中國的AI，世界的未來——華寶上證科創板人工智能ETF

（來源：信達金工與產品研究）

DeepSeek樹立里程碑，人工智能長坡厚雪。人工智能的產業化迅速，硬件端摩爾定律和軟件端優化共振，推理模型迅速迭代，在性能迅速提升的同時成本大幅下降。北美的創新引領了AI浪潮，而Deepseek的發佈意味着國產AI領域也展現出較為廣闊的前景。

• DeepSeek具備里程碑意義，算法創新引領大模型性價比。DeepSeek-V3的訓練僅使用了278.8萬H800 GPU小時，以每小時2美元的租賃價格測算，則DeepSeek-V3的訓練僅使用了557.6萬美金。DeepSeek-V3能夠實現如此明顯的性價比，原因在於算法層面的多重創新，包括Multi-Head Latend Attention（MLA）、DeepSeek MoE、MTP（Multi-Token Prediction）、FP8 訓練等等。DeepSeek-R1在DeepSeek-V3的基礎上開發，其中 DeepSeekR1-Zero 展示了自我驗證、反射和生成長 CoT 等功能，標誌着研究界的一個重要里程碑，這是第一項驗證LLMs推理能力可以純粹通過 RL 激勵的開放研究。

• DeepSeek加速國產大模型發展，應用端用户接入量大幅提升。從性能方面看，DeepSeek系列模型已經有與海外優質閉源模型相媲美的能力。DeepSeek的開源減少了國內與北美的際差，國產應用迎來發展機遇。目前國內多家公司和企業相繼宣佈接入DeepSeek，騰訊元寶接入后下載量飆升，截至2025年3月11日，已上升至蘋果AppStore中國區免費榜的第三名。從大模型端看，一方面，由於DeepSeek的創新具備里程碑意義，且其開源有望明顯加速國內大模型的迭代速度，基礎模型和各類垂類模型智能水平或迅速提升。另一方面，用户端的大量湧入，算力緊缺或更加明顯。由於英偉達GPU較為稀缺，國產算力供應鏈可能深度受益。

• AI開始理解物理世界，端側創新有望迅速落地。英偉達作為全球AI的領導者之一，也推出AI相關的軟件平臺和產品，包括Omniverse、Cosmos等功能強大的工具集合。無論是世界模型Cosmos，還是O3-mini都可以看到大模型在理解物理的能力方面成長十分迅速。o3-mini甚至能生成四維空間內小球的彈射程序，展現出很高的應用潛力，人形機器人、自動駕駛等賽道有望深度受益。其中，根據FIGURE的展望，未來人形機器人的機遇主要體現在三個方面，第一是體力勞動，目前全球GDP的50%佔比為人力。第二是消費類家用，目前大約7億老齡化人口需要家庭護理。第三是外太空探索。總體而言，市場空間較大，AI的迅速發展，有望推動相關產品落地。

• 通用大模型發展迅速，垂類大模型或同步受益。垂直領域大模型是指以通用大模型作為base model，再灌輸特定領域或行業的領域知識，經過訓練和優化的大語言模型。由於各個領域具有自身的特定需求，垂類大模型的發展也一直引人關注，目前許多領域都已有相關的垂類模型。我們認為，DeepSeek加速了國內通用大模型的發展，將使得垂類大模型直接受益。展望2025年，各行業的垂類大模型有望進一步迭代，並能在某些具體工作上達到與人類相當的水平。

• AI Agent星辰大海，大模型發展有望推動其迅速落地。AI 智能體是一種能夠感知環境、進行思考和推理、做出決策並執行相應行動的人工智能系統。由於AI智能體的工作需要依靠大模型去完成，因此大模型的智能水平直接決定了AI智能體的能力邊界。回顧ChatGPT的發展歷程，算力資源的大舉投入為AI大模型的前進提供了強大的引擎，而DeepSeek的相關工作讓業界對算法創新的認知水平進一步提高。中國創業公司Monica發佈Manus，這是全球首款真正意義上的AI Agent。Manus表明目前AI Agent已具備一定的智能水準，並且可以處理較為複雜的工作。展望未來，算力投入+算法創新共振，AI智能體也有望逐步走入尋常百姓家，相關賽道潛力巨大。

