AlphaGo 初战告捷，IA+AI 引领科技未xqdoc.imedao.com/1535f7465e477f3fd9159bd8.pdf · oled：即将爆发的下一代显示技术 2016 -02 16 从it 到time 2016-01-06 2015

HeaderTable_User 810267106 849307396 1013244114 HeaderTable_Industry 13020500 看好 investRatingChange.same 173833581

动态跟踪

东方证券股份有限公司经相关主管机关核准具备证券投资咨询业务资格，据此开展发布证券研究报告业务。

东方证券股份有限公司及其关联机构在法律许可的范围内正在或将要与本研究报告所分析的企业发展业务关系。因此，投资者应当考虑到本公司可能存在对报告的客观性产生

影响的利益冲突，不应视本证券研究报告为作出投资决策的唯一因素。

有关分析师的申明，见本报告最后部分。其他重要信息披露见分析师申明之后部分，或请与您的投资代表联系。并请阅读本证券研究报告最后一页的免责申明。

【行业·

证券研究报告】

事件

3 月 9 日谷歌人工智能 AlphaGo 在与人类围棋冠军李世石的“世纪之战”中

首站告捷，这是 AlphaGo 在去年 11 月击败欧洲围棋冠军樊麾之后，又一个

里程碑！

核心观点

AlphaGo 拿下人类智力最后的骄傲：棋类游戏是人类智力的试金石，围棋更

是人类智力的骄傲，被视为人工智能最难破解的游戏，围棋有 3^361 种变化，

无法使用类似于国际象棋的穷举法，也缺乏有效的对局面的评价系统，

AlphaGo 利用两大核心技术蒙特卡洛树搜索，神经网络系统，给出了有效的

应对策略。这也是人工智能 60 年历史的里程碑事件，说明计算机通过深度

学习在单一项目上超过人类智力成为可能！

人工智能沉浮 60 年，算法进步、移动终端红利带来近 10 年高速发展：人工

智能自 1956 年达特茅斯会议提出以来，整整经历了 60 年的沉浮，符号主义

（逻辑推理，模拟左脑），连接主义（神经网络、模拟右脑），行为主义（控

制理论、模拟身体）相继被提出，在各自的应用领域取得了耀眼的成绩，但

算法、硬件计算能力等成为发展瓶颈。2006 年以来深度神经网络大大促进了

人工智能在语音、图像识别及深度学习领域的进步！而且计算能力、大数据、

算法进步还在不断提升人工智能，我们对强人工智能持审慎态度，但不妨碍

人工智能在能实现的应用里面成为科技进步未来几十年的一大助推力！

IA+AI 引领科技未来：智能增强（IA）围绕“以人为本“的理念，引领了计

算机时代众多的科技进步！在人工智能越来越走向可用化的当下，科技巨头

都开始大力布局基础技术和应用。我们认为，在 2010-2015 年低功耗处理器、

移动互联网、触摸屏以及各类传感器促进了“后智能机”时代第一波创新智

能硬件大潮之后，2016-2026 年语音交互、机器视觉（包括手势控制）等 IA+AI

的元素正在拉开新一轮科技进步大潮，而这一波的“智能”有望在更多场景

下找到杀手级的应用，未来脑机接口以及认知智能的进一步推进，将带来更

大的想象空间！

投资建议及投资标的

IA+AI 带来创新硬件大爆发，建议关注核心层面的处理器和操作系统公司，

中科创达(300496，未评级)（OS）、全志科技(300458，未评级)（处理器）

建议关注布局 AI 底层技术的公司，科大讯飞(002230，未评级)（语音识别、

讯飞超脑计划）

建议关注 IA、AI 应用公司，海康威视(002415，未评级)（机器视觉及应用）、

大华股份(002236，未评级)（机器视觉及服务机器人）、长盈精密(300115，

买入)（服务机器人及部件）、远方光电(300306，未评级)（指纹、人脸识别

及应用）、欣旺达(300207，未评级)（VR、无人机部件）等

风险提示

从感知智能迈向认知智能有可能遭遇瓶颈

AlphaGo 初战告捷，IA+AI 引领科技未来

电子行业

行业评级看好中性看淡 (维持)

