定制报告-个性化定制-按需专项定制研究报告
行业报告、薪酬报告
联系：400-6363-638
《人工智能行业专题报告（1）：适合投资人的DeepSeek分析报告-250219（21页）.pdf》由会员分享，可在线阅读，更多相关《人工智能行业专题报告（1）：适合投资人的DeepSeek分析报告-250219（21页）.pdf（21页珍藏版）》请在薪酬报告网上搜索。
1、证券研究报告行业研究/行业点评2025 年 02 月 19 日行业及产业电子/适合投资人的 DeepSeek 分析报告人工智能专题报告（1）强于大市本期投资提示：2025 年 1 月 20 日，DeepSeek 发布自研模型 R1 在全球科技行业引起的震动，被西方媒体称为“DeepSeek Shock”。DeepSeek 不仅在媒体圈迅速爆火，同样也成为了资本市场的宠儿，其概念指数仅仅诞生 10 日后板块成交金额就超过了全部 A 股成交额的 20%。这一切现象究其原因，是因为 DeepSeek 通过技术微创新，以更低的硬件成本和更短的时间实现了可以与市场领先产品竞争的能力。更重要的是，Deep
2、Seek 打破了行业“限制中国企业对于最先进 GPU 获取，将能够阻止中国 AI 技术发展”的一贯认知。本文有别于市场上大部分研究报告冗长的技术细节描述，我们针对投资人短时间内客观理解DeepSeek 的需求，加入了不同于市场的思考和量化的分析比较。以下是报告的核心观点：DeepSeek 的技术创新在哪里？1）首创 DeepSeekMoE 架构，专门设计用于实现终极专家专业化。DeepSeekMoE 通过降低激活参数比例，实现了训练效率 3.6X 的提升和训练吞吐量 3.6X 的提升。2）通过引入 MLA 机制，DeepSeek-V2 实现了显著增强的性能，节省了42.5%的训练成本、减少了
3、93.3%的 KV 缓存、并将最大生成吞吐量提升至 5.76 倍。DeepSeek-V3 实际开发成本几何？公司官宣正式训练成本为 580 万美元，但是并没有披露隐性成本。DeepSeek-V3 是建立在前期模型基础上开发的，前期研发投入约为 2000-3000万美元。其他数据获取成本和硬件折旧成本未披露，实验试错成本约为 500 万美元，因此预计实际总成本超过 4000 万美元。实际成本虽然高达公开口径成本的 7 倍左右，但是仍然相对 Llama 3-405B 降低了约 69%；相对于 GPT-4o 降低了 95%。未来 GPU 算力需求会大幅下降吗？短期内云服务大厂资本开支持续处于上升通道
4、，这是由于Scaling Law 导致行业对于算力军备竞赛的恐慌性投资仍然存在。但是 Scaling Law 中，数据资源同样限制着模型性能的提升。根据 EPOCH AI 预测，到 2028 年人类生成的公共文本数据总有效库存量约为 300T token 将被全部耗尽。换句话说，在现有模型框架和数据资源供给下，2028 年之后单纯算力提升将难以继续推动模型性能的升级。核心结论：给予行业“强于大市”评级。随着 DeepSeek 的横空出世，低成本高性能的模型训练部署成为可能。我们预计接入 DeepSeek API 的细分领域推理服务商将会快速涌现，同时终端设备将会能够实现蒸馏小模型的本地部署能力
5、，包括服务器，智能手机和智能驾驶系统都将会迎来新一轮的升级浪潮。我们看好以下细分板块在 DeepSeek 推动下的未来发展：先进算力芯片制造产业链：算力芯片设计，先进制程晶圆代工，先进封测等等。专业咨询服务：包括 AI+医疗，法律，金融，会计，教育，政务等咨询服务领域。2C 智能终端：AI+智能手机，智驾汽车等终端产业链。2B 本地部署设备：服务器 OEM 及产业链。风险提示：大模型开发进度缓慢，模型升级不及预期。AI 行业应用落地迟缓，商业模式难以实现良性循环。贸易摩擦加剧，先进芯片及半导体技术受限。一年内行业指数与沪深 300 指数对比走势：资料来源：爱建证券研究所、聚源数据相关研究证券分
