1、行业及产业 行业研究/行业点评 证券研究报告 计算机2023 年 04 月 10 日 Meta 发布 SAM 分割模型，或成CV 大模型第一步 看好AIGC 系列之 13 相关研究 不仅华为+阿里，SAM 图像模型或为更重 磅 AI 发 布！-计算机 行业周报20 2023 年 4 月 8日 chatGPT plus 政策：或不仅为算力，全面考虑安全+隐私+AGI！-TMT 领域点评 2023 年 4 月 6 日 证券分析师 洪依真 A0230519060003 施鑫展 A0230519080002 刘洋 A0230513050006 联系人 洪依真(8621)2

2、3297818 本期投资提示：根据 Meta 官方发布，2023 年 4 月 6 日推出了一个 AI 模型 Segment Anything Model（SAM，分割一切模型），能够根据文本指令等方式实现图像分割。SAM 任务目的：零样本（zero-shot）或者简单 prompt 下，就对任意图片进行精细分割。SAM 证明，多种多样的分割任务 是可以被一个通用大模型涵盖的。模型方法：整体轻便高效。包括三个部分：两个 encoder 和一个轻量级 mask decoder直接输出有效的 mask。在单块 V100 上，1200 x800 图生成所有的 mask 仅需 2-3 秒。开源了 SA-

3、1B 数据集，包含 11 亿个 mask，1100 万张图片，而且可能会大幅改变原有标注范式。SAM 团队使用了更加高效的标注方式，一个 mask 标注平均只需要 14 秒时间，比 COCOmask 标注快 6.5 倍。目前这一数据库已经开源。SAM 应用，可能包括 AR/VR、科学等多个领域。Meta 预计与专门为一组固定任务训练的系统相比，基于 prompt 工程等技术的可组合系统设计将支持更广泛的应用。SAM 可以成为 AR、VR、内容创建、科学领域和更通用 AI 系统的组件。比如 SAM 可以通过 AR 眼镜识别日常物品，为用户提供提示。目前应用于工业和自动驾驶等场景仍需要提升。在背景

4、相对简单、物体逻辑关系也并不复杂的环境下，SAM 表现出较好效果。而在工业或自动驾驶等场景中，物体运动速度快、背景复杂、物体逻辑关系复杂，则 zero-shot 效果可能并不理想。我们最终期待怎样的 CV 大模型？语言大模型和小模型最大区别在于更好的泛化能力。在自然语言理解 NLP 中，常见任务包括翻译、问答、文本填空等小模型任务，GPT-3 等大规模预训练模型不再规定任务，而是对以上不同任务都有较好效果。同样的，我们期待用同一个模型，完成分割、识别、检测、追踪等各种类型的常见 CV 任务。可以是单目标，也可以是多目标。同时在 Zero-shot、Few-shot 下也可以获得较好的效果。SA

5、M 做到的分割一切并不是 CV 大模型的终点，我们期待一个模型可以无监督完成分割、检测、识别、跟踪等所有 CV 任务，届时视觉大模型应用会得到极大发展。整体对上市公司影响：1、利好有摄像头和场景客户的企业；2、在视觉算法上有积累，可以通过 CV 大模型进一步提升效率的企业，是机遇也是挑战；3、对于纯标注类型企业，可能新的方法论会产生一定冲击。建议重点关注：1）虹软科技，具备 A 股罕见的 AI 软件算法能力，且聚焦在图片/CV 等领域，其图像分割/VR/AR 等技术天然适应此类趋势。2）大华股份/AI 领军，国内在 AI 图像/视频的核心公司，中国的场景禀赋安防/视觉/AI 全球领先，所以图像

6、/视频的 AI 升级，更利于国内。3）当虹科技：当虹科技发布跨模态 AIGC（人工智能生产内容）产品，以静态照片生产三维体积视频，不同模态之间相互切换。风险提示：大模型技术中美仍存在差异，部分技术尚处于早期实验室阶段，存在落地风险。行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 2 页 共 15 页 简单金融 成就梦想 根据Meta官方发布，2023年4 月6日推出了一个AI 模型Segment Anything Model（SAM，分割一切模型），能够根据文本指令等方式实现图像分割，而且万物皆可识别和一键抠图。我 们 可 以 根 据 论 文 META 论 文 全 面 SEGMENT

