全球人工智能 | 人工智能尚难以实现盈利，但部分行业前景优于其他行业
扫码前往手机查看或分享
发布时间：2024年9月18日
分析师：Vincent Gusdorf，Charleyne Biondi，Fabian Astic人工智能(AI)1的快速发展吸引了大量投资，从力图保护和提升核心业务的技术巨头到寻求突破性创新的初创企业，以及热衷于将此项技术融入工作流程的公司和组织。数十亿美元的资金已投入这项技术，导致某些投资者质疑何时会产生实际回报。与过去的技术革命一样，AI会产生分水岭，但某些行业有望比其他行业获得更丰厚的回报。
现有硬件基础设施企业和多元化科技企业将获益最大。AI行业包含不同的层面，每个层面都有自己的发展动态。在AI硬件领域具有技术优势的企业和部分软件行业的企业有望获得最大的回报。跨越AI价值链多个层面的大型科技企业处于尤为有利的地位。
不断提高的计算需求将继续推动AI硬件企业盈利。大型AI模型的性能随着规模的扩大而得到改善。随着使用的增加，计算需求将会上升，因而抵消芯片效率提高的影响。这将有利于制造用于运行AI模型的芯片、芯片生产设备、高带宽内存和移动处理器的企业。
大型科技企业主导云行业，但投资回报需要时间方能实现。凭借全面的产品结构、强大的全球基础设施和庞大的财务资源，大型云服务商比小型企业更有优势。虽然上述大型企业可轻松承担庞大的新数据中心支出计划，但竞争加剧可能造成其新AI业务的利润率被挤压的风险2。
尽管开发成本高昂，但大型AI模型行业仍具有较强的竞争力。大型科技企业正在进行大量投资，以保护和增强其核心业务。因此，即使AI性能有所改善，token3的价格也在迅速下降。
AI应用层的成功新入业者将侧重于具有增长潜力的独特市场。大型科技公司已将AI纳入其许多应用之中，从而进一步巩固其竞争优势。财务资源和专业知识远低于此的初创企业无法直接竞争，因而需要找到一个利润丰厚的独特市场并留在其中。
价值将集聚在进入壁垒最高的板块
AI的迅速崛起抓住了公众的想象力。新的生成式AI聊天机器人能够生成代码、文本和图像，带来了提升生产力的前景，这促使企业进行了大量投资4。坐拥庞大现金储备的科技巨头正在为大量昂贵的项目融资，包括开发大型AI模型5。这些企业也花费数十亿美元建设数据中心，以应对不断增长的数据存储和算力需求。与此同时，初创企业正在吸引大量风险资本，支持开拓性研究和创新型AI应用。但是，随着最近几个季度AI支出进一步增加，部分投资者逐渐质疑大规模投资何时会产生明显的回报。
互联网或智能手机等先前的技术革命历经多年方日臻成熟，此后才激发了主流投资者的热情。这使投资者能够甄别将创新转化为产品的最佳途径。相比之下，近期引起热议的大型生成式AI模型在不到两年的时间内成为主流6。因此，AI行业的部分公司仍在研究如何设计满足客户需求的产品，并使之产生经济效益。这些问题在目前面向客户的AI应用中显而易见，其中许多应用的客户参与度指标较差7，不过部分企业对企业的应用发展势头更强8。
某些AI应用的普及有限支持了我们此前的评估，即2026年之前该技术不会对多数非科技行业公司的信用质量产生重大影响。快速的发展和商业产品趋于成熟将推动AI逐渐得到更广泛的应用，但单纯从AI投资的规模来看，并非所有投资者都会获得正面回报。与以往的技术革命一样，AI行业可能会产生分水岭，AI价值链的某些领域比其他领域更容易产生正面回报。
AI价值链有5个不同的层面
迄今为止，AI生态系统总体上覆盖了大约5个层面，其中包括：硬件(即芯片和处理AI工作负载的其他计算机组件)；云服务(其数据中心提供基础设施，以存储数据、训练模型及进行预测)9；支持ChatGPT等突破性聊天机器人的大型AI基础模型(可适应多种任务)；支持AI应用开发的软件基础设施；AI应用(即利用AI功能的最终用户产品和服务)。虽然创建基于AI的解决方案不需要涉足所有这些层面，但部署AI技术的公司或其供应商通常需要参与其中多数层面。
价值将集聚在进入壁垒最高的板块
AI对进入壁垒最高的行业的盈利潜力最大，尤其是拥有技术优势的公司，其中包括英伟达(Aa3/正面)等半导体设计公司、台湾积体电路制造股份有限公司(台积电，Aa3/稳定)等为芯片设计公司提供先进集成电路代工服务的公司10，以及半导体设备生产商ASML Holding N.V.(A2/正面)。Salesforce Inc. (A1/稳定)和ServiceNow Inc. (A3/正面)等大型软件公司也在利用AI加强其竞争优势。突破性创新等其他因素无疑也将发挥作用，充足的财务资源、AI专业知识和固有的客户关系亦不例外。
