機(jī)械設(shè)備行業(yè)人形機(jī)器人再探討：RT-X 大模型

免責(zé)聲明和披露以及分析師聲明是報(bào)告的一部分，請(qǐng)務(wù)必一起閱讀。機(jī)械設(shè)備機(jī)械設(shè)備華泰研究2023年10月22日│中國(guó)內(nèi)專(zhuān)題研究RT-X提高機(jī)器人智能化水平，有望加快人形機(jī)器人產(chǎn)業(yè)化進(jìn)程2023年10月4日DeepMind發(fā)布RT-X機(jī)器人大模型，并開(kāi)放訓(xùn)練數(shù)據(jù)集OpenX-Embodiment。RT-X由基于Transformer的RT-1-X模型和視覺(jué)語(yǔ)言動(dòng)作模型RT-2-X組成。RT-1-X模型在特定任務(wù)上的平均性能比RT-1模型和原始模型提升50%。RT-2-X的涌現(xiàn)能力約為RT-2的3倍，動(dòng)作指令也可從傳統(tǒng)的絕對(duì)位置拓展至相對(duì)位置。更大的模型容量與多種機(jī)器人數(shù)據(jù)的融合也使得RT-X泛化能力大大提高。我們認(rèn)為智能化是影響通用人形機(jī)器人0-1的關(guān)鍵因素，RT-X模型的發(fā)展提高了機(jī)器人智能化水平，人形機(jī)器人產(chǎn)業(yè)化進(jìn)程有望加快。涌現(xiàn)能力約為RT-2模型3倍，動(dòng)作指令從絕對(duì)位置拓展至相對(duì)位置涌現(xiàn)指大模型表現(xiàn)出模型較小時(shí)不具備的新能力。DeepMind開(kāi)放的訓(xùn)練數(shù)據(jù)集OpenX-Embodiment包含超過(guò)100萬(wàn)條真實(shí)的機(jī)器人軌跡數(shù)據(jù)，涵蓋22種機(jī)器人。RT-X由基于Transformer的RT-1-X模型和視覺(jué)語(yǔ)言動(dòng)作模型RT-2-X組成，龐大的數(shù)據(jù)集使其具有更強(qiáng)的性能。RT-2-X涌現(xiàn)能力約為RT-2的3倍，動(dòng)作指令從傳統(tǒng)的絕對(duì)位置拓展至相對(duì)位置。例如，之前機(jī)器人只能理解將蘋(píng)果放在桌子的右上角的絕對(duì)位置指令，如今可以理解將蘋(píng)果放在可樂(lè)和杯子中間的相對(duì)位置指令。RT-1-X模型在特定任務(wù)上（如開(kāi)門(mén)等）的平均性能也比RT-1模型和原始模型提升50%。機(jī)械設(shè)備機(jī)械設(shè)備研究員研究員SACNo.S0570522100004SFCNo.BTM566聯(lián)系人nizhengyang@+(86)2128972228SACNo.S0570123070064wangzi022582@+(86)2128972228行業(yè)走勢(shì)圖機(jī)械設(shè)備滬深300(%)60(5)Oct-22Feb-23Jun-23Oct-23資料來(lái)源：Wind，華泰研究泛化能力約為原始模型3倍，更高的模型容量/多數(shù)據(jù)融合提高泛化能力泛化是指模型在新場(chǎng)景下的適應(yīng)能力。RT-2-X涌現(xiàn)能力約為原始模型的3倍，泛化能力從27.3%提高至75.8%。實(shí)驗(yàn)表明，更高的模型容量能夠提高泛化能力，在其他條件如數(shù)據(jù)集和訓(xùn)練方式相同的情況下，55B的RT-2-X模型的泛化能力較5B模型從30%提高至61%。多種機(jī)器人數(shù)據(jù)的融合也提高了模型的泛化能力，RT-2-X模型在使用WidowXBridge數(shù)據(jù)集后，掌握了原有數(shù)據(jù)集中不具備的額外技能，表現(xiàn)出了更好的工作性能和泛化能力。更豐富的數(shù)據(jù)集有望推動(dòng)模型迭代，促進(jìn)人形機(jī)器人產(chǎn)業(yè)發(fā)展我們認(rèn)為智能化是影響通用人形機(jī)器人0-1的關(guān)鍵因素，RT-X大模型的發(fā)展可提升機(jī)器人的智能化水平，多樣化的數(shù)據(jù)集可大大提升模型的泛化與涌現(xiàn)能力。