上證科創板人工智能指數（指數代碼：950180.CSI，以下簡稱「科創人工智能指數」） 從科創板市場中選取30只市值較大且業務涉及為人工智能提供基礎資源、技術以及應用支持的上市公司證券作為指數樣本，反映科創板市場代表性人工智能產業上市公司證券的整體表現。指數交投活躍，呈現高盈利特徵，風險收益表現優異。

• 長期收益優於滬深300等寬基以及同類主題指數，近期業績表現亮眼：截至2025年2月21日，科創人工智能指數自基日以來年化收益率35.29%，夏普比率0.85，整體優於滬深300、中證500、科創50等寬基以及科創芯片、CS人工智等同類指數。指數近6月收益率為102.02%。

• 指數交投較為活躍：自發布以來，指數成交量、成交額大幅提升，目前處於指數發佈以來較高位置。截至2025年2月21日，2025年初以來指數日均成交額為261億元，日均成交量為4億股。

• 指數呈現高盈利特徵。2024Q3，科創人工智能指數在ROA等盈利指標上，流動比率等流動性指標上，以及資產負債率等指標上，均優於同期中證500、科創50、科創芯片指數。2024Q3，科創人工智能指數的ROA為2.63%，銷售淨利率為7.96%，資產負債率為25.78%，流動比率為3.35，速動比率為2.81。

• 指數估值水平相對較高：指數PE處於在近五年以來的88.65%分位，PB處於在近五年以來的72.33%分位。

華寶上證科創板人工智能交易型開放式指數證券投資基金（基金代碼：589520，以下簡稱「科創人工智能ETF華寶」）上市日期為2025年3月13日，基金管理人為華寶基金管理有限公司。

• 基金經理：豐晨成：投資經理年限9.29年，在任管理基金數6只，在管基金總規模313.19億元。

• 基金管理人：2013年以來，華寶基金公司非貨幣產品規模呈長期上漲趨勢，截至2024年12月31日，其非貨幣產品規模約為1505億元。

風險因素：宏觀經濟下行；股市波動率上升；金融監管力度抬升超預期。該基金屬於股票型基金，預期風險收益水平較高；歷史表現不代表未來。

01

DeepSeek樹立里程碑，人工智能長坡厚雪

1.1 DeepSeek具備里程碑意義，算法創新引領大模型性價比

DeepSeek訓練成本較低，以極高性價比推動推理市場放量。DeepSeek-V3的訓練僅使用了278.8萬H800 GPU小時，以每小時2美元的租賃價格測算，則DeepSeek-V3的訓練僅使用了557.6萬美金。但訓練成本只是總成本的一部分，據Semianalysis測算，考慮到出口管制、DeepSeek與幻方的合作等因素，他們在GPU上的總投資超過5億美元，大約擁有5萬個Hopper GPU（包括H20、H800、H100等）。

儘管考慮到除訓練以外的其他成本，DeepSeek的模型相對於北美，仍然顯示出很大的性價比，這一方面證明了算法創新能為模型性能提升帶來巨大的增益，另一方面也揭示了推理價格持續降低的趨勢。據Semianalysis的測算，無論是北美還是國內，每過一年，算法改進和優化使得成本降低10倍，同時性能提升10倍。從北美看，2024年中發佈的GPT-4o相較於2023年下半年發佈的GPT-4，便顯示出類似的趨勢。

DeepSeek的模型能夠實現如此明顯的性價比，原因在於算法層面的多重創新。從論文看，DeepSeek-V3使用到的方法主要有：

• Multi-Head Latend Attention（MLA）：MLA主要用於優化Transformer模型中的多頭注意力（Multi-Head Attention，MHA）結構，特別是在推理階段的效率和資源消耗方面。MLA通過低秩壓縮技術顯著減少了內存佔用和計算開銷，同時保持了與標準MHA相當的性能。

• DeepSeek MoE：和傳統的MoE架構相比，DeepSeekMoE使用更細粒度的專家，並將一些專家隔離為共享專家，減少專家間的知識冗余。爲了在負載均衡和模型性能之間取得更好的平衡，DeepSeek開創了一種無輔助損失的負載均衡策略。

• MTP（Multi-Token Prediction）策略：受 Gloeckle 等人（2024 年）的啓發，DeepSeek為 DeepSeek-V3 研究並設定了多Token預測 （MTP） 目標，將預測範圍擴展到每個位置的多個未來Token。一方面，MTP 目標使訓練信號緻密，並可能提高數據效率。另一方面，MTP 可能使模型能夠預先規劃其表示形式，以便更好地預測未來的Token。