7、 ANYTHING1 和 根 据“https:/ Segment Anything(SAM)项目:一个用于图像分割的新任务、模型和数据集。1)10 亿+掩码：在数据收集循环中使用高效模型，构建了迄今为止(到目前为止)最大的分割数据集，在 1100 万张授权和尊重隐私的图像上有超过 10 亿个掩码。2）零样本能力让人印象深刻。该模型被设计和训练为可提示的，因此它可以将零样本迁移到新的图像分布和任务。评估了其在许多任务上的能力，发现其零样本性能令人印象深刻通常与之前的完全监督结果竞争，甚至优于。3）将发布 SAM 模型和数据集。将在 https:/segment- 上发布 Segment Anyt

8、hing 模型(SAM)和相应的数据集(SA-1B)，其中包含 1B 个掩码和 1100 万张图像，以促进对计算机视觉基础模型的研究。图 1：Meta SAM 在 Github 上的分享 资料来源：Github 官方网站，申万宏源研究 1、从 NLP 大模型到 CV 大模型 此前在ChatGPT/AIGC 九问九答中，我们认为语言大模型和小模型最大区别在于更好的泛化能力。在自然语言理解 NLP 中，常见任务包括翻译、问答、文本填空等，常见1 Alexander Kirillov，Eric Mintun 等，Segment Anything VYiWgVVYlZiXtQsRnP7NdNaQtRq

9、QtRmPeRqQnRlOrQqR7NnMoOwMqQqPNZqQoO行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 3 页 共 15 页 简单金融 成就梦想 小模型需要对不同的任务使用不同模型分别训练解决，而 GPT-3 等大规模预训练模型不再规定任务，而是对以上不同任务都有较好效果；可以理解为，一个饱读诗书的人，应该会写作、对话、阅读理解等多种技能，而不需要对单独技能训练。图 2：预训练大模型在综合大量信息后可以用于多范围任务 图 3：参数量较大的模型在即使在 Few-shot 下也有很好的表现 资料来源：On the Opportunities and Risks of Fou

10、ndation Models、申万宏源研究 资料来源：Language Models are Few-Shot Learners，申万宏源研究 同时较大参数的大语言模型 LLM 在无监督（Zero-shot）环境下也可以得到较好的效果，或在进行小样本（Few-shot）提示（Prompt）后，效果大幅提升，如 GPT-3 论文中的结论。如何理解 zero-shot、one-shot、few-shot 能力。1）Zero-shot 就是现在要做一个具体任务，如英语转成法语，但是没有 labeled 数据来训练模型；2）One-shot 就是只有一条英语到法语的 labeled 数据；3）Few-

11、shot 就是有 10-1K 条的 labeled 数据。相应的，我们期待的通用视觉大模型应做到什么？用同一个模型，完成分割、识别、检测、追踪等各种类型的常见 CV 任务。可以是单目标，也可以是多目标。同时在 Zero-shot、Few-shot 下也可以获得较好的效果。例如下图，给出一个 CV 识别领域的 Zero-shot 案例，在机器没有进行斑马图片识别小样本训练的情况下，识别出一个斑马。1）通过大量图片（但没有斑马）预训练，模型学会各种有助于识别的特征（attribute feature）：马的形状（horselike）、条纹（stripe）、黑白色；2）通过理解语言描述，掌握了斑马的

12、特征，形状像马且有黑白条纹；3）一张机器从未见过的斑马照片，并完成识别。行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 4 页 共 15 页 简单金融 成就梦想 图 4：视觉 zero-shot 示意图 资料来源：CSDN，申万宏源研究 例如此前谷歌发布的 PaLM-E，就在展现出一定的 zero-shot 能力，体现泛化能力。图 5：此前谷歌的 PaLM-E 就在展现出一定的 zero-shot 能力 资料来源：palm-e github，申万宏源研究 例如在展示了模型的泛化能力，研究人员要求机器人将“绿色色块推到乌龟旁边”的指令，即便机器人之前没有见过这只乌龟摆件，也能完成任务。

13、图 6：机器人完成指令“绿色色块推到乌龟旁边”此前模型没有此前模型没有见过斑马图片见过斑马图片 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 5 页 共 15 页 简单金融 成就梦想 资料来源：palm-e github，申万宏源研究 可以发现，“泛化”这一过程可能非常类似人类学习新知识的能力。截至目前，我们仍未看到一个 CV 大模型同时很好的完成分割、检测、识别、追踪等多个任务。我们猜测，CV 大模型的发展可能相比 LLM 迟 2 年左右，具体原因分析可以见跨模态：更多应用场景出现，中国公司得到更大机会AIGC 系列之五。但是可能在CV 中某个子领域会率先实现突破，详见下文。2、

