投资逻辑：

传统药物研发长期处于"周期长、成本高、成功率低" 的状态：一个候选药物从靶点确认到最终获批，需经历命中发 现、先导优化、临床前评价及大规模临床试验等顺序推进的环节，环环依赖海量资源与反复验证，导致平均研发周期 超过 10 年、单药累计投入逾 20 亿美元。AI 制药的介入有望显著压缩研发周期与开支：1）显著压缩研发周期。 各研 发阶段均能受益，其中药物发现阶段节约时间最为可观，约 70–90%；临床前研究可节约 50–80%；临床研究可节约 50–60%。2）大幅降低研发成本。AI 制药在药物发现与临床研究阶段的参与，有望为制药公司节省约 50%的成本，对 应体量约 540 亿美元。

AI 制药成兵家必争之地，MNC 加速布局。全球 AI 制药交易自 2024 年起持续升温，交易首付款与总金额屡创新高。据 医药魔方数据库统计，2026 年上半年全球已披露 AI 技术交易的首付款已达 18 亿美元，交易总金额更是突破 500 亿 美元，双双大幅超越 2025 年全年水平。细分领域上，AI 制药已跃升为全球第三大融资赛道。面对 AI 制药这一确定 性成长赛道，全球大型药企（MNC）自 2024 年起密集入场，2026 年更是将布局推向新高潮：从交易趋势来看。头部药 企已将"AI 能力"视作与靶点、管线同等重要的战略资产，交易从单点技术授权走向平台级并购。MNC 正以多种方式 将 AI 深度嵌入研发、临床与生产全链条。

AI 制药可大幅提升早期成功率，后期成功率仍待验证。从现有数据看，AI 赋能生物制药在临床 I 期成功率方面已 显露积极信号，但需注意其样本量仍较小，结论有待更大规模数据验证；II–III 期临床的优势则尚待确认。根据 IQVIA 对 2020–2022 年与 2023–2025 年两段 AI 制药管线成功率的统计：AI 赋能药物在部分 I 期临床中表现 出高于 70% 的成功率（传统路径约 50%），早期提效明显；但进入 II 期后，因样本量尚不足以形成统计判断，AI 赋 能的优势目前难以确证，仍需更多管线数据累积验证。

AI 制药加速湿实验需求扩张。干湿闭环（Dry–Wet Loop）是现阶段 AI 制药最核心的应用范式：通过"AI 设计预测 （干实验）" 与 "自动化合成测试（湿实验）" 的反复联动，实现 Design-Make-Test-Analyze 闭环，让模型以实验 结果持续自我校正，当前主要落地于靶点验证、分子设计、先导优化、ADMET 评估等早期环节。AI 模型的精度高度依 赖高质量、可迭代的实验数据来训练与校正，且生成出的候选分子仍需实验合成与活性验证才能进入下一阶段。同一 轮实验要验证更多候选、产出更多数据，推动实验需求总量持续上行。据 Twist 2026 年投资者日演示材料，截至 2026 年 3 月 5 日，Twist 在湿实验阶段已累计完成 20 万+蛋白表达、13 万+抗体检测，并据此生成超过 700 万数据 点。

投资建议与估值

AI 制药行业正处于快速成长期，市场空间广阔。产业链公司包括：1）湿实验服务商：Twist Bioscience、金斯瑞生 物、百普赛斯、药明生物等；2）AI 制药公司：英矽智能、剂泰科技、晶泰科技；3）实验室服务：药明康德、康龙化 成、美迪西等。

风险提示

技术与临床风险；数据风险；监管风险；商业化风险；产业与成本风险。

内容目录

AI 制药全球融资活跃，MNC 加速布局............................................................... 4 AI 制药可显著压缩研发周期与开支 ............................................................ 5 AI 制药成兵家必争之地，MNC 加速布局......................................................... 6

AIDD 赋能新药研发，后端湿实验需求凸显 .......................................................... 8 AI 制药可大幅提升早期成功率，后期成功率仍待验证 ............................................ 8 AI 制药加速湿实验需求扩张 .................................................................. 9 Twist：预计 2026 年 AI 相关订单有望实现三位数同比增长，2027 年有望再次实现三位数增长......... 10 金斯瑞生物科技：AI 订单快速增长，可实现 4 天从序列到 Model-Ready ............................ 11 AI 驱动更多 NDA 密集型应用落地 ............................................................. 12

