《腾讯控股-港股公司深度研究:社交为基AI时代的流量王者-230625(19页).pdf》由会员分享,可在线阅读,更多相关《腾讯控股-港股公司深度研究:社交为基AI时代的流量王者-230625(19页).pdf(19页珍藏版)》请在三个皮匠报告上搜索。
1、 敬请参阅最后一页特别声明 1 基本结论 一、大模型时代流量入口重塑之下,社交大概率继续成为流量入一、大模型时代流量入口重塑之下,社交大概率继续成为流量入口口,腾讯在此领域优势明显,腾讯在此领域优势明显。1 1)ChatGPT Plugins 应用生态持续扩大,大模型时代流量入口有望重塑。ChatGPT 插件生态首批发布以来数量和行业覆盖度进一步提升,大模型作为流量入口的趋势愈加明显。2)熟人社交相较于其他社交类 APP 具备“高刚需性+高壁垒”特点。根据 CNNIC,2022 年中国即时通信用户规模已经达到 10.38亿,同比增长 3.1%,网民使用率达到 97.2%,为网民使用率最高的细分
2、行业。根据国金数字未来 Lab,2023 年 4 月排名前 10 的社交类APP 中,微信、QQ等熟人社交 APP用户规模、用户粘性、用户使用时长和使用频次均高于其他社交 APP。3)社交 APP 生态拓展能力强,以社交为基本盘的腾讯流量入口的地位较为稳固。4 4)微信的小程序生态与“AI+Plugins”生态具备一定相似性,若后续大模型与微信相结合,当前的小程序生态已经打下了良好的基础。根据国金数字未来 Lab,2023 年 4 月微信小程序整体 DAU 达到 5.8 亿,同比增长25%,用户日均使用频次 2.5 次,同比增长 6%,用户月均使用个数接近 14 个,同比增长 9%。二、二、腾
3、讯具备自研大模型能力,混元大模型未来有望赋能内部全生腾讯具备自研大模型能力,混元大模型未来有望赋能内部全生态场景态场景。公司自研的混元大模型包括为 NLP 大模型、CV 大模型、多模态大模型、AIGC 及众多行业领域任务模型。混元大模型 HunYuan已经先后支持了包括微信、QQ、游戏、腾讯广告、腾讯云等众多产品和业务,公司业务和内容生态丰富,未来大模型在各项业务上的赋能有望进一步深化。三、三、AIAI 将赋能公司各项业务,推动各业务降本增效将赋能公司各项业务,推动各业务降本增效。1)AI 赋能游戏业务:制作环节降本增效,游戏过程中提升用户体验。2)广告业务:有望提升广告制作和推送效率。3)金
4、融科技:通过带动服务的精细化与智能化有望提升服务效率。4)企业服务:聚焦行业大模型,有望推动 ToB 产品完善,带动云服务需求提升。盈利预测、估值和评级 公司的社交基本盘从长期来看壁垒较高,且大模型的发展能够推动公司后续各项业务降本增效,我们预计公司 2023/2024/2025 年 NON-IFRS 净利润分别为 1501/1759/2013 亿元,当前股价对应 PE 为19.77/16.87/14.75X,维持“买入”评级。风险提示 游戏上线表现不及预期;广告主需求修复不及预期风险;宏观经济下行风险;云业务拓展不及预期风险;大模型开发进展或表现不及预期。主要财务指标 项目 2021A 20
5、22A 2023E 2024E 2025E 营业收入(百万元)560,118 554,552 628,906 705,891 788,815 营业收入增长率 16.19%-0.99%13.41%12.24%11.75%NON-IFRS 归母净利润(百万元)123,788 115,649 150,138 175,865 201,265 NON-IFRS 归母净利润增长率 0.85%-6.57%29.82%17.14%14.44%摊薄每股收益(元)23.424 19.613 13.590 15.782 18.134 每股经营性现金流净额 18.25 15.22 16.06 15.84 18.69
6、ROE(归属母公司)(摊薄)27.88%26.09%15.31%15.10%14.78%P/E 23.97 25.66 19.77 16.87 14.75 P/B 4.01 4.48 3.80 3.22 2.75 来源:公司年报、国金证券研究所 05,00010,00015,00020,00025,000200.00250.00300.00350.00400.00450.00220627港币(元)成交金额(百万元)成交金额腾讯控股恒生指数 港股公司深度研究 敬请参阅最后一页特别声明 2 内容目录内容目录 一、大模型时代流量入口重塑之下,社交大概率继续成为流量入口.4 1.1 ChatGPT P
7、lugins 应用生态持续扩大,大模型时代流量入口有望重塑.4 1.2 熟人社交相较于其他社交类 APP 具备“高刚需性+高壁垒”特点,微信具备绝对优势.5 1.3 社交 APP 生态拓展能力强,以社交为基本盘的腾讯流量入口的地位较为稳固.6 1.4 腾讯“微信+”生态与“AI+Plugins”生态具备一定相似性.8 二、腾讯具备自研大模型能力,混元大模型未来有望赋能内部全生态场景.9 三、AI 将赋能公司各项业务,推动各业务降本增效.10 3.1 AI 赋能游戏业务:制作环节降本增效,游戏过程中提升用户体验.10 3.2 AI 赋能广告业务:有望提升广告制作和推送效率.11 3.3 AI 赋
8、能金融科技:通过带动服务的精细化与智能化有望提升服务效率.14 3.4 AI 赋能企业服务:大模型聚焦行业,有望推动 ToB 产品完善,带动云服务需求提升.14 四、风险提示.16 图表目录图表目录 图表 1:移动互联网时代前、移动互联网时代、大模型时代的个人需求满足流程对比.4 图表 2:ChatGPT Plugins 按需求调用 Plugins 组合完成目标细分任务.4 图表 3:接入 ChatGPT 的不同行业插件个数.5 图表 4:即时通讯用户规模及增速.5 图表 5:即时通讯网民使用率居于首位.5 图表 6:微信、QQ 等熟人社交 APP 用户规模、用户行为优于其他社交 APP.5
9、图表 7:微信 MAU,单位:万人.6 图表 8:微信 DAU,单位:万人.6 图表 9:微信用户日均使用频次,单位:次.6 图表 10:微信用户粘性 DAU/MAU.6 图表 11:通讯聊天类 APP 集中度与用户粘性均较高.7 图表 12:社交 APP 的生态拓展性最强.8 图表 13:微信通过小程序可以链接几乎所有生态.8 图表 14:ChatGPT Plugins 可链接所有生态并自动调用.8 图表 15:微信小程序细分行业 DAU,单位:万人.9 图表 16:微信小程序细分行业用户日均打开频次.9 图表 17:微信小程序用户月均使用个数.9 图表 18:各模型方法在 5 个公开数据集
