《星環科技-公司研究報告-從Data Infra到AIInfra大模型部署的“賣鏟人”-250308（22頁）.pdf》由會員分享，可在線閱讀，更多相關《星環科技-公司研究報告-從Data Infra到AIInfra大模型部署的“賣鏟人”-250308（22頁）.pdf（22頁珍藏版）》請在三個皮匠報告上搜索。

1、 證券研究報告|公司深度報告 2025 年 03 月 08 日 強烈推薦強烈推薦（上調）（上調）從從 Data Infra 到到 AI Infra，大模型部署的“賣鏟人”大模型部署的“賣鏟人”TMT 及中小盤/計算機 目標估值：NA 當前股價：69.66 元 公司作為私有化部署大模型的核心公司作為私有化部署大模型的核心 MaaS 服務商，服務商，金融及政府客戶基礎好，金融及政府客戶基礎好，AI數據工程基因純粹，數據工程基因純粹，將深度受益于大模型私有化部署浪潮將深度受益于大模型私有化部署浪潮。從從 Data Infra 延伸至延伸至 AI Infra。公司以大數據技術起家，AI 數據工程基因純

2、粹，具有大數據基礎平臺、分布式數據庫、數據開發與智能分析工具、數據云平臺等完整產品矩陣，覆蓋大數據全生命周期管理?；跀祿こ袒?，大模型時代浪潮下公司業務定位由數字基礎設施提供商進一步延伸至 AI 基礎設施企業，通過整合大數據、人工智能等技術，推出知識平臺 TKH，完善了AI 從基礎設施到應用的產業鏈條。MaaS 廠商是大模型部署浪潮下的“賣鏟人”廠商是大模型部署浪潮下的“賣鏟人”。大模型規?；涞孛媾R高性能、高需求、高成本等落地挑戰，使得 MaaS 在大模型時代下的增益效果更為突出。公司知識平臺 TKH 包括知識存儲與服務、語料開發與知識構建、大模型基礎服務、AI 應用等幾個重要部分。在企

3、業私有化部署大模型的過程中，公司大模型運營平臺 LLMOps 及知識管理平臺兩塊 AI Infra 工具起到尤其重要的作用，其中大模型運營平臺 LLMOps 可以理解為“大模型的操作系統”，是企業私有化部署大模型底座的必需平臺，向上可對接各種大模型，向下適配和調度各種計算卡資源；知識平臺包含知識構建工具、知識管理平臺等，主要負責搭建企業特色知識庫、構建企業特色大模型。被低估的私有化部署被低估的私有化部署 AI Infra 廠商。廠商。市場對 MaaS 行業或存在參與者眾多、市場格局分散、大廠主導等擔憂，我們認為，星環科技在私有化部署場景中具有幾大競爭優勢：（1）公司在 AI 數據工程領域具備深

4、厚的技術積累，在語料清洗、大數據治理等方面擁有先發優勢，使得其 MaaS 方案更符合私有化客戶的需求；（2）政府與金融行業是大模型私有化部署最積極的行業，而星環科技在這兩個行業的客戶基礎穩固，收入占比最高；（3）作為第三方MaaS 廠商，星環科技的解決方案在異構算力適配、跨大模型兼容性等方面表現優異，能夠靈活地滿足企業客戶的本地化部署需求。上調至上調至“強烈推薦強烈推薦”投資評級投資評級。公司 AI 數據工程基因純粹，拳頭產品 TDH 在政府、金融市占率領先；公司從 Data Infra 延伸至 AI Infra，作為私有化部署大模型的核心 MaaS 服務商，將深度受益于大模型私有化部署浪潮。

5、預計公司 24-26 年收入為 3.71/5.23/6.93 億元，上調至“強烈推薦”投資評級。風險提示：風險提示：大模型部署落地需求不及預期、人才競爭加劇、業務拓展速度不大模型部署落地需求不及預期、人才競爭加劇、業務拓展速度不及預期、行業競爭加劇及預期、行業競爭加劇。財務財務數據數據與與估值估值 會計年度會計年度 2022 2023 2024E 2025E 2026E 營業總收入(百萬元)373 491 371 523 693 同比增長 13%32%-24%41%32%營業利潤(百萬元)(273)(289)(343)(172)(81)同比增長 10%-6%-19%50%53%歸母凈利潤(百萬

6、元)(271)(288)(342)(171)(81)同比增長 11%-6%-19%50%53%每股收益(元)-2.25-2.39-2.83-1.42-0.67 PB 4.9 5.8 7.6 9.1 9.9 資料來源：公司數據、招商證券 基礎數據基礎數據 總股本（百萬股）121 已上市流通股（百萬股）94 總市值（十億元）8.4 流通市值（十億元）6.5 每股凈資產（MRQ）9.6 ROE（TTM）-26.9 資產負債率 19.2%主要股東 孫元浩 主要股東持股比例 9.24%股價表現股價表現%1m 6m 12m 絕對表現 31 158 28 相對表現 29 136 16 資料來源：公司數據、招

7、商證券 相關相關報告報告 1、星環科技（688031）業績短期承壓，AIInfra 業務需求躍升2025-02-28 2、星環科技（688031）收入增長提速，大模型產品逐步落地2024-04-30 3、星環科技（688031）數分工具營收高增，推出大模型等系列新產品2023-08-30 劉玉萍劉玉萍 S1090518120002 鮑淑嫻鮑淑嫻 研究助理 -60-40-200204060Mar/24Jul/24Oct/24Feb/25(%)星環科技滬深300星環科技星環科技（688031.SH）敬請閱讀末頁的重要說明 2 公司深度報告 正文正文目錄目錄 一、星環科技：從 Data Infra

8、延伸至 AI Infra.4 1、Data Infra 延伸至 AI Infra，AI 數據工程基因純粹.4 2、財務分析：深耕政府、金融行業客戶，具備高成長性.6 二、MaaS 廠商將深度受益于大模型部署落地浪潮.8 1、MaaS：大模型部署浪潮下的“賣鏟人”.8 2、星環 AI Infra 產品 TKH 覆蓋企業級大模型全生命周期.10（1）LLMOps：大模型操作系統，統一納管模型、助力降低算力成本.11（2）知識平臺：企業特色大模型構建及應用場景落地工具.14 三、被低估的私有化部署 AI Infra 廠商.15 1、AI 數據工程能力賦能 MaaS.15 2、深耕金融與政府，客群基礎

9、保障 AI+業務彈性.17 3、第三方 MaaS 廠商更具兼容性和適配性優勢.18 四、盈利預測與風險提示.19 1、盈利預測.19 2、風險提示.20 圖表圖表目錄目錄 圖 1：股權結構圖（截至 2025 年 2 月 13 日）.4 圖 2：星環科技大模型相關產品布局.6 圖 3：星環知識平臺 TKH.6 圖 4：公司營業收入及增速.6 圖 5：公司分產品營業收入.6 圖 7：公司毛利率、凈利率情況.7 圖 8：公司費用率情況.7 圖 9：公司人效情況.8 圖 10：公司 2023 年員工結構.8 圖 11：MaaS 定位：處于應用層和基礎設施層之間.9 圖 12：MaaS 框架圖.9 圖

10、13：MaaS/AI Infra 產業圖譜.10 MBtUNAoPmOpMsPqOyX7NaO6MsQoOtRtOjMoOoNfQoPqQ9PpOqQwMmNqRuOnNxO 敬請閱讀末頁的重要說明 3 公司深度報告 圖 14：星環科技知識平臺 TKH 架構.11 圖 15：Sophon LLMOps：覆蓋企業級大模型全生命周期運營管理.12 圖 16：某頭部券商客戶案例.13 圖 17：LLMOps 納管大模型界面展示.13 圖 18：語料開發與知識構建功能模塊.14 圖 19：知識存儲與服務功能模塊.14 圖 20：知識管理平臺配合 RAG 框架可實現知識的精準召回.14 圖 21：LLM

