦（Jason Allen）
的艺术家通过AI绘图工具生成的作品，在美国科罗拉多州博览会的艺术比赛中获得了第一名。
图34：Stable Diffusion模仿毕加索生成的画作 图35：美国科罗拉多州博览会的美术比赛中获奖AI画作

资料来源：Stability AI，公开资料整理、华西证券研究所 资料来源：Stability AI，公开资料整理、华西证券研究所

【游戏】Scenario、网易（9999.HK）：生成游戏素材，
增强交互体验

游戏资产生成：Scenario 允许创建由游戏开发人员或游戏艺术家训练的自定义生成器，以仅匹配他们
自己图像的风格。 在用户上传了一组定义给定游戏或项目的角色、物品、环境或其他资产的视觉效果后，
Scenario平台可以根据用户上传数据快速生成相应游戏资产，大大降低了游戏开发成本。

增强交互体验：近期网易旗下手游《逆水寒》官方宣布，实装国内首个游戏内类GPT技术，采用了大量
来自网易伏羲人工智能实验室以及网易雷火事业群的 AI 技术。从官方公布演示视频来看，《逆水寒》手游已
经能让智能 NPC 和玩家自由生成对话，同时也能基于对话内容做出合适的逻辑行为反馈，包括声音和形体动
作。生成式AI在游戏中的应用可以大大增强玩家剧情代入感，大幅提高游戏交互体验，提升玩家对游戏的探
索欲望。

图36：在Scenario上生成游戏资产 图37：网易《逆水寒》手游实装游戏内类GPT技术

资料来源：Scenario，华西证券研究所 资料来源：网易，华西证券研究所
【广告营销】Jasper AI：快速创建各类广告内容，降低营销成本
Jasper AI是一个AI文本生成工具，用户可以通过其自动创建博客文章、社交媒体文章、广告、电子书
、登陆页面副本、故事、小说等等。一旦用户给出一些输入文本（关于需要生成的内、标题、相关关键词等
的简介），它就会生成对应的原创内容。其深耕广告营销领域，有望成为垂直领域行业龙头，主要具备以下
三个优势：

• 精细的营销模板：用户可以根据想要生成的内容形式，选择更加符合需求的模板，平台提供50个简短的文
案模板，可帮助用户为各种日常任务创建文案，其中包括用于为电子邮件、网站、博客、广告、电子商
务、社交媒体、视频等编写内容的 AI 模板。

• 产品交互体验优秀：该平台工具交互界面清晰易上手，产品符合用户使用逻辑，且会根据用户反馈频繁更
新优化。

• 优秀的配套培训体系：Jasper AI提供名为 "Jasper BootCamp" 的培训，帮助新用户快速了解该软件的工

作原理，并且获得营销基本知识。
图38：Jasper AI生成文本模板列表 图39：Jasper BootCamp帮助用户快速上手

资料来源：Jasper AI，华西证券研究所 资料来源：Jasper AI，华西证券研究所

目录

01 核心观点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

40
 生成式AI海外受益标的

• 数据
Appen（APX.AX）：（1）凭借专业的AI训练数据处理和高质量的数据标注服务，为AIGC模型提供
可靠支持；（2）全球化众包劳动力网络确保了服务的可扩展性和灵活性。

• 算力
英伟达（NVDA.O）：（1）A100显卡在ChatGPT等模型中发挥关键作用，Trendforce预估其可能带
来超过3亿美元的业务增量；（2）根据花旗集团预估，ChatGPT 的使用可能会在 12 个月内为英伟达带来
30 亿至 110 亿美元的销售额。
AMD（AMD.O）：（1）推出高能效AI推理加速器Alveo V70和首款集成CPU和GPU的APU产品
Instinct MI300。

• 算法
微软（MSFT.O）：（1）全面将AI工具融合进办公软件，引领办公模式革新；（2）计划收购动视暴
雪，布局AI融合游戏提升交互体验；（3）推出Azure OpenAI云服务，打造企业使用OpenAI服务入口。
谷歌（GOOG.O）：（1）打造多领域AIGC产品，包括代码生成辅助工具AlphaCode、文本生成音乐
模型MusicLM、文本生成图片模型Imagen等，全线布局生成式AI产业；（2）紧追OpenAI步伐，计划推出
聊天机器人Sparrow，或将在基于强化学习的功能上更进一步。
Meta（META.O）：（1）推出Make-A-Video，用AI驱动文本、图片生成短视频等；（2）将AI融
合到其广告平台Advantage+中，通过自动化营销活动实现成本效益和更高的参与度。
百度（BIBU.O）：（1）已有数百家企业成为其“文心一言”生态合作伙伴，有望快速形成商业化落
地场景；（2）先后推出产业级搜索系统“文心百中”、AI绘图软件“文心一格”。
 生成式AI海外受益标的

• 下游应用
通用汽车（GM.N）：（1）几乎是国外第一家正式宣布引入ChatGPT的车企，正开发类GPT车内数字
助理；（2）有别于ChatGPT，将专注于驾驶员相关任务，提升交互性和行驶安全。
Buzzfeed（BZFD.O）：（1）在媒体领域率先引入AI，将与OpenAI合作，从用户互动栏目入手，引
入生成式AI进行创作及内容个性化；（2）AI的自动化生产内容将为用户报告编写缩减人工劳动，从而降低
内容生产的成本。
网易（9999.HK）：（1）旗下手游《逆水寒》宣布实装国内首个游戏内类GPT，采用网易自研技术；
（2）智能 NPC 可和玩家自由生成对话，增强玩家剧情代入感，大幅提高游戏交互体验，激发玩家的探索
欲望。
生成式AI海外受益标的

