AI计算芯片市场展望：GPU将成为主流国产化曙光初现.pdf

AI计算 芯片市场展望 Brief Outlook for AI Computing Chip Market GPU将成为主流，国产化曙光初现 请务必阅读正文后免责条款 通信行业评级：中性（维持） 证券研究报告 证券分析师 朱 琨 投资咨询资格编号： S1060518010003 半导体系列报告（四） 2021年 5月 31日 报告摘要 2 1、算力将成为数字经济引擎和智能社会基 石 ： 数字技术在数字经济当中的应用，需 要海量数据处理作为支撑。数据处理则需 要算力的支撑。算力作为基础设施，支撑 大数据和智能化应用，为商品流通和交易、 企业管理提供有效支撑，是数字经济引擎 和智能社会基石。 2、异构芯片组合提供海量算力， GPU将成 为主流： 未来的 AI计算，将形成以 CPU为 控制中心， GPU、 FPGA、 ASIC为特定场景 加速卡的异构计算格局。从架构部署的灵 活性、效率性以及人工智能算法的本质特 性来看， GPU将成为 AI计算需求量最大的 芯片，预计 2025年需求占比将达 57%。 3、中国市场将高速增长， GPU国产化曙光初现： 预计到 2024年，中国人工智能技术市场规模将达到 172亿美元； 全球占比将从 2020年 12.5%上升到 15.6%，是全球市场增长的主要驱动力；在 AI计算的训练和推理两个领域， 已经有不少初创公司发布了 GPU产品；若以 10%-15%的国产化率来估算，国产芯片市场规模大约在 37-56亿元。 目录 CONTENTS 芯片 ：异构是趋势， GPU将成为主流 算力：数字经济引擎，智能社会基石 展望： 中国市场将高速增长， GPU国产化任重道远 投资建议及风险提示 3 数字经济已经成为全球经济增长主要驱动力 数据来源： CAICT，平安证券研究所 4 全球数字经济规模再上新台阶： 2019年 ， 可测算 47个国家数字经济增加值规模达到了 31.8万亿美元； 高收入国家数字经济规模全球占比约 77%， 是中等 和低收入国家规模的 2.8倍；排名前 5的经济体 ， 数 字经济规模全球占比达到了 78.1%。 主要经济体数字经济规模 全球数字经济在国民经济中地位持续提升： 2019 年 ， 可测算 47个国家数字经济的 GDP占比达到了 42%； 高收入国家的占比超过了全球平均水平 ， 达到了 48%；德国 、 英国和美国数字经济占比超过了 60%， 中国占比略低 ， 只有 36%。 全球数字经济实现逆势上扬： 近年来 ， 国际经济 环境日趋复杂严峻 ， 整体的经济下行压力也在持续 增大 ， 但是全球数字经济仍然保持了较快增长 。 数 字经济的各领域稳步推进 ， 新兴产业快速发展 ， 传 统产业数字化进程快速推进 。 2019年 ， 全球数字经 济平均名义增速为 5.4%， 高于全球 GDP名义增速 。 算力是数字经济发展的重要驱动力 数据来源： IDC， CAICT，平安证券研究所 5 数字经济四化框架 数据是数字经济最有价值的资源： 作为数字经济全新的 、 关键的生产 要素 ， 贯穿于数字经济发展的全部 流程 ， 将引发生产要素多领域 、 多 维度 、 系统性的突破 。 算力是数字经济发展的重要驱动力： 数字技术在数字经济当中的应用 ， 需要海量数据处理作为支撑 。 数据 处理则需要算力的支撑 。 算力工具 作为基础设施 ， 支撑大数据和智能 化应用 ， 为商品流通和交易 、 企业 管理提供有效支撑 。 