證券研究報(bào)告|行業(yè)點(diǎn)評(píng)|計(jì)算機(jī)wwwwstockecomcnChatGPT，振奮人形機(jī)器人應(yīng)用端錦繡前程——人形機(jī)器人行業(yè)點(diǎn)評(píng)報(bào)告投資要點(diǎn)口近日OpenAI發(fā)布了誕生于GPT-3基礎(chǔ)上的聊天機(jī)器人ChatGPT，短短幾天引爆網(wǎng)絡(luò)，用戶數(shù)突破100萬(wàn)。ChatGPT根據(jù)強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)模型調(diào)整迭代為用戶生成建議，應(yīng)用場(chǎng)景豐富，可以參加考試、寫(xiě)詩(shī)、修bug，“智商”很高。當(dāng)前人形機(jī)器人優(yōu)先“四肢發(fā)達(dá)”，未來(lái)“頭腦發(fā)達(dá)”為其終極追求。人機(jī)交互領(lǐng)域智能體雖依然存在無(wú)法完全根據(jù)現(xiàn)實(shí)生活進(jìn)行自主推演，具有道德約束風(fēng)險(xiǎn)等缺陷，但其在語(yǔ)義交互上的進(jìn)步顯著。隨著人機(jī)交互技術(shù)在語(yǔ)音、語(yǔ)義、肢體等交互能力的成熟，人形機(jī)器人靈活適用于更廣闊的ToC場(chǎng)景指日可待?？贑hatGPT根據(jù)強(qiáng)化學(xué)習(xí)獎(jiǎng)勵(lì)模型與用戶進(jìn)行語(yǔ)義交互，應(yīng)用場(chǎng)景豐富OpenAI發(fā)布了誕生于GPT-3基礎(chǔ)上的聊天機(jī)器人ChatGPT，具備用戶友好的對(duì)話交互界面，根據(jù)指令提供詳細(xì)響應(yīng)。首先，由人類(lèi)標(biāo)記員對(duì)于用戶提交的prompt來(lái)編寫(xiě)答案，把這些答案的數(shù)據(jù)集收集起來(lái)，通過(guò)監(jiān)督學(xué)習(xí)對(duì)GPT進(jìn)行微調(diào)。然后，由人類(lèi)標(biāo)記員對(duì)于模型產(chǎn)出的答案進(jìn)行排序，以此收集比較數(shù)據(jù)用于訓(xùn)練強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)模型，以捕捉人類(lèi)偏好。最后，采用PPO(近端策略優(yōu)化)算法對(duì)模型進(jìn)行微調(diào)迭代，幫助AI優(yōu)化回復(fù)內(nèi)容。ChatGPT應(yīng)用場(chǎng)景豐富，可以參加考試、寫(xiě)詩(shī)、修bug，“智商”很高。但同時(shí)，ChatGPT也存在局限性。有時(shí)會(huì)生成包含虛假和明顯錯(cuò)誤的回復(fù)；雖具合法和道德約束設(shè)置，但仍有破解方法?？谌藱C(jī)交互模塊的突破增強(qiáng)人形機(jī)器人ToC商業(yè)化應(yīng)用確定性人機(jī)交互系統(tǒng)為人形機(jī)器人的“大腦”。人形機(jī)器人主要包含三大核心技術(shù)模塊：環(huán)境感知模塊、運(yùn)動(dòng)控制模塊和人機(jī)交互模塊。三大核心模塊技術(shù)進(jìn)展差異顯著，人機(jī)交互仍存挑戰(zhàn)。語(yǔ)音語(yǔ)義分析作為人機(jī)交互核心途徑，幫助機(jī)器人具備聽(tīng)、說(shuō)、理解和思考的能力。當(dāng)前人形機(jī)器人積極發(fā)展運(yùn)動(dòng)性能，通過(guò)“指令-執(zhí)行”工作模式解決勞動(dòng)力短缺問(wèn)題，但人機(jī)交互的挑戰(zhàn)限制其商業(yè)應(yīng)用場(chǎng)景。