14、SAM：任务、模型、数据 本次 Meta 的 segment anything（SAM）工作，让我们看到用一个基础大模型，可以实现 Zero-shot 下的通用分割能力，基本涵盖了分割的各个子领域。即，CV 中某个重要领域的通用模型出现了。图 7 SAM 的任务模型数据综述 资料来源：Segment Anything、申万宏源研究 1、任务目的：如图 7（a），目的在于零样本（zero-shot）或者简单 prompt（比如一个点，下图中绿点、线框，或者一小段文字）下，就对任意图片进行分割。图 8 通过一个绿点的提示（Prompt）选择分割范围 行业点评 请务必仔细阅读正文之后的各项信息披露与

15、声明 第 6 页 共 15 页 简单金融 成就梦想 资料来源：Segment Anything、申万宏源研究 SAM 证明，多种多样的分割任务 是可以被一个通用大模型涵盖的，而且 zero-shot下效果好，说明 CV 的大模型是可能存在的。既然有分割大模型，可能未来也会有一个大模型同时分割检测识别追踪。出现这个趋势后，领军更新的 CV 公司会升级；若不能与时俱进，存在风险。2、模型方法：整体轻便高效 如图 7（b），SAM 模型包括三个部分：一个 image encoder（提取输入图像特征）和一个 Fast prompt encoder（提取 prompt 提示的特征，提示可以是文字、也可

16、以是一个点），然后通过一个轻量级的 mask decoder 直接输出有效的 mask。整体结构简单高效。图 9 SAM 包涵两个 encoder 和一个 decoder 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 7 页 共 15 页 简单金融 成就梦想 资料来源：Segment Anything、申万宏源研究 简单模型的好处在于，完成任务所需要的训练和时间成本低。给定图像嵌入，提示encoder 和 mask decoder 在 web 浏览器中从提示符预测 mask 的时间为 50ms。在单块V100 上，对于 1200 x800 分辨率图，生成所有的 mask 需要 2-

17、3 秒。这种速度，可以为大部分人提供可用的 feature extractor 了。3、数据：我们认为是一个重要贡献，可能会大幅改变原有标注范式 小模型时代分割，需要大量人力 mask 或者来标注。1)交互式分割，该方法允许分割任何类别的对象，但需要一个人通过迭代细化 mask 来指导；2)自动分割，允许分割提前定义的特定对象类别（例如，猫或椅子），但需要大量的手动注释对象来训练。SAM 的一个重要贡献是现存最大的分割图像数据集，而且用了更加高效的标注方式。Meta 发现训练 SAM 需要庞大的分割过的图像数据，然而目前并没有这么丰富的数据集。所以做了一个数据引擎，有 3 个阶段：辅助手动、半

18、自动和全自动。在第一阶段，SAM 帮助标注者注释 mask，类似于经典的交互式分割设置（需要手动）。在第二阶段，SAM 可以通过提示它可能的对象位置，自动为一个对象子集生成 mask，注释器专注于注释剩余的对象，帮助增加 mask 多样性。在最后阶段，用规则的前景点网格提示 SAM，平均每张图像产生 100 个高质量掩模。通过交互式的注释，在第一阶段一个 mask 标注平均只需要 14 秒时间（比 COCOmask标注快 6.5 倍）。经评估证实，这些 mask 具有高质量和多样性，在某些情况下甚至在质量上可与之前更小、完全手动注释的数据集的 mask 相媲美。图 10：SA-1B 图片数量是

19、 V5 的 6 倍 图 11：SA-1B mask 数量是 V5 的 400 倍 资料来源：SAM github、申万宏源研究 资料来源：SAM github、申万宏源研究 最终的数据集超过 11 亿个分割掩码，在大约 1100 万张经过许可和隐私保护图像上收集而来。SA-1B 的mask 比任何现有的分割数据集多 400 倍。这个数据集已经开源了。发布 SA-1B 数据集，并使 SAM 在一个许可的开放许可证(Apache 2.0)下使用。行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 8 页 共 15 页 简单金融 成就梦想 图 12：SA-1B 数据集包涵在 1100 万张图片