人类社会向智能社会的演进，离不开算力的支撑 数据来源：华为公司，平安证券研究所 6 智慧政务 智慧办事厅 智慧消防 智慧安防 智慧自助大厅 人工智能 智慧产业 智慧民生 物联网 区块链 AR/VR 提升政府运行效率 提高城市管理水平 加强居民幸福度 无人驾驶 智慧工厂 智慧农场 智慧商场 AR/VR游戏 智慧课堂 智能家居 智慧医疗 推动经济跨越发展 助力产业创新 增加市场活力 保障社会民生 创造宜居空间 实现可持续发展 领域 技术 场景 2030年人工智能所需算力需求将达到 16206EFLOPS 数据来源： IDC， 华为公司 ，平安证券研究所 7 无人驾驶：借助 AI替 代司机 AI医疗：在成像、诊 断、预测分析和管理 领域实现突破 IDC预测， 2025年， 人工智能领域的市场 规模预计将达到 2081 亿美元 人工智能在以下场景 拥有较大的应用潜力 人工智能发展离不开 算力的支撑 单场景芯片算力需 求迅速增长 需要在多种环境随 时提供算力 ， 覆盖 范围要求大 ， 传输 时延要求低 人工智能在各个场 景渗透率持续提升 人工智能对算力的需 求将快速提升 2030年 ， 人工智能算 力需求相当于 1600亿 颗高通骁龙 855的算力 单位 :EFLOPS 目录 CONTENTS 芯片 ：异构是趋势， GPU将成为主流 算力：智能社会基石，数字经济引擎 展望： 中国市场将高速增长， GPU国产化任重道远 投资建议及风险提示 8 算力的定义以及载体演进 数据来源： GSMA，平安证券研究所 9 算力是设备根据内部状态的改变 ， 每秒可处理的信息数据量 -2018年诺贝尔奖获得者 William D.Nordhaus 机械式计算器： 法 国科学家 Blasie Pascal发明的第一 部机械式计算器 1937年 电气化算力： 阿塔纳索夫 -贝 瑞发明的电子 数字计算机 集成电路化算力： -1947年 ， 贝尔实 验室发明晶体管 -1958年 ， 集成电 路问世 移动化算力： IBM公司推出第 一款智能手机 Simon 算盘： 基于人力 的算力 ， 简便的 计算工具 1947年1642年 1993年 多 样 化 算 力 （ 1993年至今 ） 云端数据中心 边缘设备 智能手机和穿戴设备 计算芯片的技术因素制约驱动算力布局向泛在演进 数据来源：华为公司，平安证券研究所 10 1、单核阶段 2、多核阶段 3、网络化阶段 成 本 性 能 功 耗 成 本 性 能 功 耗 成 本 性 能 功 耗 限 制 算 力 的 核 心 因 素 核 心 结 论 性能：芯片制程难 以持续提高 成本： 3nm以下制 程成本难以被接受 硅基芯片单核制程 将在 3nm达到极限 性能：核数增加放 大架构间的不匹配 功耗：单位算力功 耗将显著增加 处理器内核将在 128核达到极限 性能：网络带宽和 时延性能受限 成本：带宽成本问 题导致供需错配 算力分布从集中向 分布式演进 网络传输的制约驱动算力布局向设备侧靠近 数据来源： 华为公司 ，平安证券研究所 11 云端算力 网络 信道 终端设备 网 络 限 制 算 力 潮 汐 效 应 算力需求缺口 数据 算力需求盈余 云端算力与终端 设备之间需要通 过网络信道传输， 受到网络带宽和 时延影响 由于网络因素影 响，算力需求与 算力输出会出现 错配的情况 算力 时间 云端算力 终端设备 边缘设备 边缘算力的补充具有以下好处 1、更灵活：带宽高、时延低、可满 足不同量级的算力需求。 2、成本低：边缘设备与终端物理距 离近，传输成本低。 泛在算力所需要的计算芯片 数据来源： 华为公司 ，平安证券研究所 12 芯片 设备 软件 云 （算法输出） 边缘 （算法执行） 终端 （信息输出） CPU、 GPU FPGA、 ASIC CPU、 GPU FPGA CPU、 GPU ASIC 服务器 网关 手机、电脑 虚拟平台 边缘服务平台 操作平台 复杂验算 大体量数据分析 算法训练 敏捷反应 判断数据是否需 要上传云端 感知交互 数据搜集、数据 预处理和结构化 异构计算是灵活性和效率综合平衡的结果 数据来源：阿里云，平安证券研究所 13 训练指模拟人类接收 、 学习并理解外界信息能力的 AI技术； 推理指模拟人类通过学习 、 判断 、 分析等心理活动获取信息 内含逻辑的 AI技术 。 