6、析师许亮S08205250100020755-联系人请仔细阅读在本报告尾部的重要法律声明2行业研究2025 年 02 月 19 日1.DeepSeek 从何而来.41.1DeepSeek 公司诞生.41.2DeepSeek 里程碑事件.41.3DeepSeek 的爆火.52.深入剖析 DeepSeek.82.1DeepSeek 为什么被称为 shock？.82.2DeepSeek 的技术创新在哪里？.112.3 技术细节之外的信心提升.123.市场对于 DeepSeek 最关心的问题.153.1DeepSeek-V3 的模型实际成本几何？.153.2GPU 为代表的算力需求是否会大幅下降？.1
7、64.DeepSeek 对产业发展的影响.195.风险提示.20目录目录请仔细阅读在本报告尾部的重要法律声明3行业研究2025 年 02 月 19 日图 1：DeepSeek 里程碑事件.4图 2：DeepSeek-R1 发布后话题爆火.5图 3：DeepSeek 概念占 A 股成交额比例超过 20%.5图 4：DeepSeek 通用模型 V3 性能达到行业领先水平.8图 5：DeepSeek 通用模型 V3 成本优势明显.9图 6：DeepSeek 推理模型 R1 性能达到行业领先水平.9图 7：DeepSeek-R1 价格优势明显.10图 8：DeepSeekMOE 架构可以用更少的训练参
8、数实现更好的性能表现.11图 9：DeepSeek-V2 通过 MLA 机制实现了性能优势和成本降低.12图 10：Scaling Law 中算力与 AI 能力的关系.13图 11：DeepSeek 带动中国资本市场信心提升.14图 12：美国主要互联网企业资本支出金额（亿美元）.16图 13：人类生成的公共文本数据将在 2028 年耗尽.17图 14：OpenAI 模型参数规模快速靠近公共文本数据上限.18表 1：DeepSeek-V3 和 DeepSeek-R1 比较.8表 2：DeepSeek-R1 蒸馏小模型本地化部署.10表 3：DeepSeekMoE 的效率创新.11表 4：国内外
9、高端 GPU 芯片性能比较.13表 5：DeepSeek 开发具备成本优势.14表 6：DeepSeek-V3 正式训练阶段成本拆分.15表 7：DeepSeek-V3 隐性成本拆分.15表 8：DeepSeek-V3 实际成本对比.16表 9：主要细分行业模型参数规模.18图表目录图表目录请仔细阅读在本报告尾部的重要法律声明4行业研究2025 年 02 月 19 日1.DeepSeek 从何而来1.1DeepSeek 公司诞生2023 年 7 月，DeepSeek 公司由幻方量化创始人梁文锋主导创立，其团队依托幻方投资的资金与“萤火超算”万卡级算力资源（万张 A100 GPU），致力于AGI
10、 技术探索。2023 年 7 月 17 日，杭州深度求索人工智能基础技术研究有限公司（DeepSeek）正式注册，定位为技术驱动的开源 AI 公司。1.2DeepSeek 里程碑事件DeepSeek 整个发展历程可以分为五个阶段：阶段一：2023 年 11 月，DeepSeek 代码模型首秀。主要包括：DeepSeek Coder：首个开源代码大模型，支持多语言生成与调试，且性能超越 CodeLlama，奠定了技术口碑。DeepSeek LLM 67B：通用大模型开源，对标 LLaMA2 70B，中英文任务表现领先。阶段二：2024 年 1 月-5 月，DeepSeek 实现了 MoE 架构创