10、上正确率指标对比:混元跨模态登顶.9 图表 19:腾讯混元大模型在 CLUE 总榜、分类榜和阅读理解榜登顶.9 图表 20:腾讯自有业务生态矩阵涵盖从社交、娱乐、企业服务等多方面.10 图表 21:AI+游戏覆盖游戏全链路.10 图表 22:AI 辅助生成游戏角色动作.11 图表 23:AI 可有效提高 3D 场景渲染效率.11 OZvXiWbWlXUVuYbWnV8O8Q9PtRqQmOnOiNpPrPiNoMpRaQnMmMNZpOqQNZrRqP港股公司深度研究 敬请参阅最后一页特别声明 3 图表 24:腾讯广告+AI,以两大模型+一大学习平台为布局.12 图表 25:腾讯广告多媒体 A
11、I 布局.12 图表 26:巨阙内容理解全链路.12 图表 27:乾坤智能创作链路.13 图表 28:广告智能相似解锁系统链路.13 图表 29:网服行业客户:买量 ROI 和 ECPM 提升明显.13 图表 30:腾讯太极机器学习平台的技术性突破.14 图表 31:腾讯四级加速矩阵战略.15 图表 32:腾讯 TI-ACC 加速能力.16 图表 33:腾讯云 MASS 方案全景.16 图表 34:云 TI 平台行业大模型精调方案.16 港股公司深度研究 敬请参阅最后一页特别声明 4 一、大模型时代流量入口重塑之下,社交大概率继续成为流量入口 1 1.1.1 C ChatGPT hatGPT
12、PluginsPlugins 应用生态持续扩大,大模型时代流量入口应用生态持续扩大,大模型时代流量入口有望重塑有望重塑 大模型时代用户需求的聚合将带来流量入口的聚合。移动互联网时代,用户的最终需求需要由用户自行拆解至各个 APP,大模型时代,通过“AI+Plugins”形式,用户需求从分散化走向聚合化,带动流量入口从分散化走向聚合化。图表图表1 1:移动互联网时代前、移动互联网时代、大模型时代的个人需求满足流程对比移动互联网时代前、移动互联网时代、大模型时代的个人需求满足流程对比 来源:国金证券研究所绘制 ChatGPT Plugins 生态扩大升级,“AI+Plugins”成为流量入口的趋势
13、进一步显现。3 月24 日,OpenAI 首次宣布在 ChatGPT 中开启 Plugins,首批接入 11 个第三方应用插件,涵盖在线旅游、生鲜电商、线上订餐平台、搜索引擎等多个领域。5 月 13 日,OpenAI 宣布称将向所有 ChatGPT Plus 用户推出网络浏览和插件,并将允许 ChatGPT 访问互联网并使用 70 多个第三方插件,后续插件生态进一步扩大。ChatGPT Plugins 生态升级:1)数量:从首批的 11 个应用增加至 160+(截至 2023 年 5月 27 日)。2)领域:行业领域进一步扩大,新增健康管理、天气查询、内容创建、滤镜、文件处理、教育、休闲游戏等
14、更多行业领域。3)实时性:升级后可实现实时联网,解决此前训练数据不能实时更新问题。图表图表2 2:C ChatGPT hatGPT PluginsPlugins 按需求调用按需求调用 PluginsPlugins 组合完成目标细分任务组合完成目标细分任务 来源:国金证券研究所绘制 港股公司深度研究 敬请参阅最后一页特别声明 5 图表图表3 3:接入接入 C ChatGPThatGPT 的的不同行业插件个数不同行业插件个数 来源:OpenAI,国金证券研究所(数据截止 2023.5.27)1 1.2.2 熟人熟人社交社交相较于其他相较于其他社交类社交类 APPAPP 具备“高刚需性具备“高刚需性
15、+高壁垒”特点高壁垒”特点,微信具备绝对优势,微信具备绝对优势 熟人社交具备高刚需属性,刚需属性越强则越容易成为流量入口。根据 CNNIC,2022 年中国即时通信用户规模已经达到 10.38 亿,同比增长 3.1%,网民使用率达到 97.2%,为网民使用率最高的细分行业。根据国金数字未来 Lab,2023 年 4 月排名前 10 的社交类APP 中,微信、QQ 等熟人社交 APP 用户规模、用户粘性、用户使用时长和使用频次均高于其他社交 APP。熟人社交具备高壁垒特点。相较于陌生人社交,熟人社交的好友为同学、亲戚、朋友等,整体用户粘性高,与用户现实世界的社交关系具备深度绑定,当形成一个头部
16、APP 后切换难度较高,后继者若想切入该赛道,需要打通现实关系和网络关系,需要较长的时间积累用户体量、建立信任体系。图表图表4 4:即时通讯即时通讯用户规模及增速用户规模及增速 图表图表5 5:即时通讯网民使用率即时通讯网民使用率居于首位居于首位 来源:CNNIC,国金证券研究所 来源:CNNIC,国金证券研究所 图表图表6 6:微信、微信、QQQQ 等熟人社交等熟人社交 APPAPP 用户规模、用户行为优于其他社交用户规模、用户行为优于其他社交 APPAPP 051015202530SEO营销办公电商房地产金融旅游出行求职生活服务信息搜集学习教育游戏娱乐传媒0%2%4%6%8%10%12%1
17、4%02000040000600008000002000022即时通信用户规模(万人)同比%0%20%40%60%80%100%120%港股公司深度研究 敬请参阅最后一页特别声明 6 来源:国金数字未来 Lab,国金证券研究所 注:2023 年 4 月 微信作为社交类 APP 龙头,长时间建立起的熟人社交体系短时间难以被新进入者撼动。微信在用户规模等方面具备绝对优势,根据国金数字未来 Lab,微信用户规模及用户使用行为稳中有升,2022 年 4 月微信 MAU 达到 10.6 亿,同比提升 5.1%,DAU
18、 达到 8.8 亿,同比提升 6.2%,用户日均使用频次达到 45 次,同比下降 1.3%,用户粘性为 0.83,同环比基本持平。相较于其他社交网络 APP,微信的用户日均使用频次明显较高,我们认为其高DAU/MAU 及其高打开频次代表了用户对微信的高依赖度,因此后续出现切换的可能性相对较小。图表图表7 7:微信微信 MAUMAU,单位:万人,单位:万人 图表图表8 8:微信微信 D DAUAU,单位:万人,单位:万人 来源:国金数字未来 Lab,国金证券研究所 来源:国金数字未来 Lab,国金证券研究所 图表图表9 9:微信用户日均使用频次,单位:次微信用户日均使用频次,单位:次 图表图表1