當(dāng)前人機(jī)交互領(lǐng)域捷報(bào)頻傳，AI越來(lái)越能夠適應(yīng)不確定性的真實(shí)世界并理解演繹角色。人機(jī)交互領(lǐng)域智能體雖然存在無(wú)法完全根據(jù)現(xiàn)實(shí)生活進(jìn)行自主推演，具有道德約束風(fēng)險(xiǎn)等缺陷，但其在語(yǔ)義交互上的進(jìn)步顯著。隨著人機(jī)交互技術(shù)在語(yǔ)音、語(yǔ)義、肢體等交互能力的成熟，人形機(jī)器人靈活適用于更廣闊的ToC場(chǎng)景指日可待?？贕PT模型歷經(jīng)四代發(fā)展，模型簡(jiǎn)化滿足細(xì)分任務(wù)應(yīng)用GPT模型自發(fā)布以來(lái)歷經(jīng)四代，其中GPT3模型參數(shù)量達(dá)到1750億，奠定了AI進(jìn)入大模型時(shí)代。ChatGPT僅有約13億參數(shù)，但細(xì)分任務(wù)領(lǐng)域表現(xiàn)依舊出色，我們認(rèn)為基于大模型提煉小模型實(shí)現(xiàn)各類(lèi)任務(wù)模塊有望成為AI商業(yè)化的有效路徑，能夠有效解決AI模型訓(xùn)練成本過(guò)高的問(wèn)題。口相關(guān)投資標(biāo)的1)AI模型：浪潮信息(“源1.0”AI大模型)2)大數(shù)據(jù)存儲(chǔ)：星環(huán)科技(分布式數(shù)據(jù)庫(kù))3)AI自然語(yǔ)言處理廠商：拓爾思(語(yǔ)義智能)、科大訊飛(智能語(yǔ)音交互)口風(fēng)險(xiǎn)提示AI技術(shù)迭代不達(dá)預(yù)期；人機(jī)交互技術(shù)遷移不達(dá)預(yù)期；人形機(jī)器人商業(yè)化進(jìn)程不行業(yè)評(píng)級(jí):看好(維持)師：程兵bingstockecomcnianziyanstockecomcn相關(guān)報(bào)告”主線，聚焦優(yōu)勢(shì)產(chǎn)業(yè)創(chuàng)新投3《解讀《關(guān)于數(shù)字經(jīng)濟(jì)發(fā)展情況的報(bào)告》——行業(yè)點(diǎn)評(píng)報(bào)告》2022.11.17行業(yè)點(diǎn)評(píng)wwwwstockecomcn正文目錄1ChatGPT——“有智商”“有道德”的語(yǔ)言文字交互技術(shù)躍升 4 3GPT模型歷經(jīng)四代發(fā)展，模型簡(jiǎn)化滿足細(xì)分任務(wù)應(yīng)用 8 wwwwstockecomcn表目錄圖1：ChatGPT根據(jù)強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)模型調(diào)整迭代為用戶生成建議 4 表1：GPT，GPT-2，GPT-3模型對(duì)比..........................................................................................................................................8行業(yè)點(diǎn)評(píng)wwwwstockecomcn近日OpenAI發(fā)布了誕生于GPT-3基礎(chǔ)上的聊天機(jī)器人ChatGPT，短短幾天引爆網(wǎng)絡(luò)，用戶數(shù)突破100萬(wàn)。OpenAI為AI研發(fā)公司，于2015年由硅谷投資者阿爾特曼和特斯拉創(chuàng)辦人馬斯克共同創(chuàng)立。