训练： 主要使用 CPU、 GPU，部分 FPGA和 ASIC 推理： 主要使用 CPU、 FPGA、 ASIC, 部分 GPU 从部署的灵活性来看 ， CPU最 为灵活 ， GPU次之 ， FPGA和 ASIC分列最后两位 。 从计算的效率来看 ， ASIC 效 率最高 ， FPGA次之 ， GPU和 CPU 则分列最后两位 。 异构计算是一个平衡的结果： 考虑到部署的灵活性和计算效 率 ， 异构计算是一个平衡的结 果 ， CPU + GPU or FPGA or ASIC是趋势 。 未来的 AI计算 ， 将形成以 CPU为控制中心 ， GPU、 FPGA、 ASIC（ NPU、 VPU )为特定场 景加速卡的异构计算格局 。 异构计算将成为算力基础设施的主要架构 数据来源：阿里云，平安证券研究所 14 核 心 结 论 芯片 种类 通用性 平行处 理能力 处理 速度 功耗 研发 成本 量产 成本 交付 周期 CPU 高 低 低 高 低 中等 短 GPU 高 中等 中等 高 低 中等 中等 FPGA 中等 高 中等 中等 中等 高 中等 ASIC 低 高 高 低 高 低 长 异构计算是指不同类型的 指令集和体系架构的计算 单元组成的系统的计算方 式 ， 目前 “ CPU+GPU” 以 及 “ CPU+FPGA” 都是受关 注的异构计算平台 。 异构计算最大的优点是具 有比传统 CPU并行计算更高 效率和低延迟的计算性能 ， 尤其是在业界对计算性能 需求水涨船高的情况下 ， 异构计算变得愈发重要 。 CPU擅长调度，计算能力一般 数据来源： CSDN，平安证券研究所 15 CPU采用串行计算架构 具有多种功能的优秀领导 者 ， 优点在于调度 、 管理 、 协调能力强 ， 但计算能力一 般 。 有强大的 ALU（ 逻辑运算部件 ） ， 时钟频率很高；有容量较 大的 Cache， 这些 Cache 占据相当一部分的片上空间；有复 杂的控制逻辑；上述设计使得真正执行运算的 ALU 单元只占 据了很小一部分的 CPU 片上空间 。 CPU的低延迟设计架构 注释： CPU，中央处理器， Central Processing Unit GPU擅长浮点计算，并行处理能力强 数据来源： CSDN，平安证券研究所 16 擅长浮点计算 ， 并行处理 能力强 ， 能做到几千核高 并发 ， 适合图形处理 、 机 器学习训练等 。 GPU采用并行计算架构 GPU的高吞吐设计架构 有大量的 ALU， Cache很小 ， 缓存的目的不是保存后面需要 访问的数据 ， 而是为线程提高服务效率；没有复杂控制逻辑 ， 没有分支预测等组件；上述设计 ， 使得 GPU 擅长大规模并 行计算任务 。 注释： GPU，图形处理器， Graphics Processing Unit FPGA可灵活编程，擅长固定业务的高速处理 数据来源： CSDN，平安证券研究所 17 擅长根据特定需求进 行灵活编程 ， 可以高速 处理一些相对固定的业 务逻辑 ， 比如用于深度 学习的检测阶段 。 注释： FPGA， Field Programmable Gate Array，现场可编程门阵列 FPGA的内部架构 可以实现比 GPU 更 高的并发处理 ， 在密 集处理和高并发能力 上占优 ， 而且功耗比 CPU和 GPU低 。 内部有大量极细粒度的基本单元 ， 但 是每个单元的计算能力都远远低于 CPU 和 GPU 中的 ALU模块；速度和功 耗相对 ASIC仍然存在不小差距；成本 要高于 ASIC。 