星环科技（688031）2026年半年度管理层讨论与分析

证券之星消息，近期星环科技（688031）发布2026年半年度财务报告，报告中的管理层讨论与分析如下：

发展回顾：

一、报告期内公司所属行业及主营业务情况说明

    （一）主要业务、主要产品或服务情况

    公司是一家企业级AI和大数据基础设施软件开发商，围绕数据的集成、存储、治理、建模、分析、挖掘和流通等数据全生命周期，以及从数据到知识、模型到应用的端到端全流程，提供全栈式基础软件及服务。公司已构建大数据与云基础平台、分布式数据库、数据开发工具、大模型及机器学习运营平台，以及企业级AI智能体等软件产品矩阵，助力企业高效构建AI基础设施，全面赋能各行业客户实现数智化转型和业务创新。

    公司主要提供两大类的产品和服务：第一类是AI和大数据基础设施软件业务，包含基础软件产品和与产品相关的技术服务；第二类是解决方案业务，针对一些人工智能和大数据特定应用场景，提供包括大数据开发、治理、分析、AI部署和落地等相关的咨询、开发等服务，协助客户规划数字化和数智化转型的架构；除上述两类业务以外，公司根据客户及项目需求销售少量第三方软件、硬件等其他业务。

    公司的第一类AI基础设施软件业务中所包含的基础软件产品，主要由下列产品矩阵构成：

    （1）大数据基础平台软件（TDH）

    TDH是公司自主研发的一站式大数据基础平台，包括多个大数据存储与分析产品，能够存储PB级别的海量数据，可以处理包括关系表、文本、时空地理、图数据、文档、时序、图像、向量等在内的多种数据格式，提供高性能的查询搜索、实时分析、统计分析、预测性分析等数据分析功能。

    （2）云基础平台软件（TDC）

    TDC是一款基于容器技术的数据云平台，支持将大数据基础平台、分布式数据库、智能分析工具等大数据软件以PaaS云服务的方式提供给客户，满足客户对数据平台的多租户、弹性可扩展和使用灵活性的要求，可以在一个云平台上支撑大量的用户需求和数字化应用，适用于建设大型企业的数字化基础设施、城市大数据中心的数据平台、企业级数据应用云以及跨多数据中心的数据平台等场景。

    （3）分布式数据库软件（ArgoDB）

    ArgoDB是公司自主研发的分布式数据库产品，融合了高并发的事务处理和高性能的分析能力，支持海量数据实时写入、复杂查询与分析，以及关系、图、时序、全文、向量等多模型数据的统一管理，可在同一平台上满足交易处理、实时分析和数据服务等多类业务需求，主要应用于各行业的核心业务系统、实时经营分析、风险管理、数据平台建设及数据库国产化替代等场景，为客户构建自主可控、稳定可靠、弹性扩展的数据基础设施。

    （4）数据开发工具(TDS)

    TDS是公司研发的一款用于大数据开发的工具集。TDS内置多个数据开发工具，为企业构建数据仓库、数据湖、数据中台，提供高效的数据集成、数据治理、数据资产管理、数据标签与服务、数据共享与交易等工具，提高开发者对数据系统的建设效率，提升业务客户对数据资产的利用效率，帮助客户实现数据对业务的赋能。

    （5）人工智能运营平台（Sophon）

    Sophon是一款一站式人工智能平台，能够在统一的平台上端到端地对多种模态数据完成（i）数据（含语料数据、知识数据）的接入、清洗、生成、标注、评估、存算、推理和辅助决策，并提供知识抽取、图谱构建、RAG检索增强生成等知识工程能力；（ii）模型（含传统机器学习模型、深度学习模型、大模型等）的训练、构建、组装、测试、管理和持续迭代，覆盖SophonMLOps和SophonLLMOps等模型运维能力；（iii）智能体和应用的搭建、优化和运营，支持引导式智能体、低代码编排、在线编程、自定义容器及AgentBox、AgentBuddy等智能体开发与使用工具；（iv）覆盖数据要素流通的全过程，并通过隐私计算、联邦学习等技术保障多方数据协作中的安全合规。同时，Sophon能为不同的智能数据分析业务提供便捷的存算资源管理和调度、监控、安全、审计等企业级功能，支持CPU/GPU混合算力调度、资源弹性伸缩、大模型推理加速、Token计量计费、SLA感知智能路由和跨供应商容灾等能力。Sophon内置了多类机器学习算法，并支持多种主流机器学习计算框架、算法和人工智能模型在Sophon平台运行，能够赋能用户更高效地进行大模型和智能体的开发和应用、大规模复杂数据分析和预测性分析，从而敏捷化加速和辅助业务决策，提高企业的数字化运营能力和智能化决策水平。

    （6）知识平台（TKH）及企业级AI智能体

    TKH是公司自主研发的企业级语义智能和知识工程平台，旨在将结构化、半结构化和非结构化的企业数据转化为智能、可查询的知识资产。TKH可构建及管理企业知识图谱，并集成向量检索、图计算和自然语言理解等能力，支持RAG（检索增强生成）流程和大语言模型集成，用户可构建领域专属的问答系统。TKH核心价值是对于非结构化、半结构化和结构化的数据进行统一的存储、处理和管理，并支持用户通过自然语言直接进行数据分析。

    在此基础上，公司进一步将知识平台与大模型能力延伸至企业级智能体，覆盖办公协同、数据治理和数据分析等典型场景。通过自然语言交互和任务自动执行，智能体可协助用户完成信息处理、数据开发治理、查询分析及内容生成等工作，提升企业运营效率和数据应用能力。

    （二）主要经营模式

    1、盈利模式

    公司主要销售AI和大数据基础设施软件业务相关的软件产品和技术服务，以及为客户提供解决方案。其中，AI和大数据基础设施软件业务是公司的主要盈利来源。根据不同客户或项目需求，公司AI和大数据基础设施软件业务主要以软件产品授权的方式交付，少量情况下也提供软硬一体交付方式；此外，根据部分项目具体需求，公司为基础软件产品或相关的软硬一体产品配套提供相关的技术服务。报告期内，公司主要通过永久授权模式向客户销售软件产品，授权收入根据客户及具体项目需求，按照授权数量收取软件授权费。技术服务及解决方案按项目计价模式或人月计价模式收费，其中维保类服务通常按服务期限收费。公司持续进行新客户的开发及产品销售，并随着公司客户积累及客户大数据相关信息系统建设需求，向老客户提供已购产品扩容、新软件产品销售、提供技术服务、维保及解决方案的方式，实现老客户对公司产品或服务的复购。

    2、研发模式

    公司秉承“自主研发、领先一代”的技术发展策略，由公司总经理作为公司研发工作总负责人，负责技术和产品研发的统筹安排，技术和产品研发的具体工作由产品研发部门落实完成。为保证研发质量，推动技术创新，公司针对技术研发过程制定了详细的流程管理制度，主要通过产品研发生命周期管理和软件工程过程管理两大类流程，控制开发各环节的工作质量，提高开发作业能力和研发工作效率，保证产品和技术的先进性。