• FP8 訓練：在預訓練中，爲了有效擴展 FP8 格式的動態範圍，DeepSeek引入了一種細粒度量化策略。此外，爲了進一步減少 MoE 訓練中的內存和通信開銷，DeepSeek在 FP8 中緩存和分派激活，同時在 BF16 中存儲低精度優化器狀態。值得注意的是，與 BF16 基線相比，DeepSeek的 FP8 訓練模型的相對損失誤差始終低於 0.25%，這一水平遠在訓練隨機性的可接受範圍內。

DeepSeek-R1的研究中，DeepSeek 團隊首先開發了DeepSeek-R1-Zero ，這是一個通過大規模強化學習 （RL） 訓練的模型，並沒有監督微調 （SFT） 作為初步步驟。通過強化學習， DeepSeekR1-Zero 展示了自我驗證、反射和生成長 CoT 等功能，標誌着研究界的一個重要里程碑。值得注意的是，這是第一項驗證LLMs推理能力可以純粹通過 RL 激勵的開放研究，而無需 SFT。但是它遇到了可讀性差和語言混合等挑戰。爲了解決這些問題並進一步提高推理性能，DeepSeek團隊在 RL 之前結合了多階段訓練和冷啟動數據，最終訓練出強大的DeepSeek-R1模型。

1.2 DeepSeek加速國產大模型發展，應用端用户接入量大幅提升

從性能方面看，DeepSeek系列模型已經有與海外優質閉源模型相媲美的能力。DeepSeek-V3在MMLU-Pro、CPQA-Diamond、MATH 500、AIME 2024、Codeforces、SWE-bench Verified等測試基準上取得了較好的成績，其中部分測試如MATH 400、AIME 2024、Codeforces則超過了Llama-3.1-405B-Inst、Qwen2.5-72B-Inst、GPT 4o-0513、Claude3.5-Sonnet等海內外大模型。DeepSeek-R1相對DeepSeek-V3更進一步，在AIME 2024、MATH-500、SWE-bench Verified等基準上以略微優勢超越了OpenAI的o1及o1-mini模型。

DeepSeek的開源減少了國內與北美的際差，國產應用迎來發展機遇。由於制裁導致國內算力資源受限，國內AI大模型發展與北美相比呈現出明顯差距。但是DeepSeek的創新和開源拉昇了國內AI的整體水平，使得用户端體驗明顯改善。目前國內多家公司和企業相繼宣佈接入DeepSeek，騰訊元寶接入后下載量飆升，截至2025年3月11日，已上升至蘋果AppStore中國區免費榜的第三名。

展望后市，國內大模型的迭代有望加速。從大模型端看，一方面，由於DeepSeek的創新具備里程碑意義，且其開源有望明顯加速國內大模型的迭代速度，基礎模型和各類垂類模型智能水平或迅速提升。另一方面，用户端的大量湧入，算力緊缺或更加明顯。由於英偉達GPU較為稀缺，國產算力供應鏈可能深度受益。

1.3 通用大模型發展迅速，垂類大模型或同步受益

垂直領域大模型是指以通用大模型作為base model，再灌輸特定領域或行業的領域知識，經過訓練和優化的大語言模型。與通用語言模型相比，垂直領域大模型更專注於某個特定領域的知識和技能，具備更高的領域專業性和實用性。儘管垂類大模型有準確性、知識庫維護、適用性限制等等挑戰，但其優勢也非常明顯：

• 領域專業性：垂直領域大模型經過專門的訓練，能夠更好地理解和處理特定領域的知識、術語和上下文。

• 高質量輸出：由於在特定領域中進行了優化，垂直領域大模型在該領域的輸出質量通常比通用大模型更高。

• 特定任務效果更好：對於特定領域的任務，垂直領域大模型通常比通用大模型表現更好。

一般而言，垂類大模型的訓練需要以通用大模型作為基礎模型，訓練過程大致可分為增量預訓練、指令微調、RLHF等：

• 增量預訓練（Continue Pre Training）：對通用大模型進行二次開發，為模型注入專業領域知識。

• SFT（指令微調）：激發大模型理解領域內各種問題並進行回答的能力。

• RLHF：通過RLHF讓大模型的回答對齊人類偏好。

DeepSeek大幅提升通用大模型的性能，將使得垂類大模型直接受益。由於各個領域的具有自身的特定需求，垂類大模型的發展也一直引人關注，目前許多領域都已有相關的垂類模型，如醫療領域的MedPaLM、BioGPT，法律領域的Harvey、金融領域的FinGPT等等。但如同通用大模型存在明顯的地域差異，垂類大模型國內和北美也存在一定差距。我們認為，DeepSeek加速了國內通用大模型的發展，將使得垂類大模型直接受益。展望2025年，垂類大模型的智能化水平也有望迅速提升。

