本文界说AI Answer 为结合LLM和IR本事的智能信息互动应用，信息源可为闭源学问库、行业图谱、或是互联网敞开信息。以C端检索范式演进为鉴，咱们以为通用智能模子在企业端或将率先以AI Answer模式落地，AI赋能里面学问库重建、构建流量进口，有望带来诸多价值增量。
摘记以C端搜索引擎范式演进为鉴，咱们以为B端AI Answer大略带来多元价值增量：
1）数据价值挖掘：企业端自动生成数据细察与前瞻性的预测分析；用户端自动分派数据打听权限，并推选个性化的检索旅途与学问生成。
2）学问钞票沉淀：自动生成信息分类标签，镌汰东谈主工存档资本。同期用户举止可行为东谈主类反馈，老到AI Answer在生成内容上进一步对皆应用领域的需乞降偏好。
3）搜索遵守晋升：自动剔除重叠或冗余的信息，整合高质料学问钞票。主动提供提出和关联良友，促进信息获取的实时性。
供给端本事平权叠加需求端竣事表里双向赋能，咱们以为AI Answer有望成为B端应用中先行落地场景。
数据层面，AI Answer在搜索过程中融入垂域要素，更好的长远用户意图并产生更准确的搜索结束；模子层面，本事平权配景下不错通过使用开源模子也可在垂域细分领域达到较优后果。同期在企业需求端，AI Answer助力企业学问图谱重构，竣事后端历程运维及前端业务交互的表里双向赋能。
AI Answer = LangChain + 大模子 + 向量数据库。LangChain框架通过各式模块化组件提供了全标的全历程的通用开拓办事，可被用于整合和照管大模子的输出。智谱ChatGLM等大模子带来大模子普惠，助力B端部署AI Answer。向量数据库匡助拓展LLM的时空界限，赋能企业打造基于专属学问库的AI Answer应用。
企业里面学问库有望重构，照管软件领域OA有望先行落地AI Answer。咱们不雅察到第四范式、星环科技、云知声等公司已推出企业学问照管平台居品，匡助客户重构企业学问库；钉钉、WPS、印象札记等居品助力个东谈主和中小组织竣事学问梳理。在照管软件领域，咱们以为泛微、致远等OA厂商有望先行竣事AI Answer和照管历程结合，落地智能协同应用。
正文
什么是AI Answer？咱们以为， AI Answer 为结合大谈话模子（LLM）和信息检索（IR，Information retrieval）本事的智能信息互动应用。在这个应用中，LLM 负责长远语境并构建查询，而 IR 本事则依据这些查询获取联所有据或文档。检索到的结束最终由LLM 生成复兴，从而酿成一个以模子外部信息为撑执的动态对话过程。
AI Answer检索的信息不错是企业闭源学问库、行业学问图谱、或是互联网敞开信息。相较于传统学问检索应用，AI Answer在交互模式、泛化才略及精确度上均有才略跃迁，咱们以为通用智能模子在企业端或将率先以AI Answer模式落地，价值增量包括：
► 数据价值挖掘：企业端确认企业里面数据与已有学问，自动生成数据细察与前瞻性的预测分析，提高企业运维遵守与学问调动动能。同期用户端AI Answer通过分析用户的变装、需求、历史查询记载，自动分派合适的数据打听权限，推选个性化检索旅途与学问生成。
► 学问钞票沉淀：自动为线上学问文档生身分类标签，镌汰东谈主工信息整理资本。确认用户使用应用的情况追踪企业学问库变化，自动更重生成内容，确保信息准确性与实时。同期用户使用AI Answer产生的举止可行为东谈主类反馈，老到AI Answer在生成内容上进一步对皆应用领域的需乞降偏好。
► 搜索遵守晋升：通过精确分析用户需求，自动剔除重叠或冗余的信息，整合高质料学问钞票。同期AI Answer应用可行为虚构助手，在平台上同步协助职工责罚问题、主动提供提出和关联良友，促进信息获取的实时性。
以C端检索范式演进为鉴，咱们以为B端 AI赋能里面学问库重建有望带来诸多价值增量，得志企业端提效需求。微软2月8日发布基于OpenAI大模子的搜索引擎新版Bing（汉文名“必应”）[1]，初次推出镶嵌搜索引擎的“问答式搜索”功能，搜索界面的问答机器东谈主不错与用户聊天、协助撰写文本、汇总全辘集信息并以对话方式反映查询。