19、010:微信用户微信用户粘性粘性 DAU/MAUDAU/MAU 来源:国金数字未来 Lab,国金证券研究所 来源:国金数字未来 Lab,国金证券研究所 1 1.3.3 社交社交 APPAPP 生态拓展能力生态拓展能力强,以社交为基本盘的腾讯流量入口的地位较为稳固强,以社交为基本盘的腾讯流量入口的地位较为稳固 通讯聊天 APP 最有可能成为流量入口,便捷生活、健康医疗、女性亲子、学习教育、拍摄美化类 APP 中有可能跑出新头部产品。我们以国金数字未来 Lab APP 样本库中各细分行业 APP 个数作为行业集中度衡量指标,DAU/MAU 为用户粘性衡量指标,集中度高、用户粘性高、用户规模大的 A
20、PP 类型最容易成为平台型流量入口,分散度高、用户粘性低、用户规模一般的 APP 类型中有可能跑出新的头部产品。港股公司深度研究 敬请参阅最后一页特别声明 7 图表图表1111:通讯聊天类通讯聊天类 APPAPP 集中度与用户粘性均较高集中度与用户粘性均较高 来源:国金数字未来 Lab,国金证券研究所 注:统计时间为 2023 年 4 月,x 轴为用户粘性,y 轴为 APP 集中度,气泡大小为用户规模 对比不同类型的大 DAU 移动 APP 生态,我们发现从社交属性出发切入娱乐属性、工具属性的功能较为顺畅,但从娱乐属性、工具属性出发切入社交的可能性较小。1)社交类:以微信为例,平台属性最强,除
21、了基本的社交生态之外,通过微信各种功能组件可切入各种基础生态,因此其他基础生态可拓展出的功能基本都可通过微信实现。通过小程序链接电商、游戏、本地生活、出行等等,通过微信支付、微信钱包等切入金融生态,通过视频号切入短视频领域。2)短视频:以抖音为例,基于兴趣拓展衍生生态,由于用户兴趣具备多样性,因此整体的生态拓展能力较强,但其底层逻辑更偏娱乐性,难以大规模切入熟人社交体系。3)本地生活:以美团为例,主要提供的服务围绕本地生活展开,包括各类型 O2O 服务,目前也推出短视频来为整体生态服务。4)电商:以淘宝为例,基于购物需求拓展衍生生态,如短视频(直播电商)、金融(支付宝)等,主要可拓展至用户购买
22、需求相关的领域,包括即时零售等。港股公司深度研究 敬请参阅最后一页特别声明 8 图表图表1212:社交社交 APPAPP 的生态拓展性最强的生态拓展性最强 来源:国金证券研究所绘制 1 1.4 4 腾讯“微信腾讯“微信+”生态与“生态与“AI+PluginAI+Plugins s”生态”生态具备一定相似性具备一定相似性 微信的小程序生态与“AI+Plugins”具备一定类似性。小程序是一类嵌入于微信之中、不需要下载安装即可使用的应用形态。对比微信公众号的订阅、传播、推广功能,小程序的核心功能在于服务,链接解决人需求的服务。ChatGPT Plugins 通过对不同的对话添加不同的插件,可分类实
23、现针对用户不同需求的智能化操作。“AI+Plugins”可同时调用不同插件完成一个复杂任务,用户只需将需求描述清楚即可根据所选的插件组合完成复杂任务。而目前各小程序之间较为独立,还不能一同完成一个复杂任务。若后续通过大模型将小程序之间的调用打通,实现自动选择调用,则和当前的“AI+Plugins”较为相似。图表图表1313:微信通过小程序可以链接几乎所有生态微信通过小程序可以链接几乎所有生态 图表图表1414:C ChatGPT PluginshatGPT Plugins 可链接所有生态并自动调用可链接所有生态并自动调用 来源:钛媒体,国金证券研究所 来源:国金证券研究所绘制 微信小程序可链接
24、各行各业,移动购物、生活服务、办公服务、实用工具等细分行业当前结合度较高。根据国金数字未来 Lab,2023 年 4 月微信小程序整体 DAU 达到 5.8 亿,同比增长 25%,用户日均使用频次 2.5 次,同比增长 6%,细分行业中,移动购物、生活服务、办公服务、实用工具等几个行业 DAU 较高。小程序构建起的生态用户接受度逐渐提升,根据国金数字未来 Lab,用户月均使用个数港股公司深度研究 敬请参阅最后一页特别声明 9 接近 14 个,同比增长 9%。若后续“AI+Plugin”模式应用至微信,则目前小程序所构建的生态将提供良好的基础。图表图表1515:微信小程序细分行业微信小程序细分行
25、业 DAUDAU,单位:万人,单位:万人 图表图表1616:微信小程序细分行业用户日均打开频次微信小程序细分行业用户日均打开频次 来源:国金数字未来 Lab,国金证券研究所 注:数据统计时间为 2023 年 4 月 来源:国金数字未来 Lab,国金证券研究所 注:数据统计时间为 2023 年 4 月 图表图表1717:微信小程序用户月均使用个数微信小程序用户月均使用个数 来源:国金数字未来 Lab,国金证券研究所 二、腾讯具备自研大模型能力,混元大模型未来有望赋能内部全生态场景 2022 年 4 月,腾讯首次对外披露混元大模型,细分为 NLP 大模型、CV 大模型、多模态大模型、AIGC 及众
26、多行业领域任务模型。各模型在其细分领域上均具有领先的技术优势:HunYuan-NLP 是国内首个万亿级别中文 NLP 预训练模型,参数量达 1T,在 CLUE 分类榜和阅读理解榜排名第一。HunYuan-vcr 作为 CV 大模型,排名常识视觉榜单第一。HunYuan_tvr 作为多模态 AI 大模型,在 MSR-VTT,MSVD,LSMDC,DiDeMo 和 ActivityNet 五大跨模态视频检索数据集榜登顶。图表图表1818:各模型方法在各模型方法在 5 5 个公开数据集上个公开数据集上正确率正确率指标对比指标对比:混元跨模态登顶:混元跨模态登顶 来源:央广网,国金证券研究所 图表图表
27、1919:腾讯混元大模型腾讯混元大模型在在 CLUECLUE 总榜、分类榜和阅读理解榜登顶总榜、分类榜和阅读理解榜登顶 来源:量子位,国金证券研究所 港股公司深度研究 敬请参阅最后一页特别声明 10 根据职场 Bonus,腾讯混元项目组由腾讯内部 TEG 平台牵头、CSIG、PCG、CDG、PSG、IEG、WXG 多高管部门共同参与。从人员架构上来看:共有项目 Owner(1 名)、项目 PM(3 名)、项目组长(7 名)和项目 Sponsor(7 名),领头人为腾讯首席科学家、腾讯 AI Lab 及 Robotics X 实验室主任张正友博士,为腾讯首位 17 级研究员。TEG 或将作为项目
28、组的中轴致力于技术开发,而各大核心的部门的参与则意味着腾讯致力于将 AI 应用至内部全生态场景,混元 AI 大模型未来有望赋能公司各业务。根据腾讯太极学习平台公众号,目前混元大模型 HunYuan 已经先后支持了包括微信、QQ、游戏、腾讯广告、腾讯云等众多产品和业务,公司业务和内容生态丰富,未来大模型在各项业务上的赋能有望进一步深化。图表图表2020:腾讯自有业务生态矩阵涵盖从社交、娱乐、企业服务等多方面腾讯自有业务生态矩阵涵盖从社交、娱乐、企业服务等多方面 来源:腾讯官网,国金证券研究所 三、AI 将赋能公司各项业务,推动各业务降本增效 3.1 3.1 AIAI 赋能赋能游戏业务游戏业务:制