表7：生成式AI海外受益标的

彭博一致预测净利润（百万美元） 彭博一致预测PE
细分赛道 代码 简称 市值（亿美元）
2023E 2024E 2023E 2024E
数据 APX.AX Appen 2.2 -22.0 -9.0 - -

NVDA.O 英伟达 6,331.40 10,817.00 14,363.00 57.5 43.7

算力
AMD.O AMD 1,566.60 4,915.00 6,768.00 32.2 22.6
MSFT.O 微软 20,680.00 69,818.00 80,106.00 29.9 26
GOOG.O 谷歌 13,033.00 69,907.00 82,208.00 20 16.7
算法 META.O Meta 5,192.30 28,028.00 33,427.00 19.8 16.2
BIDU.O 百度 492.4 3,193.00 3,768.00 15.5 13.3
AMZN.O 亚马逊 10,195.5 27,751.5 40,670.5 74.01 40.67

MBLY.O Mobileye 348.2 540 692 65 50.5

GM.N 通用汽车 474.1 8,694.90 8,690.20 5.43 5.37
下游应用
BZFD.O Buzzfeed 1.6 -74 -43 - -
9999.HK 网易-S 558.5 3,396.1 3,791.1 17.23 15.52

资料来源：Bloomberg，华西证券研究所，数据截至2023年3月19日
目录

01 核心观点

02 生成式AI：ChatGPT引燃市场，数字经济未来已至

03 数据：大模型训练的基础资源

04 算力：大模型发展带来高算力需求

05 算法：大模型算法助力AIGC突破

06 产业应用：各领域应用加速落地，商业化前景广阔

07 生成式AI海外受益标的

08 风险提示

44
风险提示

• 技术落地商业化不及预期

• 人工智能在部分领域应用的监管风险

• 外部环境导致芯片、软件等供应限制
分析师简介
朱芸：执业证书编号：S1120522040001
海外首席分析师。北京大学硕士。曾任天有投资集团有限公司副总裁、浙商证券海外&教育首席分
析师、西南证券海外&计算机首席分析师，2022年3月加入华西证券研究所。
分析师承诺
作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用
的数据均来自合规渠道，分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求客观、
公正，结论不受任何第三方的授意、影响，特此声明。
评级说明
公司评级标准 投资评级 说明
以报告发布日后 买入 分析师预测在此期间股价相对强于上证指数达到或超过15%
的6个月内公司 增持 分析师预测在此期间股价相对强于上证指数在5%—15%之间
股价相对上证指 中性 分析师预测在此期间股价相对上证指数在-5%—5%之间
数的涨跌幅为基 减持 分析师预测在此期间股价相对弱于上证指数5%—15%之间
准。 卖出 分析师预测在此期间股价相对弱于上证指数达到或超过15%
行业评级标准
以报告发布日后 推荐 分析师预测在此期间行业指数相对强于上证指数达到或超过10%
的6个月内行业 中性 分析师预测在此期间行业指数相对上证指数在-10%—10%之间
指数的涨跌幅为
基准。 回避 分析师预测在此期间行业指数相对弱于上证指数达到或超过10%

华西证券研究所：
地址：北京市西城区太平桥大街丰汇园11号丰汇时代大厦南座5层
网址：http://www.hx168.com.cn/hxzq/hxindex.html
 免责声明

华西证券股份有限公司（以下简称“本公司”）具备证券投资咨询业务资格。本报告仅供本公司签约客户使用。
本公司不会因接收人收到或者经由其他渠道转发收到本报告而直接视其为本公司客户。
本报告基于本公司研究所及其研究人员认为的已经公开的资料或者研究人员的实地调研资料，但本公司对该等
信息的准确性、完整性或可靠性不作任何保证。本报告所载资料、意见以及推测仅于本报告发布当日的判断，且这
种判断受到研究方法、研究依据等多方面的制约。在不同时期，本公司可发出与本报告所载资料、意见及预测不一
致的报告。本公司不保证本报告所含信息始终保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的
情形下做出修改，投资者需自行关注相应更新或修改。
在任何情况下，本报告仅提供给签约客户参考使用，任何信息或所表述的意见绝不构成对任何人的投资建议。
市场有风险，投资需谨慎。投资者不应将本报告视为做出投资决策的惟一参考因素，亦不应认为本报告可以取代自
己的判断。在任何情况下，本报告均未考虑到个别客户的特殊投资目标、财务状况或需求，不能作为客户进行客户
买卖、认购证券或者其他金融工具的保证或邀请。在任何情况下，本公司、本公司员工或者其他关联方均不承诺投
资者一定获利，不与投资者分享投资收益，也不对任何人因使用本报告而导致的任何可能损失负有任何责任。投资
者因使用本公司研究报告做出的任何投资决策均是独立行为，与本公司、本公司员工及其他关联方无关。

本公司建立起信息隔离墙制度、跨墙制度来规范管理跨部门、跨关联机构之间的信息流动。务请投资者注意，
在法律许可的前提下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期
权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的前提下，
本公司的董事、高级职员或员工可能担任本报告所提到的公司的董事。

所有报告版权均归本公司所有。未经本公司事先书面授权，任何机构或个人不得以任何形式复制、转发或公开
传播本报告的全部或部分内容，如需引用、刊发或转载本报告，需注明出处为华西证券研究所，且不得对本报告进
行任何有悖原意的引用、删节和修改。