投资建议...................................................................................... 13 风险提示...................................................................................... 14

图表目录

• 图表 1： 传统药物发现各阶段存活分子及成本情况 .................................................. 4
• 图表 2： AI 制药发展重要里程碑.................................................................. 4
• 图表 3： AI 制药可显著压缩研发周期与开支........................................................ 5
• 图表 4： AI 赋能药物研发费用市场规模及增速...................................................... 5
• 图表 5： 全球 AI 制药的交易首付款和总金额变化情况 ............................................... 6
• 图表 6： 2026 年前三季度分领域融资事件数........................................................ 6
• 图表 7： 2026 年前三季度分领域融资金额（亿美元） ................................................ 6
• 图表 8： 2026 年以来大型药企在 AI 领域重点布局项目 ............................................... 7
• 图表 9： AI 在药物研发中的应用.................................................................. 8
• 图表 10： 2020-2022 年成功率去.................................................................. 8
• 图表 11： 2023-2025 年成功率.................................................................... 8
• 图表 12： Mythos Preview 与 Opus 4.8 在 15 个靶点的测试集中，整体命中率超过 20% ................. 9
• 图表 13： Twist 在湿实验的案例分析............................................................. 10
• 图表 14： Twist 的收入结构..................................................................... 11
• 图表 15： 金斯瑞持续构建湿实验服务，赋能下一代科学突破 ........................................ 11
• 图表 16： 金斯瑞可实现 4 天从序列到数据交付 .................................................... 12
• 图表 17： 金斯瑞 AI 相关蛋白业务有望快速增长 ................................................... 12
• 图表 18： AlphaFold 3 在各种分子和蛋白复合物结构中准确率高 ..................................... 12
• 图表 19： AI 驱动更多 NDA 密集型应用............................................................ 13

AI 制药全球融资活跃，MNC 加速布局

传统药物研发长期处于"周期长、成本高、成功率低" 的状态：一个候选药物从靶点确认 到最终获批，需经历命中发现、先导优化、临床前评价及大规模临床试验等顺序推进的环 节，环环依赖海量资源与反复验证，导致平均研发周期超过 10 年、单药累计投入逾 20 亿 美元。

图表1：传统药物发现各阶段存活分子及成本情况

来源：Twist 三季报官方演示材料，国金证券研究所

在此背景下，人工智能（AI）与机器学习（ML）既能修正现有方法的局限性，又能借助基 于 AI 参数的新型模型实现，可有效提升药物研发的效率与成功率，为制药行业提供了一 种依托 AI/ML 落地的解决方案。从图灵提出 "通用机器" 概念，到 AlphaFold2 摘得诺 贝尔化学奖，AI 对医药产业的变革已从理论走向现实。

图表2：AI制药发展重要里程碑

来源：NCBI，英矽智能官网，科技导报，CNBC，Nvidia 官网，Businesswire，Biorxiv，国金证券研究所绘制

AI 制药可显著压缩研发周期与开支

根据弗若斯特沙利文测算，新药研发普遍需耗时 10–17 年、累计投入高达 25.6 亿美元， AI 制药的介入有望显著压缩研发周期与开支：

• 1）显著压缩研发周期。 各研发阶段均能受益，其中药物发现阶段节约时间最为可观，约 70–90%；临床前研究可节约 50–80%；临床研究可节约 50–60%。
• 2）大幅降低研发成本。AI 制药在药物发现与临床研究阶段的参与，有望为制药公司节省 约 50%的成本，对应体量约 540 亿美元。

图表3：AI制药可显著压缩研发周期与开支

来源：弗若斯特沙利文分析，英矽智能招股说明书，国金证券研究所

受益于 AI 对创新药研发全链条的持续赋能，全球 AI 驱动的药物研发市场正步入高速扩 容通道。据弗若斯特沙利文预测，到 2032 年全球 AI 赋能药物研发费用的市场规模将攀升 至约 746 亿美元，2026-2032 年预计年复合增长率达 25.7%。

