前瞻研究海外专题

海外人工智能产业发展趋势与投资机遇

nVIDIA. GoogleSOpenAI Microsoft

中信证券研究部前瞻研究分析师贾凯方2023年6月1日

每日免费获取报告

1、每日微信群内分享7+最新重磅报告；

2、每日分享当日华尔街日报、金融时报；

3、每周分享经济学人

4、行研报告均为公开版，权利归原作者所有，起点财经仅分发做内部学习。

扫一扫二维码
关注公号
回复：研究报告
加入“起点财经” 微信群。。

美股主要指数、AI相关部分个股涨跌幅表现（年初至今）

资料来源：wind，中信证券研究部

美股科技巨头收入出现改善（百万美元）

资料来源：各公司财报，中信证券研究部

AI产业链结构

Users

End-to-End Apps

具有专有模型的面向最终用户的应用程序

: Midjourney, Runway

Apps没有专有模型的面向最终用户的B2B和B2C应用程序: Jasper, Github Copilot

闭源基础模型

通过API公开大规模预训练模型GPT-3 (OpenAl& )

PaLM(谷歌)

Amazon Titan(亚马逊)

模型中心

共享与托管模型

: Hugging Face, Replicate

开源基础模型

: Stable Diffusion (Stability)

云计算平台

在云部署模型中向开发人员公开的计算硬件

: AWS, GCP, Azure, Coreweave

芯片&硬件

针对模型训练和推理工作负载优化的加速器芯片

: GPUs (Nvidia), TPUs (Google)

下游应用

算法模型

算力基础

下游应用

算法模型

算力基础

 在模型维度，我们认为向LLM-GPT收敛已经成为中期较为确定的方向，全球Top的科技公司基本围绕上述方向进行布局

 在实际应用层面，多模态能力、可靠性与准确性、运算成本降低将是模型在后续演化升级的重要方向

基于transformer的大语言模型方向以及GPT-4在多模态领域的尝试

Source:httpa://wuu.reddit.com/r/hmm/comments/ubabv/hmm/
GPT-4The image showsapackage fora"LightningCable"adapterwiththree panels.

Panel1:AsmartphonewithaVGAconnector(alarge,blue,15-pin connectortypicallyused forcomputermonitors)plugged intoitschargingport.

Panel2:Thepackage for the"LightningCable"adapter withapictureof aVGAconnectoronit.

Panel3:Aclose-upoftheVGAconnector withasmallLightning connector(used forcharging iPhonesand otherAppledevices)at theend.

Thehumorinthisimagecomes fromtheabsurdityofpluggingalarge, outdated VGAconnectorintoasmall,modernsmartphonechargingport.

MaaS是目前模型层最主要的商业模式，具体包含订阅与API按需收费两种模式。订阅模式下，用户根据使用需求支付周期性费用，享受一定时期内的模型服务。API按需收费模式下，用户根据实际调用API的次数或数据量支付费用，这样用户可以根据业务量灵活调整支出。

 实践情况看，用户部署大语言模型非常困难，MaaS模式提供了用户足够的灵活性。由于大型AI模型通常需要强大的计算能力和资源，很多企业和个人难以承担部署和运维成本。MaaS通过云服务平台将复杂的技术问题进行封装，使用户无需关注底层实现，可以轻松地访问和使用AI模型。对于有需求的用户，MaaS也可以在模型之上添加微调层（Fine-tune）。

OpenAI 2023年3月在ChatGPT中推出插件接口，这也可能成为底层模型的另一种商业模式。这些插件使 ChatGPT 能够与外部定义的 API 进行交互，增强 ChatGPT 的功能并使其能够执行各种操作。第三方厂商无需接触部署大语言模型，简化了微调环节的实施难度。插件提供者使用 OpenAPI 标准编写 API ，API会被编译成一个prompt向 ChatGPT 解释如何使用 API 来增强其答案。

