云从科技3月1日发布投资者关系活动记录表，公司于2023年2月21日接受132家机构单位调研，机构类型为QF­II、保险公司、其他、基金公司、海外机构、证券公司、阳光私募机构。

投资者关系活动主要内容介绍：

问：请介绍下公司目前技术情况与Ch­a­t­G­PT的关系？

答：Ch­a­t­G­PT的出现，一方面是进一步提升算法性能和算法效果，另一方面是降低对数据的依赖，提升人类生产效率。从这两方面出发，公司展开了对于训练模型的研究，但公司在模型规模上来讲并不是很庞大。

之前因为公司业务的需求，对预训练模型生成式的AI技术展开了研究，主要出发点是因为公司要保持在CV领域的技术地位，需要提升绝对性能方面的优势，并且保持算法性能，算法效果的技术水平。（在过去的传统训练方法在到达一定的效果指标后，会遇到瓶颈）。同样公司在具体业务中发现，很多具体场景下有效数据（样本）较少，此时，预训练模型就能在降低对数据依赖的方面提供有效的帮助。

从GPT3或者GPT3.5开始，经过微调后，得到一个在特定问答场景下表现出色的大模型。过程大致分三步：1、通过更为专业人士的标注（提供更多高质量的提示），使其正确识别人类问答的指令。2、专业的标注人士将通过微调后的模型提炼部分问题，并由模型进行反馈答案。专业人士将反馈的答案进行人类偏好的标注（如答案是正确、错误、有帮助等）并形成特定模型，这个模型就学会了人类的偏好。3、通过PPO重新泛化到GPT模型中，最终得到Ch­a­t­G­PT。

长期以来有两个流派：数据派（需要更多的数据来训练更大的模型）与知识派（加入人类知识，通过知识建立规则）。而Ch­a­t­G­PT的标注是来源于专业人士，把人类对于各种问题最好的回答反馈进去，最大限度的在GPT的底层数据掘金，在某个具体的领域形成专业模型，把两个流派的技术路线很好的结合了起来。

GPT3基础大模型是大致是数据派，从而得到非常通用的模型，但由于其通用性过强，导致在特定场景完成部分任务中的表现不及预期。直到Op­e­n­AI团队引入高质量的标注团队，同时完成高质量的提示与高质量的an­s­w­er的标注，产生了良好的效果。所以Ch­a­t­G­PT把两个流派的技术路线很好的结合了起来，这个过程是人类专家和机器协同的成功，同时重构了人机协同概念，所以称之为超级语言模型的人机协同技术范式。

Ch­a­t­G­PT给予公司的启示主要分为以下三点：1、参数规模：目前业界认为，大概达到千亿级的参数规模后，智能化的效果将达到明显的提升。2、公司终究要将人类专家的知识与大模型结合起来。公司之前尝试和研究将大模型与专家的规则、规则引擎与知识图谱相结合。3、公司致力于打通从感知-认知-行动的人机协同操作系统，从而在更多复杂的应用场景中帮助客户解决问题与提升效率。公司过去受限于“认知”的技术层面，讨论“认知”在技术上是否无法突破。但Ch­a­t­G­PT问世后，“认知”的技术得到了解决。

所以Ch­a­t­G­PT对于AI行业是振奋人心的，技术上面是跨越式的进步，给AI行业场景落地带来了更多想象空间。公司目前期望与超级大模型的公司进行合作，并期望快速将成果运用到具体应用场景中。

公司一直以来都在人机协同领域布局，打造了像人一样思考和工作的人机协同操作系统（CW­OS），致力于整合打通视觉、语音、NLP等多个领域的大模型，不止于像Ch­a­t­G­PT那样在文本世界实现超级智能，还要彻底打通数字世界和物理世界，为“像人一样思考和工作”打下坚实的技术基础；公司也通过开放的人机协同操作系统实现了技术平台化，加上多年的行业深耕，能够通过“平台化的通用模型+带行业kn­o­w­h­ow的专用模型”来帮助各行各业快速实现智能化升级。