某些大型科技公司跨越了AI价值链的多个层面。例如，Alphabet Inc. (Aa2/稳定)创建了一套名为Gemini的大型AI模型，该模型使用其设计的芯片进行部分训练，并向其云客户销售。Alphabet也使用Gemini模型来增强谷歌搜索。同样，微软公司(Aaa/稳定)持有ChatGPT的创始公司OpenAI的股份，并在其Azure云服务上提供AI解决方案，同时在其软件和必应搜索引擎中搭载AI。大型科技企业将从AI中获益最多，因为此类企业可在业务模式的多个板块使用AI，从而能够收回往往较高的投资。
如果对组织复杂性的管理得当，这种垂直整合可使企业通过增加定制的AI功能和跨部门资源共享来打造更好的产品，进而在AI盈利竞赛中掌握优势。
不断增长的计算需求将支持AI硬件制造商的利润
创建大型AI模型需要强大的硬件。最复杂的硬件包含数千亿个参数，通过密集计算的迭代过程对庞大的数据集进行微调。自2022年11月OpenAI推出ChatGPT以来，AI模型的性能已显著改善，主要原因是模型规模扩大及算力提高。这种以规模提升性能的趋势似乎尚未达到极限。
因此，AI训练成本大幅上升。据报道，OpenAI仅用了500万美元训练GPT-311，但却投入了超过1亿美元训练GPT-412。虽然模型开发企业试图通过优化芯片架构和提高成本效率来控制成本增长，但训练成本仍继续上升。AI公司Anthropic首席执行官Dario Amodei于2024年7月表示，目前在开发的AI模型可能需要高达10亿美元的训练成本，未来几年可能会进一步增长13。同样，Meta首席执行官马克·扎克伯格表示，训练Llama 4需要的算力是今年4月发布的Llama 3的10倍14。
大型AI模型性能的改善将使其能够应用于更广泛的场景。AI应用不断增加意味着进行推断15所需的计算资源也将增加。
2024年9月12日，OpenAI推出了新的o1模型系列，大幅提升了执行迭代和推断的复杂任务的性能16。这些模型在响应之前需要更多的时间全面思考问题，进而增加了推断成本。
尽管如此，芯片效率正在迅速改善。每一美元的计算数量大约每两年半翻一番，因而可能会抵消部分成本17。
图形处理单元(GPU)最初是为视频游戏行业设计的芯片，但因其可以同时进行多重计算，现已成为AI的关键组件。这对市场领先企业英伟达具有正面信用影响。2024年第二季度该公司净利润达到150亿美元，同比增长168%18。英伟达于1999年开始生产GPU19，并有悠久的技术创新历史。此外，英伟达的自有计算机编程平台CUDA支持了AI领域使用的众多软件程序。
但是，竞争正在逐渐加剧。Advanced Micro Devices, Inc.(AMD，A2/稳定)的GPU销售收入正在快速增长20，不过其市场份额与英伟达相比很小21。Alphabet等面向消费者的企业已开始设计运行AI模型的芯片。例如，2015年Alphabet推出了张量处理单元(TPU)，亚马逊(A1/稳定)使用定制的Trainium和Inferentia芯片22,23进行模型训练和推断。
然而，进入芯片设计行业的壁垒仍然较高，英国初创公司Graphcore的命运就是佐证。据报道，2024年7月日本综合企业软银以低于其投资总额的价格收购了Graphcore24。尽管如此，另一家创业公司Groq在2024年8月筹集了6.4亿美元，用于打造推断阶段支持大型AI模型的芯片25。
对AI芯片的需求增长也将推动台积电的利润。我们预计该公司将保持其技术优势、多元化的产品组合、出色的制造能力和审慎的财务管理，同时维持稳健的净现金状况。
扩大模型规模的益处将延伸至数据中心芯片之外的领域，影响高带宽内存和移动处理器等周边行业。考虑到ASML稳健的运营业绩、市场主导地位和保守的财务管理，我们在2024年4月将其展望调整为正面。
大型科技企业将继续主导云行业，但投资回报需要时间方能实现
训练和运行大型AI模型所需的基础设施成本较高且管理难度较大。因此，构建、调整和运行大型AI模型的多数工作都发生在云端。凭借全面的产品结构、强大的全球基础设施和大规模的财务资源，Amazon Web Services、Microsoft Azure和Google Cloud Platform等大型云服务商在这一领域占据主导地位。资本需求、规模经济和技术专长造成了较高的进入壁垒。