現(xiàn)階段RT-X大模型仍存在改進(jìn)空間，其沒(méi)有考慮不同感知維度的數(shù)據(jù)，也沒(méi)有精準(zhǔn)實(shí)現(xiàn)正遷移的能力（加入新的機(jī)器人數(shù)據(jù)集后，模型泛化能力提高）。隨著世界各地的實(shí)驗(yàn)室合作并共享數(shù)據(jù)資源，我們認(rèn)為未來(lái)數(shù)據(jù)集將不斷豐富，機(jī)器人大模型也將不斷迭代，從而加速人形機(jī)器人產(chǎn)業(yè)化落地。風(fēng)險(xiǎn)提示：模型泛化能力不足，數(shù)據(jù)集訓(xùn)練結(jié)果不及預(yù)期，機(jī)器人通用性不及預(yù)期。免責(zé)聲明和披露以及分析師聲明是報(bào)告的一部分，請(qǐng)務(wù)必一起閱讀。RT-1是一個(gè)包含機(jī)器人軌跡數(shù)據(jù)在內(nèi)的Transformer機(jī)器人架構(gòu)模型。其主體包括：1）卷積神經(jīng)網(wǎng)絡(luò)（EfficientNet通過(guò)ImageNet預(yù)訓(xùn)練得到，用于處理圖像和文本，以提取與任務(wù)相關(guān)的視覺(jué)特征；2）Token學(xué)習(xí)器：計(jì)算出嵌入Transformer中信息的token；3）Transformer：處理輸入的token，并預(yù)測(cè)離散化的機(jī)器人動(dòng)作token。RT-1的訓(xùn)練數(shù)據(jù)是在實(shí)驗(yàn)室中通過(guò)操控機(jī)械臂動(dòng)作記錄的結(jié)果，數(shù)據(jù)集相對(duì)局限。因此RT-1只能接受在數(shù)據(jù)庫(kù)中出現(xiàn)的指令，指令的基本結(jié)構(gòu)為“動(dòng)作+目標(biāo)物體+目標(biāo)位置”，超出這個(gè)范圍的指令機(jī)器人則無(wú)能為力。資料來(lái)源：《RT-1:RoboticsTransformerforReal-WorldControlatScale》（Google，2023），華泰研究RT-2：理解自然語(yǔ)言的機(jī)器人視覺(jué)語(yǔ)言動(dòng)作（VLA）模型RT-2模型具有更好的泛化能力和涌現(xiàn)性。RT-2在視覺(jué)-語(yǔ)言模型（VLM）的基礎(chǔ)上提出了視覺(jué)語(yǔ)言動(dòng)作（VLA）模型，并在預(yù)訓(xùn)練的基礎(chǔ)上進(jìn)行聯(lián)合微調(diào)得到實(shí)例化的RT-2-PaLM-E和RT-2-PaLI-X。RT-2系列模型展現(xiàn)了出色的泛化能力，即使面對(duì)訓(xùn)練數(shù)據(jù)中從未出現(xiàn)過(guò)的物體、背景和環(huán)境，其成功率仍遠(yuǎn)超原始模型。同時(shí)，對(duì)于符號(hào)理解、推理和人類(lèi)識(shí)別三類(lèi)不存在于機(jī)器人訓(xùn)練數(shù)據(jù)中的涌現(xiàn)任務(wù)，RT-2系列模型也能以較高正確率完成，表明語(yǔ)義知識(shí)從視覺(jué)語(yǔ)言數(shù)據(jù)中轉(zhuǎn)移到了RT-2中。雖然指令中“目標(biāo)物體”與“目標(biāo)位置”的范圍由RT-1數(shù)據(jù)庫(kù)的范圍擴(kuò)大到互聯(lián)網(wǎng)海量訓(xùn)練數(shù)據(jù)，但大模型的動(dòng)作依然局限于抓取、移動(dòng)和放置，缺乏通用性。資料來(lái)源：《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》（Google，2023），華泰研究資料來(lái)源：《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》（Google，2023華泰研究資料來(lái)源：《RT-2:Vision-Language-ActionModelsTransferWebKnowledgetoRoboticControl》（Google，2023華泰研究RT-X：基于多個(gè)數(shù)據(jù)集的機(jī)器人通用大基于多個(gè)數(shù)據(jù)集的RT-X機(jī)器人大模型平均性能較RT-1和原始模型提高50%。