截至目前，公司未与Op­e­n­AI开展合作，Ch­a­t­G­PT的产品和服务未给公司带来业务收入。公司的训练方法、参数规模与Ch­a­t­G­PT相比也存在一定的差异。

问：公司未来商业化的变现路径？是否考虑往TO C端发展？

答：首先，公司自成立以来，在正确的赛道上长期布局，技术趋势与技术路径是正确的。公司在选择落地场景的时候，首先考虑其是否具备信息化与数字化，具备信息化与数字化的场景才有智能化升级的需求。公司短期规划中，TO G端与TO B端还是公司主要业务方向，原因是其确定性与稳定性较高（交付周期相比Sa­aS型要长），而TO C端的技术与产品的规划正在进行中。后期公司将根据市场行情、国家政策以及行业技术发展进度等因素实时动态调整TO C端的投入力度与项目进展。

其次，公司确定客户主要取决于以下三个方面：第一，客户所在行业市场空间是否充足；第二，公司提供的服务能否在客户所处行业形成范式效应；第三，客户预算是否充足。在部分应用领域中，为快速打通行业kn­ow-how，公司会与很多行业资深公司进行生态合作。公司能够通过“平台化的通用模型+带行业kn­ow-how的专用模型”来帮助各行各业快速实现智能化升级。总体来看，公司业务主要面向G端、大B端客户，且具有明确的市场容量与智能化改造需求的行业，将会成为公司的优先选择。

最后，通过与客户沟通，公司发现客户的智能化升级的相关需求依然存在。随着经济复苏与国家政策的引导，公司对未来充满信心。以智慧金融为例：公司面向整个金融业务、企业金融与金融市场提供公司的人机协同操作系统与解决方案。累计服务过的金融机构已超过百余家（主要客户是6大行）。目前国内6大行的身份认证（包括人脸认证等）是由公司提供的。同时，整个智慧金融的细分场景还是比较多的。

今年公司将从原来的认证体系过渡到向客户的存贷汇体系提供服务，并且积极拓展保险与证券领域。

问：公司目前在智慧金融领域有哪些类别的产品？后期在该领域产品线的规划是怎么样的？

答：以银行为例，公司提供专为银行侧打造的行业大脑-IB­IS(集成生物识别系统)，是一款具备推理、分析、数据、汇聚认证等的集成平台，这就是公司进入银行场景的产品入口。同时，整个智慧金融的细分场景是比较多的。公司可以提供面对不同细分领域的解决方案，如银行前台客户的非接触远程服务、资产智能化配置、智能风控、智能网点升级、数字员工、数字客服以及帮助客户在运营方面降本增效等。

问：公司在智慧金融领域的项目是否是通过什么方式取得的？相关竞争情况如何？

答：依然以银行为例，因其场景的特殊性，银行对于公司技术本身的要求较高。银行在招投标前会添加一个技术PK的过程，目前公司在本阶段的排名较为靠前。招投标的过程是总行入围后，分行根据需求采购。客户的采购周期一般是三年左右。在过去几年中，公司深耕银行领域，已建立了品牌与技术的独特性。

问：公司在AI行业中的自身特色是什么？

答：AI技术的广泛应用是大趋势，应用领域非常广阔，每家AI公司都会找到符合自身发展的技术定位。AI公司早期主要还看发展的技术范式是否正确。

一方面，公司的定位是平台型公司（CW­OS），公司坚信技术平台化与应用场景化是AI技术落地的关键，能带来更大的市场空间。公司主要的平台包括AI平台、物联平台、数据平台和展示与交互平台等，上述平台已经应用到不同行业。早期与公司发展路径类似的企业在后期的发展路径与云从不尽相同（如部分公司向芯片领域发展）。