大型云服务商将占全球数据中心容量增长的一半以上，预计未来5年该增速将翻一番。例如，Amazon Web Services计划在印第安纳州投资110亿美元26，在密西西比州投资100亿美元27，在英国投资80亿英镑28，在沙特阿拉伯投资50亿美元29。同样，微软宣布将在威斯康星州投资30亿美元30，在法国投资40亿美元31，在德国投资30亿美元32,33。
大型云运营商(即超大规模企业)可以轻松承担其新的数据中心支出计划。Alphabet、微软和亚马逊的最新穆迪调整后债务/EBITDA比率分别为0.3倍、0.9倍和1.7倍34。但是，一旦新数据中心建成，并且容量受限的情况得到缓解，竞争就可能会加剧。此外，如果企业对AI应用的需求低于预期，则新增容量可能会处于闲置状态。在上述情景下，云服务商实现投资回报的时间可能会超出预期，并会面临激烈竞争挤压其新AI业务利润率的风险。
尽管如此，运营挑战可能会导致为AI工作负载设计的新数据中心延迟投入使用，因为兴建可处理AI工作负载的基础设施具有挑战性。例如，GPU产生的巨大热量需要液体冷却系统，这与使用空气循环进行冷却的传统服务器不同。
此外，AI数据中心进行更多的运算，因此会消耗更多的电力，而充足的电力供应并不是必然有保障。我们估计2023-2028年数据中心的总能耗将平均每年增长23%，运行AI工作负载的数据中心的耗电量将每年增长43%。云运营商通常向Equinix，Inc.(Baa2/稳定)或Digital Realty TrustL.P.(Baa2/稳定)等供应商租赁数据中心，而不是自行兴建数据中心，这在一定程度上缓解了建设风险。
尽管开发成本高昂，但大型AI模型行业仍具有较强的竞争力
芯片和基础设施已经存在了几十年，与之不同的是，大型AI模型行业是新兴事物，因为多数解决方案都基于2017年设计的架构35。该行业的业务模式各异，取决于垂直整合程度和构建的模型类型。
一个语言模型的规模与其需要的算力直接相关，因此训练成本是进入该行业的主要障碍。另一个障碍是缺乏具备大型AI模型开发能力的AI工程师。不过，获取数据也是障碍之一，因为训练这些模型需要海量信息，而获取充足的优质数据越来越困难36。
尽管面临这些挑战，但该行业仍具有较高的竞争力。大型科技企业正在进行大量投资，以保护和增强其核心业务。这些企业有大规模的财务资源、熟练的劳动力和庞大的数据集，使其相对于初创企业具有显著优势。大型科技企业运用多种策略来保持领先地位。首先，这些企业自主开发专有模型，例如Alphabet的Gemini模型。其次，许多企业与AI专业公司建立了战略合作伙伴关系，提供股权投资和计算资源。例如，Alphabet和微软都对AI初创企业Anthropic进行了大量投资37。
第三，部分企业开发了开源模型。该领域的领先企业Meta Platforms, Inc.(Aa3/稳定)发布了最先进的LLaMA 3.1模型，并提供了一个相对宽松的许可38。虽然此类模型不会产生重大利润，但可以使科技企业从开源社区获取见解，继而借此完善自己的模型。开源模型还使得科技企业提高其在开发人员和AI研究人员中的声誉，从而吸引人才。
尽管AI性能增强，但激烈的竞争和效率的提升正在降低token的价格。例如，OpenAI最新版GPT-4o mini的性能已显著增强，但截至撰写本报告时，其成本为1.25美元/百万token，低于2022年8月发布的GPT-3 DaVinci模型的6美元/百万token。此外，新技术的出现使得企业可以重复利用AI模型以前的输出，从而进一步降低成本39。
Alphabet和Anthropic等拥有AI模型的企业正在推进成本效益更高的中型模型40。上述公司也推出了新功能，以区分其与竞争对手的产品。例如,OpenAI的ChatGPT现在具有语音模式，可实现更自然和实时的对话41。但是，竞争对手可能会很快复制这些功能。
除非AI模型开发企业提供的解决方案与其竞争对手有显著差异，否则该行业可能会开始围绕市场领先企业进行整合，此过程不一定涉及收购。例如，2024年3月Inflection的部分员工加入了微软，其中包括联合创始人Mustafa Suleyman42。尽管如此，监管机构在密切关注科技行业的集中度风险。例如，欧盟最近通过的AI法案将设立一个专门的AI办公室负责监测市场。
成熟的软件提供商最有望获得AI软件基础设施层的较大价值份额