    3、销售模式

    根据客户类型不同，公司销售模式分为直接销售和渠道销售两种模式。其中：

    （1）直接销售模式指公司直接面向终端用户进行签约，并向终端用户直接交付公司产品与服务的销售模式。在直接销售模式下，公司销售团队主要负责新客户的拓展以及存量客户的需求挖掘。公司总部及各地的子公司、分公司等本地化机构具备良好的销售及综合服务能力；

    （2）渠道销售模式指公司与项目合作伙伴和经销商等生态合作伙伴直接签约，通过与生态合作伙伴合作向终端用户交付公司产品与服务的销售模式。其中，项目合作伙伴主要包括直接面对中大型终端用户的系统集成商或应用开发商，拥有丰富的行业服务经验和（或）自有的IT产品，能够与公司协作形成具有实际应用价值的产品或解决方案。项目合作伙伴通常根据终端用户的需求采购公司的产品，并结合其自有IT产品或其他厂商产品（如有）销售交付给终端用户。经销商为行业内具有丰富软件推广经验的合作伙伴，与公司签署有效的合作伙伴协议或框架协议，并在合作伙伴协议或框架协议中约定了销售业绩或市场占有率或产品数量等指标。公司与经销商客户之间均为买断式销售，经销商客户在采购公司产品后，向终端用户、系统集成商或应用开发商进行销售。

    4、采购模式

    公司采购内容分为自用采购及项目采购，其中：

    （1）自用采购主要为公司日常经营和研发过程中所需的服务器、办公设备等相关硬件和少量技术服务以及办公用品，由采购部门根据内部需求执行采购流程；

    （2）项目采购通常包括技术服务采购和软硬件采购，用于向客户实施及交付。

    为了缩短项目实施周期、提高交付效率以及提升项目收益率，公司会向技术服务供应商采购技术服务。公司技术服务采购分为工时计价和项目计价两种方式。公司采购的物料主要为软硬件一体机的硬件设备及通用工具软件。

    对于项目采购，公司建立了内部制度规范采购行为，由采购部门根据客户需求执行采购流程。公司制定了采购业务操作规范，用于对内外部采购流程和供应商进行管理。

    （三）公司所处行业情况

    1、行业的发展阶段、基本特点、主要技术门槛

    依据国家统计局《国民经济行业分类》（GB/T4754-2017），公司所处行业属于软件和信息技术服务业（I65）。根据《战略性新兴产业分类（2018）》，公司所属行业为“新一代信息技术产业”之“新兴软件和新型信息技术服务”之“新兴软件开发”之“基础软件开发”。

    （1）行业发展阶段

    近年来随着互联网、移动互联网、物联网、5G等信息通信技术及产业的不断发展，全球及中国的数据量均爆发式增长。根据国家数据局发布的《数字中国发展报告（2025年）》，2025年，全国数据生产总量达52.26ZB，同比增长27.28%。数据资源总体呈现出“4V”的特点，即海量的数据规模（Volume）、多样的数据类型（Variety）、价值密度低（Value）、快速的数据流转（Velocity）。随着生成式人工智能创新，在大模型时代，半结构化/非结构化数据（如文档、音视频、图像等）的利用效率显著提升，进一步加剧了数据存储和计算的刚性需求。当前，我国高度重视人工智能产业发展。2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，提出推动人工智能与经济社会各行业各领域广泛深度融合，强化模型、数据、智能算力等基础支撑能力，促进智能体等应用普及。AI基础设施软件是人工智能产业的关键环节，通过提供基础数据处理和AI开发赋能，广泛服务于金融、政府、能源、电信、制造等行业，助力用户实现数智化转型和业务范式创新，加速大模型及智能体/应用落地。

    AI基础设施软件可以协助企业将原始数据转化为高质量数据资产，并降低企业AI能力的开发难度。AI基础设施软件整合了数据清洗、生成、标注、存储等功能，实现了对企业内部异构数据源的统一访问与集中管理。通过提升整体数据的可用性，显著减少数据孤岛与冗余，为构建结构合理、语义一致的数据资产体系奠定基础。此外，AI基础设施软件可以提供模型开发、测试、评估、部署及运营框架，降低构建AI应用的复杂性，助力企业更高效地开发和部署人工智能。例如，AI模型开发软件可自动执行重复任务，优化数据识别、分类及管理流程，从而高效处理大规模数据集，加快AI模型训练及部署，取代独立开发AI模型的传统做法。

    数据底座构成AI基础设施软件中的关键部分。在大数据场景下，以集中式架构关系型数据库为代表的传统数据管理软件不能很好适应数据的“4V”特性，面临较多技术挑战。随着信息技术的发展，尤其是AI智能体的出现，数据处理需求的变化推动了数据管理软件技术的变革，从技术发展方向来看，数据管理软件技术依次按照“关系型、集中式”向“非关系型、分布式”并进一步向“多模型、云原生”这三个阶段进行演变，并进一步向支持AI原生负载和软硬件协同加速的方向发展。随着技术不断成熟，分布式架构将逐渐成为主流。自底向上，传统的集中式资源管理调度逐渐向基于云原生技术的分布式统一资源管理平台发展；数据管理软件技术架构也会因为计算模式的转变发生重大变革，传统的集中式数据库逐渐向分布式、多模型数据库发展，并不断增强对人工智能负载的支撑能力；传统数据分析软件逐渐向新型的分布式数据开发和智能分析软件发展，智能分析软件需要提供机器学习和大模型的统一运营视角。

    （2）行业基本特点

    ①分布式系统成为行业技术架构主要的发展方向

    传统数据库以集中式架构为主，集中式架构由一台或多台主计算机组成中心节点，数据存储以及整个系统的业务单元都集中部署于该中心节点中，系统所有的功能均由中心节点集中处理。每个终端或客户端仅仅负责数据的录入和输出，而数据的存储与控制处理完全交由主机完成。分布式架构下，软件组件分布在不同主机上，主机之间通过网络连接进行通信和协调。

    随着海量及异构数据的数据分析需求增长，需要的计算、存储和IO等资源也在极速增加。集中式架构通过改善硬件配置来提升存储和处理能力，但单台主机可配置的资源存在上限，因此传统的集中式架构软件难以满足海量异构数据的数据集的处理和分析需求。而为了处理TB以及PB级别以上的数据规模，分布式的架构将数据分散在网络上多个通过高速网络互联的节点上联合计算。因为数据分布在不同节点，在进行计算任务时，任务也会被切分成多个子任务，分发到多个节点上同时进行计算，能充分利用整个集群各个节点的计算资源、存储资源和IO资源，可线性提升集群的存储和处理能力。因此，分布式架构能较好地处理该类问题，这也是分布式架构相对于传统单机架构的核心优势。

    在大数据场景下，分布式系统在扩展性、容错性、经济性、灵活性、可用性和可维护性方面具有明显优势，能够较好地满足大数据分析的需求。此外，近年来，分布式技术不断发展，在提供高弹性、支持高并发的同时，支持关系型数据库中强事务性的特性，成为大数据技术的重要发展方向。