11、 企業私有化部署流程.16 圖 22：星環科技大數據治理優勢顯著，以投資集團數據開發案例為例.17 圖 23：火山方舟：豆包大模型落地工具更為豐富.19 圖 24：華為云 ModelArts：算力更多適配昇騰/鯤鵬生態.19 表 1：星環科技大數據基礎設施產品布局（業務收入占比數據取自 2024H1）.5 表 2：大模型部署落地的挑戰及 MaaS 廠商對應的解決措施.9 表 3：Sophon LLMOps 提供的六大功能.12 表 4：AI Infra 代表廠商類型及能力特點總結.15 表 5：金融、政府等行業積極接入 DeepSeek 大模型（部分案例）.18 表 6：銷售收入結構預測.19

12、 敬請閱讀末頁的重要說明 4 公司深度報告 一、一、星環科技：從星環科技：從 Data Infra 延伸至延伸至 AI Infra 1、Data Infra 延伸至延伸至 AI Infra，AI 數據工程基因純粹數據工程基因純粹 公司公司以大數據技術起家，以大數據技術起家，AI 數據工程基因純粹數據工程基因純粹，從從 Data Infra 延伸至延伸至 AI Infra，將深度受益于企業私有化部署大模型的浪潮將深度受益于企業私有化部署大模型的浪潮。公司于 2013 年成立，創始人孫元浩 2003-2013 年在英特爾數據中心軟件部任亞太區 CTO，隨后與同伴離開創立星環科技。公司以大數據基礎平

13、臺起家，核心技術從開源向自研持續推進，在關系型分析引擎、實時流處理引擎、容器云技術、數據云服務、多模型數據的統一處理技術等多方面做出重大革新，發展至今形成了大數據基礎平臺、分布式數據庫、數據開發與智能分析工具、數據云平臺等完整產品矩陣，覆蓋大數據全生命周期管理?；跀祿こ袒?，大模型時代浪潮下公司業務定位由數字基礎設施提供商進一步延伸至 AI 基礎設施企業。股權結構：股權結構：當前公司股權結構中，創始人孫元浩直接持有與通過股權激勵平臺贊星投資合計持有公司 16%股份，為公司實控人；騰訊旗下林芝利創持股 8%，國有控股的產業投資基金持股 7%，騰訊與公司具備業務合作潛力，星環有望成為騰訊云在大

14、模型 AI 時代推進業務的重要合作伙伴。圖圖 1：股權結構圖股權結構圖（截至（截至 2025 年年 2 月月 13 日）日）資料來源：iFind，招商證券 技術領先的大數據基礎設施廠商（技術領先的大數據基礎設施廠商（Data Infra）。）。圍繞數據集成、存儲、治理、建模、分析、挖掘和流通等數據全生命周期管理的各個階段，公司研發了一系列軟件產品，包括大數據與云基礎平臺、分布式關系型數據庫、數據開發與智能分析工具等軟件產品、軟硬一體機產品及相關技術服務，實現“一站式”數據管理解決方案。2022 年 6 月，公司多個產品或子產品入選 Gartner 發布的中國數據庫管理系統供應商識別指南，在識別

15、的 8 類數據庫管理系統產品中，公司入選產品覆蓋其中 7 類，是覆蓋超過 7 類或以上產品的四家廠商之一，以及覆蓋多模數據庫的四家廠商之一。敬請閱讀末頁的重要說明 5 公司深度報告 表表 1：星環科技大數據基礎設施產品布局（業務：星環科技大數據基礎設施產品布局（業務收入收入占比數據取自占比數據取自 2024H1）業務類別業務類別 細分類別細分類別 業務介紹業務介紹 商機及競爭地位商機及競爭地位 大數據基礎大數據基礎 軟件業務軟件業務（81.54%）大數據與云基礎平臺軟件業務（32.44%）大數據基礎平臺TDH 一站式大數據基礎平臺，支持 PB級數據存儲，處理多種數據格式，提供高性能查詢、實時分

16、析等功能 全球首個完整通過 TPC-DS 基準測試并通過官方審計的大數據平臺。2023 年 12 月，通過 TPCx-BB SF3,000 基準測試的官方審計，性能位列全球第一。數據云平臺 TDC 基于容器技術的數據云平臺，提供PaaS 云服務，支持多租戶、彈性擴展，適用于大型企業數字化基礎設施 通過了中國信通院云原生數據湖基礎能力測試 分布式關系型數據庫軟件業務（17.59%）分析型數據庫ArgoDB 面向數據分析的分布式閃存數據庫，用于構建離線/實時數據倉庫和數據集市 通過信通院組織的首批“可信數據庫”多模數據庫產品測試 交易型數據庫KunDB 兼容Oracle和MySQL的分布式交易型數

17、據庫，支持高并發和核心數據系統構建 中國信通院首批“軟件自研創新能力”專項評估中的唯一一款通過該專項評估的國產數據庫產品 數據開發與智能分析工具軟件業務（9.58%）大數據開發工具TDS 大數據開發工具集，提供數據集成、治理、資產管理等功能，提高數據系統建設效率-智能分析工具Sophon 一站式人工智能平臺，支持多模態數據處理、模型訓練和智能決策，提升企業數字化運營能力 2022 年 8 月，Sophon Discover V3.0.0 成為首個通過 TPCx-AI 基準測試 SF3,000（當前TPCx-AI 已通過測試最大體量）的產品 技術服務（21.93%）為大數據基礎軟件產品或相關的軟

18、硬一體產品配套提供相關的技術服務 2020 年，公司獲得中國信息通信研究院“大數據服務能力評估-數據工程專項-量化管理級（四級）”和“數據庫服務能力評估-實施部署專項-量化管理級（四級）”，是當年參與測評廠商中的最高評級。2021 年，公司再獲“大數據服務能力評估-大數據平臺建設服務能力專項-量化管理級（四級）”應用與解決方應用與解決方案（案（17.00%）數據應用解決方案 主要針對大數據應用場景，提供大數據存儲、處理以及分析等相關場景下的咨詢及定制開發等服務的解決方案-業務應用解決方案 其他業務（其他業務（1.19%）根據客戶及項目需求銷售少量第三方軟件、硬件等業務 資料來源：公司官網，公司

19、公告，招商證券 由數字基礎設施提供商進一步延伸至由數字基礎設施提供商進一步延伸至 AI 基礎設施企業（基礎設施企業（AI Infra）。）。公司通過整合大數據、人工智能等技術，推出知識平臺 Transwarp Knowledge Hub（TKH），完善了 AI 從基礎設施到應用的產業鏈條。TKH 為企業客戶提供安全可控的 AI基礎設施，打造從語料處理、模型訓練、知識庫建設等一整套的工具鏈，幫助企業快速建立行業大模型，快速使用 AIGC。TKH 由四個關鍵部分組成：1）知識存儲與服務：提供企業級多模態知識存儲，支持高效的知識檢索和管理。2）語料開發與知識構建：包括一站式多場景語料平臺 TCS 和

20、知識圖譜構建工具集TKS，用于構建高質量的行業特定模型。3）大模型基礎服務：涵蓋 Sophon LLMOps、Infinity 等工具，大模型運營工具 Sophon LLMOps、無涯大模型 Infinity用于微調和優化通用大模型以適應特定業務需求。4）原生 AI 應用：提供無涯 問知、無涯問數等 AI 原生應用，應用于金融、能源等多個行業。敬請閱讀末頁的重要說明 6 公司深度報告 圖圖 2：星環科技大模型相關產品布局星環科技大模型相關產品布局 圖圖 3：星環知識平臺星環知識平臺 TKH 資料來源：公司官網、招商證券 資料來源：公司官網、招商證券 2、財務分析：深耕、財務分析：深耕政府、金融