另一方面，公司也通过人机协同操作系统实现了技术平台化，加上多年的行业深耕，能够通过“平台化的通用模型+带行业kn­ow-how的专用模型”来帮助各行各业快速实现智能化升级。在部分应用领域中，为快速打通行业kn­ow-how，公司会与很多行业资深公司进行生态合作。

问：请介绍下未来公司在TO C端的布局与展望？目前公司战略方面是否有调整？

答：首先，在研发上面，公司继续不断投入。其次，TO G端、TO B端与TO C端在部分技术路径与技术迭代上存在差异，并且交互入口也存在区别。短期规划中，TO G端与TO B端还是公司主要业务方向，因其确定性与稳定性较高，而TO C端的技术与产品的规划正在进行中。后期公司将根据市场行情、国家政策以及行业技术发展进度等因素实时动态调整TO C端的投入力度与项目进展。最后，基于企业愿景与企业使命角度来看，公司期望通过各种AI精灵、数字人、AI助理等来提升人类的工作效率和生活满足感，因此最终落脚点就是C端。

公司的战略方向目前不存在很大的调整，依然坚持技术平台化与应用场景化。从公司使命来看——“定义智慧生活，提升人类潜能”，公司未来希望通过技术解决工作与生活问题并提升效率，使人类享受更高质量生活。

问：在软件行业中，公司销售费用较高的原因是什么？

答：公司并非传统意义上的软件公司，加上AI场景多，业务需求新，前期需要对各行各业客户进行销售沟通，公司已经持续加强精细化管理，提升内部资源的综合使用效率，通过一系列降本增效措施，整体销售费用已开始出现下降。截至2022年前三季度，公司发生销售费用1.42亿元，较上年同期下降24.42%。

问：公司研发费用中为什么会有第三方服务费？

答：主要基于以下三点，一是本身AI企业技术投入训练中需要数据标注支撑，这部分低价值但又必要的业务通过外包服务更具成本优势；二是AI部分业务应用已较为成熟，且非公司核心算法投入方向，考虑到投入产出比，直接从市场采购成本相对更低，效率更高；三是部分外包服务内容是核心算法外的工程化应用开发，且非公司现阶段经营和战略研发方向，但又具有一定的专业性和技术壁垒，考虑到性价比，可以委托第三方。

问：公司未来计划如何从战略路径、技术研发以及产品迭代上实现扭亏为盈？

答：战略角度：公司依然坚持既定战略，致力于打通从感知-认知-行动的人机协同操作系统。从单点技术(SDK)-平台-数字人，最终服务到不同客户。因此研发依然是持续投入，但作为一个商业化公司，公司的研发投入是量入而出的，但未来会朝着技术投入的比例小于营收增长比例方向努力，以保证公司现金流的健康。

技术角度：公司在正确道路上持续布局，公司未来将把数据流与知识流相结合。公司的研究团队高度认同“预训练大模型+下游任务微调”的技术趋势，从2020年开始，已经陆续在NLP（Na­t­u­r­al La­n­g­u­a­ge Pr­o­c­e­s­s­i­ng，即自然语言处理）、机器视觉、语音等多个领域开展预训练大模型的实践。公司致力于人机协同，将更多人类的专业领域知识加入到原始数据中。

应用场景角度：公司已通过人机协同操作系统实现了技术平台化，加上多年的行业深耕，能够通过“平台化的通用模型+带行业kn­ow-how的专用模型”来帮助各行各业快速实现智能化升级。在部分应用领域中，为快速打通行业kn­ow-how，公司会与很多行业资深公司进行生态合作，保证公司以周期短、成本低的进入新的应用场景并真正解决客户的行业痛点。

财务角度：一方面，公司严格要求相关部门，坚持要求每个产品、每条业务线是盈利的（扣除战略性研发投入的影响后）。另一方面，公司持续加强精细化管理，提升内部资源的综合使用效率，通过一系列降本增效措施，各项销售相关费用均有不同程度的下降。