国家/地区中国/A 股

行业电子

报告发布日期 2016 年 03 月 10 日

行业表现

资料来源：WIND

证券分析师蒯剑

021-63325888*8514

[email protected]

执业证书编号：S0860514050005

胡誉镜

021-63325888*7518

[email protected]

执业证书编号：S0860514080001

联系人王芳

021-63325888*6068

[email protected]

相关报告

OLED：即将爆发的下一代显示技术 2016-02-16

从 IT 到 TIME 2016-01-06

量子技术：后摩尔定律时代的根基 2015-12-14

-36%

0%

36%

73%

109%

15

/03

15

/04

15

/05

15

/06

15

/07

15

/08

15

/09

15

/10

15

/11

15

/12

16

/01

16

/02

电子沪深300


HeaderTable_TypeTitle 电子动态跟踪 —— AlphaGo初战告捷，IA+AI引领科技未来

2

目录

1. 世纪之战 AlphaGo 首战告捷 .................................................................... 3

1.1 AlphaGo 首战告捷 ................................................................................................. 3

1.2 Alpha Go 两大核心技术——蒙特卡洛算法、神经网络 ........................................... 4

2. 人工智能沉浮 60 年，算法进步、移动终端红利促进近 10 年大发展 ........ 5

2.1 人工智能经历 60 年沉浮，算法、硬件成为主要瓶颈 ............................................. 5

2.2 算法进步、移动终端红利推进近 10 年人工智能进步 ............................................. 6

2.3 科技巨头加大人工智能布局力度 ............................................................................ 7

3. IA+AI 引领科技未来 .................................................................................. 8

3.1 IA 引领了计算机时代的科技进步 ........................................................................... 8

3.2 IA+AI 引领科技未来 ............................................................................................... 9

4. 风险提示 ..................................................................................................11



