AI：GPT-4有什么不同

2023-03-17

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

证券研究报告

电子

AI：GPT-4 有什么不同

华泰研究

电子

增持 (维持)

研究员

黄乐平，PhD

SAC No. S0570521050001

SFC No. AUZ066

leping.huang@htsc.com

+(852) 3658 6000

联系人

胡宇舟

SAC No. S0570121040041

SFC No. BOB674

huyuzhou@htsc.com

+(852) 3658 6000

联系人

权鹤阳

SAC No. S0570122070045

quanheyang@htsc.com

+(86) 21 2897 2228

行业走势图

资料来源：Wind，华泰研究

2023 年 3 月 15 日│中国内地

动态点评

GPT4 有何不同：多模态、推理能力、预测扩展性

当地时间 3 月 14 日，OpenAI 正式发布 GPT-4。考虑到竞争格局和大型模

型的安全影响，OpenAI 并未披露模型大小、硬件、训练计算、数据集构建、

训练方法等细节。经过试用与研究，我们认为 GPT-4 相比 GPT-3.5 有以下

升级：1）多模态能力：支持文本和图像输入（目前图像输入尚未开放）；2）

推理能力：在律师考试、GRE Quantitative、LSAT 等测试中的表现均优于

GPT-3.5；3）同时推出便于落地的工具：推出预测扩展性的深度学习堆栈

以及 Evals 评估框架，使下游厂商能够以较小的成本试用，然后选择最合适

的大模型。此外，我们注意到 OpenAI 继 AGI 路线图强调 AI 公平性与可控

性之后，本次推出 GPT-4 时，强调其在大模型安全可控上做出的努力。

多模态能力：有望重塑软件和硬件交互，想象空间巨大

相比 GPT-3.5 仅支持文字/代码的输入输出，GPT -4 支持输入图像并且能够

真正理解（输入图像还处于内测中，尚未开放）：例如，发布会上演示了输

入手绘网页草稿，GPT-4 生成网页代码的功能。我们认为多模态能力首先有

望重塑从浏览器到文档智能等的软件交互：OpenAI 展示了输入有图有文字

的物理题，GPT-4 能够理解文图并回答问题。真正的图像理解能力如果嵌入

浏览器、文档智能工具中，能够进一步解放生产力。在未来，多模态能力还

有望重塑从手机、PC 到智能家居的硬件交互领域：例如，谷歌 23 年 3 月

发布的 PaLM-E 已经支持图文多模态输入，指导机器人完成任务的功能。

GPT-4 对复杂任务理解更强，推理能力提升显著

GPT-4 理解复杂任务的能力相比 GPT-3.5 有所提升, 因此遵循用户意图的

能力更强：在盲测中，由 GPT-4 生成的回答在 70.2%的情况下更受用户欢

迎。GPT-4 在一系列专业和学术考试中取得了人类水平的表现：在 GRE 语

文考试达到前 1%，在律师考试达到前 10%，在 GRE 数学达到前 20%水平，

相比 GPT-3.5 进步明显，推理能力提升显著。我们认为 GPT-4 显示出人工

智能在许多复杂任务中已经能够达到人类水平，人工智能用例将大大拓展，

这是通往 AGI（通用人工智能）的又一次跃迁。

“大”并非全部，大模型降低使用门槛、提高落地效果更加重要

由于大模型的规模化效应，增加模型参数量、数据量有助于提升模型表现。

过去数年中，行业推出大模型时也往往标榜模型规模之大。然而我们看到从

2022 年起，行业不再简单追求更“大”的模型，便于下游落地的重要性日

益提升。本次 GPT-4 推出了预测扩展性的深度学习堆栈，使用千分之一至

万分之一的算力就能够可靠地预测 GPT-4 在下游垂直领域使用的性能。下

游厂商可以先以较小的成本广泛试用，选择最合适的大模型。此外，OpenAI

开源了 Evals 评估框架，便于用户选择模型。我们认为，行业已经逐渐走出

单纯强调模型规模的时代，降低使用门槛、提高实际落地效果更加重要。

GPT-4 更加安全，AI 安全性与技术发展同等重要

OpenAI 在今年 2 月发布 AGI 计划，强调大模型的可控性与公平性。本次发

布 GPT-4，OpenAI 表示花了 6 个月的时间使其更加安全并与人类价值观一

致，引入了包括 ChatGPT 用户提交的反馈等等人类反馈，以改善 GPT-4 的

行为。相比 GPT-3.5，GPT-4 对禁止内容作出响应的可能性下降 82%，做

出事实性回应的可能性高 40%。但是，OpenAI 仍然提示 GPT-4 在偏见、

虚假信息、隐私等方面的风险。我们认为 AI 的安全性与技术发展同样重要。

风险提示：AI 及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个

股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该

股票的推荐或覆盖。

(26)

(17)

(9)

Mar-22 Jul-22 Nov-22 Mar-23

(%)