    ②多模数据库支撑多样化需求

    数据模型是决定数据库系统逻辑的重要因素，并从根本上决定以何种方式存储、组织和操作数据，包括传统的关系模型和NoSQL数据模型（文档模型、键值模型、图模型等）。大多数数据库管理系统只能支持一种或少数几种数据模型，因此企业通常只能使用多种数据库产品联合的方案来应对日益增长的异构数据模型处理需求。

    随着大数据厂商技术实力的提升，逐渐出现了能够提供多数据库模型的大数据平台技术。相比多种数据库产品的集成方案，多种数据库模型统一的大数据平台的优势包括：（1）提升场景效率。同一份数据可以分别采用多种数据模型存放，解决不同场景的处理效率问题；（2）统一分析管理。关联不同模型的数据，统一分析管理；（3）降低运维成本。无需维护多种数据库，降低运维成本；（4）降低数据持有成本，同一份数据在不同的数据模型当中不需要全量存储，不同模型只需要存储必要的数据内容即可，在查询时可以通过关联的方式获取全量信息。

    大模型的兴起伴随着大量非结构化和半结构化数据的产生，成为视频、音频、图片和文本等多模态数据处理与分析的关键应用场景。未来以多模数据库为代表的海量非结构化及半结构化数据存储及管理能力将持续发力，多模数据库会在性能优化和扩展性、数据模型集成和转换、安全性和隐私保护、智能化和自动化等方面持续发展以满足不断增长和变化的数据管理和分析需求。

    ③湖仓/实时湖仓集一体架构提升数据处理性能

    近年来数据仓库（DataWarehouse）和数据湖（DataLake）技术在大数据平台架构的演进过程中融合形成湖仓一体（DataLakehouse）技术架构。湖仓一体平台将数据仓库的高性能及数据管理能力和数据湖的开放性和灵活性相融合，实现了海量异构数据的统一存储、计算、开发、管理和服务，从而解决数据孤岛、数据冗余和系统维护等问题。大模型需要的存储底座需要具备高存储密度、高性能计算、数据安全保障等特点，可以支持多种数据源的接入，数据存储、处理和分析，以及数据的输出和共享。随着智能时代的到来，能够对大规模数据进行高性能处理的湖仓一体技术成为AI大模型不可或缺的数据基础设施。

    为了满足企业真正的一体化数据平台的需求，在湖仓一体架构的基础上，新的一体化架构也应运而生，称为“实时湖仓集一体架构”。该架构旨在满足多种数据处理场景，包括数据湖、数据仓库、数据集市（用于交互式数据分析）、实时数据处理（支持实时更新和查询）以及在线数据服务（满足高并发访问需求）等多种数据处理场景。新的一体化架构不仅能够作为数据基础设施满足传统数据服务需求，还能作为AI基础设施的知识管理平台，满足大模型对多模态知识的供给需求。

    ④云原生大数据平台架构成为未来的主要发展方向

    云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API，这些技术能够构建高容错性、易于管理和便于观察的松耦合系统。结合可靠的自动化手段，云原生技术使工程师能够轻松地对系统作出频繁和可预测的重大变更。云原生技术有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。面对客户日益增长的海量数据、多种数据结构的实时化、智能化处理需求，云原生的大数据平台架构凭借计算存储解耦、资源池化、Serverless等核心技术，提供了高弹性拓展、海量存储、多种数据类型处理及低成本计算分析的能力。相比传统数据库，云原生数据库及数据管理平台天然具备灵活性，能够提供强大的创新能力、丰富多样的产品体系、经济高效的部署方式和按需付费的支付模式。

    ⑤AI基础设施软件向智能体化、一体化和低门槛方向发展

    随着大模型和AI智能体技术持续发展，AI基础设施软件正逐步由提供数据处理、模型开发和部署工具，向集成数据、模型、知识与智能体能力的一体化平台演进。AI智能体开始应用于数据开发、数据治理、知识构建和检索分析等环节，通过任务理解、流程编排和工具调用，辅助完成规则生成、质量检测、知识加工、分析查询及结果解释等工作，推动数据处理模式由人工操作和固定规则驱动，向人机协同和自动化执行转变。

    与此同时，AI基础设施软件进一步向预配置、低门槛和开箱即用方向发展，通过整合数据处理、模型开发、智能体构建、部署运营和资源管理等能力，减少多套工具集成和复杂环境配置，降低企业AI应用的开发与使用门槛，缩短智能应用建设、部署和运营周期。

    ⑥软硬件协同推动AI基础设施架构加速演进

    随着数据分析、向量检索、非结构化数据处理和人工智能推理等高并行、高带宽负载持续增长，传统以CPU为中心的通用计算架构在计算性能、内存带宽、数据传输效率和资源利用率等方面面临新的挑战。数据库和数据平台正加快与GPU等异构算力深度融合，通过面向硬件特性重构存储、计算和数据传输架构，充分释放不同类型算力的并行计算能力。

    软硬件协同不仅能够提升复杂数据分析、知识处理、检索及人工智能应用的性能，还能够减少数据搬移和系统间传输开销，提高算力和能源利用效率，降低单位任务的计算成本，并增强对实时、高并发及复杂AI负载的支撑能力，推动AI基础设施由通用计算向异构加速计算架构演进。

    （3）行业主要技术门槛

    AI和大数据基础设施软件行业属于知识密集、技术先导型的新兴产业，其技术门槛较高，主要体现在技术迭代的速度以及技术覆盖面的广度。随着生成式AI的发展，每年不断涌现出新技术成为实现提高数据管理效率、加速企业内部大语言模型部署、降低推理成本、增强数据与模型安全性等的有效手段，需要公司具备较强的研发创新能力及保障持续的技术研发投入以准确把握技术发展趋势、引领新技术的迭代、适应新技术的要求。当前，大模型浪潮进一步加速了技术的迭代速度，且要求公司具备大模型时代的技术融合能力，缺乏底层技术积累的新进入者难以快速构建“数据+AI”双轮驱动的产品力。由于AI和大数据基础软件在不同行业客户的数字化和数智化基础设施中，提供信息系统的基础能力，是整个应用系统最终实现数字化的技术基础，其技术水平也决定了对应业务应用系统的能力边界和创造数据价值的效率，在信息系统中处于核心环节，因而企业的研发创新能力也成为未来竞争的关键要素，只有研发能力过硬的企业才能够通过更突出的技术优势树立产品竞争力，而新进入者缺乏对大数据和AI核心技术的有效积累，面临较高的技术门槛。同时，日趋复杂的AI负载对底层软硬件协同提出更高要求。企业需紧密追踪甚至引导硬件架构创新，通过软硬件协同设计充分释放算力，以支撑上层应用的高效稳定运行。