研发人员角度：公司研发人员除了在上海、北京进行了分布外，也加强了在重庆和广州等地的布局，让研发人员处于更完善的梯度布局的状态。

销售考核角度：公司通过收入确认、毛利率、回款进程等多方面因素进行考核。

基于人工智能场景的需求不断增加，相关行业技术取得突破性进展，为广大AI公司指明了方向，公司对未来充满信心。

问：公司业务的收费模式？

答：大部分是项目制收费，大型项目是过程中确认收入，过程中回款。除了有标准化的服务外，还有一些定制化的需求。

商业模式分两类：1、为大客户提供定制化的产品和服务。当与大客户形成稳定合作以后，继续提供运营服务（如智慧城市业务），包括但不限于数据服务、检测报告等。2、为腰部客户与长尾客户提供相对标准化的产品与服务，通过Sa­aS服务、Li­c­e­n­ce等，按月进行收费。

TO C端：可以实现按次收费。公司有以Sa­aS服务的方式尝试开展智能货柜业务（可帮助客户提升运营效率并降低成本），并首次在2022年世界人工智能大会上进行了亮相，受到了不少同行业公司的关注。

随着公司TO B端与TO C端标准化程度提高，此部分的收入比例有望提升。

问：2019年至2021年，公司人机协同操作系统收入占主营业务收入比例逐年降低的原因？

答：一方面：面对较大市场空间的应用场景时，公司会作为标杆项目来打造。这种业务的需求，不仅仅是操作系统，还需要第三方供应商提供帮助（因为公司暂未对所有行业的所有应用场景kn­ow-how进行全方位的掌握），并且大型项目需要配套的硬件（非自有产品）。

另一方面：如相关业务既涉及到操作系统，又涉及到解决方案，公司目前统一确认收入时将此归类于解决方案业务。

问：公司在以银行为主的金融领域的业务渗透率水平？

答：AI发展方向就是技术平台化与应用场景化，同一个应用领域（如智慧金融）的不同场景都有不同的AI需求。在智慧金融领域中，一方面：以银行场景为例，目前国内6大行的身份认证（包括人脸认证等）是由公司提供的。公司是做视觉识别出身的，这是公司的强项之一。

另一方面：在其他的细分场景中，渗透率是不同的。而且同一行业中不同规模的客户的细分场景需求也不尽相同（腰部客户，如地方城商行可能对风控治理的需求较高）。

问：公司各类应用场景的市场占有率是怎样的？

答：智慧金融：公司累计服务过的金融机构已超过百余家（主要客户是6大行）。目前国内6大行的身份认证（包括人脸认证等）是由公司提供的。同时，整个智慧金融的细分场景还是比较多的。

智慧出行：以机场场景为例，国内核心枢纽的民用机场的认证通关是由公司提供的。并且较为复杂的应用场景可能需要不同公司的产品及服务相互配合，因此对于某类具体应用场景，客户通常会选择不止一家AI公司作为供应商，所以公司很难统计在某个领域的市占率。

公司同样会进行横向拓展，如为制造业客户提供缺陷检测，设备智能化的维修等。

问：公司是否有相关指标，如复购率、续费率等来衡量客户黏性？

答：以银行为例，公司从最早起的身份认证技术为入口，已慢慢深入到客户其他业务中。随着公司陆续在NLP、机器视觉、语音等多个领域开展预训练大模型，公司对客户的专业模型上面的解决方案也随之更加广泛与深入，公司解决方案的产品线也在逐步延展。

问：请介绍一下公司收入构成？

答：公司面向智慧金融、智慧治理、智慧出行、智慧商业、数字城市、泛AI等多个领域提供人工智能解决方案。目前，营业收入占比较高的是TO G端，如数字城市领域。其次是TO B端的智慧金融领域（以银行场景为代表）与智慧出行领域（以机场场景为代表）。