AI软件基础设施板块包括提供工具将AI模型集成到软件应用中的公司。该板块包含可以促进数据处理和存储、模型定制和监测已部署AI应用等业务的不同参与方。虽然其中一些公司几年前才成立，但诸如数据管理解决方案提供商Snowflake或数据平台Databricks等其他公司的经营历史较长，使之在与新入企业的竞争中领先一步。
随着AI发展势头增强，不同行业中的许多公司和机构将其内部专有数据视为竞争优势的重要来源，因为这使其能够通过定制模型来实现产品的差异化。通过提供可高效采集、清理、存储和检索数据的工具，这为众多软件基础设施提供商铺平了道路，助其开发实现产品差异化的途径。例如，Confluent是一个成熟的基于云的数据流平台，可帮助企业实时访问、存储和管理数据。初创企业Chroma、Pinecone.io和Weaviate提供矢量数据库。此类数据库通过计算查询和存储的信息之间的相似性来检索数据，而不是查找精确匹配项。Snorkel AI等公司协助机构在训练AI模型之前标记其数据。
同样，Dataiku、DataRobot和Neptune.ai等新企业也开发了多功能模型训练和部署平台。与此同时，数据分析和可视化专业公司Grafana43提供AI软件性能监测工具。
随着AI应用的增长，网络安全风险也随之上升，这为CalypsoAI、HiddenLayer或TrojAI等提供AI模型风险监测解决方案的专业公司带来了机遇。
虽然AI软件基础设施层远未成熟，但大型科技企业、Databricks和监测与分析工具提供商Datadog等知名公司似乎已准备好获取其大部分价值。这些更成熟的企业拥有丰富的专业知识，能够快速复制创新想法，并向将现有的企业客户销售推广44。上述公司也有足够的资源来收购有前途的初创企业，以强化其产品组合，例如Databricks于2023年7月收购生成式AI解决方案供应商MosaicML45。除了与这些知名企业竞争之外，这一领域的初创企业也必须与以零成本开发尖端工具的开源社区竞争。
AI应用层成功的新入业者将侧重于增长潜力充足的独特市场
软件业的进入壁垒差异很大。微软、Adobe和Salesforce等知名企业有稳健的业务模式，其支持因素是成熟的产品、强大的声誉和庞大的客户基础。这些公司已将AI纳入其许多软件应用之中，从而进一步巩固其竞争优势。拥有大型AI模型的公司力图将自身定位为多功能助手。
另一方面，许多初创企业试图从头开始设计基于AI的产品。但是，通过这一战略建立可持续的竞争优势更有挑战性，因为多家初创企业的产品在很大程度上依赖于第三方开发的AI模型。由于上述产品往往无法与大型科技解决方案匹敌，因此多数成功的新企业需要实现专业化，侧重于竞争激烈程度较低且增长潜力充足的独特市场。
一种方法是开发可提高多个行业特定工种生产力的应用程序。例如，Sierra和Decagon AI等公司提供可处理大量基本查询的自动化工具，使员工能够专注于更复杂的工作。Cognition Lab创建了一个完全自主的AI软件工程师Devin，能够规划和执行复杂的工程任务。
近期的初创企业也销售可优化行业内多项任务的软件。例如，侧重于AI的法律平台Harvey使用AI为律师提供工具，便于其进行研究、起草法律备忘录，并监测关键绩效指标。
另一个战略是建立融合AI和人类专业知识的公司，颠覆传统行业的独特市场。这种方法可能适用于严重依赖处理大量文本文档的行业，大型AI模型在该领域的表现出色。例如，初创企业Alma利用AI挑战成熟的家庭律师事务所，而Pilot和Gelt则利用AI与传统会计师事务所竞争。
不过，另有一些公司从事应用程序定制，以满足某一行业的特定需求。例如，Anterior协助临床医生简化在医疗行业的行政工作。虽然很多用户寻求AI解决方案来提高生产力和工作质量，但客户满意度往往低于预期，这体现在客户参与率低于一些更传统的应用程序。大型AI模型尽管取得了相当大的进展，但尚处于起步阶段，仍难以明确最佳使用领域。Humane作为智能手机替代产品销售的AI Pin就是该趋势的例证。在今年4月产品上市一个月后，AI Pin的客户退货量超过新购买量46。尽管AI应用的创建提供了巨大的潜力，但甄别有建设性且有效的使用场景是实现投资正回报的关键。
1.人工智能是一系列技术的集合，致力于创建能够执行通常需要人类智能的任务的系统，例如理解文本或识别模式。