    2、公司所处的行业地位分析及其变化情况

    （1）技术地位

    大数据基础软件是新兴科技领域，公司是国内较早专注于大数据和AI基础软件研发的公司，自主研发的大数据基础平台、分布式数据库等已达到业界先进水平。2018年3月，公司大数据基础平台产品TDHV5.1正式通过国际知名组织TPC的基准测试TPC-DS的官方审计，成为全球首次完整通过该项基准测试的数据产品。2019年8月，ArgoDBV1.2.1版本正式通过了TPC-DS基准测试的官方审计，成为全球第四个通过的数据库产品。2022年8月，公司的人工智能平台SophonDiscoverV3.0.0成为首个通过TPCx-AI基准测试SF3,000（当前TPCx-AI已通过测试最大体量）的产品。2023年12月，公司大数据基础平台TDHV9.1通过TPCx-BBSF3,000基准测试的官方审计，目前性能位列全球第二。2026年，公司的认知数据库实现全链路GPU执行，实现TPC-DS全部99条查询在GPU上完整执行，无需任何CPU回退，消除了GPU加速方案中频繁的CPU-GPU数据搬运开销。公司的认知数据库可以支撑完整的数据库查询处理，将GPU的应用场景从AI训练和推理拓展到了通用数据处理领域。

    （2）市场地位

    在AI基础设施软件产品领域，公司持续展现出较强的综合实力和市场竞争力。报告期内，公司自主研发的分布式数据库TranswarpArgoDB通过中国信息安全测评中心、国家保密科技测评中心联合发布的“安全可靠测评”认证，体现了公司数据库产品在自主可控、安全保障及关键业务支撑等方面的综合能力。根据IDC《中国AI软件市场半年度追踪报告，2025H2》，公司在中国大模型平台软件私有化市场份额中排名第六，在中国机器学习平台软件私有化市场份额中排名第三。公司同时入选IDC《中国智能体市场2025年盘点暨2026年展望》代表厂商，SophonLLMOps、无涯智能门户和数据智能体Astro组成的产品体系覆盖智能体开发、任务编排、知识库建设和数据治理等环节；入选IDC《中国AI+知识管理市场进展与最佳实践》企业级知识管理产品代表厂商，以SophonLLMOps为核心形成覆盖语料开发、知识工程和知识使用的闭环能力。此外，公司入选IDC《MarketGlance：中国生成式AI》GenAI应用和GenAI平台板块，进一步体现了公司在生成式AI平台、企业级知识管理和智能体应用等领域的综合实力。

    公司积极参与人工智能、数据库和数据基础设施领域研究报告、技术标准及产业规范的编制工作，持续推动相关技术体系完善和行业实践沉淀。报告期内，公司参与编制《AI原生数据平台研究报告（2026）》，围绕全栈AI基础设施、多模知识融合、湖仓集一体、异构算力调度及安全适配等方向贡献实践经验；参与中国信息通信研究院《大模型推理优化关键技术及应用实践研究报告（2026年）》编写，为大模型推理性能优化、成本控制和规模化应用提供技术参考；参与起草的《人工智能大模型知识库建设通用要求》团体标准（T/CECC50—2025）正式发布实施，为企业级大模型知识库建设及能力评估提供规范参考。公司还参与编写《数据库发展研究报告（2026年）》，其在GPU-Native数据库执行引擎和异构计算方面的实践被纳入行业研究。同期发布的《中国数据库产业图谱（2026年）》中，公司入选事务型、分析型、时序、图、搜索、时空、多模数据库，以及关系型数据库安全和数据库实施部署等多个板块，进一步体现了公司在国产数据库产品、技术、安全及服务领域的综合实力和产业影响力。

    报告期内，公司持续收获业界认可和荣誉，成功入选“2025长三角创新案例TOP50”，从四千余家候选企业中脱颖而出。公司数据智能底座案例凭借技术创新能力和产业应用价值获得认可，体现了公司在推动区域产业数字化转型、促进数据与人工智能深度融合以及赋能实体经济发展等方面的示范作用。上述官方测评、市场排名、专业机构认可、参编成果及创新荣誉，进一步展示了公司在大数据、数据库、机器学习、大模型平台、企业级知识管理和智能体等领域的全栈技术能力与市场竞争力。

    3、报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势

    （1）模型普惠与推理效率驱动技术革新报告期内，开放模型生态由单一模型突破向多模型、多主体协同发展，模型能力、开发工具和生态资源持续丰富，进一步降低模型获取、部署和应用开发的技术门槛，推动AI由“模型普惠”加速迈向规模化应用。随着模型走向不同行业和领域，模型的大规模部署呈现出以下特征与挑战：

    -推理性能与成本的平衡成为技术突破点：模型权重和上下文长度的增加都会导致推理过程中的计算压力呈指数级增长。推理速度的瓶颈与高昂的算力成本成为制约大模型大规模落地的关键。这驱动了更改模型的注意力机制、算力调度优化及推理加速等技术的快速迭代；

    -模型推理过程中处理的数据量呈几何级膨胀：检索增强生成（RAG）过程中涉及企业或用户私有、专业领域的庞大知识库构建；以及随着用户日益增长的交互体验，未来可能会实现永久记忆，即持续记录用户的历史问题和使用习惯，以便在后续推理中更高效地调用相关信息；此外，当前深度思考和深度研究类任务所采用的推理范式，以及多模态数据融合的发展趋势，也进一步加剧了数据量的指数级扩张；

    -GPU加速由模型计算向数据处理链路延伸：GPU凭借大规模并行计算和高内存带宽优势，应用范围正从模型训练与推理，进一步拓展至数据处理、SQL分析、非结构化数据加工、向量索引和知识检索等环节。通过面向GPU特性优化数据库及数据处理架构，减少CPU与GPU之间的数据传输和处理等待，能够缩短数据从存储、处理到进入模型推理的整体链路；

    -以TokenFactory为代表的推理服务新业态加快形成：随着AI应用由模型训练转向持续、规模化推理，AI基础设施逐步由算力资源供给向高效率的Token生产和服务运营转变。每秒Token产出、单位能耗Token产出、单Token成本、响应时延和资源利用率等指标日益成为衡量推理基础设施效率的重要依据，推动模型、推理引擎、数据、存储、网络和异构算力开展全栈协同优化。

    与此同时，为支撑智能化转型，企业加速构建新一代AI基础设施。新一代AI基础设施整合异构算力、数据处理、模型与智能体开发平台与智能运维系统，用于支持AI模型和智能体的开发、部署和管理。性能、安全性、成本和与现有系统的集成能力成为影响企业决策的几大主要考量因素。

    顺应上述产业及技术趋势，公司实施了全面的战略升级，公司的定位从数字基础设施进一步延伸至AI基础设施，打造从语料处理、模型训练、知识库建设、应用开发、智能体构建等一整套工具链，为企业高效构建AI基础设施，让大模型在企业内部快速落地。公司密切关注并积极探索前沿软硬件技术，主动推动GPU原生算力在数据处理中的应用，并持续跟进新一代存储架构的演进，力求有效降低用户的模型推理成本、提升推理效率。