2023年10月4日，GoogleDeepMind開(kāi)放的訓(xùn)練數(shù)據(jù)集OpenX-Embodiment包含超過(guò)100萬(wàn)條真實(shí)的機(jī)器人軌跡數(shù)據(jù)，涵蓋22種機(jī)器人，展示了527項(xiàng)技能（160266項(xiàng)任務(wù)）。多樣化的數(shù)據(jù)集使得RT-X模型在訓(xùn)練過(guò)程中具備了處理不同任務(wù)和環(huán)境的能力，機(jī)器人能夠更靈活地適應(yīng)不同的應(yīng)用場(chǎng)景，例如倉(cāng)庫(kù)搬運(yùn)、防爆救險(xiǎn)、家庭護(hù)理等。RT-X由基于Transformer的RT-1-X模型和視覺(jué)語(yǔ)言動(dòng)作模型RT-2-X組成。雖然RT-1-X與RT-1的網(wǎng)絡(luò)架構(gòu)相同，但因?yàn)镽T-1-X采用了多樣化的數(shù)據(jù)集進(jìn)行訓(xùn)練，RT-1-X模型在特定任務(wù)上（如開(kāi)門(mén)）的平均性能比RT-1和原始模型提升50%。資料來(lái)源：《OpenX-Embodiment:RoboticLearningDatasetsandRT-XModels》（Google，2023華泰研究RT-X涌現(xiàn)能力約為RT-2模型的3倍，動(dòng)作指令可從絕對(duì)位置拓展至相對(duì)位置。涌現(xiàn)指大模型表現(xiàn)出模型較小時(shí)不具備的新能力。RT-2-X涌現(xiàn)能力約為RT-2的3倍，動(dòng)作指令也從傳統(tǒng)的絕對(duì)位置拓展至相對(duì)位置。例如，之前機(jī)器人只能理解將蘋(píng)果放在桌子的右上角的絕對(duì)位置指令，如今可以理解將蘋(píng)果放在可樂(lè)和杯子中間的相對(duì)位置指令。免責(zé)聲明和披露以及分析師聲明是報(bào)告的一部分，請(qǐng)務(wù)必一起閱讀。資料來(lái)源：《OpenX-Embodiment:RoboticLearningDatasetsandRT-XModels》（Google，2023），華泰研究泛化能力約為原始模型3倍，更高的模型容量/多數(shù)據(jù)融合提高泛化能力。泛化是指模型在新場(chǎng)景下的適應(yīng)能力。RT-2-X泛化能力約為原始模型的3倍，從27.3%提高至75.8%。實(shí)驗(yàn)表明，更高的模型容量能夠提高泛化能力，在其他條件如數(shù)據(jù)集/訓(xùn)練方式相同的情況下，55B的RT-2-X模型的泛化能力較5B模型從30%提高至61%。多種機(jī)器人數(shù)據(jù)的融合也提高了泛化能力，RT-2-X模型在使用WidowXBridge數(shù)據(jù)集后，掌握了原有數(shù)據(jù)集中不具備的額外技能，表現(xiàn)出了更好的工作性能和泛化能力。圖表7：更高的模型容量和更多的數(shù)據(jù)集顯HistoryCo-TrainedEmergentSkillsRT-2GeneralizationRowModelSizeLengthDatasetw/WebInitialCheckpointEvaluationEvaluationRT-255BnoneGoogleRobotactionYesWeb-pretrained27.3%62%RT-2-X55BnoneRoboticsdataYesWeb-pretrained75.8%61%RT-2-X55BnoneRoboticsdataexceptBridgeYesWeb-pretrained42.8%54%RT-2-X5B2RoboticsdataYesWeb-pretrained44.4%52%RT-2-X5BnoneRoboticsdataNoWeb-pretrained14.5%30%RT-2-X5B2RoboticsdataNoFromscratch0.0%RT-2-X5B2RoboticsdataNoWeb-pretrained48.7%47%資料來(lái)源：《OpenX-Embodiment:RoboticLearningDatasetsandRT-XModels》（Google，2023華泰研究機(jī)器人模型領(lǐng)域或?qū)⒂瓉?lái)ImageNet機(jī)器人模型領(lǐng)域或?qū)⒂瓉?lái)ImageNet時(shí)刻，促進(jìn)人形機(jī)器人產(chǎn)業(yè)發(fā)展。我們認(rèn)為智能化是影響通用人形機(jī)器人0-1的關(guān)鍵因素，RT-X大模型的發(fā)展可提升機(jī)器人的智能化水平，多樣化的數(shù)據(jù)集可大大提升模型的泛化與涌現(xiàn)能力。類(lèi)似于ImageNet圖像分類(lèi)數(shù)據(jù)集對(duì)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型的重要性，OpenX-Embodiment數(shù)據(jù)集包含不同類(lèi)型的機(jī)器人?，F(xiàn)階段RT-X大模型仍存在改進(jìn)空間，其沒(méi)有考慮不同感知維度的數(shù)據(jù)，也沒(méi)有精準(zhǔn)實(shí)現(xiàn)正遷移的能力（加入新的機(jī)器人數(shù)據(jù)集后，模型泛化能力提高）。隨著世界各地的實(shí)驗(yàn)室合作并共享數(shù)據(jù)資源，我們認(rèn)為未來(lái)數(shù)據(jù)集將不斷豐富，機(jī)器人大模型也將不斷迭代，從而加速人形機(jī)器人產(chǎn)業(yè)化落地。圖表8：OpenX-Embodiment是迄資料來(lái)源：《OpenX-Embodiment:RoboticLearningDatasetsandRT-XModels》（Google，2023），華泰研究模型泛化能力不足：目前RT-X模型泛化能力仍在提升過(guò)程中，未來(lái)能否達(dá)到產(chǎn)業(yè)化落地所需的泛化性能標(biāo)準(zhǔn)存在不確定性。數(shù)據(jù)集訓(xùn)練結(jié)果不及預(yù)期：數(shù)據(jù)集訓(xùn)練結(jié)果存在不確定性，可能不及預(yù)期。機(jī)器人通用性不及預(yù)期：即便大模型持續(xù)發(fā)展，機(jī)器人通用性需要硬件配合，存在不及預(yù)期的可能性。分析師聲明本人，倪正洋，茲證明本報(bào)告所表達(dá)的觀點(diǎn)準(zhǔn)確地反映了分析師對(duì)標(biāo)的證券或發(fā)行人的個(gè)人意見(jiàn)；彼以往、現(xiàn)在或未來(lái)并無(wú)就其研究報(bào)告所提供的具體建議或所表迖的意見(jiàn)直接或間接收取任何報(bào)酬。一般聲明及披露本報(bào)告由華泰證券股份有限公司（已具備中國(guó)證監(jiān)會(huì)批準(zhǔn)的證券投資咨詢(xún)業(yè)務(wù)資格，以下簡(jiǎn)稱(chēng)“本公司”）制作。本報(bào)告所載資料是僅供接收人的嚴(yán)格保密資料。本報(bào)告僅供本公司及其客戶和其關(guān)聯(lián)機(jī)構(gòu)使用。本公司不因接收人收到本報(bào)告而視其為客戶。本報(bào)告基于本公司認(rèn)為可靠的、已公開(kāi)的信息編制，但本公司及其關(guān)聯(lián)機(jī)構(gòu)(以下統(tǒng)稱(chēng)為“華泰”)對(duì)該等信息的準(zhǔn)確性及完整性不作任何保證。本報(bào)告所載的意見(jiàn)、評(píng)估及預(yù)測(cè)僅反映報(bào)告發(fā)布當(dāng)日的觀點(diǎn)和判斷。在不同時(shí)期，華泰可能會(huì)發(fā)出與本報(bào)告所載意見(jiàn)、評(píng)估及預(yù)測(cè)不一致的研究報(bào)告。