證券研究報告 2025年人工智能十大發(fā)展趨勢 20250204 -中信建投

2025年人工智能十大發(fā)展趨勢SAC編號：S1440522030001wuchaoze@SAC編號:s1440513090003SFC編號:BEM208SAC編號:S1440524110001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(guī)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。請務(wù)必閱讀正文之后的免責(zé)條款和聲明。核心觀點(diǎn)核心觀點(diǎn)：大語言模型發(fā)展進(jìn)入深度推理階段，通用人工智能愈行愈近，AI應(yīng)用進(jìn)入爆發(fā)前夜。站在當(dāng)前這一重要的歷史節(jié)點(diǎn)，我們從技術(shù)、應(yīng)用、能源三個維度展望了人工智能的未來發(fā)展，其中技術(shù)是源動力，應(yīng)用是牽引力，能源是支撐力。對未來的展望中，我們提技術(shù)是原動力。OpenAI發(fā)布具有深度思考能力的o1推理模型，標(biāo)志大語言模型發(fā)展進(jìn)入深度推理階段，推理側(cè)縮放法則同樣存在，大模型算力需求側(cè)逐步遷移至推理側(cè)，推理計算提升大模型準(zhǔn)確率，強(qiáng)化學(xué)習(xí)激發(fā)模型推理能力；伴隨文本模型的日益成熟，高質(zhì)量數(shù)據(jù)更為稀缺，合成數(shù)據(jù)價值顯現(xiàn)，其與大語言模型推理有望產(chǎn)生新的化學(xué)反應(yīng)；縮放法則從文本為主的大語言模型訓(xùn)練遷移到更加廣闊的人工智能領(lǐng)域，同時o3與GPT5循環(huán)驅(qū)動有望開啟。應(yīng)用是牽引力。AIAgent即將進(jìn)入能力快速躍升階段，頭部的人工智能企業(yè)和互聯(lián)網(wǎng)公司均在端側(cè)AIAgent方面有所布局，超級智能體將走向普及；具身智能不斷突破，人形機(jī)器人進(jìn)入量產(chǎn)元年，機(jī)器人相繼進(jìn)入工廠實(shí)訓(xùn)，加速智能制造落地進(jìn)展；人工智能極大加速科學(xué)研究進(jìn)度，應(yīng)用可見于所有STEM領(lǐng)域，AI4Science已經(jīng)進(jìn)入黃金時代；隨著AI大模型逐步成熟，幾乎所有硬件產(chǎn)品都可以加入AI元素來提升表現(xiàn)能力，端側(cè)創(chuàng)新將不斷涌現(xiàn)，AI塑造端側(cè)新分工新格局；自動駕駛算法進(jìn)入端到端駕駛算法發(fā)展階段，大語言模型和視覺語言模型（VLM）逐步與端到端融合，進(jìn)一步增強(qiáng)環(huán)境理解能力，Robotaxi進(jìn)入商業(yè)化落地階段；“人工智能+”全面鋪開，企業(yè)數(shù)字化率先落地，AI在提升效率、精準(zhǔn)決策、降低風(fēng)險、創(chuàng)新服務(wù)方面均有巨大潛力。能源是支撐力。推理端算力需求大幅增長，基風(fēng)險提示：人工智能模型技術(shù)發(fā)展不及預(yù)期、數(shù)據(jù)數(shù)量與數(shù)據(jù)質(zhì)量不及預(yù)期、隱私問題、倫理沖突風(fēng)險、算力基礎(chǔ)設(shè)施支持不及預(yù)期等。趨勢一推理計算提升大模型準(zhǔn)確率，強(qiáng)化學(xué)習(xí)激發(fā)模型推理能力OpenAI發(fā)布新的具有深度思考能力的o1推理花更多時間進(jìn)行思考而非直接回應(yīng)，具有改善和調(diào)整策略的能力，在科學(xué)、代碼和數(shù)學(xué)等復(fù)雜問題上表現(xiàn)出色。思維鏈和思維樹通過中間推理步驟幫助大模型實(shí)現(xiàn)了復(fù)雜的推理能力，大語言模型能夠自己對推理過程的中間思維進(jìn)行評估，o1呈現(xiàn)出類人的邏輯思維潛力。強(qiáng)化學(xué)習(xí)激發(fā)模型推理能力，復(fù)雜思維方式——反思能力涌現(xiàn)。