OpenAI以调用API接口以及月付订阅会员为收费模式

Image models			RESOLUTION		PRICE
Build DALL·E directly into your apps to generate andedit novel images and art. Our image models offer three tiers of resolution for			1024×1024		$0.020 /image
			512×512		$0.018/image
flexibility. Language models		256×256			$0.016 /image
Basemodels
Ada Fastest	babbage	curie		davincimostpowerful
$0.0004/1 tokens	$0.0005/1k tokens	$0.0020./k.tokens	$0.0200/1k tokens

ChatGPT通过插件调用外部API并通过软件界面反馈给用户

承载AI算法的加速芯片、硬件设备等

算力需求

云端

AI训练芯片GPU为主

英伟达DGX A100 AI服务器含CPU+GPU

AI

服务器

云端推理芯片

硬件设备

交换机

AI推理芯片 CPU+GPU/ASIC/FPGA

边缘推理芯片

光

终端推理芯片

模

CPU

块

负责整

个系统

的管理

与控制

XPU

负责AI计算任务的加速

GPU

FPGA

并行架构

ASIC

处理机器学习等工作负载，如自然语言处理、图像识别等

• 注重高性能计算能力

当前人工智能产业主要以大模型为主，从ChatGPT来看，其主要的计算过程包括三个步骤：①模型Pre-training，②模型fine-tune，以及③模型推理。

 其中，模型fine-tune环节算力消耗相对有限，算力需求主要聚焦于模型预训练、模型推理两个环节。

人工智能算法主要计算步骤（以ChatGPT为例）

STEP 内容		描述
1	模型pre- training	搭建篡港架构，基于大数据集对模型进行自监督训练，星筬芡樸型
2	模型fine- tune	基于小数据集、RLHF等对模型进行调优和对齐
3	模型推理	响应用户调用需求，并输出计算结果

AIGC大模型训练环节的市场需求测算

构建&维护大模型企业& 机构数	10	20	50	100
单个企业&机构维护大模型数量	2	2	2	2
对应大模型数量	20	40	100	200
单个模型对应HGX数量	256	256	256	256
单个模型对应A100卡数量	2048	2048	2048	2048
对应A100卡需求数量（万张）	4.096	8.192	20.48	40.96
单张A100卡价格（万美元）	1.5	1.5	1.5	1.5
对应成本（亿美元）	6.1	12.3	30.7	61.4

商用搜索AI的硬件成本测算

类别	数据
全球商用搜索每天调用次数（亿）	100.0
语言模型渗透率	10%
单次生成成本（美分）	0.8
用户调用成本/天（百万美元）	8.0
需要的HGX服务器数量(万台)	6.0
对应的A100显卡数量（万张）	47.6
单张A100卡价格（（万美元）	1.5
对应成本（亿美元）	71.4

资料来源：微软Azure官网，谷歌，中信证券研究部测算

文字生成&归纳、代码编写AI的硬件成本测算

产品	功能	付费用户数（亿）
Github	代码托管&编写	0.95
office 365	文档编辑	4
Teams	视频会议	2.8
powerapps	流程自动化等	1
合计		8.75
AI渗透率	20%
用户每日调用次数		2
单次生成成本（美分）	0.8
用户调用成本/天（百万美元）	2.8
需要的HGX服务器数量（万台）		2.1
对应的A100显卡数量（万张）		16.7
单张A100卡价格（万美元）
微软对应的英伟达收入（亿美元）		1.5
行业整体成本=微软/80%（亿美元)		25 31.3