21、政府、金融行業客戶，具備高成長性行業客戶，具備高成長性 業務具備高成長性業務具備高成長性，產品結構多元均衡發展。，產品結構多元均衡發展。2023 年公司營收 4.91 億元，2019-2023 年 CAGR 為 29.55%，展現出強勁的增長勢頭。從營收結構來看，大數據基礎軟件與技術服務是公司的主要營收來源，2021-2023 年收入占比分別為79.89%、81.99%和 81.22%。該業務涵蓋大數據與云基礎平臺軟件業務、分布式關系型數據庫軟件業務和數據開發與智能分析工具軟件業務。其中，大數據與云基礎平臺軟件業務是大數據基礎軟件與技術服務的主要構成部分，2024 年上半年在總營收中貢獻 32

22、.53%。圖圖 4：公司營業收入及增速公司營業收入及增速 圖圖 5：公司分產品營業收入公司分產品營業收入 資料來源：公司公告、招商證券 資料來源：iFind、招商證券 產品需求穩定，產品需求穩定，政府、金融等政府、金融等重點行業深耕鑄就堅實發展根基。重點行業深耕鑄就堅實發展根基。公司產品具備長期穩定的潛在需求，已在金融、政府、能源、交通、制造業等眾多主要國民經濟支柱領域得到廣泛應用。公司的主營業務收入高度集中于金融和政府行業，這兩個行業占比均達 35%以上。2024 年上半年，金融和政府行業營業收入貢獻分別為 39.69%及 37.87%。在政府領域，各地大數據中心客戶是公司主要的服務對象；金

23、融領域，則聚焦于股份制銀行、農商行、券商以及新開拓的量化客戶等群體。在公司建立的“生態”中，公司擁有數百家項目合作伙伴，超過上千家的終端0.00%10.00%20.00%30.00%40.00%50.00%60.00%0.00100.00200.00300.00400.00500.00600.00201920202021202220232024H1營業收入（百萬元）yoy0%50%100%201920202021202220232024H1其他業務分布式關系型數據庫軟件業務數據開發與智能分析工具軟件業務應用與解決方案技術服務大數據與云基礎平臺軟件業務 敬請閱讀末頁的重要說明 7 公司深度報告

24、用戶已采購公司產品。公司產品用戶粘性高且公司注重對于老客戶的維護，2023年，公司老客戶復購產生的收入約占公司主營業務收入的 71.12%，構成公司主要的收入來源。圖圖 6：公司分行業營業收入公司分行業營業收入結構結構 資料來源：公司公告，招商證券 整體毛利率維持在整體毛利率維持在 60%左右。左右。得益于公司繼續提質增效，主動聚焦高價值、高毛利的軟件授權業務，積極構建產品技術生態，培養交付合作伙伴，優化服務實施成本，公司毛利率自 2022 年來顯著提升，2023 年整體毛利率為 59.61%。三費費率全面下降，優化經營成本成效凸顯。三費費率全面下降，優化經營成本成效凸顯。隨著公司業務規模進一

25、步擴大，以及公司通過持續提升經營效率，加強成本控制，研發、銷售和管理費用三費費率全面下降。圖圖 7：公司毛利率公司毛利率、凈利率情況、凈利率情況 圖圖 8：公司公司費用率情況費用率情況 資料來源：iFind、招商證券 資料來源：iFind、招商證券 人效提升顯著人效提升顯著，公司高度重視研發人才。，公司高度重視研發人才。從人效來看，當前公司處于快速成長期，人均創收與人均毛利整體上行。從公司人員與薪酬結構來看：1）技術支持與服務人員占比較高。截至 23 年底，公司技術與服務人員占比較高，約占 36%，主要系公司產品和服務面臨的系統環境和客戶需求復雜，相關產品部署、方案設計0%10%20%30%4

26、0%50%60%70%80%90%100%201920202021202220232024H1金融政府能源電信醫療交通制造業其他60.69%58.02%58.94%56.53%59.61%-121.29%-70.90%-74.45%-73.06%-58.92%-150%-100%-50%0%50%100%20192020202120222023毛利率凈利率0%10%20%30%40%50%60%70%80%90%20192020202120222023銷售費用率管理費用率研發費用率 敬請閱讀末頁的重要說明 8 公司深度報告 及技術服務的實施需要較多人員投入。2）從人員增長絕對值來看，21-23

27、 年公司研發人員數量增長最多，23 年較 20 年增長 184 人，23 年研發人員占比達到1/3。3）人員薪酬方面，21 年公司研發人員平均薪酬 48 萬為公司最高，23 年研發人員平均薪酬超過 50 萬，公司對研發人才較為重視。圖圖 9：公司人效情況公司人效情況 圖圖 10：公司公司 2023 年員工結構年員工結構 資料來源：iFind、招商證券 資料來源：iFind、招商證券 二、二、MaaS 廠商將廠商將深度受益于大模型部署落地浪潮深度受益于大模型部署落地浪潮 1、MaaS：大模型部署浪潮下的“賣鏟人”大模型部署浪潮下的“賣鏟人”什么是什么是 MaaS（模型即服務）（模型即服務）？根據

28、中國信通院 Maas 框架與應用研究報告（2024年），大模型背景下 MaaS（模型即服務）概念是指將 AI 模型及其相關能力打包成可重復使用的服務，使企業能夠快速高效地構建、部署、監控、調用模型，無須開發和維護底層基礎能力。在人工智能體系架構中，MaaS 處于應用層和基礎設施層之間，由三部分組成，分別包括模型平臺層、模型服務層和模型應用開發層，每層可作為單獨服務供用戶調取，也可搭載下層設施提供更完整的服務。MaaS 主要提供三部分服務能力：主要提供三部分服務能力：提供包括模型訓練、調優和部署等在內的全棧平臺型服務，以支持低門檻的模型開發與定制，用戶無需關注 AI 算力、框架和平臺即可生產和部

29、署模型；提供包括大小模型及公私域數據集的豐富資產庫服務，以支持模型和數據集的靈活快速調用，用戶無須生產和部署模型即可調用模型和數據集服務；提供基于 AI 模型的應用開發工具服務，以支持快速打造場景化應用，用戶無須搭建開發工具即可進行 AI 應用開發。010203040506020192020202120222023人均創收人均毛利人均薪酬225，19%434，36%399，33%135，11%銷售技術支持與服務研發管理 敬請閱讀末頁的重要說明 9 公司深度報告 圖圖 11：MaaS 定位定位：處于應用層和基礎設施層之間處于應用層和基礎設施層之間 圖圖 12：MaaS 框架圖框架圖 資料來源：中

30、國信通院，招商證券 資料來源：中國信通院，招商證券 為什么需要為什么需要 MaaS 廠商？廠商？隨著大模型性能的不斷增強和應用需求大規模增長，其技術成本和經濟成本也愈加高昂，面臨的挑戰也愈加復雜，在部署大模型落地的過程中，企業會面臨獲取算力門檻高，訓練、調優、推理和部署等方面的技術難度高，應用落地場景適配難和開發效率不足等問題。即大模型規?；涞孛媾R高性能、高需求、高成本等落地壓力和挑戰，而 MaaS 基于高效、便捷、靈活等優勢，可成為推動大模型應用落地的重要力量，使得 MaaS 在大模型時代下的增益效果更為突出。表表 2：大模型部署落地的挑戰及大模型部署落地的挑戰及 MaaS 廠商對應的解決

31、措施廠商對應的解決措施 大模型部署落地的大模型部署落地的挑戰挑戰 MaaSMaaS 廠商對應的解決措施廠商對應的解決措施 星環科技相對應的星環科技相對應的 AI InfraAI Infra 產品產品 海量算力需求激增、硬件資源獲取難、海量算力需求激增、硬件資源獲取難、訓練推理成本高。訓練推理成本高。隨著模型參數量變大，大模型訓練算力需求以每 2 個月翻一番的速度增長，模型推理成本也在持續增加。并且大模型訓練推理所需的芯片資源有限，進一步加劇了算力獲取的難度。MaaS 廠商可通過彈性混合云調度、模型壓縮與量化技術、算力共享平臺、異構芯片適配、一體機等方式，幫助客戶實現動態匹配算力供需、降低單任務