傳統(tǒng)大模型需要大量人工標(biāo)注的監(jiān)督數(shù)據(jù)進(jìn)行訓(xùn)練，DeepSeek-R1-Zero驗(yàn)證了無需任何微調(diào)數(shù)據(jù)，僅通過強(qiáng)化學(xué)習(xí)即可實(shí)現(xiàn)推理能力的自主進(jìn)化。而且這是沒有獎勵思維鏈長度的情況下實(shí)現(xiàn)的，即目標(biāo)只是為了作對題目，大模型就會自發(fā)進(jìn)行更長地思考，并且最后回答效果更好。在這個過程中，自發(fā)涌現(xiàn)出“反思”、“多步驗(yàn)證”等復(fù)雜推理行為，出現(xiàn)問題后，模型會自動糾正早期錯誤，這種“智能”的出現(xiàn)，為未來更有智慧的Agent出現(xiàn)鋪平道路。結(jié)合蒸餾技術(shù)實(shí)現(xiàn)能力的高效遷移。使用DeepSeek-R1作為教師模型生成800K數(shù)據(jù)，并對多個小型密集模型微調(diào)，小模型性能飛躍。以通義千問的15億參數(shù)量大模型為例，經(jīng)過DeepSeek蒸餾后，數(shù)學(xué)題上超過GPT4o-0513的水平，為小算力實(shí)現(xiàn)特定功能奠定了基礎(chǔ)。圖：推理側(cè)縮放法則展現(xiàn)出的巨大潛力圖：DeepSeek-R1-Zero在RL過程中訓(xùn)練集上的平均響應(yīng)長度圖：DeepSeek-R1-Zero中間版本一個有趣的“頓悟時刻”資料來源：DeepSeek資料來源：DeepSeek-R1：通過強(qiáng)化學(xué)習(xí)激勵LLMs中的推理能力，中信建投資料來源：OpenAI，天翼智庫，中信建投趨勢二高質(zhì)量數(shù)據(jù)更為稀缺，合成數(shù)據(jù)價值顯現(xiàn)高質(zhì)量數(shù)據(jù)的稀缺性日益加劇。生成式AI模型的智能表現(xiàn)很大程度上依賴于數(shù)據(jù)，高質(zhì)量數(shù)據(jù)是構(gòu)建和訓(xùn)練復(fù)雜大模型的基礎(chǔ)，模型訓(xùn)練所需要的數(shù)據(jù)主要來源于互聯(lián)網(wǎng)上的文字和視頻。目前大語言模型需要的數(shù)據(jù)資源規(guī)模日益擴(kuò)充，加速了數(shù)據(jù)資源耗盡的時間點(diǎn)到來，同時互聯(lián)網(wǎng)數(shù)據(jù)的創(chuàng)建者提升了數(shù)據(jù)抓取的限制，讓搜尋數(shù)據(jù)變得越來越困難。合成數(shù)據(jù)是一種模仿真實(shí)世界數(shù)據(jù)的非人工創(chuàng)建的數(shù)據(jù)，是由基于生成式AI技術(shù)的計算算法和模擬創(chuàng)建而成。英偉達(dá)發(fā)布的開源模型Nemotron-4340B，開發(fā)者可以使用它們生成用于訓(xùn)練大型語言模型的合成數(shù)據(jù)，以應(yīng)用于醫(yī)療、金融、制造、零售及其他各行各業(yè)的商業(yè)應(yīng)用，生成的合成數(shù)據(jù)在規(guī)模較小的大語言模型訓(xùn)練中將扮演重要的角色。合成數(shù)據(jù)與推理時計算的化學(xué)反應(yīng)在DeepSeekV3、DeepSeekR1中開始顯現(xiàn)數(shù)據(jù)去訓(xùn)練DeepSeek-V3，其高質(zhì)量的合成數(shù)據(jù)對V3基礎(chǔ)模型訓(xùn)練有明顯提升。圖：公共數(shù)據(jù)耗盡時間資料來源：WillWeRunOutofData?LimitsofLLMScalingBasedonHuman-GeneratedData，中信建投圖：英偉達(dá)Nemotron-4數(shù)據(jù)合成過程資料來源：英偉達(dá)，中信建投趨勢三縮放法則依然有效，o3與GPT5循環(huán)驅(qū)動有望開啟縮放法則(Scalinglaw)：人工智能領(lǐng)域的縮放法則在2020年被首次提出，縮放模型參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)量和計算量的增加，模型的性能會以可靠且可預(yù)測的方式提高。