资料来源：微软Azure官网，中信证券研究部测算

AIGC成本测算汇总

ChatGPT 2000万DAU对应14.3亿美元

假设对话机器人对应需求量为ChatGPT的5倍对话机器人71.5亿美元文字生成&归纳、代码编写31.3亿美元

商业搜索71.4亿美元

AIGC推理端174.2亿美元

AWS收入数据

资料来源：亚马逊财报，中信证券研究部

微软Azure收入增速

资料来源：微软财报，中信证券研究部

AWS利润数据

资料来源：亚马逊财报，中信证券研究部

谷歌云财务数据

资料来源：谷歌财报，中信证券研究部

基础能力及其对应的应用产品

基础能力	工具	特征
图像生成- 市场、设计、生产	Artbreeder	生成图像，可选择主体的年龄、性别
	Craiyon	文本到图片转换
	DALL-E	创建、编辑图像，并提供商业权利来创造内容
	NightCafe	生产具有不同风格和分辨率选项的艺术图
	starryai	创建具有不同风格、长宽比等选项的艺术品，并对制作的内容拥有完全的所有权
	Colormind	如果需要，允许根据电影场景、艺术品或其他图像创建调色板
	Designsai	生成标识和横幅，提供设计模板，并能将生成的项目导出为不同的格式
	FrontyAl	创建与移动设备和SEO需求兼容的网站
	Khroma	允许培训个性化的算法来创建真正的调色板
	Uizard	根据草图创建移动应用程序、网站或登陆页面的设计
视频生成- 市场	Elai	允许将博客文章转换为视频；提供>25个头像，为客户制作个性化的头像
	Flexclip	支持视频创作，提供视频编辑工具，如添加转场、过滤器或删除背景等
	Lumen5	提供模板，以创建基于演示文稿或在线会议记录的视频
	Synthesia	实现文本到视频的转换；提供>70个头像；提供>65种语言的服务
	Veed.io	视频生成和编辑，添加字幕，去除背景噪音，调整视频大小

基础能力	工具特征
语音生成- 客户支持解决方案	Lovo.ai	实现文本到语音的转换，生成逼真的、有感情的AI-生成的配音
	Murf	为不同的环境创作配音，可以添加标点符号，并提供内容的商业权利。
	Play.ht	提供对各种商业目的有用的Al-generated声音，提供超过140种语言的服务，并实现文本到语音的转换。
	Replica	实现文本到语音的转换，并提供Al-generated语音。
	Speechify	允许文本到语音的转换，同时能够调整阅读速度，并提供真实的Al-generated声音。
文本生成- Office支持解决方案	Copy.ai	能够生成博客文章、社交媒体文章和电子邮件，提供多用户选择，并提供超过25种语言的内容创作服务
	Frase IO	制作标语、摘要、介绍、文章、标题和产品描述
	- Jasper	为用户提供内容模板，实现协作，并提供超过20种语言的解决方案
	Peppertype	为创建元描述、文章和电子邮件提供现成的模板；使制作的内容能够用于商业用途
	Rytr	为SEO优化创建适当的标题，制作博客文章、文章、电子邮件和社交媒体广告。
	Notion.Al	是一个写作助手，帮助个人写笔记草稿，编辑语法和拼写，写备忘录，总结会议。
代码生成- DevOps 解决方案	K-Explorer	提出代码补全和自定义模型建议
	Kite	为用户提供多行代码完成，支持>16种语言
	OpenAl Codex	将自然语言转换为代码，可用于>12种编程语言
	PyCharm	为用户提供代码补全，突出错误并实现自动重构
	Tabnine	为用户提供整行代码完成和学习编码模式

资料来源：各公司官网，中信证券研究部

 微软基于已有闭源模型进行应用软件的开发。微软业务涉及范围广，主要包括操作系统Windows系列、Office系列办公软件、游戏业务、服务器产品及云服务Azure、硬件设备等，基于GPT-4模型，微软将AI应用到大量业务线中，是闭源生态的典型案例。2023年5月底微软已经将AI进行预览，公司预计未来数月后正式进行大规模商业化。

微软业务布局

业务分类	细分业务	重要产品
Productivity and Business Processes	Office商业版	Office365及本地Office, Teams等
	Office消费者版	Office365及本地Office, Skype、（ Outlook等
	Linkedln领英	广告、招聘等
	Dynamics	Dynamics365
Intelligent Cloud	服务器产品及云服务	Azure、SQL server等
More Personal Computing	Windows OEM版	Windows OEM许可
	Windows 商业版	Windows许可、物联网等
	游戏及服务	Xbox硬件及游戏内容
	搜索及广告服务	Bing搜索引擎
	设备	Surface等