图表4：AI赋能药物研发费用市场规模及增速

800

700

600

500

400

300

200

100

0

AI赋能药物研发费用市场规模（亿美元） 同比增长

2026E 2027E 2028E 2029E 2030E 2031E 2032E

30%

25%

20%

15%

10%

5%

0%

来源：弗若斯特沙利文分析，英矽智能招股说明书，国金证券研究所

AI 制药成兵家必争之地，MNC 加速布局

全球 AI 制药交易自 2024 年起持续升温，交易首付款与总金额屡创新高。据医药魔方数据 库统计，2026 年上半年全球已披露 AI 技术交易的首付款已达 18 亿美元，交易总金额更 是突破 500 亿美元，双双大幅超越 2025 年全年水平。

图表5：全球AI制药的交易首付款和总金额变化情况

600

首付款（亿美元） 总金额（亿美元）

500

400

300

200

100

0

2020 2021 2022 2023 2024 2025 2026H1

来源：医药魔方数据库，国金证券研究所

细分领域上，AI 制药已跃升为全球第三大融资赛道。据医药魔方数据库统计，2026 年前 三季度，全球 AI 领域融资事件累计 119 件（海外 64 件、国内 55 件），仅低于小分子药物 （211 件）与抗体药物（152 件），位列细分赛道第三。融资规模上，AI 领域累计融资 96.7 亿美元（海外 81.2 亿美元、国内 15.5 亿美元），同期小分子融资 146.9 亿美元、抗体药 物融资 111.7 亿美元。

图表6：2026年前三季度分领域融资事件数 图表7：2026年前三季度分领域融资金额（亿美元）

海外 国内

250

200

150

100

50

0

小分子

抗体药物

人工智能

细胞疗法

核酸药物

药物递送

基因疗法

基因编辑

疫苗

放射性药物

癌症疫苗

编辑RNA

海外 国内

160

140

120

100

80

60

40

20

0

小分子

抗体药物

人工智能

核酸药物

药物递送

细胞疗法

放射性药物

基因疗法

基因编辑

疫苗

编辑RNA

癌症疫苗

来源：医药魔方数据库，国金证券研究所 来源：医药魔方数据库，国金证券研究所

AI 制药已成兵家必争之地，MNC 加速布局。面对 AI 制药这一确定性成长赛道，全球大型 药企（MNC）自 2024 年起密集入场，2026 年更是将布局推向新高潮：从交易趋势来看。头 部药企已将"AI 能力"视作与靶点、管线同等重要的战略资产，交易从单点技术授权走向 平台级并购：从收购具备成熟大模型能力的 AI 公司，到共建实验室、整合药物发现平台 等，MNC 正以多种方式将 AI 深度嵌入研发、临床与生产全链条。

从战略布局看，AI 已成为 MNC 应对专利悬崖、延展成长曲线的重要工具。一方面，依托 AI 提升药物研发效率与成功率，可有效扩充管线储备、平滑重磅药专利到期带来的业绩 压力；另一方面，相较于自研周期长、风险高的局限，并购能够快速获取已验证的技术、 成熟团队与既有数据资产，显著缩短从投入到产出的回报路径，兼具效率与确定性。

综合来看，我们预计未来 1–2 年，MNC 仍将维持对 AI 制药的加速布局态势：在 AI 商 业化验证逐步兑现以及管线更替压力的持续催化下，并购整合与生态绑定预计仍是主旋律， 头部药企将持续对 AI 制药重点领域进行战略卡位。