32、資源消耗、激活閑置算力資源，綜合使大模型訓練/推理總成本降低。云端：云端：星環科技問知網頁版、小程序接入滿血版 DeepSeek 671B 推理模型，用戶可注冊之后快速體驗；端側：端側：“端側版”無涯問知 AIPC 應用，可實現 DeepSeek 等大模型在個人電腦端的本地流暢運行；私有化部署：私有化部署：1）Sophon LLMOps 平臺幫助企業實現大模型本地部署，支撐異構算力適配、顯著降低算力成本；2）高性能大模型一體機 大模型較傳統大模型較傳統 AI 模型在訓練、調優、模型在訓練、調優、推理和部署等方面的技術難度均有明推理和部署等方面的技術難度均有明顯提升。顯提升。大模型訓練調優所需數

33、據的結構更加復雜對數據集數量和質量的要求更高，并且出現了提示工程、強化學習等新技術，增加了技術壁壘。同時，巨大的算力需求對分布式并行計算加速提出了更高要求，此外大模型用于邊端推理時，需對模型進行壓縮，并保持足夠的模型性能，技術門檻較高。提供全流程平臺工具降低技術門檻。提供全流程平臺工具降低技術門檻。在模型訓調方面，降低了學習新型訓練或調優算法的成本，可快速找到合適的調優路徑并完成閉環的強化學習通路，新手亦可快速完成專屬模型定制；在模型部署及運營管理方面，對于部署上線過程復雜等問題，提供快速部署服務，并匹配全生命周期運營監控工具，降低了模型部署和運維的技術難度。大模型運營平臺 Sophon LL

34、MOps 大模型工程化落地時煙囪式建設造成大模型工程化落地時煙囪式建設造成資源浪費。資源浪費。大模型成為當前諸多企業數智化轉型的敲門磚，在企業內部往往有多個團隊希望將大模型與私有業務數據相結合，調優出適合專屬場景的模型進一步提升業務價值。但從企業整體視角來看，內部場景需求多有重復，而大模型的泛化能力足以應對同類行業場景的不同需求，若仍采用各團隊自行維提供集約化的模型庫和數據集，解決重復提供集約化的模型庫和數據集，解決重復造輪子的資源浪費問題。造輪子的資源浪費問題。在管理方面，當模型從單點試驗向規?；涞匕l展時模型的量變將引起效率的質變，通過模型共享可減少開發資源的浪費，通過模型等數字資產的統一

35、管理有助于提升風險可控性，資源的高效利用和規范管理將成為企業長遠發展的保障；在落地方面通過直接調用模型服務和數據集，減少了數據處理、選圖譜構建工具 Transwarp Knowledge Studio for LLM；語 料 開 發 工 具Transwarp Corpus Studio；大數據基礎平臺 TDH 和星環大數據開發工具 TDS 系列大數據開發工具與語料開發工具 敬請閱讀末頁的重要說明 10 公司深度報告 護模型的煙囪式模式，將會導致算力和人力的極大浪費。擇模型以及模型調優部署的過程，加快了開發進度，快速響應業務需求。大模型應用在落地最后一公里時仍存大模型應用在落地最后一公里時仍存在

36、場景適配難和開發效率不足的挑戰。在場景適配難和開發效率不足的挑戰。一方面模型應用方具備豐富的行業經驗和高質量數據集，但缺乏模型落地相關技術，而模型廠商雖然有相關技術儲備但缺乏行業積累，所以場景適配的落地方案存在難度；另一方面隨著企業AI+的全線推進，模型應用的場景需求越來越多，而模型應用的開發難度大且周期長，難以適應業務不斷變化的需求。提供模型應用的高效開發能力，適配企業提供模型應用的高效開發能力，適配企業規?；瘓鼍靶枨?。規?；瘓鼍靶枨?。模型應用場景眾多，但企業內部開發資源有限，MaaS 在模型服務的基礎上提供面向業務場景的應用開發平臺或工具，幫助用戶快速構建基于 AI 模型的應用。如在面臨單

37、個模型無法解決復雜業務需求的情況下，提供檢索增強生成(RAG)、大小模型協同、插件編排等多種方 式 以 增 強 模 型 能 力，并 以 智 能 體(AIAgent)等方式向用戶提供更優質的服務。MaaS 讓更多用戶可以生產個性化的模型應用，為 AI 模型規?；涞靥峁┯行窂?。知識管理平臺 Transwarp Data Hub for LLM 資料來源：中國信通院，公司官網，招商證券 MaaS 有哪些有哪些參與者參與者？MaaS 產業圖譜中，平臺服務構成了 MaaS 生態系統的基座能力。國外如 Google 的 AIPlatform、微軟的 AzureMachine Learning 以及亞馬

38、遜的 Amazon SageMaker 等平臺，提供了從數據處理到模型訓練、驗證、部署及監控的流水線服務。國內如阿里云 PAI 平臺、騰訊云太極平臺、百度千帆大模型平臺和華為的 ModelArts 平臺等，均支持多種機器學習算法和大模型，并提供低代碼開發環境與高效的模型訓練及部署能力，能夠適應多樣化的模型定制需求?；ヂ摼W巨頭之外，第三方廠商如星環科技、硅基流動、帆軟等也是 MaaS 廠商的重要參與者。圖圖 13：MaaS/AI Infra 產業圖譜產業圖譜 資料來源：賽迪顧問2025 中國 AI Infra 平臺市場發展研究報告，招商證券 2、星環星環 AI Infra 產品產品 TKH 覆蓋

39、覆蓋企業級大模型全生命周期企業級大模型全生命周期 星環知識平臺星環知識平臺 Transwarp Knowledge Hub：根據公司 24 年中報，公司業務定位由數字基礎設施提供商進一步延伸至 AI 基礎設施企業，通過整合大數據、人工智能等產品和技術，推出知識平臺 Transwarp Knowledge Hub（TKH）。TKH 敬請閱讀末頁的重要說明 11 公司深度報告 平臺致力于為企業提供一個全面、高效、智能的數據處理和知識管理解決方案，旨在實現企業資料的全面知識化，同時優化企業內部的知識共享與應用。TKH平臺可以統管企業 Al Infra 算力、語料、模型和應用，助力企業打造安全可控的A

40、I Infra。公司的知識平臺 TKH 包括知識存儲與服務、語料開發與知識構建、大模型基礎服務、AI 應用等幾個重要部分。在企業私有化部署大模型的過程中，在企業私有化部署大模型的過程中，大模型運營平臺大模型運營平臺 LLMOps 及知識管理平臺及知識管理平臺兩塊工具兩塊工具起到尤其重要的作用起到尤其重要的作用，下面我們將重點解析：下面我們將重點解析：大模型運營平臺大模型運營平臺 LLMOps：可以理解為“大模型的操作系統”，是企業私有化部署大模型底座的必需平臺，向上可對接各種大模型，向下適配和調度各種計算卡資源；知識平臺：知識平臺：包含知識構建工具、知識管理平臺等，主要負責搭建企業特色知識庫、

41、構建企業特色大模型，是企業特色大模型訓練調優、具體業務場景落地的重要環節。圖圖 14：星環科技知識平臺星環科技知識平臺 TKH 架構架構 資料來源：星環科技 24 年中報，招商證券（1）LLMOps：大模型操作系統：大模型操作系統，統一納管模型、助力降低算力成本，統一納管模型、助力降低算力成本 Sophon LLMOps：覆蓋企業級大模型全生命周期運營管理覆蓋企業級大模型全生命周期運營管理，可理解為企業的“大，可理解為企業的“大模型操作系統”模型操作系統”。根據公司官網，星環大模型運營平臺(Sophon LLMOps)是星環科技推出的企業級大模型全生命周期運營管理平臺,旨在賦能企業用戶能敏捷、