电子沪深300

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

多模态模型：理解图像输入+语言能力提升显著

GPT-4 理解图像输入，多模态能力未来想象空间巨大

相比 GPT-3.5 仅支持文字/代码的输入输出，GPT-4 能够支持图像输入，并进行识别、推理

和分析（输入图像还处于内测中，尚未开放）。根据 OpenAI 官网给出的范例，GPT-4 能够

识别图中的食材，并分析用这些食材能够做出哪些菜品。发布会上演示了输入手绘网页草

稿，GPT-4 生成网页代码的功能。

图表1： GPT-4 能够根据图像进行识别和推理

资料来源：OpenAI，华泰研究

图表2： GPT-4 能够理解图像要求，生成相应代码

资料来源：OpenAI，华泰研究

我们认为多模态能力首先有望重塑从浏览器到文档智能等的软件交互，未来还有望重塑从

手机、PC、智能手表到智能家居的硬件交互。软件交互领域：OpenAI 展示了输入有图有

文字的物理题，GPT-4 能够理解文图并回答问题；输入图文并茂的论文，GPT-4 能归纳理

解并解释图表含义。真正的图像理解能力如果嵌入浏览器、文档智能工具中，能够进一步

解放生产力。硬件交互领域：例如，谷歌在 2023 年 3 月发布的 PaLM-E 已经支持图文多模

态输入，指导机器人完成任务的功能。

输入手绘网页草稿

输出网页html代码

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

图表3： GPT-4 能归纳理解论文并解释图表含义

图表4：谷歌 PaLM-E 支持操控机器人完成特定任务

资料来源：OpenAI，华泰研究

资料来源：PaLM-E: An Embodied Multimodal Language Model，华泰研究

语言能力相比 GPT-3.5 提升显著

相比 ChatGPT， GPT-4 文字输入限制提升至 2.5 万字，可用于长篇内容创作、长时间对

话以及文档搜索和分析等应用场景。在处理简短对话时，GPT-4 和 GPT-3.5 的区别并不显

著，但当任务的复杂度达到足够的阈值时，GPT-4 能够展示出更可靠的性能。

图表5： GPT-4 文字输入限制提升至 2.5 万字

资料来源：OpenAI，华泰研究

研发团队在机器学习传统基准测试上（包括 MMLU、HellaSwag 等）比较了 GPT-4 和

GPT-3.5、SOTA 等模型的性能，结果显示 GPT-4 在这些基准测试上的表现大大优于现有

的大型语言模型，并且在大多数测试中超越了目前最先进的 SOTA 模型。

图表6： GPT-4 和其他模型在基准测试中的表现比较

资料来源：OpenAI，华泰研究

输入论文

归纳论文

解释论文图表含义

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

MMLU 基准由涵盖人文、STEM 和社会科学等知识领域的多选题组成，用于判断大规模多

任务语言理解能力。OpenAI 研发团队将 GPT-4 及其他模型在各种语言翻译的 MMLU 测试

中进行比较，结果表明 GPT -4 在包括拉脱维亚语、威尔士语等多种小众语言上的表现均优

于 GPT-3.5、Chinchilla、PaLM 等语言模型的英语表现。

图表7： GPT-4 在 MMLU 基准测试中表现优于 GPT-3、Chinchilla、PaLM 等语言模型

资料来源：OpenAI，华泰研究

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

相比 GPT-3.5，GPT-4 在常识推理中表现更佳

GPT-4 在测试中的表现超越 GPT-3.5

研发团队比较了 GPT-4 和 GPT -3.5 在律师考试、GRE Quantitative、LSAT 等测试中的表

现，结果表明 GPT-4 的得分基本全部高于 GPT-3.5。在律师资格考试（Uniform Bar Exam）

中，GPT-4 的分数在应试者的前 10%左右，远高于 GPT-3.5 的倒数 10%左右。

图表8： GPT-4 和 GPT-3.5 在考试中的性能比较

资料来源：OpenAI，华泰研究

GPT-4 具备更广泛的常识，能够理解表情包中的逻辑

GPT-4 被问到图 9 的表情包为什么可笑，其回答为“这张图片的幽默来自于将一个大而过

时的 VGA 连接器插入到一个小而现代化的智能手机充电口的荒谬”。而对于图 10 的表情包，

GPT-4 回答为“这是将两个不相关的事物组合在一起的笑话：来自太空的地球照片和鸡块”。

我们认为理解表情包表明 GPT-4 能够在一定程度上读懂隐喻、抽象和类比，表明其具备更