StatCounter数据自大谷歌的搜索引擎的确占据了90%的市集份额，咱们以为Bing凭借智能化检索有望接续打破市集份额。据 Data.AI 的图示区间数据，在镶嵌了OpenAI大模子才略后，Bing的APP日均下载量在众人范围内增长了823%，同期对比谷歌搜索应用的下载量仅增长3%。
图表：New Bing推出后APP下载量较Google冷静不停
良友开首：Data.ai，中金公司盘问部
以Glean为例，大模子赋能的AI Answer重构企业照管软件。AI本事在企业端的应用场景宏大，其中学问内容检索场景学问密度要求较高，需求明确且本事旅途相对老到。Glean通过买通跨应用数据打造驾于SaaS层之上的“团员层”，成为企业应用场景的进口级居品。Glean不错结合企业里面学问图谱、以及上百家第三方SaaS应用中进行信息检索，为每位用户的当然谈话查询生成定制化的结束，袒护信息查找、复杂功能践诺等场景。
现在，Glean只面向企业客户提供办事，公司推出两种订价决策，1）按席位收费，每月不进步100好意思元；2）确认企业的需求定制价钱，现在贸易模式以第二种为主。此外，在办事模式上，Glean 还提供高水平的安全性和纯真性，不错选择在腹地或云霄部署，况兼对用户数据进行加密和权限层级照管。
图表：学问内容检索场景信息密度要求较高而纯真性要求较低，刻下模子已大略得志
良友开首：中金公司盘问部
图表：Glean结合企业文档录取三方应用进行检索
良友开首：Glean官网，中金公司盘问部
AI Answer有望成为B端最快落地的模式
供给端，模子层本事趋于平权，企业具备闭源数据卡位，贸易落地可得性较高。数据层面，与其他B端AI应用比较集成了垂直行业学问的AI Answer应用更易实施落地。
通用东谈主工智能蓄积了刚劲的通识才略，但由于其粗造而非专精的数据结构，其在专科领域的检索实效性及性价比尚有欠缺。通过拟合垂直领域的数据，AI Answer能长远行业内的专科词汇、认识和信息，从而在搜索过程中融入垂域要素，更好的长远用户意图并产生更准确的搜索结束。
模子层面，B端企业AI Answer场景关于算法模子在学问泄漏、数理分析等高阶才略需求较弱，对检索才略和文本生成才略需求较强，本事平权配景下不错通过使用LLAMA、Bloom、ChatGLM等开源模子也可在垂域细分领域达到较优后果。
举例，企业不错使用LangChain将数据库文档加载并索引到腹地学问库中，通过镶嵌模子对文本进行矢量化，助力快速检索联系段落，再通过ChatGLM协助用户基于检索到的信息和用户会话历史生成精确的谜底。
图表：垂域模子调优处在监督式微调阶段，增量算力需求较少
良友开首：2023 年微软Build大会，中金公司盘问部
需求端，AI Answer助力企业学问图谱重构，竣事表里双向赋能。
1）企业需要快速准确地获取和利用特定领域的学问和信息，以提高决策遵守和质料。传统的搜索引擎往往不成得志企业的个性化需求，而需要一个大略长远企业贸易模式下特定语境和逻辑的智能问答系统。
2）企业需要对我方领有或者大略获取的数据和学问进行灵验地组织和照管，以提高数据质料和可用性。传统的学问库构建和珍贵往往需要多半的东谈主力和时分资本，AI Answer大略助力企业自动化地从各式数据源中抽取、整合、更新和考据学问。
3）企业需要与客户、合作伙伴、职工等各方灵验地调换和配合，传统的东谈主工客服或者机器东谈主往往不成得志用户的种种化和复杂化的问题，AI Answer经过细化调优，大略纯真地稳当不同场景和需求。
图表：AI Answer助力企业决策从被迫反映转向主动办事
良友开首：中国信通院《企业数字化转型本事发展趋势盘问证明（2023）》，中金公司盘问部
本事基础：AI Answer = LangChain + 大模子 + 向量数据库LangChain：针对大模子提供通用开拓框架LangChain是一个封装了各式大谈话模子应用开拓器用的开源Python框架，提供了一套开拓大模子的器用、组件和接口。LangChain匡助开拓者将大模子和其他学问源/数据库结合起来，以创立功能更刚劲的应用步伐，包括基于学问库问答、聊天机器东谈主、智能代理等。该开源Python可被用于整合和照管大模子（如ChatGLM）的输出，提供了法式的模块化组件、集成了不同的大谈话模子并将其进行整合，并将它们伙同到各式外部数据源和API。