發(fā)展趨勢：隨著大語言模型的模型尺度快速上升以及數(shù)據(jù)和算力的限制，盡管提升模型參數(shù)帶來性能上升的邊際收益正在逐步遞減，提升模型參數(shù)規(guī)模、擴(kuò)大訓(xùn)練語料庫仍然是大語言模型提升性能的重要手段。在多模態(tài)數(shù)據(jù)中、在模型推理過程中、在生物數(shù)據(jù)中、在世界模型中，縮放法則初步展露頭腳，縮放法則將從文本為主的大語言模型訓(xùn)練遷移到更加廣闊的人工智能領(lǐng)域，指導(dǎo)人工智能模型在更多維度上的發(fā)展路徑。o3模型有望驅(qū)動模型和數(shù)據(jù)間的飛輪效應(yīng)。o3模型思維鏈過程數(shù)據(jù)是目前AI行業(yè)的稀缺資源，可以極大推動模型和數(shù)據(jù)的飛輪效應(yīng)，未圖：大語言模型訓(xùn)練過程中的縮放法則圖：縮放法則的延拓訓(xùn)練算力持續(xù)提升損失函數(shù)資料來源：英偉達(dá)，中信建投資料來源：Scaling損失函數(shù)資料來源：英偉達(dá)，中信建投資料來源：ScalingLawsforNeuralLanguageModels，中信建投模型性能持續(xù)提升訓(xùn)練算力圖：機(jī)器人空間泛化中發(fā)現(xiàn)的縮放法則資料來源：MANIBOX:ENHANCINGSPATIALGRASPINGGENER-ALIZATIONVIASCALABLESIMULATIONDATAGENERATION，中信建投AIAgent指接受周圍環(huán)境的信息行動，以LLM為大腦模塊的Agent展現(xiàn)出強(qiáng)大潛能，大語言模型展現(xiàn)的推理能力和決策能力是AIAgent的靈魂。AIAgent即將進(jìn)入能力快速躍升階段。隨著LVM(純視覺大模近期大語言模型在推理側(cè)“慢思考”能力方面取得的突破，意味著AIAgent已準(zhǔn)備好進(jìn)入普及階段。全球巨頭爭相布局端側(cè)AIAgent。頭部的人工智能企業(yè)和互聯(lián)網(wǎng)公司均在端側(cè)AI展望后續(xù)，Agent在C端有望成為AI時代的操作系統(tǒng)，大量營銷、辦公等B端AI助手向Agent過渡。圖：AIAgent框架圖：全球AIAgent進(jìn)展梳理10月22日公司微軟備注在B端辦公產(chǎn)品Dynamics365中集成10個自主AlAgent,自動執(zhí)行客服、銷售、財務(wù)、倉儲等集成OpenAl的o1模型10月23日ClaudeClaude模型更新電腦操作功能,按照用戶的命令在計算機(jī)屏幕上移動光標(biāo),點(diǎn)擊相關(guān)位置,并通過虛擬鍵盤輸入信息10月25日智譜發(fā)布AutoGLM,基于語音交互,自動完成點(diǎn)外賣、回復(fù)微信、寫好評等多步驟任務(wù)10月29日微軟發(fā)布新模型,支持網(wǎng)頁自動化操作12月蘋果Siri將集成ChatGPT,讀取屏幕信息、完成復(fù)雜任務(wù)的能力有望提高今年內(nèi)谷歌谷歌將推出Jarvis,能讀取和輸入信息,幫助用戶進(jìn)行收集研究、購買產(chǎn)品或預(yù)訂航班預(yù)計25年OpenAl發(fā)布名為“Operator”AIAgent,自動執(zhí)行復(fù)雜任務(wù),包括編寫代碼、預(yù)訂旅行等資料來源：TheRiseandPotentialofLargeLanguageModelBasedAgents:ASurvey，中信建投資料來源：各公司官網(wǎng)和公眾號，TheInformation，36氪，騰訊新聞，中信建投趨勢五具身智能不斷突破，人形機(jī)器人進(jìn)入量產(chǎn)元年Nvidia世界模型加速機(jī)器人訓(xùn)練。物理AI模型開發(fā)成本很高并且需要大量真實(shí)數(shù)據(jù)和測試，英偉達(dá)推出的Cosmos世界基礎(chǔ)模型可以使開發(fā)者能夠輕松生成大量基于物理學(xué)的逼真合成數(shù)據(jù)，以用于訓(xùn)練和評估其現(xiàn)有的模型。