广泛的常识。长期来看，具备常识是实现通用智能的重要一环。

图表9： GPT-4 能够理解“VGA 给智能手机充电”表情包的幽默感

图表10： GPT-4 能够理解“地球照片和鸡块组合在一起”的幽默感

资料来源：OpenAI，华泰研究

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

“大”并非全部，大模型降低使用门槛、提高落地效果更加重要

由于大模型的规模化效应（scaling law），增加模型参数量、数据量有助于提升模型表现。

过去数年中，行业推出大模型时也往往标榜模型规模之大。然而我们看到从 2022 年起，行

业不再简单追求更“大”的模型。本次 GPT-4 并未在论文中提供参数量、数据量等信息。

近期 Meta 发布的 LLaMA 虽然参数量相对较小，但是 LLaMA-13B 在多数基准测试下超越

GPT-3（175B）， LLaMA-65B 与目前最好的 LLM 中的 Chinchilla-70B 和 PaLM-540B 旗鼓

相当，显示出提升数据量对模型效果的提升作用。我们认为，行业已经逐渐走出单纯强调

模型规模的时代，降低使用门槛、提高实际落地效果更加重要。

图表11： 2022 年起，行业不再简单追求更“大”的模型

注：坐标轴经过对数处理。篇幅限制，图中未显示所有统计的大模型名称。

资料来源：OpenBMB，Improving Language Understanding by Generative Pre-Training

，

BERT: Pre-training of Deep Bidirectional Transformers for Language

Understanding

，

Language Models are Unsupervised Multitask Learners

，

RoBERTa: A Robustly Optimized BERT Pretraining Approach

，

Exploring the Limits of

Transfer Learning with a Unified Text-to-Text Transformer

，

Towards a Human-like Open-Domain Chatbot

，

Language Models are Few-Shot Learners

，

Scaling

Language Models:Methods, Analysis & Insights from Training Gopher

，

LaMDA: Language Models for Dialog Applications

，

Using DeepSpeed and Megatron to Train

Megatron-Turing NLG 530B, A Large-Scale Generative Language Model

，

Training Compute-Optimal Large Language Models

，

PaLM: Scaling Language Modeling

with Pathways

，

OPT: Open Pre-trained Transformer Language Models

，

GLM-130B: AN OPEN BILINGUAL PRE-TRAINED MODEL

，

Improving alignment of dialogue

agents via targeted human judgements

，

LLaMA

：

Open and Efficient Foundation Language Models，华泰研究

本次 GPT-4 发布的同时，OpenAI 同时推出便于落地的工具：1）预测扩展性的深度学习堆

栈，使用千分之一至万分之一的算力就能够可靠地预测 GPT-4 在下游垂直领域使用的性能。

下游厂商可以先以较小的成本广泛试用，选择最合适的大模型；2）开源了 Evals 评估框架，

便于用户选择模型。

2018-06,GPT

2018-10

2019-02,GPT-2

2019-07

2019-10,T5

2020-01

2020-05,GPT-3

2021-12,Gopher

2022-01,LaMDA

2022-01

2022-03,Chinchilla

2022-04

2022-05

2022-08,GLM-130B

2022-09

2023-02,LLaMA-65B

100

1000

10000

0.1 1 10 100 1000

数据集大小

(B tokens)