42、高效、有閉環地將大模型落地到生產和業務中去。Sophon LLMOps 打通并優化了語料接入和開發、提示工程、大模型訓練、知識抽取和融合、模型管理、應用和智能體構建、應用部署、運維和監控，以及業務效果對齊提升的全鏈路流程。根據公司官網Sophon+LLMOps 大模型運營平臺白皮書，LLMOps 主要提供語料數據處理階段、語料知識入庫階段、提示詞開發階段、模型訓練和管理階段、應用構建和管理階段、服務部署上線階段六大功能。敬請閱讀末頁的重要說明 12 公司深度報告 圖圖 15：Sophon LLMOps：覆蓋企業級大模型全生命周期運營管理：覆蓋企業級大模型全生命周期運營管理 資料來源：星環科技官

43、網，招商證券 表表 3：Sophon LLMOps 提供的六大功能提供的六大功能 階段階段 具體功能具體功能 語料數據處理階段語料數據處理階段 1.提供了大批量語料接入、引導式語料清洗、多團隊協同語料標注、語料集發布共享、語料集服務運營等語料全生命周期管理能力，幫助組織機構快速創建高質量語料庫，高效管理語料庫。語料知識入庫階段語料知識入庫階段 1.支持豐富的非結構化數據解析例如，pdf/doc/docx/html/markdown/ppt/xml/csv 等多種文件格式，知識庫支持專業化的策略配置：解析、分片、內容檢索、內容輸出的重排序等策略；2.平臺支持用戶通過應用開發模塊編排的解析流程發布

44、成解析服務，實現更靈活的文檔內容抽??；3.除自建知識庫之外，平臺還可支持對接企業內部現有知識庫。提示詞開發階段提示詞開發階段 1.支持用戶編輯單個提示詞以及任選大模型進行提示詞的效果驗證；2.用戶可以任選多個提示詞或多個提示詞變量進行場景化對比，通過矩陣式可視化的對比評估輸出最優提示詞；3.特別的，平臺預置了各行業精選的提示詞模板，用戶可一鍵使用。模型訓練和管理階段模型訓練和管理階段 1.支持統一納管多模態（大）模型以及第三方模型接口，統一接口規范，實現不同模態(文本/圖像/大語言模型)以及不同用途(預訓練/微調/上線生產)模型的精細化版本管理；2.在模型訓練方面，Sophon LLMOps

45、提供界面引導式以及代碼編程兩種大模型微調訓練方式；3.基于平臺的模型評估功能，可自選預置的通用評估規則或自定義評估模板來針對已上架的模型進行各維度的指標評估；4.特別的，Sophon LLMOps 仍兼容傳統機器學習和深度學習模型的訓練和管理的全生命周期能力。應用構建和管理階段應用構建和管理階段 1.Sophon LLMOps 為了應對不同用戶類型和使用場景，從簡單到復雜提供了四種構建方式：類 GPTs方式、低代碼算子編排方式、基于在線編程以及自定義容器應用構建方式。如面向有一定開發能力的用戶，通過低代碼算子編排的方式，拖拉拽方式算子來搭建應用，并支持自定義應用鏈流程，和擴展自定義算子；2.用

46、戶可一鍵發布已構建完成的應用快速體驗，一鍵分享和對外提供 API 調用。服務器上線階段服務器上線階段 1.支持配置彈性伸縮策略，動態擴縮容實現負載均衡。同時，還支持多版本流量分配策略，具備灰度發布，A/B 測試能力；2.在監控部署階段，平臺支持實時監控模型服務的運行狀態，控制模型生產環境風險，如集群資源利用率、吞吐量、響應時間和訪問記錄等。資料來源：公司官網Sophon+LLMOps 大模型運營平臺白皮書，招商證券 LLMOps 是企業私有化部署大模型不可或缺的中臺操作系統，星環的是企業私有化部署大模型不可或缺的中臺操作系統，星環的 Sophon LLMOps 可賦能企業級私有化部署，幫助企業

47、顯著降低算力成本可賦能企業級私有化部署，幫助企業顯著降低算力成本，同時提升模，同時提升模型訓練和推理效率型訓練和推理效率。根據公司官方公眾號，目前，某頭部券商已通過該平臺實現30 余種大模型統一納管，RTO（恢復時間目標）4 小時、RPO（恢復點目標）5 分鐘，顯著提升業務連續性。全棧私有化部署：全棧私有化部署：支持一鍵部署全參或蒸餾版模型，滿足金融、政務、醫療等行業合規要求。敬請閱讀末頁的重要說明 13 公司深度報告 場景化開發工具鏈：場景化開發工具鏈：內置分布式訓練框架、模型壓縮技術，助力企業快速開發智能風控、輔助診斷等深度應用。國產算力適配：國產算力適配：深度優化寒武紀、昇騰等國產 GP

48、U/NPU，實現高性能與低成本兼顧。圖圖 16：某頭部券商客戶案例某頭部券商客戶案例 資料來源：公司官網Sophon+LLMOps 大模型運營平臺白皮書，招商證券 圖圖 17：LLMOps 納管大模型界面展示納管大模型界面展示 資料來源：公司官網，招商證券 敬請閱讀末頁的重要說明 14 公司深度報告（2）知識平臺：）知識平臺：企業特色大模型構建及應用場景落地工具企業特色大模型構建及應用場景落地工具 在大模型的本地化部署過程中，除了搭建平臺和優化算力調度在大模型的本地化部署過程中，除了搭建平臺和優化算力調度通用大模型外，還通用大模型外，還涉及到企業特色大模型的構建，需接入企業自身的知識庫、整合業

49、務場景數據。涉及到企業特色大模型的構建，需接入企業自身的知識庫、整合業務場景數據。星環提供圖譜構建工具和語料開發工具，可以幫助企業整理、結構化存儲數據，降低企業自行搭建知識庫的門檻，并將其導入大模型推理階段；提供知識管理平臺，支持關系型數據、向量數據、全文檢索、圖數據、時序數據等的統一存儲管理，滿足各類場景下多模態數據的統一存儲管理與服務，大幅簡化知識庫的知識存儲與服務層架構，降低開發與運維成本。RAG（檢索增強生成）技術，可以讓大模型在推理時動態調用企業知識庫，提高模型的準確性和行業適配性。而在 RAG 過程中，知識庫數據的調用涉及到向量數據庫，專門用于存儲和檢索向量化的企業知識數據；此外，

50、大模型的微調也是企業個性化部署的重要環節，星環科技的 MaaS 平臺具備一系列開發工具，可用于模型優化和調優。圖圖 18：語料開發與知識構建功能模塊語料開發與知識構建功能模塊 圖圖 19：知識存儲與服務功能模塊知識存儲與服務功能模塊 資料來源：星環科技白皮書，招商證券 資料來源：星環科技白皮書，招商證券 圖圖 20：知識管理平臺知識管理平臺配合配合 RAG 框架可實現知識的精準召回框架可實現知識的精準召回 資料來源：星環科技白皮書，招商證券 敬請閱讀末頁的重要說明 15 公司深度報告 三、三、被低估的被低估的私有化部署私有化部署 AI Infra 廠商廠商 市場普遍擔憂，MaaS 行業競爭者眾

51、多，市場格局較為分散，尤其是阿里云 PAI、騰訊云太極、百度千帆、華為 ModelArts、科大訊飛等互聯網巨頭憑借其公有云生態和規模優勢，在 MaaS 賽道中占據主導地位。我們認為，盡管互聯網巨頭在公有云我們認為，盡管互聯網巨頭在公有云 MaaS 領域領域更加更加具備市場份額和資源優勢，具備市場份額和資源優勢，但星環科技但星環科技在私有化部署場景中具有獨特的競爭力。在私有化部署場景中具有獨特的競爭力。其優勢主要體現在三個方面：（1）公司在 AI 數據工程領域具備深厚的技術積累，在語料清洗、大數據治理等方面擁有先發優勢，使得其 MaaS 方案更符合私有化客戶的需求；（2）政府與金融行業是大模型