ASIC可根据需求定制，只能针对特定场景 数据来源： CSDN，平安证券研究所 18 计算能力和计算效率 都可以根据算法需要进 行定制 ， 只能针对特定 的某几个应用场景 。 注释： ASIC， Application Specific Integrated Circuit，专用集成电路 与通用集成电路相比具有 体积更小 、 功耗更低 、 可 靠性高 、 性能高 、 保密性 强 、 成本低等优点 。 基于 ASIC开发人工智能芯片 更像是电路设计 ， 需要反复优 化 ， 需要经历较长的流片周期 ， 故开发周期较长 。 某 ASIC内部架构示意 从技术趋势来看， GPU将 成为主流 AI芯片 数据来源： 天数智芯 ，平安证券研究所 19 通用标准高性能卡是未来云端高性能计算发展趋势 图形加速卡 1993 2006 GPU 深度学习加速卡 2014 2020 通用高性能计算卡 在图形图像处理领域， GPU最终全面取代图形加速卡 GPU最适合 AI算法： AI算法要用到大量卷积运算， 对大量不同的数据进行同样的乘加 MAC运算，这种 运算和 GPU Shader执行的 SIMD运算高度相似。 使用特定算法加速的芯片只能用在某一些特定场 景，通用型计算芯片最终将会胜出。 典型的卷积运算 全球 AI芯片市场将高速增长， GPU份额有望超过 50% 数据来源： Goldman Sachs，平安证券研究所 20 全球 AI计算芯片市场规模 全球 AI计算芯片市场份额 全球 AI芯片市场规模将高速增长 ：预计到 2025年 ， 全球市场规模有望达到 300亿美元 ， 2019年 -2025年年均复合增速约 37%。 GPU市场份额有望达 50%： AI的应用需要用到 大量卷积算法 ， 正是 GPU擅长的领域；预计 2025年 ， 市场份额将达到约 57%。 目录 CONTENTS 芯片 ：异构是趋势， GPU将成为主流 算力：智能社会基石，数字经济引擎 展望： 中国市场将高速增长， GPU国产化任重道远 投资建议及风险提示 21 中国人工智能市场将高速增长，服务器是市场主体 数据来源： IDC，平安证券研究所 22 中国人工智能技术市场规模 中国人工智能服务器市场规模 中国人工智能技术市场将高速增长 ：预计到 2024 年 ， 中国人工智能技术市场规模将达到 172亿美元； 全球占比将从 2020年 12.5%上升到 15.6%， 是全球 市场增长的主要驱动力 。 服务器在整体市场中将保持主体地位 ：预计到 2024年 ， 中国人工智能服务器市场规模将达到 66 亿美元 ， 在整体市场中占比约 38%；相比 2019年 ， 下降约 20个百分点 。 训练芯片市场以 GPU为主，国内公司有待突破 数据来源： 天数智芯 ，平安证券研究所 23 英伟达 V100 AMD M150 华为 Atlas300-9000 工艺 12nm 7nm 7nm+ 软件生态 CUDA、 OpenCL 2.0 ROCm 2.0、OpenCL 2.0 自研 Mindspore 性能 7.8TFLOPSFP64 6.6TFLOPSFP64 256TFLOPSFP16 功耗 300W 300W 310W 应用场景 训练、推理、超算 训练、推理、超算 训练、推理、超算 2019年中国训练芯片市场格局 2019年中国训练芯片市场主要产品 训练芯片市场以 GPU为主 ： 2019年 ， 中国训练芯片 市场规模约 41亿元 ， 英伟达公司凭借 V100系列等产 品占据了 90%的市场份额；考虑到 AMD公司的产品也 是 GPU， GPU占据了训练芯片市场 95%的份额 。 