参数量(B)

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

GPT-4 更加安全，AI 安全性与技术发展同等重要

OpenAI 在今年 2 月发布 AGI 计划，强调大模型的可控性与公平性。本次发布 GPT-4，

OpenAI 表示花了 6 个月的时间使其更加安全并与人类价值观一致，引入了包括 ChatGPT

用户提交的反馈等等人类反馈，以改善 GPT-4 的行为。相比 GPT-3.5，GPT-4 对禁止内容

作出响应的可能性下降 82%，做出事实性回应的可能性高 40%。但是，OpenAI 仍然提示

GPT-4 在偏见、虚假信息、隐私等方面的风险。我们认为 AI 的安全性与技术发展同样重要。

图表12： OpenAI AGI 路线图

资料来源：OpenAI 官网，华泰研究

GPT-4 开始构建生态圈，持续关注商业模式创新

GPT-4 已经与各个领域的软件开展合作。Be My Eyes 是一款帮助全世界的盲人以及低视力

人群的产品，通过 GPT-4 的视觉输入功能，Be My Eyes 能够大幅度提高 Virtual Volunteer

对图片的理解程度。语言学习软件 Duolingo 推出 GPT-4 驱动的 Duolingo Max，能够辅助

用户解释答案对错，以及陪同用户进行角色扮演式地练习，用户能够以订阅的形式使用该

功能。我们认为 GPT-4 将以生产力工具为起点，大范围赋能软件，提升 AI 工具在 C 端渗

透率。

OpenAI愿景：确保AGI造福全人类

最关心的三个原则

原则#1：希望AGI赋能人类，使其能在

宇宙中实现最大程度的繁荣。OpenAI不

希望未来成为一个虚假的乌托邦，但希

望将技术的好处最大化、坏处最小化，

让AGI成为人类善意的放大器。

原则#2：希望AGI的好处、获取和治理

得到广泛和公平的分享。

原则#3：希望成功应对巨大的风险。在

面对这些风险时，理论上看似正确的事

情在实践中往往比预期的更难以控制。

我们必须通过部署功能较弱的技术版本

来不断学习和适应，以尽量减少“无可

挽回”的情况。

短期规划：为AGI做好三项准备

准备#1：快速谨慎部署AGI，以积累在

相关应用的经验。OpenAI认为，谨慎管

理AGI的最佳方式是渐进式过度到AGI普

及的世界；成功解决AI应用挑战的最佳

方法是采用快速学习和谨慎迭代的紧密

反馈循环；需要权衡使用大模型的利弊。

准备#2：正在努力创建更加一致、可控

的模型。OpenAI认为，AI安全和能力同

等重要，将需要开发新的对齐技术提高

AI的安全性，短期计划使用AI来帮助人

类评估更复杂模型的输出并监控复杂系

统。

准备#3：希望全球范围内解决三个关键

问题“如何治理AI系统、如何公平分配

其产生的收益、如何公平共享访问权

限”。

长期目标：更加繁荣的超级智能世界

观点#1：人类的未来应由人类自己决定，

与公众分享有关进步的信息至关重要。因

此，应该对所有AGI发展项目进行严格审

查，并在重大决策上面向公众咨询。

观点#2：一个“错位”的超级智能AGI可

能会对世界造成严重伤害。放缓AGI的发

展速度更容易确保安全，协调AGI在关键

时刻减速将很重要。

观点#3：成功过渡到一个拥有超级智能的

世界可能是人类历史上最重要、最有希望、

但也最可怕的项目。OpenAI希望为这种

更加繁荣的超级智能世界贡献一个相一致

的AGI。

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

图表13： GPT-4 与 Be My Eyes 合作

图表14： GPT-4 与 Duolingo 合作

资料来源：OpenAI，华泰研究

风险提示

1）AI 技术落地不及预期。虽然 AI 技术加速发展，但由于成本、落地效果等限制，相关技

术落地节奏可能不及我们预期。

2）本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代

表本研究团队对该公司、该股票的推荐或覆盖。

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

免责声明

分析师声明