通过各式模块化组件，LangChain框架提供了全标的全历程的优化办事。传统的大模子无法联网、无法调用其他API、无法打听腹地文献、对Prompt要求高、生成才略强但内容准确度无法保证，而LangChain则提供了相应模块，旨在责罚这一系列问题。
► Prompt：使用LLM需要用户输入需求，LangChain将用户的输入传递给Prompt Template。一个Prompt频频由Instructions、Context、Input Data和Output Indicator组成，但一般用户并不会好意思满地输入每个部分，使用LangChain的Prompt Template不错很好地确认用户输入界说各个部分，同期将Input Data留作动态输入项。
► Chain：利用该模块，LangChain不错不只单利用自身的LLM和Prompt Template，而是将原模子聚会到其他信息源或API，将模块组合成好意思满的责任流，拓展LLM应用界限。
图表：Prompt Template对输入改写
今年的足球世界杯吸引了全世界的目光，不仅是因为比赛的激烈程度，更是因为其中涌现出的众多年轻球员，如今已成为全球足球界的超级巨星，他们的表现也成为了人们热议的话题之一。良友开首：国际独角兽，中金公司盘问部
图表：伙同多个Prompt Template及搜索、数据库
良友开首：国际独角兽，中金公司盘问部
► Agent：要是LLM仅利用Chain模块，那么模子将按照预设的接口善良序践诺责任，而Agent模组不错利用LLM分析应该使用哪个API或者搜索引擎、数据源等器用链，并自行决定调用和竣事的限定。比如，ChatGPT有很强的生成回答才略，但不够准确；Wolfram Alpha有很准确的学问储备，但语义长远才略较差，Agent不错针对ChatGPT的问题，自行判断是否需要调用Wolfram Alpha，并生成回答。
► Memory：默许情况下，Chain和Agent是无状态（stateless）的[2]，这意味着它们独随即处理每个传入的Query（就像底层的LLM和聊天模子），不具备上文顾忌的才略。为了记取先前的交互，LangChain通过每次Prompt加入上文内容和记载的tricks，在不同的Query间传递上文，在前ChatGPT期间就竣事了顾忌的功能。
图表：Agent判断使用器用历程
《永生守卫》在网飞上线之后，表现出色，仅仅一周时间，就得到了7200万次的点击量。因此虽然口碑一般，但网飞还是决定继续拍摄续集。对于影片，塞隆说：“很显然，在我的角色和吴青芸的角色之间有着某种关联，可是在这部电影中这种关联并未完全展现出来。所以，假若能够拍摄续集的话，我会非常兴奋。因为能够再度探索两个女性角色之间的关联，非常有趣。”
良友开首：国际独角兽，皇冠最新网址中金公司盘问部
图表：Entity Memory提供永久险峻文顾忌才略
良友开首：国际独角兽，中金公司盘问部
案例：YouTube博主Data Independent通过LangChain构建了一个PDF问答机器东谈主。
LangChain凭借PDF Loader的匡助加载上传的PDF，并使用Splitter分割语句向量，同期尽可能保留原始语义，调用OpenAI的Embedding引擎进行长向量变换并存储在腹地或者Pinecone云向量数据库，终末用户只需调用LangChain的QA Chain就不错针对上传的PDF进行问答。通盘这个词过程中，LangChain颠倒于对每个要道集成，并对全体的交互进行封装。
LangChain受到粗造善良柔使用，获取种子轮融资，但贸易化任重谈远。2023年4月6日，LangChain通告获取由Benchmark领投的1,000万好意思元种子轮融资。
限定2023年4月19日，LangChain在Github上已有2.8万Stars、478位孝敬者，被2,400多名用户使用。但究其现实，LangChain是“整合其他开源库的开源库”，提供开拓LLM的框架，以此节俭开拓东谈主员编写代码的时分。而由于开源加之经济资本挣扎定、对输出莫得评估要道，客户现在更偏好成功的模子录用，LangChain贸易化仍有待探索。