问：公司21年研发人员数量下降，同时软件收入增加，是不是说明公司操作系统的发展出现了拐点？

答：一方面，公司早期的探索阶段需要花费大量的人力、物力成本，但是随着公司应用场景的拓展与每次迭代更新效率的提升，项目交付周期也随之变短，导致公司不再需要更冗长的周期与更大量的人力、物力成本；另一方面，公司在开拓细分领域（泛AI场景）的过程中，部分ISV合作伙伴有委派内部工程师来协助公司做定制开发与产品交付，从而也间接降低了公司运营成本。

问：介绍一下公司研发人员的布局及未来计划，是否会大量招聘研发人员？

答：公司暂时不会大规模的盲目招聘研发人员，而是根据业务的拓展与技术的发展迭代节奏，有计划、有目的的补充人才。

具体而言：一方面，公司进入二浪阶段之后，公司对于研发人员的布局、结构需更适应二浪阶段的开发。另一方面，公司研发人员分布除了在上海、广州这样的地方之外，也加强了在重庆、苏州等地的布局，让研发人员处于更完善的梯度布局状态。公司选择现阶段调整研发人员布局是基于目前整个AI的研发工作相对来讲已进入到了一个较为成熟的阶段，目前的模块化与分工更加容易实现整体效率的提升。

问：未来会在2B/2C加大投入，目前AI领域有很多国内外大厂，科大、微软占据很高市占率，未来公司怎么突破他们的市场壁垒？

答：公司内部从三个角度来考虑。1、行业市场空间是否充足：TO B市场在全球范围内，空间是足够大的，并不是少数公司可以占满全部市场空间。2、竞合关系：以算法为核心的公司或对应用场景有深度理解的公司，都是有机会的。在智能化的技术范式下，有技术储备的公司可能提前将商业化落地。公司正与其他TO B场景的头部企业合作，打造更好解决方案。3、落地路径：公司进行了分层结构（Ti­er3-Ti­er1），面对不同层面的客户，提供不同层面的产品。公司提供标准化服务与产品，同样也可以根据客户需求提供定制化服务与产品。但公司不是以低价格来获取客户资源，因为公司一定要解决客户实际问题，才能得到客户认可。与其他互联网头部公司相比，公司提供了差异化的产品与服务。

问：公司目前核心产品研发进展?

答：公司的产品分为四大类。1、平台产品：高效率、低门槛、低成本的技术平台，经过持续打磨和产品化，形成了“四梁”系列的平台产品（人工智能平台、数据与知识平台、智慧物联平台、展示与交互平台），承载云从的核心技术能力。2、行业产品：公司深耕行业，利用闭环AI技术解决客户的复杂业务问题，沉淀出有竞争力的行业产品，服务于行业智能化升级。3、硬件产品：公司从人机协同操作系统“云边端一体化”的战略架构出发，围绕特色场景和AI核心技术打造了一系列AI­oT设备（如谛格系列边缘盒子、谛格系列一体机、活体模组、智慧零售货柜）。4、数字人产品：公司在人机交互、知识计算等技术上取得了长足的进步，数字人技术架构逐步完善，推动一批数字人产品的规划和研发。

问：Ch­a­t­G­PT如在国内发展，是不是对公司产生竞争关系？

答：一方面，行业的市场空间是足够大的，Ch­a­t­G­PT的客户群体主要是C端（问答领域），公司短期规划中，TO G端与TO B端还是公司主要业务方向，原因是其确定性与稳定性较高（且公司已积累较多的特定应用场景的行业kn­ow-how），而TO C端的技术与产品的规划正在进行中。后期公司将根据市场行情、国家政策以及行业技术发展进度等因素实时动态调整TO C端的投入力度与项目进展。

另一方面，行业的壁垒或国家的壁垒等原因都会导致一个大模型不能在所有应用领域通用。以互联网的搜索入口为例，谷歌并不是国内搜索端占有率最大的搜索引擎。

问：Ch­a­t­G­PT的成功会不会促使公司在研发、技术等方面上作出较大调整?