11、新。发布DeepSeekMoE 国内首个开源 MoE 模型，采用细粒度专家共享架构。DeepSeek-V2第二代 MoE 模型，引入 MLA（多头潜在注意力）技术，推理成本仅为 LLaMA3的 1/4，API 定价低至 GPT-4 Turbo 的 1/70，大幅拉低 AI 使用成本。图 1：DeepSeek 里程碑事件资料来源：DeepSeek，爱建证券研究所请仔细阅读在本报告尾部的重要法律声明5行业研究2025 年 02 月 19 日阶段三：2024 年 6-8 月，多领域拓展与性能跃升。DeepSeek 发布垂直领域模型 DeepSeek Coder V2（2024 年 6 月）：代码能力
12、超越 GPT-4 Turbo。DeepSeek-Prover-V1.5（2024 年 8 月）：数学推理模型，覆盖初等数学至研究生水平。阶段四：2024 年 12 月，实现通用模型的迭代。DeepSeek-V3 发布，公司宣称训练成本仅 550 万美元，性能对标国际闭源模型，生成速度提升 3 倍。DeepSeek-VL2（2024 年 12 月）：多模态 MoE 模型，视觉能力显著提升。阶段 五：2025 年 1 月 20 日，DeepSeek 正式 发布第一 代推理 模型DeepSeek-R1-Zero 和 DeepSeek-R1。1.3DeepSeek 的爆火随着 DeepSeek-R1
13、发布，相关话题在媒体网络爆火，微信指数迅速超越ChatGPT。2025 年 2 月 5 日，DeepSeek 同样也成为了资本市场的宠儿。DeepSeek概念指数仅仅诞生 10 日后，2025 年 2 月 14 日 DeepSeek 板块成交金额就超过了全部 A 股成交额的 20%。同时期内，沪深 300 指数涨幅约为 3.8%，DeepSeek 成为了这一轮市场上涨的重要推动力量。图 2：DeepSeek-R1 发布后话题爆火图 3：DeepSeek 概念占 A 股成交额比例超过 20%资料来源：微信指数，爱建证券研究所资料来源：iFind，爱建证券研究所除了在媒体和资本市场的火爆，Deep
14、Seek 是国内首个获得各行各业认可并实际接入的大模型。具体来看，目前已经接入 DeepSeek 的已经包括云服务领域，网络安全领域，办公&教育，医疗，政务等等行业的多家国内外知名企业。云服务领域华为云：2 月 1 日，硅基流动与华为云团队联合首发并上线基于华为云昇腾云服务的 DeepSeek 推理服务，让模型能够在大规模生产环境中稳定运行。腾讯云：2 月 2 日宣布在高性能应用服务“HAI”上支持一键部署 DeepSeek-R1 模型，开发者仅需 3 分钟即可接入调用。阿里云：2 月 3 日宣布阿里云 PAI Model Gallery支持云上一键部署 DeepSeek-V3、DeepSee
15、k-R1。百度智能云：2 月 3 日宣布请仔细阅读在本报告尾部的重要法律声明6行业研究2025 年 02 月 19 日DeepSeek-R1 和 DeepSeek-V3 模型已在百度智能云千帆平台上架，并推出了超低价格方案。京东云：2 月 4 日宣布正式上线 DeepSeek-R1 和 DeepSeek-V3 模型，支持公有云在线部署、专混私有化实例部署两种模式。联通云：2 月 3 日宣布联通云已基于星罗平台实现国产及主流算力适配多规格 DeepSeek-R1 模型。天翼云：2 月 6 日，电信天翼云自主研发的“息壤”智算平台率先完成国产算力与 DeepSeek-R1/V3 系列大模型的深度适
16、配优化。火山引擎：支持 V3/R 等不同尺寸的 DeepSeek 开源模型，提供高性能推理服务。网络安全领域360 集团：2 月 2 日宣布其安全大模型正式接入 DeepSeek，将以 DeepSeek为安全大模型基座，训练出“DeepSeek 版”安全大模型。安恒信息：2 月 4 日发布信息称，旗下恒脑安全垂域大模型正式集成 DeepSeek，完成基于DeepSeek-R1 的安全大模型的训练。奇安信：2 月 5 日宣布自主研发的 QAX 安全大模型已全面完成了 DeepSeek 的深度接入。亚信安全：2 月 5 日宣布基于DeepSeek-V3/R1 构建智能体，能够在海量的安全告警中，快