    （2）数据要素进入政策深化推进阶段

    自2022年底“数据二十条”顶层文件发布，为数据基础制度的构建确立了原则和方向后，数据要素产业进入了政策密集落地期，数据治理、确权及使用原则、公共数据授权运营等领域落地推广模式逐步清晰。2023年10月，国家数据局挂牌成立，打开了数字经济发展新局面。2024年1月发布的《“数据要素×”三年行动计划（2024—2026年）》强调要聚焦应用场景，发挥数据要素乘数效应。该计划选取了十二个特定行业应用场景，并明确了到2026年底的工作目标，要打造300个以上示范性强、显示度高、带动性广的典型应用场景。2024年以来，交通运输、金融服务、文化旅游、医疗健康等行业都陆续推出提升数据管理水平、促进数据要素价值释放的相关政策。2024年5月的第七届数字中国建设峰会上，国家数据局发布了首批20个“数据要素×”典型案例，展示了不同行业和地域在数据要素开发利用方面的成功实践。2024年12月，国家数据局联合中央网信办、工信部、公安部、国务院国资委共同印发了《关于促进企业数据资源开发利用的意见》，旨在充分挖掘和释放企业数据资源的价值，推动构建以数据为关键要素的数字经济。报告期内，数据要素市场化配置改革持续深化。国家数据局等部门推进可信数据空间创新发展试点工作，组织开展企业、行业、城市三类可信数据空间试点。年内印发《数字中国建设2025年行动方案》，加快培育全国一体化数据市场；发布数据流通交易合同示范文本，规范市场交易秩序。2025年12月，全国数据工作会议在京召开，明确2026年为“数据要素价值释放年”，将着力畅通数据流动和资源配置渠道，激活数据市场供给和需求，进一步推动数据“供得出、流得动、用得好、保安全”。公司的一站式数据要素流通解决方案，可为数据要素提供方和数据要素需求方提供安全隔离环境，解决供需双方和服务方主体间的安全与信任问题。公司的可信数据空间产品方案由连接器、可信大数据底座、运营服务平台、隐私计算、数据沙箱、API网关、数据开发治理等软件构成。供方可在可信大数据底座上对数据进行安全治理与加工，在运营服务平台完成数据资源的登记与发布。需方可通过API调用、SQL开发、编程式建模、可视化建模、联邦学习、多方安全计算完成数据的开发、分析、计算与建模，实现“原始数据不出域，数据可用不可见”的数据可信、可控、可追溯目标。

    （3）自主可控推动产业链安全与高质量发展

    世界百年未有之大变局下，产业链、供应链安全是实现高质量发展的重要前提，也决定了必须走自主可控的道路。“十四五”规划中明确强化基础组件供给，大力发展云计算、大数据、人工智能、区块链等平台软件开发框架。《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》明确将“科技自立自强水平大幅提高”列入主要目标，强调从应对风险的自立升级为面向未来竞争的自强。目前，国产化替代正处于从“可用”向“好用”的进化阶段，应用领域也从党政行业逐步向金融、能源、电信等其他行业拓展。公司的产品及技术发展均符合国家产业政策方向与国家科技创新战略，报告期内，公司分布式数据库ArgoDB通过中国信息安全测评中心、国家保密科技测评中心联合发布的“安全可靠测评”认证，标志着其具备产品安全与供应链安全领域的端到端防护能力，能够为各行业核心业务系统提供长期安全、稳定、可靠的数据库支撑。

    二、经营情况的讨论与分析

    作为国内的AI基础设施软件领军企业，公司通过深度整合AI、大数据、云计算等产品和技术，为企业高效构建AI基础设施软件，全面赋能各行业进行数智化转型和业务范式创新。在数据量爆发式增长、关键技术卡脖子风险加剧、企业数智化升级刻不容缓的今天，打造自主安全可控、性能领先的国产数据与AI基础设施软件已不再是远大目标，而是国家与产业的战略刚需和企业的必然选择。我们正是为这一需求和铸就自主根基而创立的技术公司。

    报告期内，公司营业总收入实现17,359.74万元，同比增长13.83%。实现归属于上市公司股东的净利润为-11,283.71万元，较上年同期亏损缩窄21.06%。报告期内公司具体经营情况如下：

    1、主营业务收入分行业、业务及客户结构分析

    报告期内，公司主营业务收入约为17345.63万元。

    公司的软件产品标准化程度较高，覆盖多个行业领域，形成了广泛的客户基础。报告期内，按终端用户行业分类，公司主营业务收入主要来自金融、政府、交通、能源等行业。

    2、深化生态建设

    报告期内，公司持续加强与各类合作伙伴的沟通和协作，不断拓展新的合作伙伴关系。公司和各类CPU、GPU、操作系统、整机和硬件厂商进行产品适配和性能优化，其中包括众多国内领先的技术企业，以共同促进核心技术领域国产化进程。报告期内，公司持续研发GPU原生认知数据库，将数据分析任务从CPU迁移到GPU，大幅提高数据分析性能。目前，公司的关系型数据库、向量数据库和图数据库已完成和NVIDIAGPU的适配；向量数据库已完成和海光DCU的适配，较传统CPU方案实现大幅提升。针对行业ISV，公司通过技术对接、产品适配、商务政策沟通等系列步骤获得合作伙伴认可并推动产品在各行业的商业化推广：报告期内，公司与合作伙伴联手打造了SAPHANA和CDH替换方案，在AP领域开始面向客户进行推广；二是与低空经济综合方案提供商签署合作协议，将公司在大数据、人工智能和云计算领域的领先技术能力同伙伴在直升机领域的实践积累深度融合，共同为最终客户提供数智基座解决方案，推动数据驱动的业务创新；三是与金融行业合作伙伴在第四届中国国际供应链促进博览会上联合发布新一代GPU加速金融实时智能分析解决方案，面向海外银行资产质量分析、风险动态归因、授信决策支持等核心业务场景，加速公司认知数据库在金融领域的国际化拓展。渠道赋能方面，公司持续借助咨询公司、区域代理商、分销商等多方力量拓展市场覆盖广度，并着力培育交付服务合作伙伴，协同公司保障项目高质量交付。

    3、产品和技术创新

    报告期内，公司进一步完善新一代人工智能基础设施（AIInfra）体系（架构图详见下图），持续推动数据平台、人工智能平台与智能应用深度融合，并将AI进一步引入数据处理、治理、知识构建与检索分析等环节，通过企业级智能体提升数据全链路的智能化和自动化水平。同时，公司加强软件与GPU等异构算力的协同优化，提升数据处理、知识检索及智能应用的性能与效率，进一步提升企业数据与知识供给的质量和效率，降低智能应用建设与运行成本，支撑人工智能应用规模化落地。

    （1）AI就绪数据平台（AI-ReadyDataPlatform）

    公司的AI-ReadyDataPlatform能够统一管理企业业务数据、流程规则与组织经验中的多模态数据，以自然语言驱动AI自动实现数据处理、智能治理、语料与知识构建及关系型、向量、全文、图等11种模型的混合检索分析，并依托GPU原生加速数据入库、知识更新与检索分析，实现数量级性能提升，支撑模型训练、RAG和Agent更快落地、更准响应并降低运行成本。

    报告期内，公司发布面向人工智能智能体（AIAgents）的GPU原生认知数据库的预览版本。该产品以GPU为中心重构数据库计算与存储架构，将传统由SQL数据库、知识库及记忆系统分别承担的能力进行一体化融合，统一支持结构化数据分析、知识检索、可信上下文构建及持久化记忆管理。通过充分发挥GPU大规模并行计算和高内存带宽优势，产品进一步提升复杂数据分析、知识处理与检索以及人工智能推理链路的数据处理效率，减少系统拼接，降低使用门槛，帮助企业更快构建真正可落地、可持续演进的智能应用。

    报告期内，公司大数据基础平台TDH持续围绕湖仓集一体、多模型数据管理、开源生态融合、稳定性及信创适配等方向进行升级。在湖仓集一体方面，计算引擎进一步提升在线分析处理能力；流处理引擎Slipstream进一步完善了实时数据处理能力，提升了多源数据关联、实时汇总和时间窗口计算等复杂场景下的处理效率，并推动相关能力在复杂客户业务链路中稳定落地。在多模型能力方面，分布式搜索引擎Scope显著提升系统稳定性；分布式向量数据库Hippo新增GPU索引能力，大幅提升索引构建和向量检索性能；时空数据库Spacture进一步完善高可用能力，增强业务连续性保障；分布式时序数据库Timelyre引入C++原生存储引擎，数据分析性能提升5至10倍。在开源生态融合方面，增强对大数据开源技术生态的兼容与融合管理能力，覆盖存储、计算、元数据、安全管理等关键环节，支持客户充分复用既有数据资产、业务应用和技术体系，降低平台升级过程中的数据迁移与应用改造成本，保障业务平稳衔接。同时，TDH将开源生态兼容能力与湖仓集一体、多模型数据管理及统一资源管理能力相结合，进一步完善从存量系统承接到新型数据架构演进的产品生态。此外，平台持续开展安全漏洞修复和信创环境适配，进一步提升产品的安全性、稳定性及国产化环境兼容能力。

    TDC5.3版本完善智算基础设施能力，完成国产异构算力统一管理，可纳管多款国产AI加速芯片，屏蔽底层硬件差异，构建一体化算力资源池，实现算力统一调度与弹性分配。平台提供标准化大模型部署能力，模型服务全生命周期管理，打通AI工程化落地链路。内置AI模型网关，支持多模型统一接入、流量路由、权限管控、负载均衡与调用监控，对外提供标准化推理接口。整套能力降低国产化大模型落地门槛，助力企业高效统筹多元算力资源，保障大模型业务稳定、可控运行。

    报告期内，公司持续推进分布式数据库ArgoDB的融合升级与技术创新，进一步强化混合事务与分析处理（HTAP）能力，完善湖仓集一体、行列混合存储、资源隔离及弹性调度等技术，支持事务处理与实时分析协同运行，以及TP/AP混合负载的高效处理，提升复杂业务场景下的数据处理效率、资源利用率和系统稳定性。同时，持续完善关系、向量、图、文档、时序及全文检索等多模型能力，增强多模型数据的统一管理、混合检索与关联分析能力，为检索增强生成（RAG）、智能体等智能应用提供统一的数据管理、知识检索与分析底座。此外，ArgoDB通过中国信息安全测评中心、国家保密科技测评中心联合发布的“安全可靠测评”认证，进一步验证了产品的安全可靠性和自主可控能力，为核心业务系统国产化替代以及数据与人工智能融合应用提供支撑。

    公司大数据开发工具TDS持续推进智能化能力建设，面向金融、制造、能源等行业在数据治理、实时同步与智能运营等核心场景，提供端到端的智能数据全生命周期管理能力。TDS4.4版本持续强化平台基础能力、数据开发与数据资产管理，并推动重点项目成果产品化沉淀。平台侧完善产品授权、权限控制、信息安全治理与国际化适配，提升产品的安全合规性和规模化交付能力；数据开发侧扩展多类型数据源的接入与开发支持，强化工作区隔离及数据服务管理，保障复杂环境下的数据开发效率与安全性。数据资产侧完善文件及标签管理、元数据检索、数据链路分析和资产运营展示，提升数据资产的统一管理、快速发现与价值呈现能力；数据集成侧增强对异构数据源和复杂部署环境的适配，进一步提升跨系统数据流通的稳定性与扩展性。同时，TDS4.4版本将数据质量闭环、数据服务共享、元数据比对及资产可视化等重点项目成果沉淀为标准化产品能力。凭借持续的产品创新与项目实践，TDS进一步提升了标准化交付和多行业适配能力，为企业建设安全、高效、可持续演进的智能数据平台提供有力支撑。

    （2）AI平台

    公司的AI平台主要包含大模型运营平台SophonLLMOps和企业级智能体应用。

    为赋能政企客户构建自己专属的知识中台、大模型、智能体和应用，公司开发了大模型运营平台SophonLLMOps，一款提供机器学习和大模型统一视角的AI运营管理平台，旨在打通并优化语料接入和开发、知识工程、大模型训练和微调、应用构建和管理、服务部署和运营等全链路流程。

    SophonLLMOps主要包含AI基础底座和语料工具、知识工程、模型训推、智能体开发四个模块，报告期内升级情况如下：

    -AI基础底座新增提供Token工厂能力，提供大模型推理优化加速、KVCache优化、PD(Prefill-Decode)分离和调度等，提升大模型运行效率并提供明细的计量计费功能；提供SLA感知的智能路由与优先级调度能力，实现多模型分组、跨供应商故障自动切换与自动容灾，保障服务高可用与SLA持续达标；

    -语料工具模块新增多模态处理能力，支持音视频转写、图片理解、视频内容解析等自动化处理；同时升级文本信息标注能力，提供基于大模型与规则引擎的智能标注与质量评估；并进一步完善企业级管控能力，实现多模态数据集的统一血缘管理、权限管控与版本控制；

    -知识工程模块，从传统文档型知识库全面拓展至图片、音视频等多模态知识库；新增知识抽取与标准问答对生成能力，让知识更结构化、更易复用；知识库全新升级知识搜索与知识问答双模式，让用户检索更直观、使用更便捷；集成AgenticRAG能力，大幅提升问题理解与问答效果；同时，为应对日益复杂的知识运营与管理需求，新增知识自动更新与加工审核机制，在实现加工流程全面自动化的同时，有效保障了企业级知识库的内容质量与可管控性；

    -模型训推模块，全面适配国产异构算力芯片，支持算力预切分与自定义模板，显著提升资源利用率；支持模型结构化输出，通过规则与格式约束保障输出精准性，便于上层系统对接；模型上架支持配置默认部署模板，实现一键快速部署；同时支持算力队列统一管理，实现任务排队、优先级调度与资源有序分配；