52、私有化部署最積極的行業，而星環科技在這兩個行業的客戶基礎穩固，收入占比最高；（3）作為第三方 MaaS 廠商，星環科技的解決方案在異構算力適配、跨大模型兼容性等方面表現優異，能夠靈活地滿足企業客戶的本地化部署需求。表表 4：AI Infra 代表廠商類型及能力特點總結代表廠商類型及能力特點總結 廠商類型廠商類型 代表廠商代表廠商 能力特點能力特點 互聯網廠商互聯網廠商 阿里云 將公有云智算能力深度融入專有云平臺，擁有大量互聯網和行業數據，向服務企業級用戶 AI 應用方向拓展。百度智能云 京東云 字節跳動 企業級云廠商企業級云廠商 華為云 具備企業級用戶基礎，豐富的企業級算力基礎設施管理能力和應

53、用管理運營能力，向模型管理方向拓展。天翼云 云軸科技 大模型廠商大模型廠商 零一萬物 較強的 AI 模型訓練開發能力，積累模型推理能力，向統一模型管理能力方向拓展，提升智算資源的管理能力。智譜 人工智能軟件廠商人工智能軟件廠商 第四范式 深耕企業端人工智能應用業務，從決策式 AI 向生成式 AI 大模型方向拓展，積極布局智算基礎設施平臺建設。商湯科技 大數據軟件廠商大數據軟件廠商 拓爾思 具備較為完整的數據分析與決策產品，正在向支持 AI 方向拓展，提升智算資源的管理能力。星環科技 初創企業初創企業 硅基流動 具備 AI 原生的智算資源管理能力，積極積累數據管理應用經驗和企業級用戶基礎以及項目

54、服務經驗。潞晨科技 無問芯穹 資料來源：賽迪顧問2025 中國 AI Infra 平臺市場發展研究報告，招商證券 1、AI 數據工程能力賦能數據工程能力賦能 MaaS 根據百度智能云，企業私有化部署流程可分為根據百度智能云，企業私有化部署流程可分為數據預處理數據預處理-模型訓練模型訓練-模型評估與模型評估與調優調優-部署實施部署實施-運營維護幾個運營維護幾個步驟步驟：敬請閱讀末頁的重要說明 16 公司深度報告 圖圖 21：LLM 企業私有化部署流程企業私有化部署流程 資料來源：百度智能云，招商證券 語料加工工具與圖譜構建工具，是企業建立高質量模型及應用的關鍵。語料加工工具與圖譜構建工具，是企業

55、建立高質量模型及應用的關鍵。根據 2024向星力未來數據技術峰會中星環科技創始人、CEO 孫元浩的演講，決定行業大模型質量最關鍵的因素就是語料，語料的質量決定了模型的質量。同時高質量語料也是解決行業大模型“幻覺”、“可信可控”等核心落地難點的重要手段。另外，高質量行業專用語料是企業、機構獨特的競爭優勢和天然壁壘。星環的優勢在于數據治理、語料處理優勢。星環的優勢在于數據治理、語料處理優勢。以互聯網巨頭為代表的 MaaS 廠商更傾向于提供標準化的模型服務平臺，客戶需要自行完成數據預處理、模型適配和環境部署。而星環科技則具備完整的語料清洗、大數據治理和數據工程能力，語料生成工具能解決大模型部署前語料

56、整理這一耗時耗人力的前置工作、企業知識庫和圖譜構建工具能助力模型調優和具體場景落地。星環科技發布了一站式多場景語料平臺一站式多場景語料平臺Transwarp Corpous Sudio（TCS），覆蓋了語料獲取、清洗、加工、治理、應用和管理的全生命周期，具有多種靈活的采集和構建方式，能分布式的高效處理海量語料。TCS 支持 20+主流文檔格式、數據化學公式、復雜語料處理、語料自動標注及篩選、多視角體系化資產編目和數據治理等。企業知識庫的建設企業知識庫的建設，讓數據可以用自然語言方式進行對話和檢索，企業可以集中式地管理和利用知識資源，提高運營效率和創新能力。知識庫建設變成企業的基礎設施，所有的不

57、同類型的數據都能進行存儲與管理，能根據需要導入到知識庫中。只要企業保有自己的知識庫，就可以通過微調得到企業專屬的大模型，就可以實現大模型可以隨時選、隨時換，而企業核心競爭力得到保護的目標。企業用戶利用 TKH 提供的星環圖譜構建工具星環圖譜構建工具 Transwarp Knowledge Studio for LLM，可以將企業內部數據、個人經驗數據和公開信息數據轉化為知識，讓數據平臺更加智能化，同時可以將 AIPC 端和云端資源聯動，確保數據安全性。個人經驗數據的知識轉化和不斷的模型微調讓知識庫建設更具個性化，真正實現個性化、專家級大模型應用。數據預處數據預處理理對企業數對企業數據進行清據進

58、行清洗、整理、洗、整理、標注等操標注等操作作，以提高數據質量，為模型訓練提供更好的數據基礎模型訓練模型訓練利用大量大量語料庫語料庫對大型語言模型進行訓練，以提高其對自然語言的理解能力。模型評估模型評估與調優與調優根據特定任務需求，對模型進行評估與調優，以提高其性能部署實施部署實施將訓練好的模型部署到實際應用場景中，完成私有化部署。運營維護運營維護對模型進行長期運營維護，以確保其持續為企業提供智能化服務 敬請閱讀末頁的重要說明 17 公司深度報告 圖圖 22：星環科技大數據治理優勢顯著，以投資集團數據開發案例為例星環科技大數據治理優勢顯著，以投資集團數據開發案例為例 資料來源：星環科技官網，招商

59、證券 2、深耕深耕金融金融與與政府政府，客群基礎保障客群基礎保障 AI+業務彈性業務彈性 以金融、政府為代表的行業積極擁抱以金融、政府為代表的行業積極擁抱 DeepSeek 等大模型私有化部署落地。等大模型私有化部署落地。DeepSeek 憑借其低成本、高性能、開源和國產化等特點，在國務院國資委召開的中央企業“AI+”專項行動深化部署會的推動下，引發了政府和金融等行業的私有化部署熱潮。根據中國商報，截至 2 月 15 日，已有多家銀行以及頭部券商接連官宣接入 DeepSeek 大模型，匯添富基金、諾安基金、萬家基金等十余家公募基金公司也已部署 DeepSeek 大模型。根據安全內參，截至 2

60、月 14 日，已有包括深圳、廣州、杭州、蘇州等在內的約 20 個地區宣布接入 DeepSeek 以探索政務應用。星環來自金融星環來自金融、政府、政府行業的收入占比最大行業的收入占比最大，客群基礎保障客群基礎保障 AI+業務彈性業務彈性。從客戶。從客戶基礎看，基礎看，根據星環官微，公司產品覆蓋金融、政府、交通、能源、制造、醫療等十余個行業，累計服務超 1500 家終端用戶；其中金融行業客戶累計超 300 家，覆蓋銀行、券商、保險等多個細分領域，客戶包括鄭州商品交易所、江蘇銀行、興業銀行、招商證券、國泰君安等；政府客戶包括上海市大數據中心、上海市氣象局、貴州大數據中心等。從收入占比看，從收入占比看

61、，根據公司公告，2023 全年公司金融/政府客戶分別占收入比重 32%/32%，2024H1 公司金融/政府客戶分別占收入比重 40%/38%。從落地案例來看，從落地案例來看，根據公司產品白皮書，Sophon LLMOps 大模型運營平臺已在某頭部券商實現應用；LLMOps 前身機器學習運營平臺 MLOps在某股份制銀行、廣發證券、國泰君安等客戶處均實現落地。敬請閱讀末頁的重要說明 18 公司深度報告 表表 5：金融、政府等行業積極接入：金融、政府等行業積極接入 DeepSeek 大模型（部分案例）大模型（部分案例）行業行業 相關機構相關機構 具體接入情況具體接入情況 金融金融 國金證券國金證