17、速、低成本地挖掘到不同来源、不同类型安全告警中的关联关系。安博通：2 月 7 日，安博通下一代 AI 防火墙与人工智能大模型强强联合，搭载 DeepSeek-R1-Distill-Qwen-32B模型。办公&教育领域视觉中国：完成 DeepSeek-R1 接入与本地化部署，并在多个产品中深度应用其能力。钉钉：钉钉 AI 助理接入 DeepSeek，支持深度思考。用友：通过引入 DeepSeek 进一步优化 YonSuite 的 AI 能力，并将以更多数据开源模型训练YonGPT 模型。飞书：飞书多为表格、飞书智能伙伴已接入 DeepSeek。ima：正式接入 DeepSeek-R1 模型，在使
18、用搜、读、写和知识库的时候，可以选择腾讯混元大模型或 DeepSeek-R1 模型。网易有道：全面接入 DeepSeek-R1，AI 全科学习助手“有道小 P”结合 DeepSeek-R1 超长思维链所提供的思考及分析能力，进一步优化了个性化答疑功能。云学堂：已全面接入 DeepSeek-R1/V3 大模型，云学堂的 AI 制课专家、AI 学习地图、AI 学习专家、AI 对练等产品均能够使用包括 DeepSeek 在内的多种大模型能力。万兴科技：已完成与 DeepSeek 最新推理大模型 DeepSeek-R1 的深度适配，旗下产品如万兴喵影、亿图图示、亿图脑图 MindMaster、万兴 P
19、DF 等均已集成该模型。知乎：DeepSeek-R1 模型能力已经在知乎直答网页和知乎 App 双端集成上线，实现了搜索结果和解答质量的全面提升。科大讯飞：讯飞开放平台宣布 DeepSeek 全系大模型现已正式上线，支持公有云 API 调用和专属模型一键部署。请仔细阅读在本报告尾部的重要法律声明7行业研究2025 年 02 月 19 日政务，医疗等其他深圳全面启用 DeepSeek 打造智慧政务新体验：2 月 16 日，深圳市基于政务云环境面向全市各区各部门正式提供 DeepSeek 模型应用服务，实现了基于DeepSeek 的人工智能政务应用一体化赋能升级。此前，深圳已于 2 月 10 日完
20、成DeepSeek-R1（671B）满血版模型在政务云上的部署，并于 2 月 13 日组织开展全市使用操作培训，成为全省首个基于政务云信创环境下全市范围部署应用DeepSeek 的城市。据“北京海淀”微信公众号 2 月 11 日消息，海淀区正式为区内企业提供 DeepSeek 全量模型服务，为辖区内行业提供大模型开发、大模型推理 API 服务、大模型应用开发服务等。浙江省卫健委和蚂蚁集团联合推出“安诊儿”：2 月 16 日，由浙江省卫健委和蚂蚁集团联合推出的“安诊儿”宣布融合 DeepSeek-R1，升级大模型底座能力。多家医疗企业接入 DeepSeek：2 月 6 日，智云健康宣布将 Dee
21、pSeek-R1 模型接入公司自研医疗人工智能系统“智云大脑”。2 月 7 日，医渡科技宣布，已将 DeepSeek 人工智能模型整合至公司自主研发的“AI 医疗大脑”YiduCore。2月 7 日，鹰瞳 Airdoc 自主研发的万语医疗大模型完成焕新升级，接入DeepSeek R1 模型。海外知名企业微软已将 DeepSeek-R1 模型纳入其 Azure AI Foundry，这标志着 AI 经济格局的重大转变。这一整合不仅挑战了现有的 AI 服务定价，还使更多企业能够以更低的成本采用 AI 技术。英伟达支持 DeepSeek：作为国际巨头之一，英伟达已正式宣布支持 DeepSeek 模型