3

1. 世纪之战 AlphaGo 首战告捷

1.1 AlphaGo 首战告捷

3 月 9 日 Google 人工智能公司 DeepMind 开发的 AlphaGo 人工智能与人类围棋冠军李世石“世

纪之战”第一场结束，经过近三个小时的鏖战，李世石执黑 186 手中盘负（李世石此次失利主要

是因为右下角的一次失误），按照计划，此后的 3 月 10 日、3 月 12 日、3 月 13 日、3 月 15 日里，

每日还将进行一场比赛。

这是 AlphaGo 在去年 11 月击败欧洲围棋冠军樊麾之后，又一个里程碑！尽管说 AlphaGo 完全战

胜人类围棋冠军还为时过早，但可以认为 AlphaGo 人工智能在围棋项目上已经达到人类顶尖的水

平！而且从盘面看来，从战胜樊麾到今天的这五个月里，AlphaGo 似乎又进步了不少，几乎没有

出现上次职业选手看起来“无厘头”的下法，模仿人类的直觉判断程度达到 80%，“棋感”越来

越出色！

图 1：AlphaGo 对战李世石图 2：AlphaGo vs李世石棋谱

数据来源：东方证券研究所数据来源：东方证券研究所

棋类游戏是人类智力的试金石，围棋更是人类智力的骄傲，也被视为人工智能最难破解的游戏，人

工智能破解围棋的意义甚至超过 1997 年深蓝击败国际象棋大师卡斯帕罗夫，国际象棋的第一步有

28 种下法，围棋有 361 种；国际象棋一局大约是 40 个回合，而围棋可长达 150 个回合。

因此深蓝时代纯粹采用逻辑推理的穷举法，在围棋上完全行不通，围棋可能会遭遇 3^361 种变化

（远超宇宙中的原子数量）。



4

图 3：围棋的局面远超国际象棋

数据来源：东方证券研究所

1.2 Alpha Go 两大核心技术——蒙特卡洛算法、神经网络

局面和下法极为复杂的另一个结果就是，缺乏有效的对局面的评价系统，这也是困扰此前围棋程序

的一大障碍，AlphaGo 利用两大核心技术蒙特卡洛树搜索，神经网络系统，给出了有效的应对策

略。

蒙特卡洛算法——对选中节点展开并加入搜索树，然后模拟对局到结束，统计结果并回溯到这个节

点，经过足够多的迭代之后，选择一个最好的策略。

蒙特卡洛树搜索可以对计算进行筛选，直接抛弃低胜率的选择，明确了计算的主攻方向，使其对具

有高胜率的选择有更加精确的计算和分析。

图 4：蒙特卡洛算法




5

深度神经网络——AlphaGo 模拟了两个神经网络，policy network 用于动态评估——计算对手下一

步棋落子的各自可能性，依靠计算机的计算能力，通过会比人类棋手占据一定优势。Value network

用于静态评估——评估棋局交战双方总体态势，对局面进行打分量化，这也就是前面提到的对局面

的评价系统。

AlphaGo 输入了海量棋手对弈的棋谱，并让 AlphaGo 以棋谱的数据为基础进行了 3 千万局自我对

局，充分丰富了数据库，并且使用了 13 层的深度卷积神经网络，将预测对手下一步棋落子的准确

率提升到 57%。

图 5：AlphaGo 的两个神经网络


2. 人工智能沉浮 60 年，算法进步、移动终端红利促进

近 10 年大发展

2.1 人工智能经历 60 年沉浮，算法、硬件成为主要瓶颈

人工智能自 1956 年达特茅斯会议提出以来，整整经历了 60 年的沉浮，符号主义（逻辑推理，模

拟左脑），连接主义（神经网络、模拟右脑），行为主义（控制理论、模拟身体）相继被提出，在

各自的应用领域取得了耀眼的成绩。

但人工智能容易被注入过分乐观、不切实际的幻想，而实际进展却往往受制于计算能力、算法限制

而不如预期，这也导致了人工智能历史上多次遭遇寒冬：

1956 年提出人工智能之后，“十年内将成为国际象棋世界冠军”、“二十年内，机器将能完成人

能做到的一切工作”等乐观论调层出不穷，而发现在当时的计算机内存和处理速度不足以解决任何

实际的 AI 问题之后，人工智能在 1970 年迎来了第一个寒冬，对 AI 提供资助的机构（英国政府，

DARPA 和 NRC）等对无方向的 AI 研究逐渐停止了资助。

专家系统的发展使人工智能从 80 年代初开始从理论研究走向实际应用，人工智能春天再次来临，

经过近 10 年的发展，但符号主义路线下算法的通用性受到限制，专家系统也仅仅局限于某些特定



6

情景，1987 年开始人工智能第二个寒冬来临，DARPA 等赞助机构再次大幅削减对 AI 的资助，倾