国内公司有待突破 ：虽然华为公司推出了 Atlas系列产品 ， 并且在性能 、 功耗等主要指 标上均不弱于英伟达 V100；但是由于软件生态 等因素 ， 尚未实现大规模商用 。 推理芯片市场呈现多元化趋势，国内公司开始展露头角 数据来源：天数智芯，平安证券研究所 24 英伟达 T4 英伟达 P4 英伟达 2080Ti AMD MI8 工艺 12nm 16nm 12nm 28nm 生态 CUDA、OpenCL 2.0 CUDA、OpenCL 2.0 CUDA、OpenCL 2.0 ROCm 2.0、OpenCL 2.0 性能 8.1TFLOPSFP32 5.5TFLOPSFP32 13.4TFLOPSFP32 8.19TFLOPSFP32 功耗 70W 75W 250W 175W 应用场景 训练、推理、 超算 训练、推理、 超算 训练、推理、 超算 训练、推理、 超算 2019年中国推理芯片市场格局 推理芯片市场多元化趋势较为明显 ： 2019年中国推 理芯片市场规模约 37亿元 ， 相比于训练市场 ， FPGA、 ASIC份额均有所提升 ， AMD的 GPU产品份额亦有所提 升； GPU产品不再是一家独大 。 国内公司开始展露头角 ：以华为公司 、 寒武 纪和比特大陆为代表的中国公司 ， 凭借 ASIC产 品 ， 通过合适的价格和解决方案 ， 占据了大约 20%的市场份额 。 2019年中国推理芯片市场主要产品 中国 GPU芯片板卡市场将高速增长，互联网和安防 /政府是主要领域 数据来 源 ：公司网站，平 安证券研究所 25 中国 GPU芯片板卡市场规模预测 中国 GPU芯片板卡市场份额（应用领域） 中国 GPU芯片板卡市场将高速增长： 预计 2024年 ， 中国 GPU芯片板卡市场规模将达到 370亿元 ， 年均 复合增速约 30%；训练市场规模占比约 36%， 推理 市场占比约 58%， 高性能计算市场约 6%。 互联网和安防 /政府是主要领域： 预计 2024年 ， 互联网和安防 /政府行业市场份额将分别达到 48.9%和 31.4%， 依然占据市场的主要地位；主要 还是因为这两个行业是 AI应用的重要需求方 。 谨慎估计 GPU芯片的国产化规模约 37-56亿元 数据来源：平安证券研究所 26 主要芯片国产化率情况 各类芯片代表性公司 昂瑞微 、 卓胜微 华为海思 、 紫光展锐 圣邦微 、 思瑞浦 兆易创新 、 长江存储 兆易创新 、 华大半导体 长鑫 、 晋华 紫光同创 、 国微电子 海光 、 龙芯 手机产业链芯片国产化率超过 15%：由 于中国手机厂商占据了全球主要份额 ， 带动了国内产业链的快速发展；与此同 时 ， 芯片与软件应用耦合紧密度相对较 低 ， 因此国产化率大于 15%。 服务器产业链国产化率低于 5%：由于 CPU指令集复杂程度较高 ， 产业链主要 环节均在海外 ， 国产化率低于 5%。 谨慎估计 GPU芯片的国产化规模约 37亿 元 ：由于 GPU指令集复杂程度相对较低 ， 国内有一定基础 ， 国产化率有望达到 10%-15%， 对应 37-56亿元的市场规模 。 目录 CONTENTS 芯片 ：异构是趋势， GPU将成为主流 算力：智能社会基石，数字经济引擎 展望： 中国市场将高速增长， GPU国产化任重道远 投资建议及风险提示 2 7 投资建议 数据来源：平安证券研究所 28 芯片设计 芯片制造 GPU和 FPGA 两类 芯片的设计和应 用都需要有自主 软件生态支持 产业 瓶颈 投资 建议 建议关注具有完 全自主知识产权 的 FPGA公司紫光 国微 GPU和 FPGA 的制 程 都 需 要 用 到 16nm 甚至 7nm 和 5nm的制程 建议关注国内具 有晶圆先进制程 升级潜力的中芯 国际公司 软件 