2.请参阅Moody's - Tech giants’ rapid buildout of data centers to meet AI demand is not without risk，2024年7月17日。
3.一个token大约相当于3/4个单词。
4.例如，高盛预计未来几年企业的AI投资将超过1万亿美元。请参阅Goldman Sachs - Will the $1 trillion of generative AI investment pay off? 2024年8月5 日。
5.多数大型AI模型都基于大型语言模型，在接受大量文本数据训练之后可以理解并生成文本。
6.底层Transformer架构于2017年设计，但在ChatGPT发布之前主要由AI专业人士使用。请参阅Ashish Vaswani et al.– Attention Is All You Need，2017年6 月。
7.请参阅Sequoia Capital - Generative AI's Act Two，2023年9月。
8.例如，软件公司ServiceNow能够充分利用AI带来的新增收入机会。请参阅Moody's - ServiceNow Credit Opinion，2024年6月。
9.虽然一些公司在其基础设施上运行AI模型，但多数公司依赖云服务商来实现这一点。
10.集成电路代工服务商是为其他公司生产芯片的半导体制造商。
11.请参阅Lambda - OpenAI's GPT-3 Language Model: A Technical Overview，2020年6月3日。
12.请参阅Wired - OpenAI’s CEO Says the Age of Giant AI Models Is Already Over，2023年4月17日。
14.请参阅TechCrunch - Zuckerberg says Meta will need 10x more computing power to train Llama 4 than Llama 3，2024年8月1日。
15.推断是使用一个训练过的模型进行预测的过程。
16.请参阅OpenAI - Introducing OpenAI o1-preview，2024年9月。
17.请参阅Epoch AI - Trends in GPU Price-Performance，2022年6月27日。
18.请参阅Nvidia - NVIDIA Announces Financial Results for Second Quarter Fiscal 2025，2024年8月28日。
19.英伟达将GeForce 256 显卡称为"全球首款GPU"推向市场。
20.请参阅The Verge – AMD is becoming an AI chip company, just like Nvidia，2024年7月31日。
21.例如，请参阅Jon Peddie Research - Shipments of graphics add-in boards decline in Q1 of 24 as the market experiences a return to seasonality，2024年6月。
22.请参阅Amazon–AWS Trainium。
23.请参阅Amazon–AWS Inferentia。
24.请参阅Sifted - Graphcore acquired by SoftBank after months of speculation，2024年7月12日。
25.请参阅Groq - Groq Raises $640M To Meet Soaring Demand for Fast AI Inference，2024年8月5日。
26.请参阅Amazon - AWS plans to invest $11 billion in Indiana, the largest capital investment in the state's history，2024年4月25日。
27.请参阅Amazon - AWS plans to invest $10 billion in Indiana, the largest capital investment in the state's history，2024年1月25日。