29、作环节降本增效,游戏过程:制作环节降本增效,游戏过程中中提升用户体验提升用户体验 腾讯 AI+游戏的探索方向覆盖游戏全链路。从游戏前测试到游戏中再到竞技性游戏训练,AI 深入游戏全环节。AI 对游戏的赋能:1)降本增效,降低游戏制作成本的同时提升游戏制作效率,降低游戏研发周期链路,变现速度加快;2)通过智能 AI NPC、智能 BOT 提升用户个性化游戏体验,丰富游戏内容,促使游戏适配更多用户群体,有望在提升用户体验的同时推动游戏消费提升。图表图表2121:AI+AI+游戏覆盖游戏全链路游戏覆盖游戏全链路 来源:2021 游戏开发者大会,国金证券研究所 港股公司深度研究 敬请参阅最后一页特别声
30、明 11 游戏制作环节:AI 凭借高效低成本的特点可以有效实现降本增效。NPC 建模方面:传统 NPC 构建需要大量的时间堆砌,从人物建模再到人物动作捕捉都需要一一调试,通常需要花费几天的时间才能完成构建。腾讯 AI Lab 通过对抗性神经网络算法可实现短时间“千人千面”的高保真 NPC 模型。后续结合腾讯 AI Lab 整合文字转语音的前沿研究,有望生成自然语音,同步驱动嘴型、表情等面部变化,实现 NPC 完整构建。内容设计方面:赋能关卡、地图、玩法等游戏核心要素。以 2023 年游戏开发者大会上、为例,腾讯发布了上自研的 3D 游戏场景自动生成解决方案,核心功能为城市布局生成、建筑外观生成
31、、室内映射生成。通过 AIGC 技术,可以帮助开发者在极短的时间内打造出高拟真、多样化的虚拟城市场景,有望大幅提升游戏开发效率。以发布会上演示的例子为例:从零开始搭建一座面积为 25 平方公里,包含 130 千米路网、4416 栋建筑以及超过38 万个室内映射的虚拟城市。传统模式需要几年时间,而借助 AI 仅需要几周时间,其中城市布局花费只需要 40 分钟,单栋建筑生成时间只要 17.5 分钟。玩法、关卡上可通过AI 赋能降低游戏制作门槛,让用户自己在游戏内形成PUGC 的内容生成模式,最大程度用户游戏体验。动作方面:以 AI 生成采用相位神经网络技术控制人物运动,并利用海量大数据 AI 自动
32、学习适配场景地形数据。图表图表2222:AIAI 辅助生成游戏角色动作辅助生成游戏角色动作 图表图表2323:AIAI 可有效提高可有效提高 3D3D 场景渲染效率场景渲染效率 来源:2021 游戏开发者大会,国金证券研究所 来源:2023 游戏开发者大会,国金证券研究所 游戏过程中:借助 AI 大数据、智能 NPC、智能 AIBot、UGC 创作工具等能够为用户提供更丰富游戏体验。智能 BOT 还可赋能测试、托管、训练、体验优化等方面。该方面以腾讯 2016 年的开发的“绝艺”围棋 AI 和“绝悟”游戏 AI 为代表,绝艺围棋 AI 在过去几年成为中国围棋国家队专用训练 AI 之一,为选手提
33、供训练和对抗。绝悟游戏 AI 则覆盖两大游戏的大部分阶段,为用户提供便捷。以王者荣耀为例,当前的绝悟智能助手具有 AI 解说、离线模式、道具智能推荐、王者时刻(自动剪辑)、道具智能推荐、英雄智能推荐、语音转文字等多功能场景。例如在选手掉线和挂机的时候,为保证游戏的公平性,玩家的挂机的角色将由绝悟人机 AI 操控。提供智能托管。在训练中,玩家也可通过绝悟人机进行 1v1 训练,借助海量大数据模仿顶级玩家的操作,提升英雄熟练度。目前,绝悟游戏 AI 已场景逐渐衍生,赋能多款游戏,最新的绝悟 Wekick 版本在 Kaggle 足球比赛中夺冠,未来将应用于多种游戏场景,而非局限于 Moba 类游戏。
34、智能 NPC 方面,腾讯在故事性较强的仙侠类、RPG 游戏,也有望仿照网易逆水寒,通过添加智能 NPC 对话和交互系统,根据玩家对话、动作选择不同的交互语句,形成用户个性化的游戏体验。此外,UGC 创作工具等有望在一些大 DAU 社交向游戏中应用,推动游戏生态繁荣。3.2 3.2 AIAI 赋能赋能广告业务广告业务:有望有望提升广告制作和推送效率提升广告制作和推送效率 AI 有望赋能广告制作和推送两大核心问题,内容方面:主要把握广告内容理解、提升制作流程效率,降本增效。推送环节:基于大数据算力,精确化投放模型,提高广告转化率。目前腾讯 AI 广告布局上以“大模型+强算力”混元 AI 大模型助力
35、广告的生产全链路,广告大模型提升广告和用户匹配准确率,太极机器学习平台则为两者提供底层算力支持。港股公司深度研究 敬请参阅最后一页特别声明 12 图表图表2424:腾讯广告腾讯广告+AI+AI,以两大模型,以两大模型+一大学习平台为布局一大学习平台为布局 来源:腾讯太极机器学习平台,国金证券研究所 混元大模型主要把握广告内容端理解,大模型本身具有千亿参数、在文字、图像、视频的多模态识别能力处于国际领先位置。在广告领域中细分了巨阙、乾坤、神针、天印等垂直引擎功能,涵盖智能广告创作、精细广告理解、相似广告检索、智能广告审核等广告全链路,有效提高广告内容端的构建端能力。巨阙:其主要功能为广告内容理解
36、,以多维度多粒度的广告语义理解系统,提高广告侧特征生产与应用效率。传统广告数据理解主要包括:商品数据、创意数据、落地页数据三大方面,针对于此,腾讯 AI 团队分别推出基于多模态预训练模型的商品类目识别、大规模广告 Logo 检索识别系统、多模态 QA 式商品属性识别、创意视频时序化理解等多种国内外领先技术。目前完成 60+项特征理解能力建设,覆盖商品、创意、落地页等多个维度,相关特征已经广泛用于各广告领域:1)广告推送排序方面:显著提升广告系统的消耗和 GMV,2)广告创意方面:应用于风向标、排行榜、研报等多产品,提升创意制作效率&效果。图表图表2525:腾讯广告多媒体腾讯广告多媒体 AIAI
37、 布局布局 图表图表2626:巨阙内容理解全链路巨阙内容理解全链路 来源:腾讯云开发者,国金证券研究所 来源:腾讯云开发者,国金证券研究所 乾坤:主要功能为广告智能创作,引擎覆盖智能生成、渲染合成、质量控制、元素库多种能力,以实现自动化视频创作为核心。当前广告行业视频广告数量激增,乾坤引擎可有效提升视频广告产能,解决视频广告制作门槛的高及跑量周期短的行业痛点。核心的“图生视频”功能,可将静态的图片自动生成不同样式的视频广告;“视频生视频”功能,通过视频广告时序解析,将视频广告理解能力从整体升维至时序粒度,实现镜头混剪、视频时长变换、视频强化、跑量素材混剪等多种能力,最大化提升视频生成效率。截至