2018年馬斯克離開(kāi)了OpenAI；2019年微軟對(duì)OpenAI注資了10億美元用于研發(fā)。ChatGPT具備用戶友好的對(duì)話交互界面，是InstructGPT的兄弟模型，根據(jù)指令提供詳細(xì)響應(yīng)。與InstructGPT一樣，ChatGPT亦使用了RLHF(ReinforcementLearningfromHumanFeedback)模型。首先，由人類(lèi)標(biāo)記員對(duì)于用戶提交的prompt來(lái)編寫(xiě)答案，把這些答案的數(shù)據(jù)集收集起來(lái)，通過(guò)監(jiān)督學(xué)習(xí)對(duì)GPT進(jìn)行微調(diào)。然后，由人類(lèi)標(biāo)記員對(duì)于模型產(chǎn)出的答案進(jìn)行排序，以此收集比較數(shù)據(jù)用于訓(xùn)練強(qiáng)化學(xué)習(xí)的獎(jiǎng)勵(lì)模型，以捕捉人類(lèi)偏好。最后，采用PPO(近端策略優(yōu)化)算法對(duì)模型進(jìn)行微調(diào)迭代，幫助AI優(yōu)化回復(fù)內(nèi)容。ChatGPT應(yīng)用場(chǎng)景豐富，可以參加考試、寫(xiě)詩(shī)、修bug，“智商”很高。網(wǎng)友讓ChatGPT參加SAT考試，ChatGPT拿到1020/1600分，大約排在52%。ChatGPT也可以幫程序員網(wǎng)友解決編碼問(wèn)題，可能是很好的調(diào)試bug幫手，修復(fù)bug并做了解釋。很多網(wǎng)友讓ChatGPT以各種主題作詩(shī)和寫(xiě)電影腳本，均流暢自然，也可能為藝術(shù)家提供很好的靈感。ChatGPT也可以寫(xiě)信甚至寫(xiě)論文。ChatGPT具備不同角色的理解能力，能同時(shí)扮演不同角色并進(jìn)行對(duì)話。但同時(shí)，ChatGPT也存在局限性。ChatGPT有時(shí)會(huì)生成包含虛假和明顯錯(cuò)誤的回復(fù)。比如Twitter上某教授讓ChatGPT寫(xiě)一篇他的科普詞條時(shí)，ChatGPT的回復(fù)中包含了一些明顯的錯(cuò)誤細(xì)節(jié)。同時(shí)，在回答用戶一些代數(shù)和幾何問(wèn)題時(shí)，也出現(xiàn)答非所問(wèn)，甚至胡言亂語(yǔ)的情況。wwwwstockecomcn對(duì)此OpenAI表示想要根除這個(gè)問(wèn)題具有挑戰(zhàn)性。主要原因?yàn)椋?)目前數(shù)據(jù)沒(méi)有來(lái)源于真實(shí)世界；2)模型訓(xùn)練十分謹(jǐn)慎，有些ChatGPT可以正確回答的問(wèn)題被它拒絕回答；3)監(jiān)督訓(xùn)練導(dǎo)致模型回答依賴(lài)于人類(lèi)演示者知道的內(nèi)容。ChatGPT雖具合法和道德約束設(shè)置，但仍有破解方法。若在prompt中輸入如何搶商店遭到ChatGPT拒絕并建議網(wǎng)友用合法和道德的方式來(lái)獲得物品。但在prompt加上無(wú)道德約束的詞條后，ChatGPT就詳細(xì)回復(fù)了網(wǎng)友的問(wèn)題。對(duì)于此類(lèi)現(xiàn)象，OpenAI表示模型有時(shí)會(huì)對(duì)有害的指令作出回應(yīng)或給出有偏見(jiàn)的回答，正在使用ModerationAPI來(lái)警告或阻止某些類(lèi)型的不安全內(nèi)容，預(yù)計(jì)仍會(huì)有一些誤報(bào)，希望根據(jù)用戶反饋持續(xù)調(diào)整。