LangFlow为LangChain开源且无代码的可视化开拓界面，用户不错通过拖拽模块和当然谈话交互的模式构建应用原型。
bet365客服电话Langchain将制作AI应用的器用才略模板化和法式化，而LangFlow 提供了一系列可供选择的LangChain组件，包括 LLMs、教唆模板、代理和链等等，用户不错通过聚会节点的方式大肆构建和测试居品原型，举例聊天机器东谈主和文本默契助手。LangFlow基于Python开拓，同类居品还有基于JavaScript开拓的Flowise。
图表：LangFlow支执模块拖放和聊天框构建应用原型
良友开首：LangFlow官网，中金公司盘问部
图表：LangFlow通过通俗聚会四个模块即可构建具备顾忌且可自界说模板的聊天机器东谈主
良友开首：LangFlow官网，中金公司盘问部
大模子：开源模子百花皆放，助力B端高效部署ChatGLM等开源模子带来大模子普惠，助力B端部署AI Answer。
企业不错通过Langchain平台调用部分开源的当然谈话处理模子，举例ChatGLM、Bloom与LLAMA模子等，这些开源模子为企业级AI应用的扩充奠定了基础。其中，ChatGLM是可被集成到LangChain的一款垂危开源模子，大略通过提供当然谈话处理才略为企业打造高效的AI Answer应用。
其研发企业智谱AI竖立于2019年，源自清华大学磋议机系学问工程实验室。2022年，公司合作研发了支执中英双语的千亿级超大范围预老到模子GLM-130B，并搭建了高精度通用学问图谱。
图表：智谱AI居品矩阵
良友开首：智谱AI官网，中金公司盘问部
GLM-130B在多个公开评测榜单上终点了GPT-3的性能，支执单张破钞级推理况兼具备跨平台跨芯片的快速推理才略。基于GLM-130B模子，公司又开拓了6B参数范围的双语对话模子ChatGLM，不错处理多种当然谈话任务（如对话聊天和智能问答），况兼支执在单张破钞级显卡上推理使用。现在，GLM-130B和ChatGLM均开源，为企业端客户提供了更低门槛和更高安全性的应用决策。
图表：ChatGLM-130B及ChatGLM-6B于汉文大模子匿名对战平台SuperCLUE-琅琊榜名次均位于前五
注：统计限定2023年5月29日良友开首：SuperCLUE-琅琊榜官网，中金公司盘问部
图表：Leaderboard非英文问题测试中，ChatGLM名交替7，以较小参数达到高性能
注：统计限定2023年5月25日良友开首：lmsys arena Leaderboard，中金公司盘问部
向量数据库：构建企业学问库的必备存储“大脑”向量是多模数据的压缩，是AI学习的通用数据模式。非结构化数据频频需要向量化之后技艺被AI模子所长远，向量镶嵌（vector embedding）是当然谈话处理和深度学习中常用的数据预处理本事，行将非数值如文本、图片、视频等源数据滚动为机器不错长远的多维数值向量。
图表：通过镶嵌模子将非结构化数据滚动为机器不错长远的多维数值向量
良友开首：Pinecone，中金公司盘问部
博彩攻略向量搜索是一种磨蹭匹配，区别于传统的舛误词索引精确查询。向量搜索一般接管K把握法或类似邻近算法，磋议想法对象与数据库中向量镶嵌的距离以暗意两者的相似度，排序后复返最为相似的结束。区别于传统数据库的精确索引，向量搜索是一种磨蹭匹配，输出的是概率上的最类似谜底。
图表：向量搜索以向量镶嵌的距离表征相似度，是一种磨蹭匹配
良友开首：Google Developers，中金公司盘问部
向量数据库是挑升用来存储和查询向量的数据库。向量数据库即原生面向向量想象的、挑升用于存储、照管、查询、检索向量的数据库。向量化本事已较为老到，也出现了不少开源的向量搜索算法库（如Facebook的FAISS），但向量数据库提供一种开箱即用的责罚决策，在数据执久化、实时增蜕变、散布式磋议、容灾备份等方面提供更好意思满的支执，更允洽企业级应用。
向量数据库匡助拓展LLM时空界限，是企业学问库的必备存储“大脑”。现在向量数据库的中枢应用场景之一即是拓展LLM的时空界限，赋能企业打造基于专属学问库的AI Answer应用。