生态 无论是 GPU， 还 是 FPGA， 两种芯 片的国产化率都 很低 建 议 关 注 国 内 FPGA龙头紫光国 微和 GPU已有应用 场景的景嘉微 建议关注公司汇总 29 数据来源： Wind，平安证券研究所 注：收盘价和市值截止 2021年 5月 28日 ；未评级公司盈利预测为 Wind一致 预期；中 芯 国际市值为： A股市值 =（ A股流通股 +A股限售股） *A股收盘价 代码 名称 市值（亿元） 收盘价（元） EPS（元） PE 评级 2021年 E 2022年 E 2021年 E 2022年 E 002049.SZ 紫光国微 808 133.20 2.27 3.04 59 44 推荐 688981.SH 中芯国际 1081 55.78 0.44 0.54 127 103 未评级 300474.SZ 景嘉微 245 81.36 1.16 1.67 70 49 未评级 英伟达：全球领先的 GPU供应商 30 注：英伟达财年为上年 1月到当年 1月数据来源： Wind，平安证券研究所 英伟达数据中心 GPU营业收入情况 英伟达营业收入行业拆分 英伟达是全球领先的 GPU供应商： 公司是全球 GPU 市场绝对领先者 ， 2021财年公司营业收入规模达 到了约 167亿美元；数据中心收入占比从 2016年的 7%提升到了 40%。 A100产品处于业内绝对领先地位： NVIDIA A100 由 NVIDIA Ampere架构提供支持 ， 作为 NVIDIA数据 中心平台的引擎 ， A100的性能比上一代产品提升 高达 20倍 。 赛灵思：全球领先的 FPGA供应商 31 注：赛灵思财年为上年 3月到当年 3月 赛灵思营业收入情况 赛灵思营业收入行业拆分 赛灵思是全球领先的 FPGA供应商： 公司是 FPGA产 品的发明者 ， 拥有 574项重要的行业专利； 2021财 年营业收入规模达到了 31.5亿美元； 2019年市场 占比达到了 42%， 是 FPGA行业领先的供应商 。 无线和航天军工是公司收入主要来源： AIT和 WWG 对应航天军工以及无线通信两个行业 ， 在过去的 5 个季度 ， 这两个行业为公司贡献了 70%以上的收入； DCG（ 数据中心 ） 行业收入贡献只有 10%左右 。 数据来源： Wind，平安证券研究所 Google：自用 AI芯片研发再下一程， TPU4正式面世 32 Google公司于近日发布 TPUv4： TPU是 Google公司 自己研发的专门用于人工智能计算的芯片 ， 可以 归为 ASIC产品；近日发布的 TPUv4产品 ， 单片计算 性能达到了 TPUv3的 2.7倍 。 训练效率显著提升： 根据 Mlperf发布的数据显示 ， 针对不同的 AI模型 ， TPUv4 Pod的训练效率是 TPUv3 Pod训练效率的 2.2-3.7倍；已经接近真正 意义上的 E级别超算时代 。 数据来源：数据中心前沿技术，平安证券研究所 Google公司历代 TPU产品性能对比 部署在 Google公司数据中心内部的 TPUv4 紫光国微：拥有国产自主知识产权的 FPGA龙头 33 数据来源： Wind，平安证券研究所 紫光同创营业收入情况 紫光同创 40nm工艺 Titan系列 FPGA主要参数 拥有国产 FPGA自主知识产权： 孙公司紫光同创专 门从事 FPGA产品研发与生产销售 10余年 ， 拥有专 利 200项 ， 研发出中国第一款国产自主知识产权千 万门级高性能 FPGA产品 -Titan（ 40nm） 。 紫光同创销售规模快速增长： 2020年销售规模达 到了 31566万元 ， 与 2018年 973万元的收入相比 ， 实现了几何级的增长；随着公司 28nm制程的产品 量产 ， 收入规模有望持续增长 。 