38、目前,乾坤引擎日均生产数十万条量级视频广告。神针:主要功能主要针对广告审核,具有自动判别、相似复用、负向检测、规则引擎等四大核心功能。传统广告审核中主要依赖人工,对违规点多、素材重复度高、违规点重复等传统广告难点力不从心,而 借助“机器主导+人工配合”的审核方式,已经为腾讯广告节约人力超千人。目前,腾讯智能广告审核系统几乎覆盖全类型广告,包括图片、文案、落地页、广告主账户等多多模态审核,审核质检合格率处于业界领先。天印:主要功能为广告提供指纹系统,以视觉相似为基本核心准则,通过层级化指纹 ID、嵌入等检索能力,赋能广告投放、广告召回、广告分析的等广告全链路环节,解决广告创意多次复用造成的大盘分
39、配效率不均,广告空耗严重、跑量不稳定等负面影响,提升港股公司深度研究 敬请参阅最后一页特别声明 13 用户观看体验。当前天印指纹系统已升级至 2.0 版本,支持 4 层级指纹 ID(元素指纹/素材指纹/广告指纹/商品指纹)、2 层级 Embedding。在识别模态上,支持单模态、多模态、跨模态检索,具备图像/视频/文本搜广告,广告创意搜广告创意、图像搜视频等多模态场景识别能力,覆盖全面。图表图表2727:乾坤智能创作链路乾坤智能创作链路 图表图表2828:广告智能相似解锁系统链路广告智能相似解锁系统链路 来源:腾讯广告多媒体 AI 中心,国金证券研究所 来源:腾讯多媒体广告 AI 中心,国金证
40、券研究所 广告大模型赋能推荐端,实现更高广告推荐效率。除广告理解外,广告的另一核心问题为排序,通过定向筛选将广告推送给目标用户,最大化广告主的广告投放效率。腾讯广告大模型具有强大的运算能力,以精排大模型为例,其推理参数达到千亿级别,序列化后大小可达数百 GB,浮点数计算量最高每秒超过 10 亿次,高运算算力加持下,利用海量样本数据和特征得到的投放模型更为精确,在用户画像理解、跨场景建模的差异化表达、各行业广告主迥异的投放目标上不断提升强化,最大限度提升广告的投放效率。同时广告大模型还可以作为底座,通过构建定制模型,满足不同广告主差异化、精细化需求。在整体上,仍然依托大模型的强运算能力,提升数据
41、运算精度、维度与速度,而针对差异化需求和关键行为上,则作为新的优化目标独立建模,进而实现定制模型的快速建模。以网服广告主为例,在买量 ROI 和广告 ECPM 提升显著的情况下,定制模型上线时间从业内普遍的 30 天,缩短至 7 天,并在 30 天内完成迭代,保障模型质量的同时,大幅度模型的建立和优化效率。目前,除了腾讯广告精排大模型的模型和算法在不断升级过程以外,大模型能力也会逐步向召回、粗排、重拍等其他排序环节辐射,比如在召回阶段:引入用户和广告自监督对比、并引入 Momentum Contrast 机制,提升了全库感知。粗排:舍弃业界传统的LiteCXR 模型,转向排序学习 LTR 模型
42、。解决传统模型,数据稀疏、样本选择偏差问题,未来随技术完善,广告大模型将更有效赋能广告排序全链路。图表图表2929:网服行业客户:买量网服行业客户:买量 ROIROI 和和 ECPMECPM 提升明显提升明显 来源:太极机器学习平台,国金证券研究所 太极学习平台:太极机器学习平台由腾讯 TEG 云架构平台部的机智平台和数据平台部的港股公司深度研究 敬请参阅最后一页特别声明 14 Tesla 平台协作共建而成,是该公司首个大规模云原生机器学习平台,技术上采用分布式服务器架构,具备高可靠、高吞吐、低成本的技术性特点,能够有效支持 7x24 小时不间断的 10TB 级模型训练,TB 级模型推理和分钟
43、级模型分布上线,目前为公司的内部生态业务提供训练平台与加速服务,在广告业务中主要赋能混元和广告两大模型,保障其稳定运行。图表图表3030:腾讯太极机器学习平台的技术性突破腾讯太极机器学习平台的技术性突破 来源:机器之心,国金证券研究所 3.3 3.3 AIAI 赋能赋能金融科技金融科技:通过带动服务的精细化与智能化有望提升服务效率通过带动服务的精细化与智能化有望提升服务效率 腾讯金融科技业务主要包含基础支付、财富管理、证券投资、企业金融、民生产品五大类别业务。目前随金融行业需求日益细分,单项人工智能技术难以满足 B 端客户需求,我们认为 AI 对于金融科技的传导主要体现在引导整体服务精细化、高
44、效化、安全化。未来 AI 有望应用于数字化、风险管理、智能投顾、智能客服、欺诈检测、信用评估、保险等多垂直及交叉应用,举例来看主要有以下应用场景:1)助力传统金融机构降本增效:通过借助 C2B 连接能力和音视频技术,可将传统银行网点搬至线上,通过线上解决银行日常业务,提升服务效率和用户体验。同时在客服方面,也可通利用 AI 代替智能客服,保证客户体验的同时,控制人工成本。以腾讯理财通智能客服为例,智能客服能够实时提取分析用户需求、行为、价值等多纬度信息,主动对话进行用户教育及客户服务引导,并实时自动化进行产品营销推荐,目前腾讯理财通智能客服的回答精准确略超过 85%。2)大数据 AI 能力赋能
45、金融风控领域:腾讯依托自己多年在金融行业的积累,建立了全球最大的黑产知识图谱,可以有效进行欺诈识别,风险管理,例如在用户支付时,通过建模分析与社团挖掘能力,针对性地挖掘黑产团伙,毫秒级识别打击非法可疑交易。3)根据用户画像精准推荐,赋能智能证券投顾:未来腾讯可借助强大的 AI 能力,精准识别用户画像,在投资建议、智能资讯的推荐上也会根据用户的投资习惯、交易方式做出调整,做到千人千面更为精细化、智能化服务。3.4 3.4 AIAI 赋能赋能企业服务企业服务:大模型聚焦行业,大模型聚焦行业,有望推动有望推动 ToBToB 产品完善,产品完善,带动云服务需求提升带动云服务需求提升 AI 对于公司企业
46、服务的赋能主要体现在 1)带动 ToB 产品完善。AI 有望带动现有企业微信、腾讯会议等产品功能进一步优化,提升用户体验,在此基础上提升用户付费意愿。2)大模型赋能各行业的过程中,精细化云服务需求,推动云服务市场规模提升。腾讯的 AI+云布局能力同样具有全栈覆盖能力,涵盖从底层架构、中间层、模型层到应用层。港股公司深度研究 敬请参阅最后一页特别声明 15 图表图表3131:腾讯四级加速矩阵战略腾讯四级加速矩阵战略 来源:腾讯云智能,国金证券研究所 在底层架构上,腾讯共拥有三款自研芯片:AI 推理芯片“紫霄”、视频转码芯片“沧海”、智能网卡芯片“玄灵”。沧海芯片目前已经量产,在云游戏、直点播等场
47、景中,面向腾讯自研业务和公有云客户提供服务,根据 MSU 测评,同码率下,相较于业界 GPU 等标品硬件,沧海能大幅改善画面质量,“玄灵”作为高性能网络计算芯片,定位于云主机的性能加速,将网络/存储 IO 等功能下移到芯片,实现了主 CPU 的 0 占用,助力云计算场景实现虚拟化零损耗。推理 AI 芯片“紫霄”则以加速算力效能为核心,采用自研存算架构和自研加速模块,可以提供高达 3 倍的计算加速性能和超过 45%的整体成本节省。技术底座上:高性能计算集群提供算力支持,向量数据库助力搞笑处理非结构化数据源。2023 年 4 月,腾讯云发布了专为大模型训练设计的新一代 HCC 高性能计算集群,采用