向于那些看起来更容易出成果的项目。

图 6：人工智能沉浮 60年，算法、硬件成为主要瓶颈


2.2 算法进步、移动终端红利推进近 10 年人工智能进步

神经网络、行为主义的提出再次推进了人工智能在 90 年代逐步走出低谷，尤其是 2006 年以来，

深度神经网络使人工智能再次取得突破性进展！

同时移动终端、移动互联网带来的硬件性能提升、大数据应用也促进了人工智能再次启航！

图 7：算法进步、智能手机及移动互联网红利促进 AI大发展


1955 19911958 200519861970

自然语言

人工智能计算机DARPA无条件拨款

非线性多层自适应网络

集成电路技术提高

反向传播算法提出

计算能力突破没能使机器完成大规模数据训练和复杂任务，AI进入第一个低谷

微世界

探索式推理

DARPA受到认可，重获拨款

霍普菲尔德神经网络被提出

DARPA停止拨款

反向传播算法获得广发关注，AI进入第二黄金时

期

循环神经网络出现

LISP机市场的崩溃

狂热追捧带来失望

DARPA失败，政府投入缩减，AI跌入第二次谷底深度卷积神

经网络提出，人工智能加

速发展

行为主义提出

第一款神经网络-感知机，将人工智能推向第一个高峰

启蒙阶段低潮时期复兴阶段快速发展遇冷时期

达特茅斯会议标志AI的诞生

放弃联结主义

IBM深蓝战胜人类象棋冠军

2016

循环神经网络

人脸识别率超过99%

AlphaGo挑战人类围棋冠军

欧盟、美国脑工程计划

算法模型的优化

计算能力的提升

大数据满足模型训练数据的量和质的要求，解决模型过拟合问题

满足深度学习算结构复杂带来的计算速

度要求

突破旧的模型存在的局限（分类能力不强，时序信息扑捉能力弱）

深度学习技术成功突破

使复杂多变的高阶统计数据充足

包括高效的CPU/GPU

计算平台、多机集群并行化处理等技术手段

DBN—>DNN—>RNN、无监督预训练网络权值、修正的非线性激活函数



7

2006 年，Hinton 提出了深度置信网络( deep beliefnetwork，DBN)，在有监督学习训练前先无监

督学习训练，然后将学到的参数作为有监督学习的初始值．相比于浅层神经网络，深度学习通过构

建多层的机器学习模型和海量训练数据来学习更有用的特征，建立、模拟人脑进行学习的神经网络，

模仿人脑来解释数据。

随后深度结构的其他算法模型被不断地提出，并在很多数据集上刷新了之前的一些最好的记录，例

如 2012 年微软的深度卷积神经网络（DCNN）使语音识别获得大的突破，2013 年的卷积神经网

络，2014 年循环神经网络（RNN），2015 前馈型序列记忆网络（FSMN），这些深度学习算法在

图像识别、语音识别等领域表现十分出色！

例如有着计算机视觉领域“奥赛”之称的 ImageNet，堪称计算机视觉发展的风向标，从 2012 年

到 2015 年底，ImageNet 大赛的 Top5 错误率从 16.4%降低到 3.5%，进步显著。

图 8：深度神经网络近十年来发展迅速图 9： ImageNet 大赛错误率不断降低

数据来源：东方证券研究所数据来源：东方证券研究所

2.3 科技巨头加大人工智能布局力度

近年来，科技巨头们加快布局人工智能、深度学习领域。

IBM 转型 Watson 认知计算服务，今年收购多家人工智能领域和大数据公司，开发沃森 API 接口，

在医疗、金融等应用领域取得多项成就，Intel 的 real senseI 3D 深度感知摄像头前景广阔，微软

Windows 和 Windows Phone 搭载 cortana 个人助理挑战苹果 Siri，开源人工智能工具包（CNTK），

微软 Adam 刷新“谷歌大脑”深度学习记录，谷歌近年来在人工智能领域收购动作频繁，开源了

第二代深度学习系统 TensorFlow，构建智能生态，在国际巨头的带动示范下，国内的 BAT，科大

讯飞也在人工智能领域采取了一系列的积极动作，加快人工智能布局。

2006年深度置信网络（DBN）提出

2012年深度卷积神经网络（DCNN）

2013年卷积神经网络

2014年循环神经网络（RNN）

2015前馈型序列记忆网络（FSMN）

语音识别的新突破，很强的分类能力，但对上下文时序信息的捕捉能力是较弱

有监督学习训练前需要先无监督学习训练，该方法解决以往的BP 不能解决的有监督学习的初始值问题，是很大突破