28.请参阅Amazon - AWS plans to invest £8 billion in the UK, supporting 14,000 jobs annually in local businesses，2024年9月11日。
29.请参阅Amazon - AWS to Launch an Infrastructure Region in the Kingdom of Saudi Arabia, 2024年3月4日。
30.请参阅Microsoft - Microsoft announces $3.3 billion investment in Wisconsin to spur artificial intelligence innovation and economic growth，2024 年5月8日。
31.请参阅Microsoft - Microsoft announces the largest investment to date in France to accelerate the adoption of AI, skilling and innovation，2024年 5月13日。
32.请参阅Bloomberg - Microsoft to Invest €3.2 Billion in German AI Infrastructure，2024年2月15日。
33.另有传言称微软公司和OpenAI正在制定一个耗资可能达到1,000亿美元的数据中心项目计划。请参阅Reuters - Microsoft, OpenAI plan $100 billion datacenter project, media report says，2024年3月29日。
34.分别截至2024年6月、2024年6月和2024年3月。
35.请参阅Ashish Vaswani et al.– Attention Is All You Need，2017年6月。
36.请参阅Data Provenance Initiative - Consent in Crisis: The Rapid Decline of the AI Data Commons,2024年7月。此外，获取Web数据的爬虫程序有时不遵 守数据收集规则。请参阅the Verge - the text file that run the internet，2024年2月14日。
37.请参阅Financial Times - Google invests $300mn in artificial intelligence startup Anthropic, 3 February 2023和Financial Times - Amazon writes its largest venture check yet for AI startup Anthropic，2024年3月27日。
38.请参阅Meta - Introducing Llama 3.1: Our most capable models to date，2024年7月23日，和Meta - Use Llama 3.1 for Commercial Use。Alphabet或苹果公司等其他科技公司也发布了较小的开源模型。
39.例如，总部位于中国的初创企业深度求索于2024年8月推出了一项称为“上下文硬盘缓存”的解决方案，能够检索先前对话结果，从而大幅节省成本。请参 阅DeepSeek - DeepSeek API introduces Context Caching on Disk, cutting prices by an order of magnitude，2024年8月。
40.例如，Anthropic首次发布了Claude 3.5 Sonnet，这是其AI模型的中间版本 (参见Anthropic–Pricing) 。同样，在本报告撰写时，Alphabet尚未发布最先进的 Gemini 1.5版本Ultra (参见Alphabet – Gemini models)。
41.请参阅OpenAI–Advanced Voice Mode – FAQ。
42.请参阅Microsoft - Mustafa Suleyman, DeepMind and Inflection Co-founder, joins Microsoft to lead Copilot，2024年3月。