时分维度上，运行的LLM是基于历史的通用语料库老到的，而现实企业应用场景中需要补充实时的、专科性的学问；空间维度上，LLM的输入token存在长度限定，因此无法成功将企业学问库的全量信息行为prompt一次性输入，仅需最联系的部分。
向量数据库和LLM的具体交互过程为：用户领先将企业学问库的全量信息通过镶嵌模子滚动为向量后储存在向量数据库中，用户输入prompt时，先将其相通向量化，并在向量数据库中检索最为联系的内容，再将检索到的联系信息和运行prompt一皆输入给LLM模子，以得到最终复返结束。
图表：向量数据库和LLM的具体交互过程
良友开首：Pinecone官网，星环科技微信公众号，中金公司盘问部
案例：星环科技Hippo向量数据库具备多种企业级特质。现在向量数据库市集参与者以国际初创型公司的开源居品为主，近期一级市集投融资热度较高。
国内大数据基础软件领军企业星环科技在向量数据库上已独特年本事蓄积，之前主要里面私用，本年5月底庄重居品化对外发布为Hippo向量数据库居品，在高可用、高性能、易拓展等方面具备上风，支执多种向量搜索索引，支执数据分永诀片、数据执久化、增量数据采纳、向量标量字段过滤搀杂查询等功能，大略很好地得志企业针对海量向量数据的高实时性查询、检索、调回等场景。
图表：星环科技Hippo向量数据库具备多种企业级特质
良友开首：星环科技向星力数据本事峰会，中金公司盘问部
应用场景和畴昔瞻望：企业里面学问库有望重构学问照管平台：匡助B端客户竣事里面学问库重构
学问照管平台从头整合里面学问，助力B端客户打造AI Answer应用。咱们以为企业学问库有望成为AI Answer在B端的先行落地模式，现在咱们不雅察到第四范式、星环科技、云知声、调动奇智、中科闻歌、鼎捷软件等厂商均具备了基于企业里面学问打造学问库的才略。
图表：第四范式“式说2.0”具备企业级学问库结合Copilot才略，从单一进口竣事多个功能的聚积
良友开首：智东西，中金公司盘问部
图表：星环科技Sophon KG提供一站式学问全人命周期照管平台，赋能各行业企业的问答、搜索、推选要道
良友开首：星环科技居品白皮书，中金公司盘问部
图表：云知声结合私域数据和大模子提供企业定制智能居品，打造大范围企业级“新版Bing”
良友开首：云知声2023AIGC战术发布会，中金公司盘问部
图表：调动奇智基于里面业务数据学问打造 “奇智孔明AInnoGC”，让企业领有基于私域数据的AI生成才略
良友开首：调动奇智官方公众号，中金公司盘问部
图表：中科闻歌“雅意”大模子具备5大中枢才略，可快速对接政府、企业数据并一键生成企业级专属应用办事
良友开首：雅意大模子发布会，中金公司盘问部
图表：鼎捷软件推出基于GPT的企业学问PaaS平台MERITS，其中ChatFile大略竣事学问问答才略
皇冠客服飞机：@seo3687良友开首：鼎新电脑x微软Azure OpenAI战术合作发布会，中金公司盘问部
企业照管软件：整合企业学问和照管历程，OA有望落地先行OA有望成为企业照管软件领域AI Answer先行落地场景。学问照管是OA的新兴模块，其主要用于企业里面文档和学问良友的存储和照管，现在泛微、致远、蓝凌等头部OA厂商均推出了学问照管类居品（如泛微采知连、致远学问管长远决决策、蓝凌学问照管平台等），而现阶段学问照管模块主要为学问存储，并通过通俗的搜索功能竣事学问提真金不怕火，企业应用遵守低下。
咱们以为AI有望助力学问照管大略进行全标的升级，通过第三方大模子赋能竣事AI Answer，信得过将企业学问纯真欺诈，进一步引发企业职工充实学问库并提高其使用遵守。
► 泛微辘集：沉聆&采知连&小E助手竣事学问的照管和问答。泛微沉聆基于RPA（机器东谈主历程自动化）和NLP（当然谈话处理）本事，具备信息采集功能；采知连未学问照管领域专项居品，竣事文档照管、学问仓库、学问运营；小E智能语音扶助系统大略竣事智能助理、学问问答、数据查询、业务处理等功能。咱们以为畴昔公司居品有望与大模子竣事深度交融，期待大模子交融后的企业协同照管应用推出。
► 致远互联：AICOP助力竣事“智能协同”。6月12日，致远互联发布智能协同应用AICOP的视频演示，展示了智能协同助手“小致”在预订会议、准备会议良友、生成证明&文稿&会议纪要、填写表单、发起历程等场景的赋能应用。