同時(shí)，本報(bào)告所指的證券或投資標(biāo)的的價(jià)格、價(jià)值及投資收入可能會(huì)波動(dòng)。以往表現(xiàn)并不能指引未來(lái)，未來(lái)回報(bào)并不能得到保證，并存在損失本金的可能。華泰不保證本報(bào)告所含信息保持在最新?tīng)顟B(tài)。華泰對(duì)本報(bào)告所含信息可在不發(fā)出通知的情形下做出修改，投資者應(yīng)當(dāng)自行關(guān)注相應(yīng)的更新或修改。本公司不是FINRA的注冊(cè)會(huì)員，其研究分析師亦沒(méi)有注冊(cè)為FINRA的研究分析師/不具有FINRA分析師的注冊(cè)資華泰力求報(bào)告內(nèi)容客觀、公正，但本報(bào)告所載的觀點(diǎn)、結(jié)論和建議僅供參考，不構(gòu)成購(gòu)買(mǎi)或出售所述證券的要約或招攬。該等觀點(diǎn)、建議并未考慮到個(gè)別投資者的具體投資目的、財(cái)務(wù)狀況以及特定需求，在任何時(shí)候均不構(gòu)成對(duì)客戶私人投資建議。投資者應(yīng)當(dāng)充分考慮自身特定狀況，并完整理解和使用本報(bào)告內(nèi)容，不應(yīng)視本報(bào)告為做出投資決策的唯一因素。對(duì)依據(jù)或者使用本報(bào)告所造成的一切后果，華泰及作者均不承擔(dān)任何法律責(zé)任。任何形式的分享證券投資收益或者分擔(dān)證券投資損失的書(shū)面或口頭承諾均為無(wú)效。除非另行說(shuō)明，本報(bào)告中所引用的關(guān)于業(yè)績(jī)的數(shù)據(jù)代表過(guò)往表現(xiàn)，過(guò)往的業(yè)績(jī)表現(xiàn)不應(yīng)作為日后回報(bào)的預(yù)示。華泰不承諾也不保證任何預(yù)示的回報(bào)會(huì)得以實(shí)現(xiàn)，分析中所做的預(yù)測(cè)可能是基于相應(yīng)的假設(shè)，任何假設(shè)的變化可能會(huì)顯著影響所預(yù)測(cè)的回報(bào)。華泰及作者在自身所知情的范圍內(nèi)，與本報(bào)告所指的證券或投資標(biāo)的不存在法律禁止的利害關(guān)系。在法律許可的情況下，華泰可能會(huì)持有報(bào)告中提到的公司所發(fā)行的證券頭寸并進(jìn)行交易，為該公司提供投資銀行、財(cái)務(wù)顧問(wèn)或者金融產(chǎn)品等相關(guān)服務(wù)或向該公司招攬業(yè)務(wù)。華泰的銷(xiāo)售人員、交易人員或其他專(zhuān)業(yè)人士可能會(huì)依據(jù)不同假設(shè)和標(biāo)準(zhǔn)、采用不同的分析方法而口頭或書(shū)面發(fā)表與本報(bào)告意見(jiàn)及建議不一致的市場(chǎng)評(píng)論和/或交易觀點(diǎn)。華泰沒(méi)有將此意見(jiàn)及建議向報(bào)告所有接收者進(jìn)行更新的義務(wù)。華泰的資產(chǎn)管理部門(mén)、自營(yíng)部門(mén)以及其他投資業(yè)務(wù)部門(mén)可能獨(dú)立做出與本報(bào)告中的意見(jiàn)或建議不一致的投資決策。投資者應(yīng)當(dāng)考慮到華泰及/或其相關(guān)人員可能存在影響本報(bào)告觀點(diǎn)客觀性的潛在利益沖突。投資者請(qǐng)勿將本報(bào)告視為投資或其他決定的唯一信賴(lài)依據(jù)。有關(guān)該方面的具體披露請(qǐng)參照本報(bào)告尾部。本報(bào)告并非意圖發(fā)送、發(fā)布給在當(dāng)?shù)胤苫虮O(jiān)管規(guī)則下不允許向其發(fā)送、發(fā)布的機(jī)構(gòu)或人員，也并非意圖發(fā)送、發(fā)布給因可得到、使用本報(bào)告的行為而使華泰違反或受制于當(dāng)?shù)胤苫虮O(jiān)管規(guī)則的機(jī)構(gòu)或人員。本報(bào)告版權(quán)僅為本公司所有。