1.4 AI開始理解物理世界，端側創新有望迅速落地

英偉達作為全球AI的領導者之一，也推出AI相關的軟件平臺和產品，包括Omniverse、Cosmos等功能強大的工具集合。NVIDIA Omniverse™ 是一個 API、SDK 和服務平臺，使開發者能夠將 OpenUSD、NVIDIA RTX™ 渲染技術和生成式物理 AI 集成到現有的軟件工具和模擬工作流中，用於工業和機器人用例。NVIDIA Omniverse™為人形機器人的研發和應用提供了強大的支持，目前在許多方面都推動了人形機器人的進展，官方網站上披露的用例包括：

• 合成數據生成：開發人員可以將合成數據與真實數據結合使用，以創建精心標記的數據集來訓練多模態物理 AI 模型，從而節省大量訓練時間並大大降低成本。現在，藉助 NVIDIA Cosmos™，開發者可以生成更大的數據集。

• 自動駕駛汽車仿真：藉助用於自動駕駛汽車仿真的 NVIDIA Omniverse™ Cloud Sensor RTX API，仿真開發人員可以通過高保真傳感器仿真、物理和真實行為來增強其 AV 仿真工作流，以訓練感知模型並在閉環測試中驗證 AV 軟件堆棧。

• 產品配置器：開發和部署 OpenUSD 和支持生成式 AI 的產品配置器工具和體驗，併爲汽車、零售、媒體和娛樂帶來交互式體驗。使用 Apple Vision Pro 構建高保真的產品配置器。

• 強化學習：藉助仿真中的強化學習，機器人可以在任何虛擬環境中通過反覆試驗進行訓練。這使機器人能夠發展現實世界自動化任務所需的複雜粗大和精細運動技能，例如抓取新物體、四足行走和學習複雜的操作技能。

• 虛擬設施集成：利用 Omniverse SDK 和 API 開發先進的虛擬工廠解決方案，並基於可視化、生成式AI和實時協作帶來數據的真實物體體驗。

NVIDIA 在CES 2025上宣佈推出 NVIDIA Cosmos™，NVIDIA Cosmos™ 是一個平臺，包含先進的生成式世界基礎模型、高級分詞器、面向自動駕駛汽車 （AV） 和機器人開發人員的加速數據處理和管理管道。物理 AI 模型的開發成本很高，並且需要大量的真實世界數據和測試。Cosmos 世界基礎模型 （WFM） 為開發人員提供了一種簡單的方法，可以生成大量基於物理的逼真合成數據，以訓練和評估其現有模型。開發人員還可以通過微調 Cosmos WFM 來構建自定義模型。「機器人技術的‘ChatGPT 時刻’即將到來。與大型語言模型一樣，世界基礎模型是推進機器人和 AV 開發的基礎，但並非所有開發人員都擁有訓練自己的專業知識和資源，「NVIDIA 創始人兼首席執行官黃仁勛表示。「我們創建 Cosmos 是爲了使物理 AI 大眾化，並讓每個開發人員都能接觸到通用機器人技術。」 目前，領先的機器人和汽車公司，包括 1X、Agile Robots、Agility、Figure AI、Foretellix、Fourier、Galbot、Hillbot、IntBot、Neura Robotics、Skild AI、Virtual Incision、Waabi 和 XPENG，以及拼車巨頭 Uber，都是首批採用 Cosmos 的公司。

從世界模型Cosmos可以看到端側理解物理世界的重要性，而O3-mini的進步也表明了大模型在物理能力方面的成長十分迅速。o3-mini在物理模擬高難度挑戰中展現出驚人的實力，在模擬小球的轉動時，o3-mini具備更強的物理推理能力，而DeepSeek R1則出現了反重力現象。此外，o3-mini能生成四維空間內小球的彈射程序，展現出很高的潛力。伴隨AI開始逐步理解物理世界，智能終端的很多工作便有可能讓AI大模型來完成，端側有望受益。