资料来源：微软公司公告，中信证券研究部

微软copilot业务逻辑

资料来源：微软公司公告

BloombergGPT：基于基于BLOOM（GPT-3变种）的纯解码器因果语言模型，模型参数数量达到了500亿，是目前已知的最大的金融领域LLM。

 数据：超过7000亿个标签数据的大型训练语料库，金融数据集包含3630亿个标签，占据54.2%的训练集

训练：使用AWS提供的Amazon SageMaker服务

Tokens	569B
Compute	1.00x
硬件	64*8A 100 40GB
吞吐量	32.5 sec/step
平均TFLOPs	102
总TFLOPS	2.36e23
GPU数量	256
每个GPU的显存	32GB
Epoch	100
时间/epoch	4天

BloombergGPT具体细节

1) 金融新闻和市场分析：BloombergGPT可以用于分析金融新闻和市场数据，识别趋势和情感，并对市场动态进行预测，为用户生成各种金融相关的内容，如新闻、摘要、评论、预测等。

2) 风险管理：BloombergGPT可以通过分析数据并提供潜在威胁的见解，帮助金融机构识别和管理风险。

3) 金融智能助理：BloombergGPT可以作为一个金融智能助理，为用户提供各种金融相关的服务，如查询信息、回答问题、生成报告、提供建议等；可以根据实时市场数据和新闻生成交易信号。也可以通过分析市场数据并提供资产配置建议，帮助投资者优化其投资组合。

金融知识获取：BloombergGPT可以作为一个金融知识获取器，为用户获取各种金融相关的知识，如知识图谱、关系网络、趋势分析等。

资料来源：Bloomberg，中信证券研究部

资料来源：微软官网

AI能力融入对微软可能的业绩贡献分析

类别	内容
云计算	Azure使用量增长贡献- -OpenAl当前日访问量6000万
软件产品	Office、teams、github、p powerapps等系列产品用户数、用户ARPU提升
搜索&浏览器	在线搜索广告份额提升 -微软bing当前日活用户

资料来源：微软官网，similarweb网，中信证券研究部

Azure不同计算实例价格

计算属性	该类别最高价(美元/小时）
常规用途	10.979
计算优化	6.672
GPU	37.186
高性能计算	16.736
内存优化	31.814
存储优化	10.64

资料来源：微软Azure官网，中信证券研究部

三大云厂商计算业务收入测算（2022年，亿美元）

资料来源：各公司财报，trendforce，中信证券研究部测算

三大云厂商AI计算负载测算（2022年）

资料来源：各公司财报，trendforce，中信证券研究部测算

AI计算负载提升1个百分点带来的业务增量测算（亿美元）

资料来源：各公司财报，trendforce，中信证券研究部测算

全球搜索广告市场规模（百万美元）

资料来源：emarketer（含测算），中信证券研究部

微软预计能够获取的搜索广告增量

所属平台	悲观假定		中性假定		乐观假定
所属平台	份额增长	广告收入（百万美元）	份额增长	广告收入（百万美元）	份额增长	广告收入（百万美元）
苹果ios	1%	685	5%	3,427	15%	10,281
泛安卓系统	1%	760	5%	3.801	15%	11,402
PC及其他	1%	507	5%	2,534	15%	7,602
合计		1,952		9,762		29,285

资料来源：微软、谷歌财报，中信证券研究部测算

AI能力融入对微软软件产品业绩贡献估算
1、产品	功能付费用户数（亿）	用户AI能力订阅费用/月（美元）
Github	代码托管&编写 0.95	10
office 365	文档编辑 4	10
Teams	视频会议 2.8	10
powerapps	流程自动化等 1	10
合计	8.75
2、敏感性测试：		微软年新增收入 (亿美元）
	用户AI订阅率 1%
	2%	11
	5%	21 53
	10%	105
	15%	158
	20%	210

资料来源：公司财报，中信证券研究部测算

Einstein GPT 核心应用场景

应用场景	使用结果
Service	降低28%的服务支持成本
Sales	增加28%的销售成功率
Marketing	降低27%的客户获取成本
Commerce	增加30%的在线收入