图表8：2026年以来大型药企在AI领域重点布局项目

时间 交易方 合作方 合作金额 合作内容

3200万美元首付款+里程碑， 最高 8.88 亿美元潜在交易 总额+销售分成、

利用英矽智能自主研发的人工智能平台 Pharma.AI 识别并开发 全新的治疗药物，施维雅将共同承担研发成本，主导后续临床 验证及商业化进程

2026/1/5 施维雅 英矽智能

• 2026/1/7 拜耳 Cradle 未披露，三年战略合作

拜耳在其研发工作流中集成 Cradle 的科学 AI 软件平台，增 强治疗性抗体管线的先导发现与优化

• 2026/1/8 GSK Noetik

5000 万美元首付款+近期里 程碑，建立订阅制框架，GSK 按年支付授权费获取模型访 问权

Noetik 的 OCTO-VC 虚拟细胞基础模型直接提供给 GSK 的 AI 与治疗团队，非独占许可

• 2026/1/9 赛诺菲 CytoReason 最高 1600 万美元多年协议

第三次扩展合作，赛诺菲使用 CytoReason 的 AI 计算疾病模 型帮助药企研发团队更快、更准确地做高价值决策

• 2026/1/9 礼来

Chai Discovery

未披露

礼来部署 Chai 前沿 AI 平台，针对多个靶点设计新型生物 药；Chai 为礼来定制开发专属 AI 模型，用礼来大规模专有 数据训练、适配其发现工作流

• 2026/1/12 礼来 英伟达 5 年联合投入最高 10 亿美元 在旧金山湾区创立 AI 联合创新实验室

• 2026/1/13 阿斯利康 Modella AI 未披露

阿斯利康收购 Modella AI，将前沿病理基础模型与 AI Agent 应用于肿瘤靶向治疗+伴随诊断开发

• 2026/2/9 武田 Iambic

总付款+研发成本+技术访问 费并有资格获得成功付款， 总额最高超 17 亿美元

用 Iambic 的行业领先 AI 药物发现模型，推进武田一系列高 优先级小分子项目，武田获得 NeuralPlexer 访问权

• 2026/3/30 礼来 英矽智能

1.15亿美元首付款+里程碑， 最高 27.5 亿美元潜在交易 总额+销售分成

礼来获得若干适应症下、临床前、潜在 best-in-class 新型 口服疗法的全球独家授权；另双方就礼来选择的多靶点开展多 个研发项目，结合英矽 Pharma.AI 平台与礼来的开发能力

• 2026/4/14 诺和诺德 OpenAI 未披露

诺和诺德从药物发现到商业运营在全球范围整合 OpenAI 最 先进的 AI 能力

• 2026/4/22 默沙东

Google Cloud

多年期投资，最高 10 亿美元

在默沙东的研发、生产制造、商业运营、企业职能等各部门部 署 Google Cloud 最先进的 AI

• 2026/5/11 阿斯利康 Immunai

合作总价值最高 3750 万美 元

再次扩展与 Immunai 的 AI 肿瘤合作，阿斯利康将继续利用 Immunai 的 AMICA-OS AI 操作系统，该系统旨在生成肿瘤药物 开发中临床相关的发现

• 2026/5/20 BMS Anthropic 未披露

将 Claude Enterprise 定位为 BMS 全球运营的共享智能平 台，赋能 3 万+员工的先进推理与 agentic 能力

利用 Variant Bio 的 Inference 平台发现心肾、肾脏疾病、心 血管等在内的靶点

2026/9/23 BI Variant Bio 总潜在价值超 2.5 亿美元

来源：各公司官网，国金证券研究所

AIDD 赋能新药研发，后端湿实验需求凸显

目前 AI 制药已基本实现药物研发全流程的渗透与赋能，应用覆盖靶点识别、药物发现、 临床前评价、临床研究乃至上市后等多个环节，并呈现 "早期环节应用成熟、后期环节逐 步深化" 的特征：

• 1）应用程度分层。 在靶点识别与药物发现等早期环节，AI 应用度相对最高、落地最为成 熟。这主要源于两方面契合：一方面，上述环节以大规模数据与计算建模为核心驱动力， 与 AI 在模式识别、生成式设计上的能力禀赋天然匹配；另一方面，早期环节无需大规模 临床验证与监管审批，模型迭代与试错成本较低，因而更易先行兑现效率红利。
• 2）中后段渗透渐进。相较之下，临床前评价与临床研究阶段的 AI 渗透仍处于深化过程 中。临床前环节中，AI 多用于毒理与安全性预测、动物实验数据外推等，尚需结合实验验 证。 图表9：AI在药物研发中的应用

来源：Zhang,K., Yang,X., Wang,Y. et al. Artificial intelligence in drug development(2025).国金证券研究所