未經(jīng)本公司書(shū)面許可，任何機(jī)構(gòu)或個(gè)人不得以翻版、復(fù)制、發(fā)表、引用或再次分發(fā)他人(無(wú)論整份或部分)等任何形式侵犯本公司版權(quán)。如征得本公司同意進(jìn)行引用、刊發(fā)的，需在允許的范圍內(nèi)使用，并需在使用前獲取獨(dú)立的法律意見(jiàn)，以確定該引用、刊發(fā)符合當(dāng)?shù)剡m用法規(guī)的要求，同時(shí)注明出處為“華泰證券研究所”，且不得對(duì)本報(bào)告進(jìn)行任何有悖原意的引用、刪節(jié)和修改。本公司保留追究相關(guān)責(zé)任的權(quán)利。所有本報(bào)告中使用的商標(biāo)、服務(wù)標(biāo)記及標(biāo)記均為本公司的商標(biāo)、服務(wù)標(biāo)記及標(biāo)記。中國(guó)香港本報(bào)告由華泰證券股份有限公司制作,在香港由華泰金融控股（香港）有限公司向符合《證券及期貨條例》及其附屬法律規(guī)定的機(jī)構(gòu)投資者和專(zhuān)業(yè)投資者的客戶進(jìn)行分發(fā)。華泰金融控股（香港）有限公司受香港證券及期貨事務(wù)監(jiān)察委員會(huì)監(jiān)管，是華泰國(guó)際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。在香港獲得本報(bào)告的人員若有任何有關(guān)本報(bào)告的問(wèn)題,請(qǐng)與華泰金融控股（香港）有限公司聯(lián)系。香港-重要監(jiān)管披露?華泰金融控股（香港）有限公司的雇員或其關(guān)聯(lián)人士沒(méi)有擔(dān)任本報(bào)告中提及的公司或發(fā)行人的高級(jí)人員。?有關(guān)重要的披露信息，請(qǐng)參華泰金融控股（香港）有限公司的網(wǎng)頁(yè).hk/stock_disclosure其他信息請(qǐng)參見(jiàn)下方“美國(guó)-重要監(jiān)管披露”。美國(guó)在美國(guó)本報(bào)告由華泰證券（美國(guó)）有限公司向符合美國(guó)監(jiān)管規(guī)定的機(jī)構(gòu)投資者進(jìn)行發(fā)表與分發(fā)。華泰證券（美國(guó)）有限公司是美國(guó)注冊(cè)經(jīng)紀(jì)商和美國(guó)金融業(yè)監(jiān)管局（FINRA）的注冊(cè)會(huì)員。對(duì)于其在美國(guó)分發(fā)的研究報(bào)告，華泰證券（美國(guó)）有限公司根據(jù)《1934年證券交易法》（修訂版）第15a-6條規(guī)定以及美國(guó)證券交易委員會(huì)人員解釋?zhuān)瑢?duì)本研究報(bào)告內(nèi)容負(fù)責(zé)。華泰證券（美國(guó)）有限公司聯(lián)營(yíng)公司的分析師不具有美國(guó)金融監(jiān)管（FINRA）分析師的注冊(cè)資格，可能不屬于華泰證券（美國(guó)）有限公司的關(guān)聯(lián)人員，因此可能不受FINRA關(guān)于分析師與標(biāo)的公司溝通、公開(kāi)露面和所持交易證券的限制。華泰證券（美國(guó)）有限公司是華泰國(guó)際金融控股有限公司的全資子公司，后者為華泰證券股份有限公司的全資子公司。任何直接從華泰證券（美國(guó)）有限公司收到此報(bào)告并希望就本報(bào)告所述任何證券進(jìn)行交易的人士，應(yīng)通過(guò)華泰證券（美國(guó)）有限公司進(jìn)行交易。美國(guó)-重要監(jiān)管披露?分析師倪正洋本人及相關(guān)人士并不擔(dān)任本報(bào)告所提及的標(biāo)的證券或發(fā)行人的高級(jí)人員、董事或顧問(wèn)。分析師及相關(guān)人士與本報(bào)告所提及的標(biāo)的證券或發(fā)行人并無(wú)任何相關(guān)財(cái)務(wù)利益。本披露中所提及的“相關(guān)人士”包括FINRA定義下分析師的家庭成員。分析師根據(jù)華泰證券的整體收入和盈利能力獲得薪酬，包括源自公司投資銀行業(yè)務(wù)的