48、最新一代的腾讯云星星海自研服务器,具备业界最高的 3.2Tbps 互联带宽,算力性能提升了 3 倍。腾讯云推出更适合 AI 运算的向量数据库,能够更高效地处理图像、音频和文本等非结构化数据源,能力源自腾讯内部每日处理千亿次检索的向量引擎(OLAMA),提供高吞吐、低延迟、低成本、高可用、弹性扩展的一站式向量检索数据库,单索引支持 10亿级向量规模,检索,数据接入 AI 的效率会比传统方案提升 10 倍。中间层平台上:TI 平台。腾讯云 TI 平台包括 TI-DataTruth 标注平台,TI-ONE 训练平台,TI-Matrix 应用平台和 TI-ACC 加速工具等几大产品。TI-DataTr
49、uth 面向 AI 数据服务提供商,具有多场景数据智能标注、场景数据挖掘等功能。TI-ONE 训练平台内置多种训练方式和算法框架,为用户提供从数据接入、模型训练、模型管理到模型服务的全流程开发支持,满足不同 AI 应用场景的需求。TI-Matrix 应用平台支持快速接入各种数据、算法和智能设备,并提供可视化编排工具,进行模型服务和资源的管理及调度,进一步通过 AI 服务组建集成和标准化接口开放,降低 AI 应用开发成本。TI-ACC 加速工具从计算优化、通信优化、并行训练、显存优化等多个技术方向,对模型训练提供进行加速,最大限度为算法工程师提供降本提速的基础能力。6 月 19 日,腾讯 TI
50、平台进行了新的升级,除了包含此前就有的数据标注、训练、评估、测试和部署等工具,还有升级后的 太极 Angel”,可以进行更优训练和推理加速,通过异步调度优化、显存优化、计算优化等方式,“太极 Angel”加持下的训练和推理过程相比行业常用方案性能提升 30%以上。目前腾讯自研紫霄 AI 芯片与腾讯云 TI 平台已完成适配,单卡性能显著提升 200%,单位算力优化成本 50%,绿色算力能耗节约了 60%。在 AI 开发层面,腾讯自研的 AI 万亿参数的预训练模型“混元大模型”,具备高精度、广适配和低成本特点,在此基础上融合 TNN 开源推理框架后,借助算法模型加速和智能调度等多种技术能力,实现了
51、性能优化,能显著降低 AI 开发门槛、提升研发精度和效率。MaaS 层:包含了细分领域模型训练平台、应用平台、智慧应用和客服专属大模型。腾讯云将平台作为行业大模型的输出纽带,在其上为企业提供数据处理和标注、算法构建、模型训练、评估和部署以及应用开发等全流程链路服务。腾讯云主要面向 B 端客户发力,打造了“通用大模型-行业大模型-专属大模型”的递进需求精细化链路。通用大模型主要基于公开大数据训练,难以适配行业客户多样性需求,行业大模型依托通用大模型学港股公司深度研究 敬请参阅最后一页特别声明 16 习而成,主要打造行业通用性解决方案。6 月 19 日腾讯大模型峰会上,公司发布旅游、政务、金融等
52、10 余个行业超过 50 多个大模型行业解决方案,在此基础上依托腾讯云 TI平台的提供的模型预训练、模型精调、智能应用开发等功能,通过加载学习企业专业数据,实现快速生成适配企业业务场景的专属精调大模型,提供更高可靠性的精细化服务。图表图表3232:腾讯腾讯 TITI-ACCACC 加速能力加速能力 图表图表3333:腾讯云腾讯云 MASSMASS 方案全景方案全景 来源:Techo Day,国金证券研究所 来源:腾讯云,国金证券研究所 图表图表3434:云云 TITI 平台行业大模型精调方案平台行业大模型精调方案 来源:腾讯云,国金证券研究所 四、风险提示 游戏游戏上线表现上线表现不及预期不及
53、预期:新游戏上线是公司游戏业务增长的重要驱动力,若新游戏不能如期上线或上线表现不及预期将影响该部分营业收入增长。广告主需求修复不及预期风险:广告主需求修复不及预期风险:若宏观经济修复缓慢,广告主需求恢复不及预期,则可能会对公司广告业务收入产生不利影响。宏观经济下行风险:宏观经济下行风险:公司金融支付、广告等业务与宏观经济表现相关度较高,若宏观经济下行则对于公司该部分业务的增长产生不利影响。云业务拓展不及预期风险云业务拓展不及预期风险:大模型对于云服务需求的带动仍需一定时间体现,若短期企业上云需求较弱,则对公司企业服务收入产生一定影响。大模型开发进展或表现不及预期:大模型开发进展或表现不及预期:
54、公司目前尚未正式面向用户发布大模型,若整体的开发进展或表现不及预期,可能会影响公司中长期在市场中的竞争力。港股公司深度研究 敬请参阅最后一页特别声明 17 附录:三张报表预测摘要附录:三张报表预测摘要 损益表(百万元)损益表(百万元)资产负债表(百万元)资产负债表(百万元)2020A 2021A 2022A 2023E 2024E 2025E 2020A 2021A 2022A 2023E 2024E 2025E 主营业务收入主营业务收入 482,064482,064 560,118560,118 554,552554,552 628,906628,906 705,891705,891 788
55、,815788,815 货币资金 152,798 167,966 156,739 230,862 326,461 441,277 增长率 27.8%16.2%-1.0%13.4%12.2%11.7%应收款项 85,044 113,567 120,919 135,510 145,940 163,548 主营业务成本 260,532 314,174 315,806 349,393 389,890 432,272 存货 814 1,063 2,333 1,879 2,999 2,402%销售收入 54.0%56.1%56.9%55.6%55.2%54.8%其他流动资产 78,991 202,216
56、285,998 265,742 284,310 310,237 毛利 221,532 245,944 238,746 279,513 316,000 356,543 流动资产 317,647 484,812 565,989 633,993 759,711 917,463%销售收入 46.0%43.9%43.1%44.4%44.8%45.2%总资产 23.8%30.1%35.9%37.1%40.1%43.4%营业税金及附加 0 0 0 0 0 0 长期投资 305,258 323,188 252,715 262,715 282,715 302,715%销售收入 0.0%0.0%0.0%0.0%0