62、券 國金證券已完成 DeepSeek 大模型的本地化部署測試 興業證券興業證券 搭建數智中臺，支持接入阿里通義千問等開源大模型，日前又追加完成 DeepSeek V3和 R1 兩款大模型產品接入中臺大模型矩陣，可實現諸多業務場景的全面賦能升級 廣發證券廣發證券 在其機構客戶綜合服務平臺“廣發智匯”正式上線 DeepSeek 客戶服務模塊，將助力機構投資者提升投研效率 江蘇銀行江蘇銀行 依托“智慧小蘇”大語言模型服務平臺，成功本地化部署微調 DeepSeek-VL2 多模態模型、輕量 DeepSeek-R1 推理模型，分別運用于智能合同質檢和自動化估值對賬場景中 匯添富基金匯添富基金 已完成 D

63、eepSeek 系列開源模型的私有化部署，并將應用于投資研究、產品銷售、風控合規、客戶服務等核心業務場景 諾安基金諾安基金 完成 DeepSeek 金融大模型的本地化部署，并推出基于主流 AI 開源框架自主研發的“諾安 AI 助手”政府政府 深圳市龍崗區政務深圳市龍崗區政務 在該區的官方政務外網部署上線了 Deepseek-R1 全尺寸模型，成為深圳市首個在政務信創環境下成功部署該模型的政府部門。目前，Deepseek 模型的能力已向龍崗區各部門開放，并通過區智慧力公系統（OA）和“龍小 i”應用矩陣賦能全體公職人員 杭州政務杭州政務 全國首個實現 DeepSeek-R1 671B 等系列模型

64、在政務信創環境的部署應用 宿遷市政務宿遷市政務 宿遷市數據局與京東科技深入合作，在政務云平臺完成 DeepSeek 的私有化雙區部署 河北政務河北政務 河北省的廊坊、邯鄲、滄州、秦皇島、唐山等多個政府部門以及國企也宣布已部署DeepSeek 大模型 資料來源：中國商報公眾號，安全內參，河北日報，招商證券 3、第三方第三方 MaaS 廠商更具兼容性和適配性優勢廠商更具兼容性和適配性優勢 盡管都提供混合部署、異構算力、多模型支撐接入服務，但盡管都提供混合部署、異構算力、多模型支撐接入服務，但互聯網巨頭互聯網巨頭 MaaS平臺傾向于通過云端資源提供服務，且與自家生態綁定更深。平臺傾向于通過云端資源提

65、供服務，且與自家生態綁定更深。如根據火山方舟官網，火山方舟具有充沛的公有云 GPU 資源池，助力全行業云上增長新動力，新用戶權益包括每款豆包大語言提供 50 萬 Tokens 免費額度，可提供豆包大模型豐富應用場景和解決方案的落地；根據華為云 AI 開發平臺 ModelArts 官網，AI高效遷移以提供全流程云化昇騰遷移工具鏈為主。政企客戶對國產異構算力與多模型動態編排能力的需求提升政企客戶對國產異構算力與多模型動態編排能力的需求提升，第三方，第三方 MaaS 廠商廠商優勢顯現優勢顯現。出于安全性、自主性、成本效益、靈活性等方面的考量，政府客戶和央國企客戶在選擇大模型私有化部署方案時，會提出國

66、產異構算力、多模型動態編排的需求，第三方 MaaS 廠商會更具多種算力、模型生態的適配兼容優勢。如基于 Sophon LLMOps 高階版，DeepSeek 不僅支持國內外主流 GPU/NPU 的混合部署，還深度適配國產 GPU（如寒武紀、海光、昇騰等），為企業提供自主可控的算力底座。敬請閱讀末頁的重要說明 19 公司深度報告 圖圖 23：火山方舟火山方舟：豆包大模型落地工具更為豐富豆包大模型落地工具更為豐富 圖圖 24：華為云華為云 ModelArts：算力更多適配：算力更多適配昇昇騰騰/鯤鵬生態鯤鵬生態 資料來源：火山方舟官網，招商證券 資料來源：華為云 AI 開發平臺 ModelArts

67、 官網，招商證券 四、四、盈利預測盈利預測與風險提示與風險提示 1、盈利預測、盈利預測 大數據基礎軟件業務：大數據基礎軟件業務：大數據與云基礎平臺大數據與云基礎平臺&分布式關系型數據庫分布式關系型數據庫&技術服務：技術服務：2024 年度客戶在采購決策上更為謹慎，招標時間點較往年出現后置，且驗收流程耗時延長，致使公司整體收入確認時間延后，進而導致收入下降?？紤] 24 年低基數、25年客戶預算修復及信創、BI 需求持續釋放，假設 25-26 年收入增速回歸快速增長。數據開發與智能分析工具軟件業務：數據開發與智能分析工具軟件業務：考慮 DeepSeek 等大模型進展突破下，客戶大模型部署需求加速釋

68、放，公司 AI Infra 相關業務需求躍升。AI Infra業務商業模式包括產品授權費+項目部署實施費+節點擴容費，假設客單價500 萬元，公司累計服務超 1500 家終端用戶，增量業務空間潛力大，因此假設 25-26 年實現高速增長。表表 6：銷售收入結構預測銷售收入結構預測 單位：百萬元單位：百萬元 2020 2021 2022 2023 2024E 2025E 2026E 主營業務收入主營業務收入 259.99 330.86 372.62 490.81 371.46 523.22 693.14 yoy 49.21%27.26%12.62%31.72%-24.32%40.86%32.48

69、%毛利率 58.02%58.94%56.53%59.61%57.00%59.00%60.00%營收拆分營收拆分按產品線按產品線 1、大數據基礎軟件業務、大數據基礎軟件業務 167.65 222.83 264.34 305.52 317.73 451.19 599.50 yoy 32.91%18.63%15.58%-20.30%42.01%32.87%占收入比重 96.21%85.71%79.89%81.99%85.53%86.23%86.49%1）大數據與云基礎平臺軟件業務）大數據與云基礎平臺軟件業務 128.89 134.55 146.17 130.84 139.13 180.87 226.

70、09 yoy 4.39%8.63%-10.49%-25.50%30.00%25.00%占收入比重 73.97%51.75%44.18%35.11%37.46%34.57%32.62%2）分布式關系型數據庫軟件業務）分布式關系型數據庫軟件業務 1.40 3.60 13.58 31.20 40.15 52.19 70.46 yoy 157.70%277.80%129.69%-25.00%30.00%35.00%占收入比重 0.80%1.38%4.11%8.37%10.81%9.98%10.17%敬請閱讀末頁的重要說明 20 公司深度報告 3）數據開發與智能分析工具軟件業務）數據開發與智能分析工具軟

71、件業務 14.69 32.12 40.15 51.92 76.30 137.33 206.00 yoy 118.69%25.01%29.33%-10.50%80.00%50.00%占收入比重 8.43%12.35%12.13%13.93%20.54%26.25%29.72%4）技術服務）技術服務 22.68 52.56 64.43 91.56 62.15 80.79 96.95 yoy 131.76%22.58%42.11%-15.00%30.00%20.00%占收入比重 13.02%20.22%19.47%24.57%16.73%15.44%13.99%2、應用與解決方案、應用與解決方案 3

72、.87 30.38 54.46 61.16 43.50 58.73 76.34 yoy 685.33%79.29%12.29%-45.00%35.00%30.00%占收入比重 2.22%11.68%16.46%16.41%11.71%11.22%11.01%3、其他業務、其他業務 2.73 6.79 12.06 5.95 10.23 13.30 17.30 yoy 149.05%77.74%-50.70%-20.00%30.00%30.00%占收入比重 1.56%2.61%3.65%1.60%2.76%2.54%2.50%資料來源：公司數據、招商證券 2、風險提示、風險提示 大模型部署落地需求