答：一方面，目前业界认为，大概达到千亿级的参数规模后，智能化的效果将达到明显的提升。

因此公司将扩大参数规模，来解决工程方面的细节问题。

另一方面，公司过去同样积累了训练方法的经验，并且公司时刻保持与学术界、高校的沟通。因此，公司在整体技术架构与技术战略方面不会作出太大调整，保持不断迭代与进步即可。

问：以Op­e­n­AI为例，参数提升到千亿级别后，成本会提升到多少？

答：一方面，公开信息显示：2020年GPT的单次训练成本大致是460万美元，2022年Ch­a­t­G­PT单次训练大致是45万美元（不包括数据成本，算法团队的维护成本）。目前市场上也有专业团队在研究，如何优化训练过程，包括硬件加速、整体训练框架的提升等。总体来讲，未来训练成本将会持续下降。

另一方面，用户每完成一次对话是推理服务的过程（成本相比较低），并不需要重新完成一次算法的模型训练。

问：请问公司，目前CW­OS操作系统会遇到哪些问题？

答：一方面，对于科技公司而言，技术的投入是永远的痛点。另一方面，就是如何获取更清晰的应用需求（各个应用场景的需求是不同的）。应用场景对AI的理解需要一个过程，目前大部分客户的需求比较单点化与碎片化，并且具备信息化与数字化的场景才有智能化升级的需求。

问：公司使用的芯片等硬件是向谁采购的？

答：芯片的采购分两类。第一类：公司过去向英伟达采购部分芯片用以训练侧方面，公司具有一定量的库存储备且国产化的训练芯片水平也已经在快速提升中。第二类：过去两年中，公司在国产化硬件适配方面稳扎稳打，已与华为、寒武纪、曙光等提供芯片和服务器的厂商完成了深度适配;

云从科技集团股份有限公司从事人工智能算法研究及应用，面向客户提供人机协同操作系统和人工智能解决方案。主要产品或服务包括人机协同操作系统、人工智能解决方案。公司及核心技术团队曾先后9次获得国内外智能感知领域桂冠，并于2018年获得了“吴文俊人工智能科技进步奖一等奖”。公司受邀参与了人工智能国家标准、公安部行业标准等26项国家和行业标准制定工作，并同时承担国家发改委“人工智能基础资源公共服务平台”和“高准确度人脸识别系统产业化及应用项目”、工信部“基于自研SoC芯片的高准确度人脸识别产业化应用”等国家级重大项目建设任务。