AI 制药可大幅提升早期成功率，后期成功率仍待验证

从现有数据看，AI 赋能生物制药在临床 I 期成功率方面已显露积极信号，但需注意其样 本量仍较小，结论有待更大规模数据验证；II–III 期临床的优势则尚待确认。根据 IQVIA 对 2020–2022 年与 2023–2025 年两段 AI 制药管线成功率的统计：AI 赋能药物在部分 I 期临床中表现出高于 70% 的成功率（传统路径约 50%），早期提效明显；但进入 II 期 后，因样本量尚不足以形成统计判断，AI 赋能的优势目前难以确证，仍需更多管线数据 累积验证。

图表10：2020-2022年成功率去 图表11：2023-2025年成功率

来源：IQVIA，国金证券研究所 来源：IQVIA，国金证券研究所

落实到具体案例，Anthropic 于 2026 年 8 月发布《How Claude is accelerating protein design and analytical chemistry》（Claude 如何加速蛋白设计与分析化学），通过多项 测试展示了 Claude 对生命科学研究节奏的加速作用。其中，（MythosClaude Preview 与 Opus 4.8）针对 15 个靶点设计蛋白结合物，14 个取得成功；依据不同实验设置，其单个 设计的结合成功率为 22%–35%，而当前蛋白设计项目的典型成功率仅为 10–15%。

图表12：Mythos Preview与 Opus 4.8 在 15 个靶点的测试集中，整体命中率超过 20%

来源：Anthropic 官网，How Claude is accelerating protein design and analytical chemistry，国金证券研究所

AI 制药加速湿实验需求扩张

干湿闭环（Dry–Wet Loop）是现阶段 AI 制药最核心的应用范式：通过 "AI 设计预测（干 实验）" 与 "自动化合成测试（湿实验）" 的反复联动，实现 Design-Make-Test-Analyze 闭环，让模型以实验结果持续自我校正，当前主要落地于靶点验证、分子设计、先导优化、 ADMET 评估等早期环节。

AI 提效反而推高湿实验需求。AI 模型的精度高度依赖高质量、可迭代的实验数据来训练 与校正，且生成出的候选分子仍需实验合成与活性验证才能进入下一阶段。同一轮实验要 验证更多候选、产出更多数据，推动实验需求总量持续上行。

下图中展示了 Twist 在不同研发阶段的验证需求。据 Twist 2026 年投资者日演示材料， 截至 2026 年 3 月 5 日，Twist 在湿实验阶段已累计完成 20 万+蛋白表达、13 万+抗体检 测，并据此生成超过 700 万数据点。

图表13：Twist在湿实验的案例分析

来源：Twist 2026 年投资者日演示材料，国金证券研究所

Twist：预计 2026 年 AI 相关订单有望实现三位数同比增长，2027 年有望再次实现三位数 增长

Twist Bioscience 是全球合成生物学龙头，凭硅基 DNA 合成平台在 "写 DNA" 上建立 起精度、规模与速度三重壁垒，并正依托规模化湿实验数据，前瞻布局 AI 制药后端验证 环节。

AI 相关订单已开始放量。据公司 2026 年投资者日演示材料和 2026 年三季度业绩交流演 示材料，管理层预计 2026 年 AI 相关订单有望实现三位数同比增长，且 2027 年有望再度 录得三位数增长。

图表14：Twist的收入结构

来源：Twist 2026 年投资者日演示材料，国金证券研究所

金斯瑞生物科技：AI 订单快速增长，可实现 4 天从序列到 Model-Ready

金斯瑞生命科学服务和产品平台提供涵盖 DNA 合成、寡核苷酸合成、多肽合成、蛋白质生 产、抗体开发以及生命科学仪器和耗材的服务和产品，也是 AI 制药核心贡献收入的板块。

金斯瑞正持续推进 AI 驱动药物发现（AIDD）能力建设。依托多年积累的基因合成、蛋白 表达、抗体开发及生物学检测能力，公司进一步整合自动化与数字化工作流程，构建覆盖 序列构建、表达、纯化、检测及 AI-Ready 数据输出的“从序列到数据”能力。

金斯瑞于 2026 年 9 月与全球领先制药企业礼来的 AI/机器学习药物发现协作平台 Lilly TuneLab 达成合作。金斯瑞将向 Lilly TuneLab 参与企业提供湿实验服务，助力其快速生 成实验数据，将 AI 预测转化为生物学验证数据，加速候选药物评估。