57、.0%0.0%固定资产 64,782 67,837 63,207 61,509 59,409 57,413 销售费用 33,758 40,594 29,229 32,062 36,314 40,793%总资产 4.9%4.2%4.0%3.6%3.1%2.7%销售收入 7.0%7.2%5.3%5.1%5.1%5.2%无形资产 172,366 191,844 184,326 189,735 189,998 195,123 管理费用 67,625 89,847 106,696 107,495 121,763 135,676 非流动资产 1,015,778 1,127,552 1,012,142 1,
58、076,053 1,134,416 1,197,745%销售收入 14.0%16.0%19.2%17.1%17.2%17.2%总资产 76.2%69.9%64.1%62.9%59.9%56.6%研发费用 38,972 51,880 61,401 65,468 73,762 81,248 资产总计资产总计 1,333,4251,333,425 1,612,3641,612,364 1,578,1311,578,131 1,710,0461,710,046 1,894,1271,894,127 2,115,2092,115,209%销售收入 8.1%9.3%11.1%10.4%10.4%10.3%
59、短期借款 14,242 19,003 11,580 0 2,874 3,592 息税前利润(EBIT)118,316 116,732 100,017 139,955 157,923 180,074 应付款项 94,030 109,470 102,827 117,246 129,963 135,085%销售收入 24.5%20.8%18.0%22.3%22.4%22.8%其他流动负债 160,807 274,625 319,797 314,453 324,710 362,855 财务费用 492 1,268 1,393 2,287 3,140 2,867 流动负债 269,079 403,098
60、 434,204 431,699 457,547 501,532%销售收入 0.1%0.2%0.3%0.4%0.4%0.4%长期贷款 234,202 282,526 312,337 312,337 312,337 312,337-0 0 0 0 0 0 其他长期负债 52,101 50,047 48,730 50,023 49,876 45,187-0 0 0 0 0 0 负债 555,382 735,671 795,271 794,059 819,760 859,056 投资收益-2,970-32,759-43,667-5,254-5,654-4,541 普通股股东权益普通股股东权益 703
61、,984 806,299 721,391 851,827 1,003,307 1,177,363%税前利润 n.a n.a n.a n.a n.a n.a 其中:股本 0 0 0 0 0 0 营业利润 118,316 116,732 100,017 139,955 157,923 180,074 未分配利润 709,855 830,202 729,668 860,104 1,011,584 1,185,640 营业利润率 24.5%20.8%18.0%22.3%22.4%22.8%少数股东权益 74,059 70,394 61,469 64,159 71,059 78,790 营业外收支 65
62、,168 165,357 155,268 30,894 37,200 41,200 负债股东权益合计负债股东权益合计 1,333,4251,333,425 1,612,3641,612,364 1,578,1311,578,131 1,710,0461,710,046 1,894,1271,894,127 2,115,2092,115,209 税前利润 180,022 248,062 210,225 163,308 186,329 213,866 利润率 37.3%44.3%37.9%26.0%26.4%27.1%比率分析比率分析 所得税 19,897 20,252 21,516 30,181
63、 27,949 32,080 2020A 2021A 2022A 2023E 2024E 2025E 所得税率 11.1%8.2%10.2%18.5%15.0%15.0%每股指标每股指标 净利润 160,125 227,810 188,709 133,126 158,380 181,786 每股收益 16.654 23.424 19.613 13.590 15.782 18.134 少数股东损益 278 2,988 466 2,690 6,900 7,731 每股净资产 73.346 84.006 75.160 88.750 104.532 122.667 归属于母公司的净利润归属于母公司的净
64、利润 159,847159,847 224,822224,822 188,243188,243 130,436130,436 151,480151,480 174,056174,056 每股经营现金净流 20.225 18.252 15.221 16.056 15.836 18.692 净利率 33.2%40.1%33.9%20.7%21.5%22.1%每股股利 0.000 0.000 0.000 0.000 0.000 0.000 回报率回报率 现金流量表(百万元)现金流量表(百万元)净资产收益率 22.71%27.88%26.09%15.31%15.10%14.78%2020A 2021A
65、 2022A 2023E 2024E 2025E 总资产收益率 11.99%13.94%11.93%7.63%8.00%8.23%净利润 159,847 224,822 188,243 130,436 151,480 174,056 投入资本收益率 9.76%8.73%7.77%8.92%9.33%9.46%少数股东损益 278 2,988 466 2,690 6,900 7,731 增长率增长率 非现金支出-43,925-108,197-84,896-15,314-16,176-18,853 主营业务收入增长率 27.77%16.19%-0.99%13.41%12.24%11.75%非经营收