资料来源：公司财报，中信证券研究部

美股AI产业链部分公司列表

类别	公司	代码	市值（亿美元）	估值方法	估值（自然年）
类别	公司	代码	市值（亿美元）	估值方法	2022A	2023E	2024E	2025E
算力	英伟达	NVDA	9620	PE	115.0	54.1	41.0	33.4
	AMD	AMD	5353	PE	15.7	20.0	16.0	13.8
	台积电	TSMC	9620	PE	115.0	54.1	41.0	33.4
	Arista	ANET	6123	PE	43.3	52.1	36.6	28.7
	博通	AVGO	3388	PE	20.5	18.9	18.0	17.0
模型与云平台	Marvell	MRVL	563	PE	30.9	44.0	28.8	23.3
	微软	MSFT	24,752	P/FCF	38.5	43.9	36.3	31.7
	谷歌	GOOG	13661	PE	22.8	21.0	17.8	15.2
应用场景	亚马逊	AMZN	12,324	EV/EBITDA	14.5	13.9	10.6	8.1
	Adobe	ADBE	1905	P/FCF	26.5	24.0	21.0	19.7
	Salesforce	CRM	2154	P/FCF	34.0	29.2	22.0	18.7
产业配套	Service Now	NOW	1096	P/FCF	50.5	41.7	33.9	28.5
	Snowflake	SNOW	488	P/S	23.6	17.5	13.2	10.0
	Confluent	CFLT	85	P/S	14.5	11.2	8.7	6.8
	MongoDB	MDB	198	P/S	15.5	13.2	10.9	8.5
	Palo Alto	PANW	647	P/FCF	37.6	32.7	26.7	22.7

资料来源：Bloomberg（含一致预期），中信证券研究部注：市值为2023年5月29日收盘市值

AI核心技术发展不及预期风险；

科技领域政策监管持续收紧风险；

全球宏观经济复苏不及预期风险；

宏观经济波动导致欧美企业IT支出不及预期风险；

AI潜在伦理、道德、用户隐私风险；

 企业数据泄露、信息安全风险；

行业竞争持续加剧风险等。

感谢您的信任与支持！

THANK YOU

陈俊云（前瞻研究首席分析师）

执业证书编号：S1010517080001

许英博（科技产业首席分析师）

执业证书编号：S1010510120041

贾凯方（前瞻研究分析师）

执业证书编号：S1010522080001

刘锐（前瞻研究分析师）

执业证书编号：S1010522110001

免责声明

证券研究报告 2023年6月1日

分析师声明

主要负责撰写本研究报告全部或部分内容的分析师在此声明：（i）本研究报告所表述的任何观点均精准地反映了上述每位分析师个人对标的证券和发行人的看法；（ii）该分析师所得报酬的任何组成部分无论是在过去、现在及将来均不会直接或间接地与研究报告所表述的具体建议或观点相联系。

一般性声明

本研究报告由中信证券股份有限公司或其附属机构制作。中信证券股份有限公司及其全球的附属机构、分支机构及联营机构（仅就本研究报告免责条款而言，不含CLSA group of companies），统称为“中信证券”。

本研究报告对于收件人而言属高度机密，只有收件人才能使用。本研究报告并非意图发送、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。本研究报告仅为参考之用，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。中信证券并不因收件人收到本报告而视其为中信证券的客户。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并自行承担投资风险。

本报告所载资料的来源被认为是可靠的，但中信证券不保证其准确性或完整性。中信证券并不对使用本报告或其所包含的内容产生的任何直接或间接损失或与此有关的其他损失承担任何责任。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、价值及收益可跌可升。过往的业绩并不能代表未来的表现。

本报告所载的资料、观点及预测均反映了中信证券在最初发布该报告日期当日分析师的判断，可以在不发出通知的情况下做出更改，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中信证券其它业务部门、单位或附属机构在制作类似的其他材料时所给出的意见不同或者相反。中信证券并不承担提示本报告的收件人注意该等材料的责任。中信证券通过信息隔离墙控制中信证券内部一个或多个领域的信息向中信证券其他领域、单位、集团及其他附属机构的流动。负责撰写本报告的分析师的薪酬由研究部门管理层和中信证券高级管理层全权决定。分析师的薪酬不是基于中信证券投资银行收入而定，但是，分析师的薪酬可能与投行整体收入有关，其中包括投资银行、销售与交易业务。