43.Grafana不仅在AI行业开展业务。
44.Databricks在2023年9月的企业估值增长5亿美元以上至430亿美元，而Datadog在2024年9月12日的市值为370亿美元。
45.请参阅Databricks - Databricks + MosaicML，2023年7月19日。
46.请参阅The Verge - Humane’s daily returns are outpacing sales，2024年8月7日。
此报告是于2024年09月16日发表的穆迪报告 Artificial Intelligence – Global:Profits from AI remain elusive but some sectors hold more promise than others的中文翻译本。(中文为翻译稿，如有出入，以英文为准)
本报告并非信用评级行动公告。对于本报告中涉及的任何信用评级，请参阅https://ratings.moodys.com发行人/交易专页，了解最新评级行动信息和评级历史。
©2024，穆迪公司(Moody's Corporation)、穆迪投资者服务公司(Moody's Investors Service, Inc.)、Moody's Analytics, Inc.和/或其许可人及关联公司(统称“穆迪”)。版权所有，翻印必究。
穆迪信用评级关联公司所发布的信用评级是他们对实体、信用承诺、债务或债务证券的相对未来信用风险的当前意见，穆迪出版或提供的材料、产品、服务和信息(统称“材料”)可能包括该等当前意见。穆迪将信用风险定义为某实体可能无法履行其到期的合同财务义务的风险，以及在发生违约或损害事件时的预计财务损失。关于穆迪信用评级所指的合同财务义务的种类的信息请见相关的穆迪评级符号和定义出版物。信用评级并不针对任何其他风险，包括但不限于：流动性风险、市场价值风险或价格波动。信用评级、非信用评估(“评估”)以及穆迪材料中包括的其他意见并非对当前或历史事实的陈述。穆迪材料也可能包括由Moody's Analytics, Inc.和/或其关联公司发布的以量化模型为基础的信用风险预测以及相关的意见或评论。穆迪信用评级、评估、其他意见及材料并不构成或提供投资或财务建议，穆迪信用评级、评估、其他意见及材料亦非关于购买、出售或持有特定证券的推荐意见，也不能提供该等意见。穆迪信用评级、评估、其他意见和材料均不会评论某项投资是否适合任何特定投资者。穆迪发布信用评级、评估和其他意见及出版或提供其材料之时预期并理解每位投资者将以应有的谨慎态度自主研究和评估其考虑购买、持有或出售的每项证券。
穆迪信用评级、评估、其他意见和材料不适于散户投资者的使用，如散户投资者在做投资决定时使用穆迪信用评级、评估、其他意见或材料，将是草率且不合适的。如有疑问，您应与您的财务顾问或其他专业顾问联系。
本文所载所有信息均受法律(包括但不限于版权法)保护，未经穆迪事先书面许可，任何人均不得以任何形式、方式或途径对该等信息全部或部分进行复制或翻印、重新包装、进一步传播、传送、散布、分发或转售，或存储供日后任何上述目的使用。为明确起见，本文所包含的任何信息均不得用于开发、改进、训练或再训练任何软件程序或数据库，包括但不限于任何人工智能、机器学习或自然语言处理软件、算法、方法和/或模型。
任何人不得将穆迪信用评级、评估、其他意见和材料作为基于监管目的而定义的基准 (benchmark)，亦不得以可能导致穆迪信用评级、评估、其他意见和材料被视为基准的任何方式使用穆迪信用评级、评估、其他意见和材料。
本文所载所有信息均系穆迪从其相信为准确和可靠的来源获得。然而，由于可能会出现人为或机械错误以及其他因素，本文所载所有信息均按“原样”提供，不附带任何形式的保证。穆迪会采取所有必要措施，使其在授予信用评级时采用的信息具备足够质量，并来自穆迪认为是可靠的来源，包括独立的第三方来源(如适当)。但穆迪并非审计机构，亦不能对评级过程或准备其材料时收到的信息在每个情况下均独立地进行核实或确认。
在法律允许的范围内，就因本文所载信息、或本文所载信息的使用或未能使用而引起的或与之相关的任何个人或实体的任何间接、特殊、后果性或附带性损失或损害，穆迪及其董事、高级管理人员、员工、代理、代表、许可人和供应商均不承担任何责任，即便穆迪或其任何董事、高级管理人员、员工、代理、代表、许可人或供应商被事前告知该等损失或损害的可能性，包括但不限于：(a)任何当前或未来的利润损失或(b)因并非穆迪特定信用评级的评级对象的金融工具引起的任何损失或损害。