20、上的 11 亿个 mask 资料来源：SEGMENT ANYTHING，申万宏源研究 通过以上，SAM 在边缘检测、目标建议、实例分割等场景中都有较好的 zero-shot表现。图 13：Zero-shot 边缘检测 图 14：Zero-shot 目标建议 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 9 页 共 15 页 简单金融 成就梦想 资料来源：SEGMENT ANYTHING，申万宏源研究 资料来源：SEGMENT ANYTHING，申万宏源研究 3、分割大模型的应用，和未来期待的展望 Meta 预计：与专门为一组固定任务训练的系统相比，基于 prompt 工程等技术的可

21、组合系统设计将支持更广泛的应用。SAM 可以成为 AR、VR、内容创建、科学领域和更通用 AI 系统的组件。比如 SAM 可以通过 AR 眼镜识别日常物品，为用户提供提示。图 15：SAM 可以通过 AR 眼镜识别日常物品，为用户提供提示 资料来源：SAM github，申万宏源研究 图 16：SAM 还有可能在农业领域帮助农民或者协助生物学家进行研究 资料来源：SAM github，申万宏源研究 整体上看，我们认为在背景相对简单、物体逻辑关系也并不复杂的环境下，SAM 表现出较好效果，而在视频领域，慢速场景中分割更加准确。meta 演示的案例，也符合以上特点。而在工业或自动驾驶等场景中，物体

22、运动速度快、背景复杂、物体逻辑关系复杂，则zero-shot 效果可能并不理想，也许需要更多特定场景的 fine-tuning。行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 10 页 共 15 页 简单金融 成就梦想 我们认为：优势：未来如果有分割+识别，可能有更多应用；整体来看，分割任务已经较好，但是分割之后识别，可能仍然需要做出新的研究。还需要提高：通过文字提示来分割的能力（Zero-shot text-to-mask），例如论文中展示的案例，通过文字（雨刮器 wiper）首次 zero-shot 分割出现了错误，但是进行提示（一个点）后得到正确分割。图 17：Zero-sho

23、t text-to-mask 能力仍然需要提升 资料来源：申万宏源研究 进一步的，我们很自然联想到，既然 SAM 已经可以将图片分割，再叠加一个图片-文本对的工具（如 CLIP），是否可以自动实现输出有文本有标签的 mask？即是否可以基于SAM 环境直接实现 zero-shot recognition？此前，我们曾经介绍过 OPEN AI 的工作 CLIP（Contrastive Language-Image Pre-Training）。CLIP 用于将相关文本和图像对应，背后思路简单，Open AI 从网上爬虫，抓取已经有过描述的文本-图像数据集，但是数据集规模达到了 4 亿。也正是基于

24、CLIP 的开源贡献，后续诞生了 mid journey、stability 等文生图工具。图 18：CLIP 需要的数据为图像及其标题，数据集中大约包含 4 亿张图像及描述 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 11 页 共 15 页 简单金融 成就梦想 资料来源：新智元、申万宏源研究 但实际上，根据开源社区的尝试，基于 SAM 环境下的零样本识别效果并不好。我们认为，更好的的识别工具、或者更加标准的 text prompt 可能会改善上述问题。简单来说，zero-shot 分割并不是 CV 大模型的终点，我们期待一个模型可以无监督完成分割、检测、识别、跟踪等所有 CV

25、任务，届时视觉大模型应用会得到极大发展。4、推荐虹软科技/大华股份/AI 领军，关注当虹科技 整体对上市公司影响：1、利好有摄像头和场景客户的企业；2、在视觉算法上有积累，可以通过 CV 大模型进一步提升效率的企业，是机遇也是挑战；3、对于纯标注类型企业，可能新的方法论会产生一定冲击。建议重点关注：虹软科技，具备 A 股罕见的 AI 软件算法能力，且聚焦在图片/CV 等领域，其图像分割/VR/AR 等技术天然适应此类趋势。虹软科技原本即具备 transformer/diffusion 等技术。根据公司互动平台披露，“对公司影响更多的是 ChatGPT 引入了很多模型、方法，比如 diffusi

26、on、transformer 等。这类模型多年前就已经存在，模型的底层技术与方法论都是相通的，而公司在这类模型的应用上也早有积累“。图 19：虹软官网“人像识别”的分割精准 图 20：虹软官网“物体识别”需要分割技术 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 12 页 共 15 页 简单金融 成就梦想 资料来源：虹软科技官方网站，申万宏源研究 资料来源：虹软科技官方网站，申万宏源研究 2022 年 11 月高通合作就体现了虹软在图像分割的优势，2023 年 3 月的 AI 肖像分割成为明星技术。2022 年 11 月，高通年度旗舰新品第二代骁龙 8 平台。虹软与其合作的基于新一