66、益 EBIT 增长率 91.07%-1.34%-14.32%39.93%12.84%14.03%营运资金变动 27,423 891-18,472 26,194 3,856 11,330 净利润增长率 71.31%40.65%-16.27%-30.71%16.13%14.90%经营活动现金净流经营活动现金净流 194,119194,119 175,186175,186 146,091146,091 154,105154,105 151,996151,996 179,403179,403 总资产增长率 39.77%20.92%-2.12%8.36%10.76%11.67%资本开支-66,599-6
67、2,165-50,850-16,500-11,000-16,000 资产管理能力资产管理能力 投资-108,037-102,878-52,861-71,200-71,200-71,200 应收账款周转天数 34.1 32.1 29.9 31.2 30.9 30.4 其他-7,319-13,506-1,160 26,933 31,399 31,970 存货周转天数 1.1 1.2 2.7 2.0 2.8 2.0 投资活动现金净流投资活动现金净流 -181,955181,955 -178,549178,549 -104,871104,871 -60,76760,767 -50,80150,801
68、-55,23055,230 应付账款周转天数 131.7 127.2 118.8 122.5 121.7 114.1 股权募资 1,716-1,127-28,312 0 0 0 固定资产周转天数 49.1 44.1 41.6 35.7 30.7 26.6 债权募资 40,953 55,367 438 0 0 0 偿债能力偿债能力 其他-29,022-32,620-32,079-19,215-5,595-9,358 净负债/股东权益 18.00%19.54%23.84%11.05%0.69%-8.95%筹资活动现金净流筹资活动现金净流 13,64713,647 21,62021,620 -59,
69、95359,953 -19,21519,215 -5,5955,595 -9,3589,358 EBIT 利息保障倍数 240.5 92.1 71.8 61.2 50.3 62.8 现金净流量现金净流量 19,80719,807 15,16815,168 -11,22711,227 74,12374,123 95,60095,600 114,816114,816 资产负债率 41.65%45.63%50.39%46.43%43.28%40.61%来源:公司年报、国金证券研究所 港股公司深度研究 敬请参阅最后一页特别声明 18 投资评级的说明:投资评级的说明:买入:预期未来 612 个月内上涨幅
70、度在 15%以上;增持:预期未来 612 个月内上涨幅度在 5%15%;中性:预期未来 612 个月内变动幅度在-5%5%;减持:预期未来 612 个月内下跌幅度在 5%以上。港股公司深度研究 敬请参阅最后一页特别声明 19 特别声明:特别声明:国金证券股份有限公司经中国证券监督管理委员会批准,已具备证券投资咨询业务资格。本报告版权归“国金证券股份有限公司”(以下简称“国金证券”)所有,未经事先书面授权,任何机构和个人均不得以任何方式对本报告的任何部分制作任何形式的复制、转发、转载、引用、修改、仿制、刊发,或以任何侵犯本公司版权的其他方式使用。经过书面授权的引用、刊发,需注明出处为“国金证券股
71、份有限公司”,且不得对本报告进行任何有悖原意的删节和修改。本报告的产生基于国金证券及其研究人员认为可信的公开资料或实地调研资料,但国金证券及其研究人员对这些信息的准确性和完整性不作任何保证。本报告反映撰写研究人员的不同设想、见解及分析方法,故本报告所载观点可能与其他类似研究报告的观点及市场实际情况不一致,国金证券不对使用本报告所包含的材料产生的任何直接或间接损失或与此有关的其他任何损失承担任何责任。且本报告中的资料、意见、预测均反映报告初次公开发布时的判断,在不作事先通知的情况下,可能会随时调整,亦可因使用不同假设和标准、采用不同观点和分析方法而与国金证券其它业务部门、单位或附属机构在制作类似
72、的其他材料时所给出的意见不同或者相反。本报告仅为参考之用,在任何地区均不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告提及的任何证券或金融工具均可能含有重大的风险,可能不易变卖以及不适合所有投资者。本报告所提及的证券或金融工具的价格、价值及收益可能会受汇率影响而波动。过往的业绩并不能代表未来的表现。客户应当考虑到国金证券存在可能影响本报告客观性的利益冲突,而不应视本报告为作出投资决策的唯一因素。证券研究报告是用于服务具备专业知识的投资者和投资顾问的专业产品,使用时必须经专业人士进行解读。国金证券建议获取报告人员应考虑本报告的任何意见或建议是否符合其特定状况,以及(若有必要)咨询独立投资
73、顾问。报告本身、报告中的信息或所表达意见也不构成投资、法律、会计或税务的最终操作建议,国金证券不就报告中的内容对最终操作建议做出任何担保,在任何时候均不构成对任何人的个人推荐。在法律允许的情况下,国金证券的关联机构可能会持有报告中涉及的公司所发行的证券并进行交易,并可能为这些公司正在提供或争取提供多种金融服务。本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布该研究报告的人员。国金证券并不因收件人收到本报告而视其为国金证券的客户。本报告对于收件人而言属高度机密,只有符合条件的收件人才能使用。根据证券期货投资者适当性管理办法,本报告仅供国金证券股份有限公司客户中风险评级高于 C
74、3 级(含 C3 级)的投资者使用;本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要,不应被视为对特定客户关于特定证券或金融工具的建议或策略。对于本报告中提及的任何证券或金融工具,本报告的收件人须保持自身的独立判断。使用国金证券研究报告进行投资,遭受任何损失,国金证券不承担相关法律责任。若国金证券以外的任何机构或个人发送本报告,则由该机构或个人为此发送行为承担全部责任。本报告不构成国金证券向发送本报告机构或个人的收件人提供投资建议,国金证券不为此承担任何责任。此报告仅限于中国境内使用。国金证券版权所有,保留一切权利。上海上海 北京北京 深圳深圳 电话: 传真: 邮箱: 邮编:201204 地址:上海浦东新区芳甸路 1088 号 紫竹国际大厦 7 楼 电话: 邮箱: 邮编:100005 地址:北京市东城区建内大街 26 号 新闻大厦 8 层南侧 电话: 传真: 邮箱: 邮编:518000 地址:深圳市福田区金田路 2028 号皇岗商务中心 18 楼 1806