22、服务。英特尔支持 DeepSeek：英特尔是另一家正式宣布支持 DeepSeek 模型服务的国际巨头。请仔细阅读在本报告尾部的重要法律声明8行业研究2025 年 02 月 19 日2.深入剖析 DeepSeek2.1DeepSeek 为什么被称为 shock？DeepSeek 近期在全球科技行业引起的震动，被西方媒体称为“DeepSeekShock。这不仅造成了研究人员的兴奋，也引起了资本市场的高度关注。究其原因，是因为 DeepSeek 以更低的硬件成本和更短的时间实现了可以与OpenAI 和 Anthropic 等美国公司的尖端产品竞争的能力。具体来讲，引起轰动的产品主要是通用大模型 V3
23、 和推理大模型 R1。表 1：DeepSeek-V3 和 DeepSeek-R1 比较特性DeepSeek V3DeepSeek R1架构混合专家（MoE）混合专家（MoE），优化推理能力参数规模671B671B计算优化每次仅激活 37B 参数大幅节省计算资源并提高响应速度采用动态门控机制，适应推理任务应用场景自然语言处理 NLP复杂逻辑推理特色由于其优秀的性价比，适用于实时变化的商业和研究需求可以蒸馏出参数规模不同的开源小模型，可以迅速部署在不同应用场景的深度推理资料来源：DeepSeek，爱建证券研究所通用大模型 DeepSeek-V3DeepSeek V3 采用混合专家(MoE)架构，主
24、要面向自然语言处理(NLP)任务，旨在提供高效、可扩展的解决方案。其优势在于高效的多模态处理能力(文本、图像、音频、视频)和较低的训练成本。图 4：DeepSeek 通用模型 V3 性能达到行业领先水平资料来源：DeepSeek，爱建证券研究所请仔细阅读在本报告尾部的重要法律声明9行业研究2025 年 02 月 19 日DeepSeek-V3 在实现领先性能的同时，还保证了更加经济的训练成本。图 5：DeepSeek 通用模型 V3 成本优势明显资料来源：DeepSeek，爱建证券研究所推理大模型 DeepSeek-R1DeepSeek-R1:专注于复杂推理任务设计，强化在数学、代码生成和逻辑
25、推理领域的性能。通过大规模强化学习(RL)和冷启动技术，R1 在无需大量监督微调(SFT)的情况下，实现了与 OpenAl O1 系列相当的推理能力。图 6：DeepSeek 推理模型 R1 性能达到行业领先水平资料来源：DeepSeek，爱建证券研究所DeepSeek R1 属于性能与成本平衡的中小规模模型（7B 参数）。训练成本主要涵盖算力（如 GPU 集群）、数据准备、算法调优等核心环节。相较于请仔细阅读在本报告尾部的重要法律声明10行业研究2025 年 02 月 19 日千亿参数模型的数千万甚至上亿美元成本（如 GPT-3 估算约 1200 万美元），DeepSeek R1 的设计更注
26、重实际落地效率。这也使得 DeepSeek-R1 目前的 API 服务价格也远低于行业水平。图 7：DeepSeek-R1 价格优势明显资料来源：DeepSeek，爱建证券研究所同时让行业兴奋的是，基于 DeepSeek-R1 蒸馏出的开源小模型，可以适配于不同的应用环境，这让本地化部署的浪潮迅速展开。通过参数与场景的精准匹配，DeepSeek R1 蒸馏模型可最大化性价比，覆盖从嵌入式设备到企业级服务的全场景需求。表 2：DeepSeek-R1 蒸馏小模型本地化部署参数规模0.10.5B0.51B13B37B核心优势超低功耗、毫秒级响应平衡轻量化与基础语义理解支持中等复杂度生成任务接近原模型
27、能力，高效推理主要限制仅支持简单任务、短文本处理输出质量中等，推理可控性弱长文本生成不连贯显存需求较高（需 GPU 加速）适用硬件手机/嵌入式芯片（Cortex-M）树莓派/边缘计算盒（4GB RAM）低端GPU或CPU服务器（8GB RAM）中端 GPU（如T4/A10）任务复杂度单一分类/检测简单生成+分类多轮对话/摘要长文本生成/推理硬件成本4000 万$2601.0Llama 3-405B405B约 2.5 亿$8333.2GPT-4o1.8T推测1 亿$540021资料来源：DeepSeek，Meta，OpenAI，爱建证券研究所请仔细阅读在本报告尾部的重要法律声明17行业研究202