人形機(jī)器人進(jìn)入量產(chǎn)元年。特斯拉在2023年12月發(fā)布第二代原型機(jī)OptimusGen2，Optimus而僅僅依靠2D攝像頭、手部觸覺和力傳感器，其端到端神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練，能夠?qū)μ厮估S的電池單元進(jìn)行準(zhǔn)確分裝，算法在機(jī)器人的FSD計算機(jī)上實(shí)時運(yùn)行。人形機(jī)器人相繼進(jìn)入工廠實(shí)訓(xùn)，加速智能制造落地進(jìn)展。預(yù)計2025年有上千臺機(jī)器人應(yīng)用于特斯拉工廠，未來人形機(jī)器人將與工業(yè)機(jī)器人、自動化設(shè)備等協(xié)同作業(yè)，實(shí)現(xiàn)柔性化生產(chǎn)。家庭場景是最具潛力的市場之一，未來目標(biāo)可以完成掃地、擦窗、洗衣等家務(wù)勞動，陪伴老人等。圖：特斯拉機(jī)器人分揀電池圖：斯坦福家務(wù)機(jī)器人ALOHA2資料來源：特斯拉，中信建投資料來源：ALOHA2:AnEnhancedLow-CostHardwareforBimanualTeleoperation，中信建投人工智能極大加速科學(xué)研究進(jìn)度。人工智能應(yīng)用可見于所有STEM領(lǐng)域，應(yīng)用在醫(yī)學(xué)、材料科學(xué)、機(jī)器人技術(shù)、農(nóng)業(yè)、遺傳學(xué)學(xué)等領(lǐng)域，人工智能擅長模擬復(fù)雜系統(tǒng)及研究組成部分之間的相互作用，可以在龐大的問題解決方案中尋找最優(yōu)解，這些特點(diǎn)使得人工智能在蛋白質(zhì)結(jié)構(gòu)預(yù)測、小分子藥物研發(fā)、材料結(jié)構(gòu)預(yù)測、數(shù)學(xué)問題證明等研究過程中具備巨大的優(yōu)勢。網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”。2024年諾貝爾化學(xué)獎授予德米斯·哈薩比斯和約翰·M·詹珀，以表彰他們對使用AI模型AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測方面的貢獻(xiàn)。展望未來，特定領(lǐng)域短期內(nèi)就能從AI中受益，比如自主實(shí)驗(yàn)室。同時，AI智能能夠提升最先進(jìn)技術(shù)水平，比如研究在實(shí)驗(yàn)中無法觀測到圖：AI4Science的廣泛應(yīng)用領(lǐng)域圖：不同空間尺度上的AI應(yīng)用資料來源；Scientificdiscoveryintheageofartificialintelligence，中信建投資料來源；Scientificdiscoveryintheageofartificialintelligence，中信建投未來有望在更多場景以更多品類形式進(jìn)行應(yīng)用。2024CES展會的關(guān)注焦點(diǎn)是AIPC和AI手機(jī)，2025CES展會能看到端側(cè)AI的泛化，例如硬件產(chǎn)品功能性較強(qiáng)的單品逐步擴(kuò)散到全場景、全品類、全價格段的多品類鋪量模式。各品類SKU的需求量快速增加合的創(chuàng)新在不斷涌現(xiàn)，有望催生新一輪產(chǎn)業(yè)鏈分工，同時拉動圖：“AI+硬件”已全方位覆蓋到辦公、娛樂、教育等領(lǐng)域AI+耳機(jī)AI+戒指AI+眼鏡AI+手機(jī)/PC/平板AI+玩具AI+桌面機(jī)器人資料來源：VR陀螺，百度，字節(jié)，三星，中信建投趨勢八自動駕駛邁向端到端，Robotaxi進(jìn)入商業(yè)化落地階段法模型，直接輸入傳感器感知的信息，輸出控制結(jié)果。自2023年以來智駕行業(yè)掀起的BEV、端到端技術(shù)浪潮后，智駕正逐步將AI神經(jīng)網(wǎng)絡(luò)融入感知、規(guī)劃、控制等環(huán)節(jié)。