wwwwstockecomcn人機(jī)交互系統(tǒng)為人形機(jī)器人的“大腦”。人形機(jī)器人主要包含三大核心技術(shù)模塊：環(huán)境感知模塊、運(yùn)動(dòng)控制模塊和人機(jī)交互模塊。感知系統(tǒng)主要負(fù)責(zé)數(shù)據(jù)采集的前端感知層 (圖像、語(yǔ)音等傳感器、雷達(dá)、壓感、光感等專(zhuān)用傳感器等)，相當(dāng)于人的眼、耳、鼻、皮膚等；運(yùn)動(dòng)控制模塊包括機(jī)械傳動(dòng)系統(tǒng)，模擬人的軀體及四肢；人機(jī)交互系統(tǒng)包括負(fù)責(zé)數(shù)據(jù)整理和算力處理的存儲(chǔ)器和智能芯片，相當(dāng)于人的大腦。三大核心模塊技術(shù)進(jìn)展差異顯著，人機(jī)交互仍存挑戰(zhàn)。目前在環(huán)境感知和運(yùn)動(dòng)控制模塊上，受益于自動(dòng)駕駛、工業(yè)機(jī)器人等領(lǐng)域的成熟應(yīng)用，相關(guān)硬件商用化進(jìn)程較快，而在人機(jī)交互模塊，由于算法、算力的限制，在實(shí)際消費(fèi)場(chǎng)景中實(shí)現(xiàn)高效的人機(jī)智能交互還存在不小的難度。語(yǔ)音語(yǔ)義分析作為人機(jī)交互核心途徑，幫助機(jī)器人具備聽(tīng)、說(shuō)、理解和思考的能力。語(yǔ)音語(yǔ)義模塊包含了語(yǔ)音識(shí)別和語(yǔ)義分析兩部分，涉及聲學(xué)信號(hào)(聲源定位、語(yǔ)音增強(qiáng)等)、模式識(shí)別(聲紋識(shí)別、語(yǔ)音識(shí)別等)、自然語(yǔ)言處理(自然語(yǔ)言理解、自然語(yǔ)言生成等)和語(yǔ)音合成等技術(shù)。當(dāng)前人形機(jī)器人優(yōu)先“四肢發(fā)達(dá)”，未來(lái)“頭腦發(fā)達(dá)”為其終極追求。業(yè)點(diǎn)評(píng)wwwwstockecomcn波士頓動(dòng)力Atlas發(fā)展路徑為“超越人”，具有全球最優(yōu)異運(yùn)動(dòng)性能，長(zhǎng)期愿景為軍事應(yīng)用。波士頓動(dòng)力Atlas展現(xiàn)了全球最前沿的人形機(jī)器人科研進(jìn)度，可以跑酷、后空翻、跳舞、使用工具。其研發(fā)目標(biāo)是“超越人”。Atlas機(jī)器人以復(fù)雜的AI算法、多模態(tài)視覺(jué)感知和高性能電液驅(qū)動(dòng)系統(tǒng)實(shí)現(xiàn)優(yōu)異運(yùn)動(dòng)性能，特斯拉Optimus發(fā)展路徑為“替代人”，ToB端特斯拉超級(jí)工廠或優(yōu)先成為擎天柱應(yīng)用場(chǎng)景。目前推測(cè)特斯拉機(jī)器人的初步定位于取代部分應(yīng)用場(chǎng)景下的勞動(dòng)力，基于“指令-執(zhí)行”的工作模式避開(kāi)了現(xiàn)實(shí)世界人機(jī)交互這一技術(shù)難點(diǎn)，能夠快速部署到toB領(lǐng)域，但toC領(lǐng)域仍然是最廣闊的應(yīng)用場(chǎng)景，也是最終目標(biāo)。當(dāng)前人形機(jī)器人積極發(fā)展運(yùn)動(dòng)性能，預(yù)期通過(guò)“指令-執(zhí)行”工作模式解決勞動(dòng)力短缺問(wèn)題，但人機(jī)交互的挑戰(zhàn)限制其商業(yè)應(yīng)用場(chǎng)景。未來(lái)人形機(jī)器人可以應(yīng)用于發(fā)電廠的檢查、維護(hù)和災(zāi)難應(yīng)對(duì)等危險(xiǎn)任務(wù)處理，也可以在太空旅行中接管宇航員的日常任務(wù)；可以為老人和病人提供陪伴，充當(dāng)向?qū)?