若中信证券以外的金融机构发送本报告，则由该金融机构为此发送行为承担全部责任。该机构的客户应联系该机构以交易本报告中提及的证券或要求获悉更详细信息。本报告不构成中信证券向发送本报告金融机构之客户提供的投资建议，中信证券以及中信证券的各个高级职员、董事和员工亦不为（前述金融机构之客户）因使用本报告或报告载明的内容产生的直接或间接损失承担任何责任。

评级说明

投资建议的评级标准		评级	说明
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到12个月内的相对市场表现，也即：以报告发布日后的6到12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股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准；香港市场以摩根士丹利中国指数为基准；美国市场以纳斯达克综合指数或标普500指数为基准；韩国市场以科斯达克指数或韩国综合股价指数为基准。	股票评级	买入	相对同期相关证券市场代表性指数涨幅20%以上
		增持	相对同期相关证券市场代表性指数涨幅介于5%～20%之间
		持有	相对同期相关证券市场代表性指数涨幅介于-10%～5%之间
		卖出	相对同期相关证券市场代表性指数跌幅10%以上
		强于大市	相对同期相关证券市场代表性指数涨幅10%以上
	行业评级	中性	相对同期相关证券市场代表性指数涨幅介于-10%～10%之间
	行业评级	弱于大市	相对同期相关证券市场代表性指数跌幅10%以上

免责声明

特别声明

在法律许可的情况下，中信证券可能（1）与本研究报告所提到的公司建立或保持顾问、投资银行或证券服务关系，（2）参与或投资本报告所提到的公司的金融交易，及/或持有其证券或其衍生品或进行证券或其衍生品交易，因此，投资者应考虑到中信证券可能存在与本研究报告有潜在利益冲突的风险。本研究报告涉及具体公司的披露信息，请访问https://research.citicsinfo.com/disclosure。

法律主体声明

本研究报告在中华人民共和国（香港、澳门、台湾除外）由中信证券股份有限公司（受中国证券监督管理委员会监管，经营证券业务许可证编号：Z20374000）分发。本研究报告由下列机构代表中信证券在相应地区分发：在中国香港由CLSA Limited（于中国香港注册成立的有限公司）分发；在中国台湾由CL Securities Taiwan Co., Ltd.分发；在澳大利亚由CLSA Australia Pty Ltd.（商业编号：53 139 992 331/金融服务牌照编号：350159）分发；在美国由CLSA（CLSA Americas, LLC除外）分发；在新加坡由CLSA Singapore Pte Ltd.（公司注册编号：198703750W）分发；在欧洲经济区由CLSA Europe BV分发；在英国由CLSA （UK）分发；在印度由CLSA India Private Limited分发（地址：8/F, Dalamal House, Nariman Point, Mumbai 400021；电话：+91-22-66505050；传真：+91-22-22840271；公司识别号：U67120MH1994PLC083118）；在印度尼西亚由PT CLSA Sekuritas Indonesia分发；在日本由CLSA Securities Japan Co., Ltd.分发；在韩国由CLSA Securities Korea Ltd.分发；在马来西亚由CLSASecurities Malaysia Sdn Bhd分发；在菲律宾由CLSA Philippines Inc.（菲律宾证券交易所及证券投资者保护基金会员）分发；在泰国由CLSA Securities (Thailand) Limited分发。

针对不同司法管辖区的声明

中国大陆：根据中国证券监督管理委员会核发的经营证券业务许可，中信证券股份有限公司的经营范围包括证券投资咨询业务。

中国香港：本研究报告由CLSA Limited分发。本研究报告在香港仅分发给专业投资者（《证券及期货条例》（香港法例第571 章）及其下颁布的任何规则界定的），不得分发给零售投资者。就分析或报告引起的或与分析或报告有关的任何事宜，CLSA客户应联系CLSA Limited的罗鼎，电话：+852 2600 7233。