通过可视化技术对选择模型结构的帮助，视觉识别将top-5 中的分类错误率降低到11.2%

改进后的RNN非常适合用于对时序信号的建模，成为语音识别领域替换DCNN的框架

FSMN把深层双向LSTM RNN和CTC很好的融合，把各种算法改进优点叠加起来，效果刷新了记录



8

图 10：国内外科技巨头纷纷布局人工智能生态


3. IA+AI 引领科技未来

3.1 IA 引领了计算机时代的科技进步

与人工智能（Artificial Intelligence）打造“取代人的机器“的理念相对，智能增强（IA，Intelligence

Augmentation）围绕“以人为本“的理念，打造增强人的智力、扩展人的能力的机器！

在人工智能的伟大理想屡屡受挫的情况下，智能增强阵营更为务实，围绕用户需求，引领了上世纪

60 年代至今众多的科技进步！

“智能增强“的代表人物包括恩格尔巴特、艾伦凯等。恩格尔巴特是鼠标之父，恩格尔巴特曾表示

——我感兴趣的是‘提升’（augmentation），而非‘自动化’（automation），1962 年恩格尔

巴特发表《提升人类智能——一个概念性的框架》，1968 年 12 月，恩格尔巴特在旧金山布鲁克

斯大厅演示了 NLS 系统——鼠标、所见即所得的文字编辑器、超链接、文本图形混排，还提到了

ARPANet（互联网的前身），这场演示影响了整整一代人，被冠以“演示之母”的美名。

此后 PC、笔记本电脑、智能手机等一系列硬件设备，以及与机器交互的技术，鼠标、触控、手势，

包括互联网及其搜索等，都有智能增强的影子！

2011年IBM认知计算系统Watson项目首次公

开

2012年GoogleBrain项目

2012年微软在中国天津公开演示了全自动的同声传译系

统

2013年百度成立百度研究院，重点方向是深度学

习

2014年Google收购了深度学习算法公司—DeepMind

2014英特尔real sense深度感知摄像头

2015年阿里注资拥有全球首个具有感情的机器人产品的SBRH公司

2015年腾讯基于微信，开发多种模式识别功能

2015年Google开源第二代深度学习系统

TensorFlow

2016IBM宣布转型认知计算和云平台

2016年微软开源人工智能工具包

（CNTK）

2016年Facebook开源人工智能工具包



9

图 11：智能增强（以人为本打造机器）引领了计算机时代的科技进步


3.2 IA+AI 引领科技未来

我们认为，在智能手机之后，所有人期待的下一个 big thing 将来自于 IA 与 AI 的结合，智能手机

和“移动互联网+”已经带来了大量红利——微型化、低功耗的计算能力（计算将无处不在），铺

天盖地的大数据应用，加上人工智能算法的不断突破，人工智能正迎来新一轮大发展。

不可否认的是，当前的人工智能是弱人工智能（有外在的智能表现，或者叫感知智能），距离强人

工智能（可以像人类一样思考，或者叫认知智能）还很远很远，目前欧盟、美国等正在大力实施脑

工程计划，以破解人类大脑的奥秘，未来有实现强人工智能甚至超人工智能的可能。

奇点有没有在 2045 年来临？我们对此审慎看待，但不妨碍人工智能在目前能实现的应用里面（神

经网络的识别能力和深度学习能力、符号主义的专家系统等），成为科技进步未来几十年的一大助

推力！

在今年的 CES 上，VR/AR、服务机器人、无人驾驶成为最火的几样新技术，

VR 是比较典型的智能增强路线的产品，在人机交互方面有着超前的体验，而在计算机视觉逐步完

善后，AR（计算机对真实世界进行分析后再叠加一个虚拟世界）很可能将成为下一代计算平台！

1950 1960 1970 1980 2000 2010 20201990

大型机时代小型机时代 PC时代移动终端及新硬件时代

桌面互联网时代移动互联网时代

打孔纸

磁带

设备形态

I/O技术

键盘

DOS

鼠标

GUI



10

服务机器人目前已经有了比较可用化的语音理解和交互技术，机器视觉能识别的环境复杂程度也在

逐步提升，加上机械系统赋予的运动能力，服务机器人已经开始在某些领域体现了实用性，例如餐

饮服务机器人等，而不只是目前的玩具，未来几年这一趋势将越来越明显！

无人驾驶有巨大的商业空间，但目前处于辅助驾驶阶段，向半自动驾驶努力，多数车厂都在推进，