28、5 年 02 月 19 日从算力瓶颈到数据瓶颈根据此前提到的 Scaling Law，AI 模型性能（如准确率或生成质量）与模型规模、训练数据量及计算资源（如算力）之间成正相关关系。虽然目前提升算力确实能够推动 AI 能力的升级，但是这一切的前提是我们拥有充足的高质量数据投喂到训练过程中。图 13：人类生成的公共文本数据将在 2028 年耗尽资料来源：Alphabet，Microsoft，Meta，Amazon，Apple，爱建证券研究所EPOCH AI 在 2024 年 6 月发布论文Will we run out of data?Limits of LLMscaling based on
29、human-generated data，人类生成的公共文本数据总有效库存量约为 300T token（90可能性在 100T 至 1000T 之间）。按照目前大模型算力能力进化的趋势来看，2027-2028 年左右现有的大模型训练就将会耗尽所有的公开文本数据。请仔细阅读在本报告尾部的重要法律声明18行业研究2025 年 02 月 19 日图 14：OpenAI 模型参数规模快速靠近公共文本数据上限资料来源：OpenAI，爱建证券研究所而根据目前 OpenAI 最新的模型 GPT4 参数规模的预估值 1.8T，以及 OpenAI每一代升级后至少一个数量级上升的速度。我们认为，在未来 2-3 代
30、模型升级时间之内，影响 AI 模型性能升级的关键将不再是算力投资。数据资源正在成为模型进化的重要瓶颈。数据瓶颈之后的发展方向在哪里虽然公开的文本数据正在以肉眼可见的速度被耗尽，但是仍然有大量的高价值专业数据，以及实时动态数据存在于各个行业公司，政府部门以及媒体领域。我们认为，未来 AI 模型的进化方向除了继续在算力硬件方面投资，更重要的是在专业细分领域利用数据资源优势实现具备差异化优势的细分模型。根据上表中的数据，目前最先进的模型（包括 DeepSeek-R1）已经足够完成训练重点行业的数据集。因此，我们可以相信目前的算力水平已经足够完成细分行业的模型有效训练。也就是说在现有模型框架下，模型训
31、练的算力需求并不会持续的以线性或者指数级方式增长，未来的算力需求主要来自于细分领域的推理需求。表 9：主要细分行业模型参数规模专业领域典型数据集大小（Tokens）常用模型参数量（B）关键训练技术医疗10 亿100 亿1.5B540B领域自适应微调(Adapter Layers)金融50 亿500 亿0.34B50B时序数据编码(Temporal Attention)法律30 亿200 亿1.3B175B长文本分块训练(Doc-level NSP)科学1 亿10 亿（结构化数据为主）0.2B7B多模态融合（文本+分子图）动态实时流数据（持续更新）10B50B在线学习(Real-time Emb
32、edding)资料来源：OpenAI，爱建证券研究所请仔细阅读在本报告尾部的重要法律声明19行业研究2025 年 02 月 19 日4.DeepSeek 对产业发展的影响随着 DeepSeek 的横空出世，低成本高性能的模型训练部署称为可能，这对于 AI 应用加速落地产生了极大地推动作用。我们预计接入 DeepSeek API 的细分领域推理服务商将会快速涌现，同时具备足够算力的终端设备将会能够实现蒸馏小模型的本地部署能力，包括服务器，智能手机和智能驾驶系统都将会迎来新一轮的升级浪潮。具体来看，我们看好以下细分板块在DeepSeek 推动下的未来发展：1、先进算力芯片制造产业链：算力芯片设计，