美国：本研究报告由中信证券制作。本研究报告在美国由CLSA（CLSA Americas, LLC除外）仅向符合美国《1934年证券交易法》下15a-6规则界定且CLSA Americas, LLC提供服务的“主要美国机构投资者”分发。对身在美国的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所述任何观点的背书。任何从中信证券与CLSA获得本研究报告的接收者如果希望在美国交易本报告中提及的任何证券应当联系CLSA Americas, LLC（在美国证券交易委员会注册的经纪交易商），以及CLSA 的附属公司。

新加坡：本研究报告在新加坡由CLSA Singapore Pte Ltd.，仅向（新加坡《财务顾问规例》界定的）“机构投资者、认可投资者及专业投资者”分发。就分析或报告引起的或与分析或报告有关的任何事宜，新加坡的报告收件人应联系CLSA Singapore Pte Ltd，地址：80 Raffles Place, #18-01, UOB Plaza 1, Singapore 048624，电话：+65 6416 7888。因您作为机构投资者、认可投资者或专业投资者的身份，就CLSA Singapore Pte Ltd.可能向您提供的任何财务顾问服务，CLSA Singapore Pte Ltd豁免遵守《财务顾问法》（第110章）、《财务顾问规例》以及其下的相关通知和指引（CLSA业务条款的新加坡附件中证券交易服务C部分所披露）的某些要求。MCI（P）085/11/2021。

加拿大：本研究报告由中信证券制作。对身在加拿大的任何人士发送本研究报告将不被视为对本报告中所评论的证券进行交易的建议或对本报告中所载任何观点的背书。

英国：本研究报告归属于营销文件，其不是按照旨在提升研究报告独立性的法律要件而撰写，亦不受任何禁止在投资研究报告发布前进行交易的限制。本研究报告在英国由CLSA （UK）分发，且针对由相应本地监管规定所界定的在投资方面具有专业经验的人士。涉及到的任何投资活动仅针对此类人士。若您不具备投资的专业经验，请勿依赖本研究报告。对于英国分析员编纂的研究资料，其由CLSA （UK）制作并发布。就英国的金融行业准则，该资料被制作并意图作为实质性研究资料。CLSA （UK）由（英国）金融行为管理局授权并接受其管理。

欧洲经济区：本研究报告由荷兰金融市场管理局授权并管理的CLSA Europe BV 分发。

澳大利亚：CLSA Australia Pty Ltd (“CAPL”) (商业编号：53 139 992 331/金融服务牌照编号：350159) 受澳大利亚证券与投资委员会监管，且为澳大利亚证券交易所及CHI-X的市场参与主体。本研究报告在澳大利亚由CAPL仅向“批发客户”发布及分发。本研究报告未考虑收件人的具体投资目标、财务状况或特定需求。未经CAPL事先书面同意，本研究报告的收件人不得将其分发给任何第三方。本段所称的“批发客户”适用于《公司法（2001）》第761G条的规定。CAPL研究覆盖范围包括研究部门管理层不时认为与投资者相关的ASX All Ordinaries 指数成分股、离岸市场上市证券、未上市发行人及投资产品。CAPL寻求覆盖各个行业中与其国内及国际投资者相关的公司。

印度：CLSA India Private Limited，成立于 1994 年 11 月，为全球机构投资者、养老基金和企业提供股票经纪服务（印度证券交易委员会注册编号：INZ000001735）、研究服务（印度证券交易委员会注册编号：INH000001113）和商人银行服务（印度证券交易委员会注册编号：INM000010619）。CLSA 及其关联方可能持有标的公司的债务。此外，CLSA及其关联方在过去 12 个月内可能已从标的公司收取了非投资银行服务和/或非证券相关服务的报酬。如需了解CLSA India“关联方”的更多详情，请联系Compliance-India@clsa.com。

未经中信证券事先书面授权，任何人不得以任何目的复制、发送或销售本报告。

StartYourFinance

起点财经，网罗天下报告

人工智能行业前瞻研究海外专题：海外人工智能产业发展趋势与投资机遇-20230601-中信证券-21页