人形機器人是最重要的端側賽道之一，AI有望加速其商業化進程。據FIGURE官網信息，未來人形機器人的機遇主要體現在三個方面，第一是體力勞動，目前全球GDP的50%佔比為人力。第二是消費類家用，目前大約7億老齡化人口需要家庭護理。第三是外太空探索。FIGURE正在建造數據姻親，為人形機器人提供支持，重要的合作伙伴包括OpenAI、Microsoft、Nvdia等等。伴隨AI大模型的智能化升級，人形機器人的智能化有望同步受益。

1.5 AI Agent星辰大海，大模型發展有望推動其迅速落地

AI 智能體是一種能夠感知環境、進行思考和推理、做出決策並執行相應行動的人工智能系統。與傳統程序的被動式響應有所區別，AI Agents擁有自己的「大腦」，能夠接受信息、進行思維鏈推理、規劃出行動步驟等。而且智能體還具備反思能力，能夠根據行動的結果進行元推理，不斷優化自己的行為。

從分類看，AI智能體可以分為反應型Agent、目標驅動型Agent、多模態Agent、認知型Agent等。其中，反應型Agent基於預設規則快速相應，目標驅動型Agent圍繞目標規劃多步驟行動，多模態Agent融合文本、語音、視覺等信息交互，認知型Agent則具備長思維鏈推理與複雜問題求解能力等。

AI智能體的能力邊界與大模型息息相關，大模型發展有望加速其產業化進程。由於AI智能體的感知、思考和決策需要依靠大模型去完成，因此大模型的智能水平直接決定了AI智能體的能力邊界。回顧ChatGPT的發展歷程，算力資源的大舉投入為AI大模型的前進提供了強大的引擎，而DeepSeek的相關工作讓業界對算法創新的認知水平進一步提高。展望未來，算力投入+算法創新共振，AI智能體也有望逐步走入尋常百姓家，相關賽道潛力巨大。

中國創業公司Monica對外發布通用型AI Agent產品Manus，這是全球首款真正意義上的AI Agent。從官網信息看，Manus在GAIA基準測試（衡量着手解決實際問題的基準）中取得了SOTA（State-of-the-Art）的成績，顯示其性能超越Open AI的Deep Research。從用例看，Manus在接到用户指令后可以直接操作電腦完成一系列報告撰寫、表格製作等工作，並在最后產出符合需求的產品或結論，涵蓋領域包括研究、生活、數據分析、教育、生產力等等。從Manus來看，目前AI Agent已具備一定的智能水準，並且可以處理一些較為複雜的工作。我們認為，展望未來，伴隨硬件端摩爾定律和軟件端的優化，每一代的推理模型有望在性能成倍提升的同時迅速降低成本，AI Agent接下來有望進入成長黃金期，迭代周期迅速縮短，智能水平大幅提高。

02

AI產業風向標：科創人工智能指數

2.1 指數基本信息

上證科創板人工智能指數（指數代碼：950180.CSI，以下簡稱「科創人工智能指數」）從科創板市場中選取30只市值較大且業務涉及為人工智能提供基礎資源、技術以及應用支持的上市公司證券作為指數樣本，反映科創板市場代表性人工智能產業上市公司證券的整體表現。該指數以2022年12月30日為基日，以1000點為基點，發佈日期為2024年7月25日。

2.2 指數表現：長期收益優於滬深300等寬基以及同類主題指數

截至2025年2月21日，科創人工智能指數自基日以來年化收益率35.29%，夏普比率0.85，整體優於滬深300、中證500、科創50等寬基以及科創芯片、CS人工智等同類指數。

指數近期業績表現亮眼，近6月收益率為102.02%，遠超同期滬深300等寬基指數，優於科創芯片、CS人工智等同類指數。

2.3 指數流動性：交投活躍

指數交投較為活躍：自發布以來，指數成交量、成交額大幅提升，目前處於指數發佈以來較高位置。截至2025年2月21日，2025年初以來指數日均成交額為261億元，日均成交量為4億股。

2.4 市值分佈：覆蓋大中小盤，中小盤股權重較大

成分股加權平均自由流通市值約418億元：截至2025年2月21日，指數的30只成分股自由流通市值合計約5854億元，成分股加權平均自由流通市值約為418億元。流通市值100億以下的股票有14只，權重佔比為12.98%；流通市值100-300億之間的股票有12只，權重佔比為49.17%；流通市值300-500億之間的股票有1只，權重佔比為9.4%；流通市值500-1000億之間的股票有2只，權重佔比為18.57%；流通市值1000億以上的股票有1只，權重佔比為9.89%。