www.defxu.com图表：致远互联AICOP买通企业学问库和历程照管，竣事“智能协同”
良友开首：致远互联微信公众号，中金公司盘问部
ERP 中 AI Answer落地瞻望：大模子助力下AI Answer 赋能出产历程照管。与OA比较，ERP与业务和出产联系更精细且具有更彰着的行业属性，在业务运行过程ERP沉淀的行业垂类数据有望助力大模子的老到。国际微软的Dynamics 365 Copilot展示了客服、市集、供应链照管等场景的AI赋能应用；国内对标来看，用友辘集深耕ERP多年布局二十余个行业并蓄积了各行业丰富的用户授权数据，公司盘算后续将通过和通用大模子厂商合作+自研结合的方式进一步老到企业办事大模子，期待大模子赋能下AI Answer在财务、东谈主力、采购、制造、营销等领域场景落地。
文档整理&搜索引擎：面向个东谈主和中小组织的学问检索应用钉钉有望为中小组织和个东谈主构建“学问图谱”。2023年6月，钉钉AI庄重邀请测试，其展示了AI+文档、AI+群聊、AI+应用、AI+问答机器东谈主等功能。其中AI+问答机器东谈主大略接考中户主动上传特定的文档数据，生成特定场景的问答机器东谈主，并行为专科模子竣事更灵验、准确的AI问答。咱们以为这类功能为中袖珍组织和个东谈主快速构建学问库，竣事学问的沉淀和应用。
WPS、印象札记等文档类软件有望基于用户端海量文档竣事AI Answer。咱们以为WPS、印象札记等文档类软件行为文档沉淀的平台，具备自然接入AI大模子的应用条件。如印象札记的“学问星图”功能，大略借助AI语义分析产生学问图谱和学问辘集，竣事信息的高效网罗和利用。咱们以为文档类软件有望在B端和C端匡助用户更好地基于平台沉淀的文档竣事AI Answer。
图表：钉钉大略基于用户上传的文档生成问答机器东谈主
良友开首：量子位公众号，中金公司盘问部
图表：Perplexity基于OpenAI API 不错与用户进行交互式的对话，并提供实时的信息及对应出处
良友开首：Perplexity网页，中金公司盘问部
垂类场景：各行业学问应用有望百花皆放各个细分行业蓄积的多半学问有望在大模子赋能下竣事归集，赋能千行百业。如医疗行业的卫宁健康、保障行业的新致软件、评释行业的科大讯飞均凭借曩昔在垂类行业的深耕，借助大模子竣事学问的赋能应用。瞻望畴昔，咱们期待更多行业大略在大模子赋能下竣事行业学问萃取，各行业学问应用有望百花皆放。
桥牌图表：卫宁健康推出医疗垂类模子WiNGPT赋能问诊、证明生成等场景，畴昔盘算以Copilot模式融入WiNEX
注：公司斟酌WiNEX Copilot居品将于2023年10月Winning World2023大会上庄重发布良友开首：卫宁健康微信公众号，中金公司盘问部
图表：新致软件Newtouch AI将企业数据与生成式AI模子伙同，匡助企业快速构建机器东谈主应用
良友开首：新致AI微信公众号，中金公司盘问部
图表：科大讯飞将硬件居品搭载星火大模子，AI学习机通过分析用户学情和学问图谱提供类东谈主教学式辅学
良友开首：科大讯飞AI学习助手视频号，中金公司盘问部
图表：AI Answer联系公司一览
良友开首：各公司官网，中金公司盘问部
本文作家：于钟海、 魏鹳霏 、王之昊 、韩蕊 、胡安琪、谭哲贤，开首：中金点睛，原文标题：《AI Answer：大模子助力B端落地先行范式》
于钟海 SAC 执证编号：S0080518070011 SFC CE Ref：BOP246
魏鹳霏 SAC 执证编号：S0080523060019 SFC CE Ref：BSX734
王之昊 SAC 执证编号：S0080522050001 SFC CE Ref：BSS168
韩蕊 SAC 执证编号：S0080121080059
胡安琪 SAC 执证编号：S0080122070070
谭哲贤 SAC 执证编号：S0080122070047亚洲最大的彩票平台
风险教唆及免责条件 市集有风险，投资需严慎。本文不组成个东谈主投资提出，也未沟通到个别用户特殊的投资想法、财务情景或需要。用户应试虑本文中的任何意见、不雅点或论断是否稳当其特定情景。据此投资，背负欢叫。