本人，黄乐平，兹证明本报告所表达的观点准确地反映了分析师对标的证券或发行人的个人意见；彼以往、现在或未

来并无就其研究报告所提供的具体建议或所表迖的意见直接或间接收取任何报酬。

一般声明及披露

本报告由华泰证券股份有限公司（已具备中国证监会批准的证券投资咨询业务资格，以下简称“本公司”）制作。本

报告所载资料是仅供接收人的严格保密资料。本报告仅供本公司及其客户和其关联机构使用。本公司不因接收人收到

本报告而视其为客户。

本报告基于本公司认为可靠的、已公开的信息编制，但本公司及其关联机构(以下统称为“华泰”)对该等信息的准确

性及完整性不作任何保证。

本报告所载的意见、评估及预测仅反映报告发布当日的观点和判断。在不同时期，华泰可能会发出与本报告所载意见、

评估及预测不一致的研究报告。同时，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。以往表现

并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。华泰不保证本报告所含信息保持在最新状态。

华泰对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。

本公司不是 FINRA 的注册会员，其研究分析师亦没有注册为 FINRA 的研究分析师/不具有 FINRA 分析师的注册资

格。

华泰力求报告内容客观、公正，但本报告所载的观点、结论和建议仅供参考，不构成购买或出售所述证券的要约或招

揽。该等观点、建议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求，在任何时候均不构成对客户私

人投资建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯

一因素。对依据或者使用本报告所造成的一切后果，华泰及作者均不承担任何法律责任。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。

除非另行说明，本报告中所引用的关于业绩的数据代表过往表现，过往的业绩表现不应作为日后回报的预示。华泰不

承诺也不保证任何预示的回报会得以实现，分析中所做的预测可能是基于相应的假设，任何假设的变化可能会显著影

响所预测的回报。

华泰及作者在自身所知情的范围内，与本报告所指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况

下，华泰可能会持有报告中提到的公司所发行的证券头寸并进行交易，为该公司提供投资银行、财务顾问或者金融产

品等相关服务或向该公司招揽业务。

华泰的销售人员、交易人员或其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本

报告意见及建议不一致的市场评论和/或交易观点。华泰没有将此意见及建议向报告所有接收者进行更新的义务。华泰

的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。投资者

应当考虑到华泰及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突。投资者请勿将本报告视为投资或其

他决定的唯一信赖依据。有关该方面的具体披露请参照本报告尾部。

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、发布的机构或人员，也并非意图发送、发布

给因可得到、使用本报告的行为而使华泰违反或受制于当地法律或监管规则的机构或人员。

本报告版权仅为本公司所有。未经本公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人

(无论整份或部分)等任何形式侵犯本公司版权。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并需

在使用前获取独立的法律意见，以确定该引用、刊发符合当地适用法规的要求，同时注明出处为“华泰证券研究所”，

且不得对本报告进行任何有悖原意的引用、删节和修改。本公司保留追究相关责任的权利。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。