2.5 行業分佈：重倉半導體行業

半導體行業權重佔比約45%：根據中信二級行業進行分類，半導體、雲服務、計算機設備、通用設備、計算機軟件行業成分股權重佔比分別為45.02%、17.79%、10.33%、9.40%、8.96%，合計超過90%，成分股數量佔比分別為30%、13.33%、13.33%、3.33%、16.67%。

2.6 相較於中證500等寬基及科創芯片等同類主題指數，指數盈利情況較好

指數具有較優的ROA、銷售淨利率、資產負債率、流動比率等指標。2024Q3，科創人工智能指數在ROA等盈利指標上，流動比率等流動性指標上，以及資產負債率等指標上，均優於同期中證500、科創50、科創芯片指數。2024Q3，科創人工智能指數的ROA為2.63%，銷售淨利率為7.96%，資產負債率為25.78%，流動比率為3.35，速動比率為2.81。

2.7 估值水平：PE、PB處於近五年以來相對較高水平

PE、PB處於近五年以來相對較高水平。截至2025年2月21日，指數市盈率（TTM）為196.69倍，在近五年以來的PE數據中位於88.65%分位；市淨率（LF）為10.01倍，在近五年以來的PB數據中位於72.33%分位。PE和PB位於近五年以來相對較高水平。

2.8 指數成分股：精選半導體、通用設備、雲服務、計算機設備板塊龍頭

目前，科創人工智能指數共有30只成分股，根據中信二級行業分類，前十大權重股集中於半導體、通用設備、雲服務、計算機設備板塊。

03

AI產業風向標：科創人工智能指數

3.1 產品信息

華寶上證科創板人工智能交易型開放式指數證券投資基金（基金代碼：589520，以下簡稱「科創人工智能ETF華寶」）上市日為2025年3月13日，基金管理人為華寶基金管理有限公司。華寶上證科創板人工智能ETF跟蹤上證科創板人工智能指數，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投資為目標，主要採用組合複製策略跟蹤標的指數，其風險收益特徵與標的指數所表徵的市場組合的風險收益特徵相似。基金管理費率為0.50%，託管費率為0.10%。

基金經理為豐晨成。

3.2 基金經理：豐晨成

基金經理：豐晨成先生，碩士，2009年7月加入華寶基金管理有限公司，先后擔任助理產品經理、數量分析師、投資經理助理、投資經理等職務。投資經理年限9.29年，在任管理基金數6只，在管基金總規模313.19億元。

3.3 基金管理人：華寶基金

華寶基金管理有限公司於2003年2月12日獲准開業，是國內首批中外合資基金管理公司，也是國內首家由信託公司和外方資產管理公司發起設立的中外合資基金管理公司。目前，華寶基金管理有限公司股東為華寶信託有限責任公司（持股51%）、美國華平投資集團（持股29%）和江蘇省鐵路集團有限公司（持股20%）。

2013年以來，華寶基金公司非貨幣產品規模呈長期上漲趨勢，截至2024年12月31日，其非貨幣產品規模約為1505億元。

風險因素：宏觀經濟下行；股市波動率上升；金融監管力度抬升超預期。該基金屬於商品型基金，預期風險收益水平較高；歷史表現不代表未來。

本文源自報告《中國的AI，世界的未來——華寶上證科創板人工智能ETF》

報告時間：2025年3月12日

發佈報告機構：信達證券研究開發中心

報告作者：於明明   S1500521070001 、莫文宇 S1500522090001、孫石 S1500523080010

★

分析師聲明

★

負責本報告全部或部分內容的每一位分析師在此申明，本人具有證券投資諮詢執業資格，並在中國證券業協會註冊登記為證券分析師，以勤勉的職業態度，獨立、客觀地出具本報告；本報告所表述的所有觀點準確反映了分析師本人的研究觀點；本人薪酬的任何組成部分不曾與，不與，也將不會與本報告中的具體分析意見或觀點直接或間接相關。

★

★

本報告中所述證券不一定能在所有的國家和地區向所有類型的投資者銷售，投資者應當對本報告中的信息和意見進行獨立評估，並應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、税收等方面諮詢專業顧問的意見。在任何情況下，信達證券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，投資者需自行承擔風險。