风险提示 34 电子信息团队 行业 分析师 邮箱 资格类型 编号 通信 朱琨 投资咨询 S1060518010003 智能制造 吴文成 投资咨询 S1060519100002 电子 徐勇 投资咨询 S1060519090004 计算机 付强 投资咨询 S1060520070001闫磊 投资咨询 S1060517070006 1、 互联网公司芯片自研带来的风险 从 Google的情况来看 ， 互联网公司自研 AI芯片会 是趋势；对于那些为互联网公司开发定制芯片的公 司来说 ， 这将是一个风险点 。 2、 中美贸易摩擦的风险 部分公司 GPU芯片制作需要用到 7nm的先进制程 ， 若是 中美贸易摩擦升级 ， 有可能会使这些公司无法使用 7nm的先进制程来生产芯片 。 3、 人工智能在安防 /政府业务领域应用不及预期的风险 安防 /政府行业是人工智能应用渗透率较高的领域；若是安防 /政府行业需求不及预期 ， 将使得国产 GPU芯片等 各类 AI计算芯片的出货量不及预期 。 股票投资评级 : 强烈推荐 （ 预计 6个月内 ， 股价表现强于沪深 300指数 20%以上 ） 推 荐 （ 预计 6个月内 ， 股价表现强于沪深 300指数 10%至 20%之间 ） 中 性 （ 预计 6个月内 ， 股价表现相对沪深 300指数在 10%之间 ） 回 避 （ 预计 6个月内 ， 股价表现弱于沪深 300指数 10%以上 ） 行业投资评级 : 强于大市 （ 预计 6个月内 ， 行业指数表现强于沪深 300指数 5%以上 ） 中 性 （ 预计 6个月内 ， 行业指数表现相对沪深 300指数在 5%之间 ） 弱于大市 （ 预计 6个月内 ， 行业指数表现弱于沪深 300指数 5%以上 ） 公司声明及风险提示： 负责撰写此报告的分析师 （ 一人或多人 ） 就本研究报告确认：本人具有中国证券业协会授予的证券投资咨询执业资格 。 本公司研究报告是针对与公司签署服务协议的签约客户的专属研究产品 ， 为该类客户进行投资决策时提供辅助和参考 ， 双方对权利与义务均有严格约定 。 本公司研究报告仅提供给上述特定 客户 ， 并不面向公众发布 。 未经书面授权刊载或者转发的 ， 本公司将采取维权措施追究其侵权责任 。 证券市场是一个风险无时不在的市场 。 您在进行证券交易时存在赢利的可能 ， 也存在亏损的风险 。 请您务必对此有清醒的认识 ， 认真考虑是否进行证券交易 。 市场有风险 ， 投资需谨慎 。 免责条款： 此报告旨为发给平安证券股份有限公司 （ 以下简称 “ 平安证券 ” ） 的特定客户及其他专业人士 。 未经平安证券事先书面明文批准 ， 不得更改或以任何方式传送 、 复印或派发此报告的材料 、 内容及其复印本予任何其他人 。 此报告所载资料的来源及观点的出处皆被平安证券认为可靠 ， 但平安证券不能担保其准确性或完整性 ， 报告中的信息或所表达观点不构成所述证券买卖的出价或询价 ， 报告内容仅供参考 。 平安证券不对因使用此报告的材料而引致的损失而负上任何责任 ， 除非法律法规有明确规定 。 客户并不能仅依靠此报告而取代行使独立判断 。 平安证券可发出其它与本报告所载资料不一致及有不同结论的报告 。 本报告及该等报告反映编写分析员的不同设想 、 见解及分析方法 。 报告所载资料 、 意见及推测仅反映分析员于发出此报 告日期当日的判断 ， 可随时更改 。 此报告所指的证券价格 、 价值及收入可跌可升 。 为免生疑问 ， 此报告所载观点并不代表平安证券的立场 。 平安证券在法律许可的情况下可能参与此报告所提及的发行商的投资银行业务或投资其发行的证券 。 平安证券股份有限公司 2021版权所有 。 保留一切权利 。 35