未来在高速公路、室内低速场景下有望完全代替人，但“切换风险”以及“事故追责“可能是阻碍。

整体来看，我们认为，2011-2015 年是创新智能硬件第一波大潮——移动终端红利带来了低功耗

处理器、高速无线连接、触摸屏以及各类传感器，由此促进了“后智能机”时代以智能手环为代表

的可穿戴设备以及一系列智能家居产品。

2016-2026 年，计算能力提升、大数据训练带来了人工智能中语音交互、机器视觉（包括指纹识

别、人脸识别、智能视频识别、手势识别等）等应用的逐步成熟，部分达到可商用化的地步，从而

带动服务机器人、VRAR（尤其是 AR）、半自动驾驶汽车、无人机（带自动避障或跟踪功能）等

新一轮科技创新大潮的来临！这一波的“智能”势必还会在更多场景下找到杀手级的应用！

2026 年之后，随着脑机接口以及认知智能时代的逐步推进，IA+AI 还将带来更大的想象空间！

图 12：IA+AI共同引领科技未来


M2M通信

惯性传感

温湿压等传感

语音交互

触摸屏

智能终端

飞行背包

外骨骼机器人

情感陪护机器人

无人驾驶车

无人工厂

虚拟个人助理

辅助驾驶汽车

无人机

VR眼镜

脑机接口

肌肉电波控制

脑电波控制

机械手

激光测距

IA+AI

情感计算

实时互联

半自动驾驶汽

车

扫地机器人

全息全景显示

智能穿戴

移动健康传感

全景摄像

人工智能医疗康

复机器人

仿生机器人

路径规划

机器视觉

智能家电

智能头戴设备

工业机器人

工业传感器

MES系统

自然语言理解

机器视觉餐饮服

务机器人

3d触控触觉

反馈

景深摄像

3d显示

手势识别

语音识别

路径规划

深度学习

神经网络模拟

随身个人助理

国防机器人

大数据

云计算

自然交互

创新设备

主动交互

人工智能

计算智能感知智能认知智能

穿戴设备智能家居、服务机器人

智能汽车、敏捷机器人

工业机器人

AR眼镜

敏捷机器人

家居服务机器人

智能增强



11

在标的方面，我们建议关注：

1）IA+AI 带来创新硬件大爆发，建议关注核心层面的处理器和操作系统——中科创达（OS）、全

志科技（处理器）

2）AI 底层技术——科大讯飞（语音识别、讯飞超脑计划）

3）IA、AI 应用——海康威视（机器视觉及应用）、大华股份（机器视觉及服务机器人）、东方网

力（服务机器人）、长盈精密（与交大合作服务机器人）、远方光电（指纹、人脸识别及应用）、

欣旺达（VR、无人机等部件）等

如果你问我未来 20 年最重要的技术是什么，我会告诉你是人工智能。人工智能会像 200 年前的电

力一样重要！ ——凯文.凯利

4. 风险提示

当前人工智能正在掀起新一轮投资热潮，在感知智能方面取得了长足的进步，但在进军认知智能的

过程中，有可能遭遇瓶颈，从而影响人工智能发展前景和投资热情！



12

信息披露

依据《发布证券研究报告暂行规定》以下条款：

发布对具体股票作出明确估值和投资评级的证券研究报告时，公司持有该股票达到相关上市公司已

发行股份1%以上的，应当在证券研究报告中向客户披露本公司持有该股票的情况，

就本证券研究报告中涉及符合上述条件的股票，向客户披露本公司持有该股票的情况如下：

截止本报告发布之日，东证资管仍持有海康威视(002415.SZ）股票达到相关上市公司已发行股份

1%以上。

提请客户在阅读和使用本研究报告时充分考虑以上披露信息。

HeaderTable_TypeTitle

分析师申明

每位负责撰写本研究报告全部或部分内容的研究分析师在此作以下声明：

分析师在本报告中对所提及的证券或发行人发表的任何建议和观点均准确地反映了其个人对该证

券或发行人的看法和判断；分析师薪酬的任何组成部分无论是在过去、现在及将来，均与其在本研

究报告中所表述的具体建议或观点无任何直接或间接的关系。

投资评级和相关定义

报告发布日后的 12 个月内的公司的涨跌幅相对同期的上证指数/深证成指的涨跌幅为基准；

公司投资评级的量化标准

买入：相对强于市场基准指数收益率 15%以上；

增持：相对强于市场基准指数收益率 5%～15%；

中性：相对于市场基准指数收益率在-5%～+5%之间波动；

减持：相对弱于市场基准指数收益率在-5%以下。

未评级 —— 由于在报告发出之时该股票不在本公司研究覆盖范围内，分析师基于当时对该股