，以接待員的角色與客戶互動(dòng)等。在眾多應(yīng)用場(chǎng)景中人形機(jī)器人的智能化，即其人機(jī)交互能力至關(guān)重要。人機(jī)交互領(lǐng)域捷報(bào)頻傳，AI越來(lái)越能夠適應(yīng)不確定性的真實(shí)世界并理解演繹角色。符合現(xiàn)實(shí)世界不確定性的通用AI博弈智能體——DeepNash。出自DeepMind的AI智能體DeepNash，基于博弈論和無(wú)模型深度強(qiáng)化學(xué)習(xí)技術(shù)在Stratego(西洋陸軍棋)領(lǐng)域花式戰(zhàn)勝專(zhuān)業(yè)級(jí)人類(lèi)玩家，Gravon上排名前3。與以往的棋牌游戲相比，該游戲需要在信息不全的情況下，人性化地“虛張聲勢(shì)”和做決定，甚至有隱藏信息“嚇唬”對(duì)手等策略。只需一句大綱就可工作的語(yǔ)義交互AI編劇——Dramatron。網(wǎng)友只需要輸入一句話故事梗概，Dramatron就可以給出較有文采的標(biāo)題，確定故事主角，設(shè)置故事場(chǎng)景，打磨場(chǎng)景細(xì)節(jié)，生成人物間對(duì)話。通過(guò)分層故事生成的方法來(lái)完成腳本和劇本。2022年8月在埃德蒙頓舉辦的國(guó)際前沿戲劇節(jié)上，大部分專(zhuān)家和專(zhuān)業(yè)編輯通過(guò)兩小時(shí)的用戶會(huì)議以后，對(duì)Dramatron作出了積極評(píng)價(jià)。從人類(lèi)的反饋中強(qiáng)化學(xué)習(xí)和用戶“閑聊”——Sparrow。DeepMind在大型語(yǔ)言模型論文中提出Sparrow(麻雀)模型，發(fā)表訓(xùn)練對(duì)話智能體的新方法：基于研究參與者輸入的強(qiáng)化學(xué)習(xí)。從人類(lèi)的反饋中學(xué)習(xí)，使得答復(fù)不安全和不適當(dāng)答案的風(fēng)險(xiǎn)降低。當(dāng)前人機(jī)交互領(lǐng)域智能體雖依然存在無(wú)法完全根據(jù)現(xiàn)實(shí)生活進(jìn)行自主推演，具有道德約束風(fēng)險(xiǎn)等缺陷，但其在語(yǔ)義交互上的進(jìn)步顯著。隨著人機(jī)交互技術(shù)在語(yǔ)音、語(yǔ)義、肢體等交互能力的成熟，人形機(jī)器人靈活適用于更廣闊的ToC場(chǎng)景指日可待。行業(yè)點(diǎn)評(píng)wwwwstockecomcnOpenAI發(fā)布GPT模型，將NLP帶入“預(yù)訓(xùn)練”時(shí)代。GPT(GenerativePre-Training，GPT)模型利用更大規(guī)模的文本數(shù)據(jù)以及更深層的神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)更豐富的文本語(yǔ)義表示，打破了自然語(yǔ)言處理各個(gè)任務(wù)之間的壁壘，使得搭建一個(gè)面向特定任務(wù)的自然語(yǔ)言模型不再需要非常多的任務(wù)背景，只需要根據(jù)任務(wù)的輸入和輸出形式應(yīng)用預(yù)訓(xùn)練模型便可達(dá)到滿意效果。