图表15：金斯瑞持续构建湿实验服务，赋能下一代科学突破

来源：金斯瑞 26 年中期业绩展示稿，国金证券研究所

金斯瑞持续发挥在生物技术、自动化和数字化方面的积累，提升从分子设计到实验数据生 成的整体效率。公司在高通量平台实现突破，序列到数据的交付周期可缩短至四天，行业 交付时效领先，可适配快速发展的 AI 制药产业趋势。

图表16：金斯瑞可实现4天从序列到数据交付 图表17：金斯瑞AI相关蛋白业务有望快速增长

来源：金斯瑞 26 年中期业绩展示稿，国金证券研究所 来源：金斯瑞 26 年中期业绩展示稿，国金证券研究所

AI 驱动更多 NDA 密集型应用落地

AI 制药在各种分子和蛋白预测方面已较为成熟。目前 AlphaFold 3 能够预测包括蛋白质、 核酸、小分子、离子和修饰残基在内的复合物的关节结构，准确度远超以往许多专业工具。

图表18：AlphaFold 3在各种分子和蛋白复合物结构中准确率高

来源：Accurate structure prediction of biomolecular interactions with AlphaFold 3，国金证券研究所

AI 正驱动更多 DNA 密集型应用落地。以 Twist 为例，公司的平台正赋能多元应用场景， 典型包括：

• 1）AI 生成 CRISPR 核酸酶：对 CRISPR-Cas 序列全域进行建模，设计功能更强、特异性 更高的基因组编辑器；
• 2）以模型筛选 mRNA 表达的最佳 3'UTR：基于深度学习的 ML 驱动 3'UTR 设计，优化 mRNA 的稳定性与表达效率；
• 3）打造 Lab-in-the-loop（实验在环）蛋白设计与优化工作流：以 AI 设计与湿实验验证 闭环，赋能治疗性抗体的设计与优化。

图表19：AI驱动更多NDA密集型应用

来源：Twist 2026 年投资者日演示材料，国金证券研究所

投资建议

AI 制药行业正处于快速成长期，市场空间广阔。产业链公司包括：1）湿实验服务商：Twist Bioscience、金斯瑞生物、百普赛斯、药明生物等；2）AI 制药公司：英矽智能、剂泰科 技、晶泰科技；3）实验室服务：药明康德、康龙化成、美迪西等。

风险提示

技术与临床风险：AI 模型泛化能力不足，核心管线Ⅱ/Ⅲ期临床数据不及预期甚至失败； AI 生成分子存在可设计但难以合成、体内脱靶毒性等问题；

数据风险：高质量生物标注数据稀缺、数据版权争议、实验数据标准不统一，数据回流闭 环搭建难度高于预期；

监管风险：AI 生成药物的申报、数据溯源、模型审计要求持续更新，审评标准变化带来 不确定性；

商业化风险：药企付费意愿不及预期，BD 合作谈判难度上升、分成条款承压； 产业与成本风险：算力、自动化实验室资本开支高；交叉学科人才稀缺；行业持续内卷， 工具类业务价格下行。

行业投资评级的说明： 买入：预期未来 3－6 个月内该行业上涨幅度超过大盘在 15%以上； 增持：预期未来 3－6 个月内该行业上涨幅度超过大盘在 5%－15%； 中性：预期未来 3－6 个月内该行业变动幅度相对大盘在 -5%－5%； 减持：预期未来 3－6 个月内该行业下跌幅度超过大盘在 5%以上。

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 C3 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 北京 深圳 电话：021-80234211 邮箱：researchsh@gjzq.com.cn 邮编：201204 地址：上海浦东新区芳甸路 1088 号

电话：010-85950438 邮箱：researchbj@gjzq.com.cn 邮编：100005 地址：北京市东城区建内大街 26 号

电话：0755-86695353 邮箱：researchsz@gjzq.com.cn 邮编：518000 地址：深圳市福田区金田路 2028 号皇岗商务中心

紫竹国际大厦 5 楼

新闻大厦 8 层南侧

18 楼 1806

【小程序】 国金证券研究服务

【公众号】 国金证券研究