票的研究状况，未给予投资评级相关信息。

暂停评级 —— 根据监管制度及本公司相关规定，研究报告发布之时该投资对象可能与本公司

存在潜在的利益冲突情形；亦或是研究报告发布当时该股票的价值和价格分析存在重大不确定

性，缺乏足够的研究依据支持分析师给出明确投资评级；分析师在上述情况下暂停对该股票给

予投资评级等信息，投资者需要注意在此报告发布之前曾给予该股票的投资评级、盈利预测及

目标价格等信息不再有效。

行业投资评级的量化标准：

看好：相对强于市场基准指数收益率 5%以上；

中性：相对于市场基准指数收益率在-5%～+5%之间波动；

看淡：相对于市场基准指数收益率在-5%以下。

未评级：由于在报告发出之时该行业不在本公司研究覆盖范围内，分析师基于当时对该行业的

研究状况，未给予投资评级等相关信息。

暂停评级：由于研究报告发布当时该行业的投资价值分析存在重大不确定性，缺乏足够的研究

依据支持分析师给出明确行业投资评级；分析师在上述情况下暂停对该行业给予投资评级信

息，投资者需要注意在此报告发布之前曾给予该行业的投资评级信息不再有效。

HeadertTable_Address

东方证券研究所

地址：上海市中山南路 318 号东方国际金融广场 26 楼

联系人：王骏飞

电话： 021-63325888*1131

传真： 021-63326786

网址： www.dfzq.com.cn

Email： [email protected]

免责声明

本研究报告由东方证券股份有限公司（以下简称“本公司”）制作及发布。

本研究仅供本公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告的全体

接收人应当采取必备措施防止本报告被转发给他人。

本报告是基于本公司认为可靠的且目前已公开的信息撰写，本公司力求但不保证该信息的准确性和完整性，

客户也不应该认为该信息是准确和完整的。同时，本公司不保证文中观点或陈述不会发生任何变更，在不同

时期，本公司可发出与本报告所载资料、意见及推测不一致的证券研究报告。本公司会适时更新我们的研究，

但可能会因某些规定而无法做到。除了一些定期出版的证券研究报告之外，绝大多数证券研究报告是在分析

师认为适当的时候不定期地发布。

在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，也没有考虑到个别客户特殊

的投资目标、财务状况或需求。客户应考虑本报告中的任何意见或建议是否符合其特定状况，若有必要应寻

求专家意见。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购

买证券或其他投资标的的邀请或向人作出邀请。

本报告中提及的投资价格和价值以及这些投资带来的收入可能会波动。过去的表现并不代表未来的表现，未

来的回报也无法保证，投资者可能会损失本金。外汇汇率波动有可能对某些投资的价值或价格或来自这一投

资的收入产生不良影响。那些涉及期货、期权及其它衍生工具的交易，因其包括重大的市场风险，因此并不

适合所有投资者。

在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任，投资者自主作

出投资决策并自行承担投资风险，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。

本报告主要以电子版形式分发，间或也会辅以印刷品形式分发，所有报告版权均归本公司所有。未经本公司

事先书面协议授权，任何机构或个人不得以任何形式复制、转发或公开传播本报告的全部或部分内容，不得

将报告内容作为诉讼、仲裁、传媒所引用之证明或依据，不得用于营利或用于未经允许的其它用途。

经本公司事先书面协议授权刊载或转发，被授权机构承担相关刊载或者转发责任。不得对本报告进行任何有

悖原意的引用、删节和修改。

提示客户及公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告，慎重使用公众媒体刊载的证

券研究报告。

Documents

AlphaGo 初战告捷，IA+AI 引领科技未xqdoc.imedao.com/1535f7465e477f3fd9159bd8.pdf · oled：即将爆发的下一代显示技术 2016 -02 16 从it 到time 2016-01-06 2015