中国香港

本报告由华泰证券股份有限公司制作,在香港由华泰金融控股（香港）有限公司向符合《证券及期货条例》及其附属法

律规定的机构投资者和专业投资者的客户进行分发。华泰金融控股（香港）有限公司受香港证券及期货事务监察委员

会监管，是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。在香港获得本报

告的人员若有任何有关本报告的问题,请与华泰金融控股（香港）有限公司联系。

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

香港-重要监管披露

• 华泰金融控股（香港）有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员。

• 有关重要的披露信息，请参华泰金融控股（香港）有限公司的网页 https://www.htsc.com.hk/stock_disclosure

其他信息请参见下方 “美国-重要监管披露”。

美国

在美国本报告由华泰证券（美国）有限公司向符合美国监管规定的机构投资者进行发表与分发。华泰证券（美国）有

限公司是美国注册经纪商和美国金融业监管局（FINRA）的注册会员。对于其在美国分发的研究报告，华泰证券（美

国）有限公司根据《1934 年证券交易法》（修订版）第 15a-6 条规定以及美国证券交易委员会人员解释，对本研究报

告内容负责。华泰证券（美国）有限公司联营公司的分析师不具有美国金融监管（FINRA）分析师的注册资格，可能

不属于华泰证券（美国）有限公司的关联人员，因此可能不受 FINRA 关于分析师与标的公司沟通、公开露面和所持

交易证券的限制。华泰证券（美国）有限公司是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限

公司的全资子公司。任何直接从华泰证券（美国）有限公司收到此报告并希望就本报告所述任何证券进行交易的人士，

应通过华泰证券（美国）有限公司进行交易。

美国-重要监管披露

• 分析师黄乐平本人及相关人士并不担任本报告所提及的标的证券或发行人的高级人员、董事或顾问。分析师及相关

人士与本报告所提及的标的证券或发行人并无任何相关财务利益。本披露中所提及的“相关人士”包括 FINRA 定

义下分析师的家庭成员。分析师根据华泰证券的整体收入和盈利能力获得薪酬，包括源自公司投资银行业务的收入。

• 华泰证券股份有限公司、其子公司和/或其联营公司, 及/或不时会以自身或代理形式向客户出售及购买华泰证券研究

所覆盖公司的证券/衍生工具，包括股票及债券（包括衍生品）华泰证券研究所覆盖公司的证券/衍生工具，包括股

票及债券（包括衍生品）。

• 华泰证券股份有限公司、其子公司和/或其联营公司, 及/或其高级管理层、董事和雇员可能会持有本报告中所提到的

任何证券（或任何相关投资）头寸，并可能不时进行增持或减持该证券（或投资）。因此，投资者应该意识到可能

存在利益冲突。

评级说明

投资评级基于分析师对报告发布日后 6 至 12 个月内行业或公司回报潜力（含此期间的股息回报）相对基准表现的预期

（A 股市场基准为沪深 300 指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数），具体如下：

行业评级

增持：预计行业股票指数超越基准

中性：预计行业股票指数基本与基准持平

减持：预计行业股票指数明显弱于基准

公司评级

买入：预计股价超越基准 15%以上

增持：预计股价超越基准 5%~15%

持有：预计股价相对基准波动在-15%~5%之间

卖出：预计股价弱于基准 15%以上

暂停评级：已暂停评级、目标价及预测，以遵守适用法规及/或公司政策

无评级：股票不在常规研究覆盖范围内。投资者不应期待华泰提供该等证券及/或公司相关的持续或补充信息

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。

电子

法律实体披露

中国：华泰证券股份有限公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J

香港：华泰金融控股（香港）有限公司具有香港证监会核准的“就证券提供意见”业务资格，经营许可证编号为：AOK809

美国：华泰证券（美国）有限公司为美国金融业监管局（FINRA）成员，具有在美国开展经纪交易商业务的资格，经

营业务许可编号为：CRD#:298809/SEC#:8-70231

华泰证券股份有限公司

南京

北京

南京市建邺区江东中路 228 号华泰证券广场 1 号楼/邮政编码：210019

北京市西城区太平桥大街丰盛胡同 28 号太平洋保险大厦 A 座 18 层/

邮政编码：100032

电话：86 25 83389999/传真：86 25 83387521

电话：86 10 63211166/传真：86 10 63211275

电子邮件：ht-rd@htsc.com

深圳

上海

深圳市福田区益田路 5999 号基金大厦 10 楼/邮政编码：518017

上海市浦东新区东方路 18 号保利广场 E 栋 23 楼/邮政编码：200120

电话：86 755 82493932/传真：86 755 82492062

电话：86 21 28972098/传真：86 21 28972068

电子邮件：ht-rd@htsc.com

华泰金融控股（香港）有限公司

香港中环皇后大道中 99 号中环中心 58 楼 5808-12 室

电话：+852-3658-6000/传真：+852-2169-0770

电子邮件：research@htsc.com

http://www.htsc.com.hk

华泰证券（美国）有限公司

美国纽约公园大道 280 号 21 楼东（纽约 10017）

电话：+212-763-8160/传真：+917-725-9702

电子邮件: Huatai@htsc-us.com

http://www.htsc-us.com

打开行研社App查看所有内容