NLP模型的搭建只需要“無(wú)監(jiān)督預(yù)訓(xùn)練+有監(jiān)督的精調(diào)”兩階段：(1)生成式預(yù)訓(xùn)練：在大規(guī)模文本數(shù)據(jù)上訓(xùn)練一個(gè)高容量的語(yǔ)言模型，以學(xué)習(xí)更豐富的上下文信息；(2)判別式任務(wù)精調(diào)：將預(yù)訓(xùn)練好的模型適配到下游任務(wù)中，并使用有標(biāo)注數(shù)據(jù)學(xué)習(xí)判別式任務(wù)；從GPT到GPT-2和GPT-3，參數(shù)提升和訓(xùn)練數(shù)據(jù)積累提升模型工作性能。到了GPT-2階段，OpenAI將自然語(yǔ)言模型定義為要完成零樣本無(wú)監(jiān)督多任務(wù)學(xué)習(xí)的目標(biāo)，即預(yù)訓(xùn)練好的模型可以直接用于下游任務(wù)。GPT-2模型在學(xué)習(xí)更廣泛的數(shù)據(jù)信息，增加了模型的維度參數(shù)后，不需要針對(duì)特定的任務(wù)修改模型，將任務(wù)也作為提示詞，和文本一起輸入預(yù)訓(xùn)練好的模型。承接GPT-2的核心思想，到了GPT-3，模型參數(shù)量達(dá)到了1750億，在不進(jìn)行微調(diào)的情況下可以在多個(gè)NLP基準(zhǔn)上達(dá)到最先進(jìn)的性能。GPT模型的演進(jìn)為國(guó)內(nèi)外AI大廠提供了重要的借鑒意義，即通過(guò)優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)輸入和模型復(fù)雜度的增加來(lái)提升模型性能，而未來(lái)AI以少樣本乃至無(wú)樣本學(xué)習(xí)為核心目標(biāo)。PT據(jù)集40GB文本數(shù)據(jù)模型框架Transformerdecoder，每層由maskedselfattention+feedforwardlayer組成模型參數(shù)模型表現(xiàn)閱讀理解、文本總結(jié)等上表現(xiàn)出色有任務(wù)學(xué)習(xí)甚至零樣本學(xué)習(xí)上取得出色表現(xiàn)督的精調(diào)分類(lèi)模型，院，浙商證券研究所NLP商業(yè)化進(jìn)程兼具機(jī)遇與挑戰(zhàn)，場(chǎng)景理解和成本要求決定了未來(lái)NLP發(fā)展的兩大GPTBERTNLP本極高，微軟為訓(xùn)練GPT-3投資5億美元建設(shè)了超算中心，單次模型訓(xùn)練消耗355GPU年的算力，算力和經(jīng)濟(jì)成本極高，很難滿足細(xì)分場(chǎng)景商業(yè)化應(yīng)用的要求。我們預(yù)計(jì)未來(lái)NLP技術(shù)的發(fā)展有兩大趨勢(shì)：(1)預(yù)訓(xùn)練模型的簡(jiǎn)化和計(jì)算速度的提升，控制成本以滿足商業(yè)化的需求；(2)與細(xì)分業(yè)務(wù)場(chǎng)景結(jié)合更加緊密，對(duì)細(xì)分場(chǎng)景下的優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)量需求提出了更高要求?；谥R(shí)蒸餾思想改進(jìn)BERT預(yù)訓(xùn)練模型，實(shí)現(xiàn)模型的簡(jiǎn)化和速度的提升。DistilledBERT模型直接將BERT的部分參數(shù)作為初始化，模型參數(shù)只有BERT的約40%，但速度快提升60%，同時(shí)保留了97%的語(yǔ)言理解能力。我們認(rèn)為在NLP通往商業(yè)化應(yīng)用的道路行業(yè)點(diǎn)評(píng)wwwwstockecomcn上，早期專(zhuān)注于增加數(shù)據(jù)量、計(jì)算能力或者訓(xùn)練過(guò)程的優(yōu)化方式可能不再適用，未來(lái)各大廠商需要在計(jì)算與預(yù)測(cè)性能之間做出權(quán)衡，探索如何利用更少的數(shù)據(jù)與計(jì)算資源，幫助模型實(shí)現(xiàn)性能提升。