在法律允许的范围内，就因本文所载信息、或本文所载信息的使用或未能使用而引起的或与之相关的任何个人或实体的直接或补偿性损失或损害，穆迪及其董事、高级管理人员、员工、代理、代表、许可人和供应商均不承担任何责任，包括但不限于由穆迪或其任何董事、高级管理人员、员工、代理、代表、许可人或供应商的疏忽(为避免疑问，不包括法律规定不得排除的欺诈、故意不当作为或任何其他类型责任)、或其控制范围内或超出其控制范围的偶发事件而导致的任何个人或实体的直接或补偿性损失或损害。
穆迪不以任何形式或方式对任何信用评级、评估、其他意见或信息的准确性、及时性、完整性、适销性或特定用途适用性提供或作出任何明示或暗示的保证。
由穆迪公司(“MCO”)全资持有的信用评级子公司穆迪投资者服务公司谨此披露：多数穆迪投资者服务公司评级的债务证券(包括公司债和市政债、债券、票据和商业票据)和优先股的发行人，在授予任何信用评级之前已同意向穆迪投资者服务公司支付信用评级意见和服务费用。MCO及穆迪投资者服务亦执行政策及程序以便保持穆迪投资者服务信用评级及信用评级过程的独立性。关于MCO董事与被评级实体之间，及获穆迪投资者服务信用评级并已向美国证券交易委员会公开报告其在MCO持股5%以上的各实体之间可能存在某种关联的信息每年会在www.moodys.com“投资者关系—公司治理—董事及股东关联政策”栏内刊登。
穆迪SF Japan K.K.、穆迪本地AR Agente de Calificación de Riesgo S.A.、穆迪本地BR Agência de Classificação de Risco LTDA、穆迪本地MX S.A. de C.V, I.C.V.、穆迪本地PE Clasificadora de Riesgo S.A. 和穆迪本地PA Calificadora de Riesgo S.A.（统称为"穆迪非 NRSRO评级机构"）均为MCO间接全资拥有的信用评级机构子公司。所有穆迪非NRSRO评级机构均不是国家认可的统计评级组织。
仅针对澳大利亚的额外条款：任何出版到澳大利亚的本文件均依据下述穆迪关联公司的澳大利亚金融服务牌照发布：Moody's Investors Service Pty Limited，澳大利亚商业注册号码 (ABN)：61 003 399 657，澳大利亚金融服务牌照号码(AFSL)：336969；及/或Moody’s Analytics Australia Pty Ltd，澳大利亚商业注册号码(ABN)：94 105 136 972，澳大利亚金融服务牌照号码(AFSL)：383569(视情形而定)。本文件仅向2001年公司法(Corporations Act 2001)第761G条所定义的“批发客户”提供。如您继续在澳大利亚境内浏览本文件，即代表您向穆迪表示您为“批发客户”或代表“批发客户”浏览本文件，您或您代表的实体均不会直接或间接向2001年公司法(Corporations Act 2001)第761G条所定义的“零售客户”发布本文件或其内容。穆迪信用评级是针对发行人债务的信用度的意见，并非对零售投资者可获取的发行人股票证券或任何形式的证券的意见。
仅针对印度的额外条款：穆迪的信用评级、评估、其他意见和材料并非旨在被用于在印度证券交易所上市或拟上市的证券相关之目的，也不应被印度境内的任何用户用于上述目的。
有关第二方意见（定义见穆迪投资者服务公司评级符号和定义）的额外条款：请注意，第二方意见（“SPO”）不属于“信用评级”。在包括新加坡在内的许多司法管辖区之内，SPO的发布不属于受监管的活动。日本：在日本，SPO的开发和提供属于“辅助业务”，而非“信用评级业务”，不受《日本金融商品交易法》及其相关法规中适用于“信用评级业务”规定的约束。中国：任何SPO：(1)并不构成中国任何相关法律法规所界定的中国绿色债券评估；(2)不能包括在任何注册声明、发售通函、招股说明书或任何其他呈交中国监管机构的文件中，或以其他方式用于满足任何中国监管披露要求；及(3)不能在中国境内用于任何监管目的或任何其他中国相关法律或法规所不允许的目的。在本免责声明中，“中国”是指中华人民共和国大陆地区，不包括香港、澳门和台湾。