27、代骁龙 8 移动芯片平台推出的革命性技术认知 ISP，能在用户拍摄照片和视频时进行实时语义分割。2023 年 3 年，Snapdragon Compute Ecosystem Summit 上，ArcSoft Video Bokeh 是虹软开发的一项视频背景虚化技术，利用 AI 肖像分割将视频中的人像主体与背景分离。预计 SAM 等图像分割算法会不断刺激虹软的算法升级，甚至成本下降。而虹软科技原本的 AI 算法，自然会大模型升级底层模型，上层用小模型。SAM 模型出现后，分割的重要性增加。预计虹软分割的算法会进一步升级，并节省人力（原本图像分割特征点需要人力标注）。关键 SAM 特别适合 AI

28、GC 和 VR/AR 结合，虹软这方面也是领军。1）720 度 VR 技术。根据其官网，“虹软的 720 VR 技术是可以本地实时处理、输出最终结果的引擎。围绕该技术公司投入多年的核心算法预研工作，形成系列专利，积累了有助于 720 VR 的丰富的视觉、硬件和光学耦合的有效经验和知识“。2）虚拟现实技术。3D VR 内容的获取和显示是虚拟现实技术中体现沉浸感的主要方式，当然大视角或无盲点的全视角显示效果会更佳；而解决眩晕仍是最关键的问题之一，同时高性能一直是硬骨头。虹软利用十多年的计算机视觉核心算法和引擎的研究成果，实现了鲁棒、快速的 3D 内容的摄取和显示引擎，其绘制效果清晰，内容全局一致，

29、无鬼影，无对象和结构错位，观感流畅舒适。当前引擎可以支持 720 度全视角，同时实现 10 公分超近距清晰深度效果显示 大华股份/AI 领军：类似的，国内在 AI 图像/视频的核心公司，大华股份/AI 领军，一样会受益和契合于此类 AI 趋势。这在跨模态：更多应用场景出现，中国公司得到更大机会 有相近论述。因为中国的场景禀赋安防/视觉/AI 全球领先，所以图像/视频的 AI 升级，更利于国内。而角度其他 AI 场景的升级，与我们的关联公司少。当虹科技：也是多模态/图像视频的重要产品商。其官方网站披露以静态照片生成体积视频？当虹科技发布跨模态 AIGC 产品。当虹科技发布跨模态 AIGC（人工智

30、能生产内 行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 13 页 共 15 页 简单金融 成就梦想 容）产品，以静态照片生产三维体积视频，不同模态之间相互切换，让人们轻松进入元宇宙的世界。表 1：AI 重点公司估值表 证券代码 公司名称 2023/4/7 Wind 一致预期归母净利润（亿元）PE PB(LF)总市值 2021A 2022E 2023E 2024E 2021A 2022E 2023E 2024E（亿元）002236.SZ 大华股份 819 33.78 24.31 34.09 41.68 24 34 24 20 3.26 688088.SH 虹软科技 159 1.41

31、0.56 1.69 2.57 113 282 94 62 6.17 603108.SH 润达医疗 80 3.80 4.08 5.21 6.40 21 20 15 13 2.20 601360.SH 三六零 1,329 9.02-24.55 5.04 11.68 147-54 264 114 4.27 002558.SZ 巨人网络 318 9.95 9.39 12.24 14.43 32 34 26 22 2.62 688039.SH 当虹科技 59 0.61-0.99 1.02 1.40 97-58 42 4.35 300130.SZ 新国都 94 2.01 2.97 4.73 6.13 47

32、 32 20 15 3.09 300496.SZ 中科创达 547 6.47 7.69 11.02 14.81 84 71 50 37 6.14 002050.SZ 三花智控 889 16.84 24.71 30.66 37.73 53 36 29 24 7.65 300624.SZ 万兴科技 95 0.28 0.41 1.55 2.19 342 231 61 44 11.32 300494.SZ 盛天网络 87 1.25 2.24 3.03 3.76 69 39 29 23 5.76 300418.SZ 昆仑万维 600 15.47 11.65 13.22 15.21 39 52 45 39