    -智能体开发模块升级为智能体开发环境AgentBox和发布态业务专家AgentBuddy，从快速智能体构建，延伸至能评测好坏、能持续优化，做到真正能上线用。其中，AgentBox覆盖知识库、工具、Skill、记忆等资产统一纳管，支持Prompt编排、效果评测与版本管理。新增通用智能体，交互体验与功能能力显著增强；新增应用评测工具，支持批量测试与评测报告自动生成；增加Skill技能中心，配合MCP工具中心，进一步完善企业内部的智能体工具生态体系；新增Token消耗统计、赞踩反馈回流、应用效果分析等能力，完善应用全链路可观测性。AgentBuddy面向财务、风控等团队固化业务专家能力，通过问答日志与用户反馈形成飞轮，让智能体越用越准。已接入飞书、企微、钉钉，支持报告生成、流程自动化等场景。

    在持续完善数据基础软件与AI基础设施产品体系的基础上，公司进一步推动AI能力向企业业务流程和数据管理场景延伸，拓展企业级智能体产品布局：

    星环科技XClaw是一款轻量级、全栈式AIAgent智能工作台，致力于成为企业践行“AI×Data”战略的核心入口。XClawWeb端采用B/S架构，搭载星环自研的轻量化代码执行沙箱，具备卓越的性能表现——仅需一台主流笔记本作为服务器，即可轻松支撑百级别的超高并发。在数据处理方面，系统内置极速文档解析引擎Cosmic，兼具低显存占用与极速运行的优势；同时，XClaw深度适配可视化图表生成，可无缝对接公司的GPU原生认知数据库，赋能企业实现复杂数据的高效分析。依托核心的AgenticLoop机制，XClaw在单一平台内全面覆盖了数据分析、PPT自动生成、无代码看板搭建等多元场景，不仅支持断网条件下的离线本地运行，更能与XClaw本地客户端无缝打通，为用户带来完美的端云协同体验。

    Astro是公司推出的智能数据治理平台，业务人员无需掌握复杂的技术工具，只需通过自然语言提出需求，即可完成数据查询、数据治理和数据开发等工作。平台内置数据安全、数据质量、数据标准、数据入湖等16类专业智能体，能够根据业务目标自动协同完成数据查找、流程衔接、质量检查、标准匹配和结果生成，业务人员仅需提出任务并对结果进行确认，有效降低数据使用门槛，提升数据管理和应用效率。

    报告期内，公司持续推动数据与AI产品深度融合，形成贯通数据处理、治理、分析、知识构建、模型开发与智能应用的一体化能力。通过将AI嵌入数据全流程，并由数据库、AI平台及企业级智能体协同支撑，可减少多系统集成与重复建设，降低技术门槛和运维成本，提升数据处理效率与智能应用落地速度，帮助企业更快释放数据价值。

    三、报告期内核心竞争力分析

    (一)核心竞争力分析

    1、具备持续创新能力，致力于引领行业技术发展

    公司专注于分布式技术、数据库技术、编译技术、数据云技术、AI与机器学习运营管理技术等基础软件领域的研发，始终坚持“自主研发、领先一代”的技术发展策略，注重技术研发的前瞻性。自2015年以来，公司已在关系型分析引擎、流处理引擎、容器云技术、数据云服务、多模型数据的统一处理技术等诸多领域实现多项技术突破，引领行业技术发展。在全球大模型浪潮初兴之际，2023年5月，公司领先业界推出企业级分布式向量数据库Hippo以及大模型运营平台SophonLLMOps，而国际数据与AI巨头Databricks于同年6月宣布收购MosaicML创业公司以布局模型微调和智能体构建的工具，进一步印证了公司在技术趋势把握上的前瞻性和快速布局的执行力。截至2026年6月30日，公司累计获得发明专利194项。公司基于分布式架构的大数据基础平台、分析型数据库产品等已达到业界先进水平，相关产品已通过国际知名组织TPC的基准测试TPC-DS并通过官方审计，公司也是该基准测试自2006年标准发布以后全球首个通过官方审计的软件厂商。2020年，根据IDC《MarketScape：中国大数据管理平台厂商评估，2020》，公司在关键战略、关键能力等维度评价综合能力排名市场第四，是中国大数据管理平台市场的领导者。

    2022年8月，公司成为全球首家通过TPCx-AISF3000基准测试的厂商。2023年12月，公司大数据基础平台TDH通过TPCx-BBSF3000基准测试的官方审计，目前性能位列全球第二。

    2、核心技术自主研发，助力大数据基础软件国产化进程

    我国高度关注核心技术领域发展，相关扶持政策不断落地，国产基础软件产业整体将加速推进。大数据及相关产业是当前国家重点发展产业领域之一，公司具备自主研发的产品及众多产业标杆案例，作为国产大数据的代表企业之一，公司有望在相关领域不断实现更大突破，助力国家产业数字化升级。

    公司坚持核心技术自主研发，大数据软件产品在数据存储管理层、计算引擎层、编译器层、资源管理层实现了统一重构，在大数据核心基础软件领域实现对国外对标企业产品的替代。自成立以来，星环科技大数据基础平台自底向上研发了核心组件，逐步脱离了国外开源大数据框架的束缚。以核心产品大数据基础平台TDH为例，公司持续投入研发，并实现产品突破，截至目前，分布式SQL编译器、计算引擎、存储引擎、分布式数据管理系统、资源调度器等核心技术已实现自主研发。

    公司积极参与信息产业国产化进程，成为大数据基础软件国产化的重要推动者。2024年12月，中央国家机关政府采购中心发布“关于中央国家机关2024年度事务型数据库软件框架协议征集采购项目中标结果”，公司的KunDB入围事务型分布式数据库供应商名单。公司承担了工信部《2020年新兴平台软件项目-大数据平台软件》、工信部《面向新一代信息技术的跨区域协同大数据处理工具软件研发》、上海市《全栈型云平台产品研发及生态建设》、上海市经济和信息化委员会《全域数据隐私保护的可信数据流通平台》和《人工智能开发平台及工具》等在内的众多项目，得到项目主管单位的高度认可。此外，公司快速完成了和多个国产硬件平台的适配，还创新地支持在一个集群内允许多个不同的硬件架构（如X86架构和国产鲲鹏、飞腾、龙芯等架构）混合部署，并可以协助客户对异构算力进行高效管理和调度，能够更好地让用户实现逐步的国产化替代进程。公司已助力金融、能源、制造、交通等行业多个用户实现了数据分析场景中部分关键信息系统的国产替代，替代的对象包括传统关系型数据库Oracle、IBMDB2、Teradata；搜索引擎Elasticsearch、大数据平台ClouderaDataPlatform、智能统计分析工具SAS等多家国外主流厂商产品。公司已成为国产大数据和数据库领域的重要参与者，未来，公司将持续自主研发大数据基础软件领域的关键技术，推动国家数据信息安全和其他产业的发展。随着基础软件国产化进程的加快推进，公司有望在该进程中取得有利的发展态势并取得一定的市场份额。