大語言模型和視覺語言模型（VLM）逐步與端到端融合，進(jìn)一步增強(qiáng)環(huán)境理解能力。遠(yuǎn)期來看VLA模型將端到端、VLM兩個模型合二為一，多模態(tài)大模型將成為端到端自生的一種能力。智能駕駛商業(yè)化進(jìn)程不斷加速。國內(nèi)Robotaxi相關(guān)政策不斷完善，逐漸建立起Robotaxi從準(zhǔn)許上路到全無人商業(yè)運(yùn)營、包含責(zé)任承擔(dān)等細(xì)則在內(nèi)的政策體系。智能駕駛算法不斷向上迭代的同時，配有高階智能駕駛產(chǎn)品的車型起售價在不斷下降。圖：VLA模型及“端到端+VLM”技術(shù)框架圖：特斯拉robotaxi資料來源：元戎啟行，中信建投資料來源：特斯拉，中信建投趨勢九“人工智能+”全面鋪開，企業(yè)數(shù)字化率先落地“人工智能+”旨在將人工智能作為一種基礎(chǔ)性、驅(qū)動性的技術(shù)力量，與制造、醫(yī)療、教育、交通、農(nóng)業(yè)等多個領(lǐng)域進(jìn)行深度融合，創(chuàng)造企業(yè)數(shù)字化率先落地。對于提升效率，人工智能通過自動化流程與智能預(yù)測，使企業(yè)能夠在短時間內(nèi)實(shí)現(xiàn)更高的生產(chǎn)力；在決策方面，通過數(shù)據(jù)驅(qū)動的決策支持系統(tǒng)，人工智能幫助管理者做出更加精準(zhǔn)基于數(shù)據(jù)分析的信息，從而降低風(fēng)險，提高競爭優(yōu)勢；創(chuàng)新服務(wù)也是AI潛力巨大的領(lǐng)域，通過個性化推薦、24小時客服等方式，極大地提升了客戶體驗(yàn)與滿意度。圖：人工智能+圖：企業(yè)數(shù)字化轉(zhuǎn)型核心價值交通交通教育人工教育人工智能制造制造資料來源：中信建投資料來源：億歐智庫，中信建投趨勢十AI對能源需求大幅增長，可持續(xù)發(fā)展日益緊迫推理端算力需求大幅增長。隨著基礎(chǔ)模型的日益成熟，推理側(cè)算力需求開始大幅增長。以字節(jié)為例，日均tokens調(diào)用量從1200億增長到4萬億，所需要的算力大幅增長。圖：豆包日均tokens數(shù)據(jù)隨著人類進(jìn)一步訓(xùn)練更大參數(shù)量的模型，以及越來越多的AI應(yīng)用開始部署，基于云的人工智能系統(tǒng)需要消耗更多的能源。英偉達(dá)單卡功耗從A100的400W到B200的1200W，功耗越來越高，并且服務(wù)器也開始邁向機(jī)柜式方案設(shè)計，對供電系統(tǒng)提出了更大的挑戰(zhàn)。同時，為了更高效、更穩(wěn)定、更環(huán)保，全球新一輪AIDC開始啟動建設(shè)。圖：豆包日均tokens數(shù)據(jù)圖：主流服務(wù)器對應(yīng)配置服務(wù)器型號DGXA100DGXH100HGXH20NVL72GPU類型A100H100H20B200GPU個數(shù)88872GPU功耗8*400=3200KW8*700=5600KW8*400=3200KW72*1000=72KW其他部件功耗3.3KW4.6KW——48KW服務(wù)器整機(jī)功耗6.5KW10.2KW<8.1KW120KW電源配置方案（國內(nèi)）2.2KW（3+3）3.3KW(3+3)2.7KW(3+3)33KW(3+3)電源配置方案（國外）2.2KW(3+1)3.3KW(3+1)2.7KW(3+1)33KW(3+1)能源轉(zhuǎn)化率94%鉑金96%鈦金96%鈦金96%鈦金資料來源：火山引擎，中信建投資料來源：英偉達(dá)官網(wǎng)，SemiAnalysis，中信建投人工智能三大推動力技術(shù)是原動力能源是支撐力能源是支撐力是牽引力資料來源：中信建投2025年人工智能十大趨勢趨勢一推理計算提升大模型準(zhǔn)確率，強(qiáng)化學(xué)習(xí)激發(fā)模型推理能力趨勢二高質(zhì)量數(shù)據(jù)更為稀缺，合成數(shù)據(jù)價值顯現(xiàn)趨勢三縮放法則依然有效，o3與GPT5循環(huán)驅(qū)動有望開啟趨勢四應(yīng)用的最佳形態(tài)——超級智