73、不及預期：大模型部署落地需求不及預期：若政府及金融等客戶大模型私有化部署落地需求不及預期，公司 Sophon 及知識中臺相關業務需求難以加速釋放。人才競爭加?。喝瞬鸥偁幖觿。簲祿炫c數據平臺基礎軟件專業人才稀缺，未來人才競爭可能進一步加劇，若公司不及大廠搶人力度可能存在人才流失風險；業務拓展速度不及預期：業務拓展速度不及預期：公司目前仍未盈利，若未來業務拓展速度不及研發與其他費用投入速度，規模效應長期無法顯現，或導致投資者信心下降融資渠道受阻，面臨發展困境；行業競爭加?。盒袠I競爭加?。耗壳肮舅陬I域玩家眾多，存在競爭加劇的風險，可能導致公司市場份額下滑，對業績產生不利影響。敬請閱讀末頁的重要

74、說明 21 公司深度報告 附：財務預測表附：財務預測表 資產負債表資產負債表 單位：百萬元 2022 2023 2024E 2025E 2026E 流動資產流動資產 1874 1559 1123 1323 1538 現金 283 353 63 75 81 交易性投資 1262 595 595 595 595 應收票據 3 1 1 1 2 應收款項 239 376 285 401 531 其它應收款 8 8 6 9 12 存貨 49 50 40 54 70 其他 30 175 133 187 247 非流動資產非流動資產 74 234 273 299 315 長期股權投資 0 0 0 0 0 固

75、定資產 19 91 132 160 179 無形資產商譽 0 22 20 18 16 其他 55 121 121 121 120 資產總計資產總計 1947 1793 1396 1621 1854 流動負債流動負債 185 295 241 638 951 短期借款 0 56 43 403 674 應付賬款 50 94 76 102 132 預收賬款 23 38 31 42 54 其他 112 106 91 92 92 長期負債長期負債 54 58 58 58 58 長期借款 0 0 0 0 0 其他 54 58 58 58 58 負債合計負債合計 239 353 299 697 1010 股本

76、 121 121 121 121 121 資本公積金 2278 2298 2298 2298 2298 留存收益(688)(976)(1318)(1489)(1570)少數股東權益(3)(3)(5)(5)(5)負債及權益合計負債及權益合計 1947 1793 1396 1621 1854 現金流量表現金流量表 單位：百萬元 2022 2023 2024E 2025E 2026E 經營活動現金流經營活動現金流(300)(365)(230)(318)(217)凈利潤凈利潤(272)(289)(343)(172)(81)折舊攤銷 10 13 37 53 63 財務費用 1 3 2 13 32 投資收

77、益(9)(29)(54)(67)(67)營運資金變動(29)(63)126(159)(177)其它 0 0 1 13 13 投資活動現金流(822)434(30)(17)(17)資本支出(31)(133)(84)(84)(84)其他投資(791)568 54 67 67 籌資活動現金流籌資活動現金流 1321 32(30)348 240 借款變動(47)6(28)360 271 普通股增加 30 0 0 0 0 資本公積增加 1335 20 0 0 0 股利分配 0 0 0 0 0 其他 3 5(2)(13)(32)現金凈增加額現金凈增加額 199 100(290)13 6 利潤表利潤表 單位

78、：百萬元 2022 2023 2024E 2025E 2026E 營業總收入營業總收入 373 491 371 523 693 營業成本 162 198 160 215 277 營業稅金及附加 2 3 2 3 4 營業費用營業費用 205 263 241 183 139 管理費用 121 126 130 131 173 研發費用研發費用 194 223 193 209 208 財務費用(1)(0)2 13 32 資產減值損失(9)(25)(40)(8)(8)公 允 價 值 變 動 收 益 0 1 1 1 1 其 他 收 益 37 27 24 37 37 投資收益 9 29 29 29 29 營

79、業利潤營業利潤(273)(289)(343)(172)(81)營業外收入 0 0 0 0 0 營業外支出 0 0 0 0 0 利 潤 總 額利 潤 總 額 (272)(289)(343)(172)(81)歸 屬 于 母 公 司 凈 利 潤歸 屬 于 母 公 司 凈 利 潤 (271)(288)(342)(171)(81)主要財務比率主要財務比率 2022 2023 2024E 2025E 2026E 年成長率年成長率 營業總收入 13%32%-24%41%32%營業利潤 10%-6%-19%50%53%歸母凈利潤 11%-6%-19%50%53%獲利能力獲利能力 毛利率 56.5%59.6%5

80、7.0%59.0%60.0%凈利率-72.8%-58.7%-92.1%-32.7%-11.7%ROE-23.3%-18.3%-26.9%-16.9%-9.1%ROIC-23.2%-17.9%-25.8%-12.9%-3.5%償債能力償債能力 資產負債率 12.3%19.7%21.4%43.0%54.5%凈負債比率 1.0%3.9%3.1%24.9%36.4%流動比率 10.1 5.3 4.7 2.1 1.6 速動比率 9.9 5.1 4.5 2.0 1.5 營運能力營運能力 總資產周轉率 0.3 0.3 0.2 0.3 0.4 存貨周轉率 3.5 4.0 3.5 4.5 4.4 應收賬款周轉率

81、 1.8 1.6 1.1 1.5 1.5 應付賬款周轉率 3.6 2.7 1.9 2.4 2.4 每股資料每股資料(元元)EPS-2.25-2.39-2.83-1.42-0.67 每股經營凈現金-2.48-3.02-1.90-2.63-1.79 每股凈資產 14.16 11.94 9.11 7.70 7.03 每股股利 0.00 0.00 0.00 0.00 0.00 估值比率估值比率 PE-31.0-29.2-24.6-49.2-104.2 PB 4.9 5.8 7.6 9.1 9.9 EV/EBITDA-32.5-31.1-28.4-81.7 608.8 資料來源：公司數據、招商證券 敬請

82、閱讀末頁的重要說明 22 公司深度報告 分析師分析師承諾承諾 負責本研究報告的每一位證券分析師，在此申明，本報告清晰、準確地反映了分析師本人的研究觀點。本人薪酬的任何部分過去不曾與、現在不與，未來也將不會與本報告中的具體推薦或觀點直接或間接相關。評級評級說明說明 報告中所涉及的投資評級采用相對評級體系，基于報告發布日后 6-12 個月內公司股價（或行業指數）相對同期當地市場基準指數的市場表現預期。其中，A 股市場以滬深 300 指數為基準；香港市場以恒生指數為基準；美國市場以標普 500 指數為基準。具體標準如下：股票評級股票評級 強烈推薦：預期公司股價漲幅超越基準指數 20%以上 增持：預期

83、公司股價漲幅超越基準指數 5-20%之間 中性：預期公司股價變動幅度相對基準指數介于 5%之間 減持：預期公司股價表現弱于基準指數 5%以上 行業評級行業評級 推薦：行業基本面向好，預期行業指數超越基準指數 中性：行業基本面穩定，預期行業指數跟隨基準指數 回避：行業基本面轉弱，預期行業指數弱于基準指數 重要重要聲明聲明 本報告由招商證券股份有限公司（以下簡稱“本公司”）編制。本公司具有中國證監會許可的證券投資咨詢業務資格。本報告基于合法取得的信息，但本公司對這些信息的準確性和完整性不作任何保證。本報告所包含的分析基于各種假設，不同假設可能導致分析結果出現重大不同。報告中的內容和意見僅供參考，并不構成對所述證券買賣的出價，在任何情況下，本報告中的信息或所表述的意見并不構成對任何人的投資建議。除法律或規則規定必須承擔的責任外，本公司及其雇員不對使用本報告及其內容所引發的任何直接或間接損失負任何責任。本公司或關聯機構可能會持有報告中所提到的公司所發行的證券頭寸并進行交易，還可能為這些公司提供或爭取提供投資銀行業務服務?？蛻魬斂紤]到本公司可能存在可能影響本報告客觀性的利益沖突。本報告版權歸本公司所有。本公司保留所有權利。未經本公司事先書面許可，任何機構和個人均不得以任何形式翻版、復制、引用或轉載，否則，本公司將保留隨時追究其法律責任的權利。