    3、产品线丰富且服务能力强，满足用户数据全生命周期管理的需求

    围绕数据集成、存储、治理、建模、分析、挖掘和流通等数据全生命周期管理的各个阶段，以及从数据到知识、从模型到应用的全链路流程，公司研发了一系列软件产品，包括大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具等软件产品、软硬一体机产品及相关技术服务，实现“一站式”AI基础设施软件解决方案。2022年6月，公司多个产品或子产品入选Gartner发布的《中国数据库管理系统供应商识别指南》，在识别的8类数据库管理系统产品中，公司入选产品覆盖其中7类，是覆盖7类或以上产品的四家厂商之一，以及覆盖多模数据库的四家厂商之一。相较市场上提供单一模块或局部方案的供应商，公司丰富的产品线使我们能够根据客户需求灵活定制解决方案，全方位满足客户需求，挖掘客户全生命周期价值；同时，全栈产品矩阵所采用的统一架构能够大幅降低软硬件投入和运维复杂度，确保全链路兼容，实现降本增效。由于AI基础设施软件专业性较强且对于整个信息系统的重要性较高，因此较多用户除了采购公司软件外，亦需要公司提供配套的技术服务支持。公司具备较强的技术服务能力，2020年，公司获得中国信息通信研究院“大数据服务能力评估-数据工程专项-量化管理级（四级）”和“数据库服务能力评估-实施部署专项-量化管理级（四级）”认证，是当年参与测评厂商中的最高评级。2021年，公司再获“大数据服务能力评估-大数据平台建设服务能力专项-量化管理级（四级）”，表明公司在大数据服务能力方面已具备较高的成熟度。2023年，公司获得中国数据管理能力成熟度评估模型（DCMM）量化管理级厂商四级认证。公司也为用户提供解决方案服务，包括大数据开发、治理、分析、AI部署和落地等相关的咨询、定制开发等服务，协助企业及政府客户规划数字化和数智化转型的架构。

    公司拥有完整的产品布局及优质的技术服务能力，可以提供全面的人工智能和大数据处理平台和工具，满足企业用户对于AI部署和落地的全方位需求，为公司带来了交叉销售的机会。

    4、客户粘性强，老客户复购收入为公司营业收入的重要来源

    AI和大数据基础软件作为信息系统的重要基础设施，对上层应用系统的稳定性、可扩展性等方面有重要影响，由于基础软件替换成本较高，已有客户未来往往不会轻易替换已采购的产品。数据处理量的提升与大数据应用业务场景的增加，将产生产品的扩容或选购新类型产品的需求，从而为公司持续获得客户订单，实现业务稳定发展提供了支持。

    随着大数据和AI技术的普及，以及公司产品的不断升级和推广，终端用户群体保持快速增长。截至报告期末，公司拥有逾1800家终端用户。公司作为大数据基础软件产品提供商，产品化程度较高，不局限于某单一行业，可以快速在不同行业实现广泛布局。公司自主研发的先进技术和大数据全周期解决方案能成功满足各类客户多个业务场景的需求，得到了众多客户的认可。

    公司客户分布在金融、政府、能源、交通、制造等众多国民经济支柱领域，具备长期稳定的潜在需求。

    在收入规模持续扩大的同时，公司重视对于老客户的维护。2025年，公司老客户复购产生的收入约占公司主营业务收入的89.23%，构成公司主要的收入来源。在大数据和AI应用场景不断增加与公司客户基数不断增长的背景下，公司将继续深化对老客户的运营，为其提供优质的产品与服务，挖掘老客户的收入增长空间。

    5、打造生态闭环，推动业务长期健康发展

    公司自成立以来，围绕自研的大数据和AI基础平台，发展了包含系统集成商、独立软件开发商、软件开发工程师、高等院校等一系列活跃参与者的“生态”闭环。公司的生态系统包含数百家项目合作伙伴，且我们在持续拓展新的合作关系。例如，我们与各类CPU、GPU、操作系统、整机和硬件厂商进行产品适配和性能优化，包括众多国内领先的技术企业，以共同促进核心技术领域国产化进程。公司通过技术对接、产品适配、商务政策沟通等步骤，获得独立软件开发商等合作伙伴认可，并推动产品在各行业的销售。同时，公司建立了成熟的人才生态体系。一方面，公司帮助合作伙伴和客户理解新技术及实现产品应用落地，提升客户数智化运营与决策的效率。另一方面，公司推动产品及其最佳实践的培训与推广，降低平台使用学习门槛，让没有大数据和AI从业经验的软件工程师与业务人员，经过培训后，能快速上手并投入到产业技术的开发及使用中。

    此外，公司亦积极推动产学研融合，与高校及研究机构合作，打造良性的创新生态圈。公司已与北京大学、南京大学、复旦大学、上海大学、新加坡理工学院、英特尔、海光等联合共建大数据/人工智能实验室、技术创新实验室/创新中心，并和清华大学、东南大学、天津大学、华东师范大学等开展企业参观和技术交流活动，通过与高校、产业企业开展合作，提升产品市场影响力，持续拓展用户规模。通过与业内顶尖科学家定期交流，我们能够与最新的大数据和AI技术发展保持同步，保持在核心技术领域的领导地位。

    多年的生态系统建设为公司培养了优质的开发者及合作伙伴，提升品牌影响力，助力我国人工智能和大数据行业生态建设，也有利于推动公司的业务长远健康发展。

    6、具有技术深厚的核心团队，建立了较高的人才壁垒

    公司核心团队深耕大数据和AI基础软件领域十多年，是国内最早从事大数据和AI基础设施软件技术的研发和产品化的团队之一，为公司奠定坚实的研发实力基础。核心团队将其在业内优秀企业积累的技术经验和管理经验应用于公司实践，并通过传帮带培养了一批专业而精干的中层技术团队，有效提升了企业的技术水平和规范化运作水平，形成了持续技术创新、对客户的快速响应和高品质交付的能力。

    公司建立了完善的“选用育留”人才管理体系，重视员工的能力建设和职业发展，促进员工与企业同创共赢，为业务发展输送优秀人才。优秀的核心团队以及完善的长期人才培养和激励机制为公司建立了较高的人才壁垒。

    (三)核心技术与研发进展

    1、核心技术及其先进性以及报告期内的变化情况

    公司以技术研发为核心，推动业务持续发展。自成立以来，公司深耕于数据基础软件领域，形成突出的科技创新实力，在分布式技术、分布式数据库技术、多模型数据的统一处理技术、基于容器的数据云技术、大数据开发技术、AI与机器学习运营管理技术、知识工程和知识图谱技术七个方面，积累了31项核心技术。

    2、报告期内获得的研发成果

    公司始终坚持自主研发，稳步推进各项研发项目，并对技术创新成果积极申请专利保护。截至2026年6月30日，公司累计获得发明专利194个，实用新型专利1个，外观设计专利2个，软件著作权474个。

    五、报告期内主要经营情况

    公司实现营业收入173597417.22元，同比增加13.83%；实现归属于上市公司股东的扣除非经常性损益的净利润-143386614.75元，亏损同比收窄8.23%。

本文数据来源于星环科技2026年中报，仅供参考不构成投资建议。