调研参与机构详情如下：

参与单位名称参与单位类别参与人员姓名上投摩根基金基金公司黄进上银基金基金公司林竹东吴基金基金公司刘元海、徐嶒、欧阳力君、邬炜东海基金基金公司杨红中信保诚基金基金公司邹诚中加基金基金公司王梁中海基金基金公司顾闻中金基金基金公司汪洋中银基金基金公司吴印、夏宜冰、杨雷、王伟、王帅、黄珺九泰基金基金公司王亮交银基金基金公司李震琦交银施罗德基金公司周中光大保德基金公司林晓枫兴华基金基金公司高伟绚农银汇理基金公司--创金合信基金公司周志敏华商基金基金公司王毅文华夏基金基金公司叶力舟、彭海伟华安基金基金公司刘淑生、刘畅畅、张杰伟、王春、翁启森、马丁、马韬华富基金基金公司高靖瑜博道基金基金公司张迎军嘉实基金基金公司刘晔、蔡丞丰国寿安保基金公司刘兵、刘阳国泰基金基金公司林小聪、高崇南大成基金基金公司吴志强、张家旺、魏庆国天弘基金基金公司张磊安信基金基金公司焦娟宝盈基金基金公司张仲维富国基金基金公司石婧惠理基金公司廖欣宇新华基金基金公司张霖、王永明方圆基金基金公司董丰侨方正富邦基金公司宫永健方正富邦基金基金公司宫永建施罗德基金公司李文杰、杨森民生加银基金公司王晓岩、郑爱刚民生加银基金基金公司陈洁馨泰信基金基金公司董山青泰达宏利基金公司徐雨楠浦银安盛基金基金公司王爽融通基金基金公司李进财通基金基金公司苗瑜金鹰基金基金公司刘忠腾银华基金基金公司和玮、王智伟、秦锋、贾鹏、郭思捷银河基金基金公司卢轶乔长城基金基金公司刘疆长盛基金基金公司张谊然东北自营证券公司冯先涛中信建投证券公司于芳博、张玉龙、辛侠平中信自营证券公司刘雯蜀中信证券证券公司丁奇、孙竞耀中银国际证券公司陆莎莎信达证券证券公司刘旺华创证券证券公司邓怡华西证券证券公司刘泽晶、刘熹、朱芸、杨晶、范慧玲、马行川国元证券证券公司耿军军国盛证券证券公司徐少丹太平洋证券证券公司程漫漫安信证券证券公司焦妍浙商证券证券公司叶光亮、李佩京申万宏源证券公司刘洋、徐梓萌、洪依真西南证券证券公司王湘杰、邓文鑫西部证券证券公司赵宇阳长城证券证券公司蔡航丹羿投资阳光私募机构朱亮南土资产阳光私募机构吴刚同创佳业阳光私募机构王钰宏道投资阳光私募机构孙博文常春藤阳光私募机构饶海宁泓澄投资阳光私募机构金善玉泰旸资产阳光私募机构吴涛、翁起帆神农投资阳光私募机构赵培阜盈投资阳光私募机构王彬鸿道投资阳光私募机构於采中再资产保险公司徐蓓、胡换录中邮人寿保险公司朱战宇中银三星人寿保险公司石晴川交银人寿保险公司周捷人保资产保险公司汤祺国华人寿保险公司陈图南国寿资产保险公司刘军伟建信保险资管保险公司孔硕、翁起帆民生通惠保险公司詹粤萍百年保险保险公司冯轶舟、祝景悦英大保险保险公司张明昕、王京乐长江养老保险公司朱勇胜、李慧勇、王炎、肖向前、胡晓冬、邓锐、邹成、钱诗翔JP摩根海外机构吕宇、李斐Ma­s­s­A­ve Gl­o­b­al海外机构牛书斌中欧基金QF­II叶培培、张晔NSR VE­RA--施泓昊UBS AM HK--Di­n­g­n­i­ng万家其他耿嘉洲个人其他王延森、陈利东中信资管其他罗毅超中达投资其他王勇丰炎--于江勇乘安资产其他唐海鹰、郑安国信达澳亚其他何鑫兰馨亚洲其他符泽慧、黄韬兴旺投资其他张韬冰河资产其他刘春茂利幄基金其他孟舒豪华西基金其他王宁山合远其他王威和谐汇一其他凌晨、章溢漫嘉兴长茂--王海侠国新投资其他胡梦真国金资管其他--太平洋资产其他叶舒季胜--刘青林宁银理财其他毛子瑞工银理财其他胡雨辰广银理财其他崔巍建投投资其他刘丹明达资本其他李荣贵森林湖--孙海连、王晓东歌汝私募其他曹益锋、祁园园汉石资本其他董育宏泰康养老其他吴丽霞泽兴--李思远浙商资管其他鲁立海宸其他潘黎明海通投资其他刘蓬勃百年资产其他许娟娟盘京投资其他王莉科金控股其他李权进臻宜投资其他李怡颖西部利得其他吴桐运舟资本其他吕一闻金辇其他景柄维鑫焱投资其他陈洪锐天投资其他邓晨