33、 4.98 300459.SZ 汤姆猫 284 7.08-40-7.41 603466.SH 风语筑 97 4.39 1.21 3.90 4.79 22 80 25 20 4.60 688327.SH 云 从 科 技-uw 437-6.32-8.51-5.23-0.37-20.67 002230.SZ 科大讯飞 1,522 15.56 7.70 18.51 26.13 98 198 82 58 9.56 688111.SH 金山办公 2,170 10.41 11.18 16.11 21.79 208 194 135 100 24.86 688095.SH 福昕软件 76 0.46-0.02 0

34、.49 0.78 165-3936 157 98 2.86 300058.SZ 蓝色光标 229 5.22-6.74 5.57 6.88 44-34 41 33 2.35 300002.SZ 神州泰岳 236 3.85 5.48 6.79 8.03 61 43 35 29 4.88 002517.SZ 恺英网络 302 5.77 10.76 14.16 17.48 52 28 21 17 6.93 301171.SZ 易点天下 146 2.59 3.09 3.89 5.06 57 47 38 29 4.58 002955.SZ 鸿合科技 64 1.69 4.25 5.18 6.28 38 15

35、 12 10 1.78 605168.SH 三人行 140 5.05 7.31 10.20 13.37 28 19 14 10 6.54 002605.SZ 姚记科技 127 5.74 3.48 5.08 6.30 22 37 25 20 4.75 300133.SZ 华策影视 147 4.00 4.05 5.41 6.40 37 36 27 23 2.14 000810.SZ 创维数字 248 4.22 8.23 10.71 13.03 59 30 23 19 4.13 资料来源：Wind、申万宏源研究 风险提示：1）大模型技术中美仍存在差异，部分技术尚处于早期实验室阶段，存在落地风险；实体

36、清单等可能对训练硬件产生影响。2）由于应用场景碎片化，下游落地慢于预期。不同的行业、细分领域之间，甚至同一领域不同的企业之间，对 AI 应用的需求可能都有区别。AI 落地进度可能因为场景碎片化而低于预期。行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 14 页 共 15 页 简单金融 成就梦想 3）数据保护政策强化，可能限制 C 端的 AI 应用。各国对数据隐私和数据安全进一步强化保护力度，可能影响部分 AI 企业的数据采集分析，且 C 端 AI 应用受到影响更大。行业点评 请务必仔细阅读正文之后的各项信息披露与声明 第 15 页 共 15 页 简单金融 成就梦想 信息披露 证券分析

37、师承诺 本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。与公司有关的信息披露 本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的，还可能为或争取为这些标的提供投资银行服务。本公司在知晓范围内依法合规地履行披露义务。客户可通过 索取有关披露资料或登录 信息披露栏

38、目查询从业人员资质情况、静默期安排及其他有关的信息披露。机构销售团队联系人 华东 A 组 陈陶 华东 B 组 谢文霓 华北组 李丹 华南组 李昇 L 股票投资评级说明 证券的投资评级：以报告日后的 6 个月内，证券相对于市场基准指数的涨跌幅为标准，定义如下：买入（Buy）增持（Outperform）中性(Neutral)减持(Underperform)：相对强于市场表现20以上；：相对强于市场表现520；：相对市场表现在55之间波动；：相对弱于市场表现5以下。行业的投资评级：以报告日后的6个月内

39、，行业相对于市场基准指数的涨跌幅为标准，定义如下：看好（Overweight）中性(Neutral)看淡(Underweight)：行业超越整体市场表现；：行业与整体市场表现基本持平；：行业弱于整体市场表现。我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比较完整的观点与信息，不应仅仅依靠投资评级来推断结论。申银万国使用自己的行业分类体系，如果您对我们的行业分类有兴趣，可以向我们的销售员索取。本报告采用的基准指数

40、：沪深300指数 法律声明 本报告仅供上海申银万国证券研究所有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。客户应当认识到有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司 http:/ 网站刊载的完整报告为准，本公司并接受客户的后续问询。本报告上海品茶列示的联系人，除非另有说明，仅作为本公司就本报告与客户的联络人，承担联络工作，不从事任何证券投资咨询服务业务。本报告是基于已公开信息撰写，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的的邀请或向人作出邀

41、请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为作出投资决策的惟一因素。客户应自主作出投资决策并自行承担投资风险。本公司特别提示,本公司不会与任何客户以任何形式分享证券投资收益或分担证券投资损失，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投

42、资目标、财务状况或需要。本公司建议客户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）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。市场有风险，投资需谨慎。若本报告的接收人非本公司的客户，应在基于本报告作出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。本报告的版权归本公司所有，属于非公开资料。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。