ChatGPT實(shí)現(xiàn)模型的大幅瘦身，通過(guò)人類(lèi)演示指導(dǎo)模型分析。根據(jù)OpenAI官網(wǎng)數(shù)據(jù)顯示，ChatGPT模型有13億個(gè)參數(shù)，相較于GPT3的1750億參數(shù)大幅精簡(jiǎn)，但回答準(zhǔn)確率、道德表現(xiàn)卻好于GPT-3。根據(jù)彭博社報(bào)道，OpenAI正在開(kāi)發(fā)一個(gè)名為WebGPT的AI系統(tǒng)，WebGPT將能夠更準(zhǔn)確地回答問(wèn)題，甚至還能說(shuō)明引用的來(lái)源。我們認(rèn)為未來(lái)GPT將在大模型的基礎(chǔ)上，推出更多面向細(xì)分任務(wù)的小模型，并基于實(shí)際場(chǎng)景的數(shù)據(jù)訓(xùn)練和專(zhuān)家指導(dǎo)，打開(kāi)語(yǔ)義智能商業(yè)化應(yīng)用的空間。行業(yè)點(diǎn)評(píng)wwwwstockecomcn4相關(guān)投資標(biāo)的1)AI模型：浪潮信息(“源1.0”AI大模型)2)大數(shù)據(jù)存儲(chǔ)：星環(huán)科技(分布式數(shù)據(jù)庫(kù))3)AI自然語(yǔ)言處理廠商：拓爾思(語(yǔ)義智能)、科大訊飛(智能語(yǔ)音交互)5風(fēng)險(xiǎn)提示AI技術(shù)迭代不達(dá)預(yù)期；人機(jī)交互技術(shù)遷移不達(dá)預(yù)期；人形機(jī)器人商業(yè)化進(jìn)程不達(dá)預(yù)業(yè)點(diǎn)評(píng)wwwwstockecomcn股票投資評(píng)級(jí)說(shuō)明以報(bào)告日后的6個(gè)月內(nèi)，證券相對(duì)于滬深300指數(shù)的漲跌幅為標(biāo)準(zhǔn)，定義如下：1.買(mǎi)入：相對(duì)于滬深300指數(shù)表現(xiàn)＋20％以上；2.增持：相對(duì)于滬深300指數(shù)表現(xiàn)＋10％~＋20％；3.中性：相對(duì)于滬深300指數(shù)表現(xiàn)－10％~＋10％之間波動(dòng)；4.減持：相對(duì)于滬深300指數(shù)表現(xiàn)－10％以下。行業(yè)的投資評(píng)級(jí)：以報(bào)告日后的6個(gè)月內(nèi)，行業(yè)指數(shù)相對(duì)于滬深300指數(shù)的漲跌幅為標(biāo)準(zhǔn)，定義如下：1.看好：行業(yè)指數(shù)相對(duì)于滬深300指數(shù)表現(xiàn)＋10%以上；2.中性：行業(yè)指數(shù)相對(duì)于滬深300指數(shù)表現(xiàn)－10%~＋10%以上；3.看淡：行業(yè)指數(shù)相對(duì)于滬深300指數(shù)表現(xiàn)－10%以下。我們?cè)诖颂嵝涯?，不同證券研究機(jī)構(gòu)采用不同的評(píng)級(jí)術(shù)語(yǔ)及評(píng)級(jí)標(biāo)準(zhǔn)。我們采用的是相對(duì)評(píng)級(jí)體系，表示投資的相對(duì)比建議：投資者買(mǎi)入或者賣(mài)出證券的決定取決于個(gè)人的實(shí)際情況，比如當(dāng)前的持倉(cāng)結(jié)構(gòu)以及其他需要考慮的因素。投資者不應(yīng)僅僅依靠投資評(píng)級(jí)來(lái)推斷結(jié)論。法律聲明及風(fēng)險(xiǎn)提示本報(bào)告由浙商證