能體（AIAgent）走向普及趨勢五具身智能不斷突破，人形機(jī)器人進(jìn)入量產(chǎn)元年趨勢六AI4science：黃金時代已經(jīng)到來趨勢七端側(cè)創(chuàng)新將不斷涌現(xiàn)，AI塑造端側(cè)新分工新格局趨勢八自動駕駛邁向端到端，Robotaxi進(jìn)入商業(yè)化落地階段趨勢九“人工智能+”全面鋪開，企業(yè)數(shù)字化率先落地趨勢十AI對能源需求大幅增長，可持續(xù)發(fā)展日益緊迫風(fēng)險提示人工智能模型技術(shù)發(fā)展不及預(yù)期：人工智能模型屬于先進(jìn)AI算法，若后續(xù)算法更新迭代效果不及預(yù)期，則會影響人工智能模型數(shù)據(jù)數(shù)量與數(shù)據(jù)質(zhì)量不及預(yù)期：人工智能模型需要大量的高質(zhì)量數(shù)據(jù)進(jìn)行訓(xùn)練，若數(shù)據(jù)數(shù)量和質(zhì)量存在短板，則會影響模型效倫理沖突風(fēng)險：技術(shù)進(jìn)步推動人工智能邁向通用型人工智能，可政策監(jiān)管力度不及預(yù)期：大語言模型帶來新的商業(yè)生態(tài)，尚屬于前期成長階段，政策監(jiān)管難度加大，相關(guān)法律法規(guī)尚不完善，應(yīng)用不及預(yù)期：人工智能算法與相關(guān)應(yīng)用落地之間還存在一定距離，需要注意應(yīng)武超則：中信建投證券研究所所長兼國際業(yè)務(wù)部負(fù)責(zé)人，董事總經(jīng)理，TMT行業(yè)首席分析師。新財富白金分析師，2013-2020年連續(xù)八屆新財富最佳分析師通信行業(yè)第一名；2014-2020年連續(xù)七屆水晶球最佳分析師通信行業(yè)第一名。專注于5G、云計算、物聯(lián)網(wǎng)等領(lǐng)域研究。中國證券業(yè)協(xié)會證券分析師、投資顧問與首席經(jīng)濟(jì)學(xué)家委員會委員。龐佳軍：電子行業(yè)聯(lián)席首席分析師、人工智能組聯(lián)席首席分析師，東南大學(xué)碩士，7年半導(dǎo)體行業(yè)經(jīng)驗(yàn)，曾在Marvell、Nvidia、平頭哥半導(dǎo)體、樂鑫科技等公司從事芯片研發(fā)和管理，2022年加入中信建投電子團(tuán)隊(duì)，專注于芳博：中信建投人工智能組首席分析師，北京大學(xué)空間物理學(xué)學(xué)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(diǎn)包括智能汽車、CPU/GPU/FPGA/ASIC、EDA和工業(yè)軟件等方向。報告中投資建議涉及的評級標(biāo)準(zhǔn)為報告發(fā)布日后6個月內(nèi)的相對市場表現(xiàn)，也即報告發(fā)布日后的6個月內(nèi)公司股價（或行業(yè)指數(shù)）相對同期相關(guān)證券市場代表性指數(shù)的漲跌幅作為基準(zhǔn)。A股市場以滬深300指數(shù)作為基準(zhǔn)；新三板市場以三板成指為基準(zhǔn)；香港市場以恒生指數(shù)作為基準(zhǔn)；美國市場以標(biāo)普500指數(shù)為基相對漲幅15％以上相對漲幅5%—15%相對漲幅-5%—5％之間相對跌幅5%—15%相對跌幅15％以上相對漲幅10%以上相對漲幅-10-10%之間相對跌幅10%以上分析師聲明本報告署名分析師在此聲明i）以勤勉的職業(yè)態(tài)度、專業(yè)審慎的研究方法，使用合法合規(guī)的信息，獨(dú)立、客觀地出具本報告,結(jié)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具體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(jī)構(gòu)（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(jiān)會許可的投資咨詢業(yè)務(wù)資格，本報告署名分析師所持中在遵守適用的法律法規(guī)情況下，