33、先进制程晶圆代工，先进封测。2、专业咨询服务：包括 AI+医疗，法律，金融，会计，办公，教育，政务等等咨询服务领域。3、2C 智能终端：AI+智能手机，智驾汽车等终端产业链。4、2B 本地部署设备：服务器 OEM 及产业链。请仔细阅读在本报告尾部的重要法律声明20行业研究2025 年 02 月 19 日5.风险提示大模型开发进度缓慢，模型升级不及预期。AI 行业应用落地迟缓，商业模式难以实现良性循环。贸易摩擦加剧，先进芯片及半导体技术受限。请仔细阅读在本报告尾部的重要法律声明21爱建证券有限责任公司上海市浦东新区前滩大道 199 弄 5 号电话：021-32229888传真：021-68728
34、700邮政编码：200124邮箱：服务热线：956021评级说明投资建议的评级标准报告中投资建议所涉及的评级分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后 6 个月内的相对市场表现，也即：以报告发布日后的 6 个月内的公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。其中：A 股市场：沪深 300指数（000300.SH）；新三板市场：三板成指（899001.CSI）（针对协议转让标的）或三板做市指数（899002.CSI）（针对做市转让标的）；北交所市场：北证 50 指数（899050.BJ）；香港市场：恒生指数（HIS.HI）；美国市场：标普 500
35、指数（SPX.GI）或纳斯达克指数（IXIC.GI）。股票评级买入相对同期相关证券市场代表性指数涨幅大于 15%增持相对同期相关证券市场代表性指数涨幅在 5%15%之间持有相对同期相关证券市场代表性指数涨幅在-5%5%之间卖出相对同期相关证券市场代表性指数涨幅小于-5%行业评级强于大市相对表现优于同期相关证券市场代表性指数中性相对表现与同期相关证券市场代表性指数持平弱于大市相对表现弱于同期相关证券市场代表性指数分析师声明本报告署名分析师在此声明：我们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，本报告采用信息和数据来自公开、合规渠道，所表述的观点均准确地反映了我们对标的证券
36、和发行人的独立看法。研究报告对所涉及的证券或发行人的评价是分析师本人通过财务分析预测、数量化方法、或行业比较分析所得出的结论，但使用以上信息和分析方法可能存在局限性，请谨慎参考。法律主体声明本报告由爱建证券有限责任公司（以下统称为“爱建证券”）证券研究所制作，爱建证券具备中国证监会批复的证券投资咨询业务资格，接受中国证监会监管。本报告是机密的，仅供我们的签约客户使用，爱建证券不因收件人收到本报告而视其为爱建证券的签约客户。本报告中的信息均来源于我们认为可靠的已公开资料，但爱建证券对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供签约客户参考，不构成所述证券买卖的出价或征价邀请
37、或要约。该等信息、意见未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时候均不构成对任何人的个人推荐。客户应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求，必要时就法律、商业、财务、税收等方面咨询专家的意见。对依据或者使用本报告所造成的一切后果，爱建证券及其关联人员均不承担任何法律责任。本报告所载的意见、评估及预测仅为本报告出具日的观点和判断。该等意见、评估及预测后续可随时更改。过往的表现亦不应作为日后表现的预示和担保。在不同时期，爱建证券可能会发出与本报告所载意见、评估及预测不一致的研究报告。版权声明本报告版权归属爱建证券所有，未经爱建证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、转载、刊登和引用。否则由此造成的一切不良后果及法律责任由私自翻版、复制、转载、刊登和引用者承担。版权所有，违者必究。
