2025年星环科技研究报告：从Data Infra到AIInfra，大模型部署的“卖铲人”

一、星环科技：从 Data Infra 延伸至 AI Infra

1、Data Infra 延伸至 AI Infra，AI 数据工程基因纯粹

公司以大数据技术起家，AI 数据工程基因纯粹，从 Data Infra 延伸至 AI Infra， 将深度受益于企业私有化部署大模型的浪潮。公司于 2013 年成立，创始人孙元 浩 2003-2013 年在英特尔数据中心软件部任亚太区 CTO，随后与同伴离开创立 星环科技。公司以大数据基础平台起家，核心技术从开源向自研持续推进，在关 系型分析引擎、实时流处理引擎、容器云技术、数据云服务、多模型数据的统一 处理技术等多方面做出重大革新，发展至今形成了大数据基础平台、分布式数据 库、数据开发与智能分析工具、数据云平台等完整产品矩阵，覆盖大数据全生命 周期管理。基于数据工程基因，大模型时代浪潮下公司业务定位由数字基础设施 提供商进一步延伸至 AI 基础设施企业。 股权结构：当前公司股权结构中，创始人孙元浩直接持有与通过股权激励平台赞 星投资合计持有公司 16%股份，为公司实控人；腾讯旗下林芝利创持股 8%，国 有控股的产业投资基金持股 7%，腾讯与公司具备业务合作潜力，星环有望成为 腾讯云在大模型 AI 时代推进业务的重要合作伙伴。

技术领先的大数据基础设施厂商（Data Infra）。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，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”数据管理 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，是覆盖超过 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。

由数字基础设施提供商进一步延伸至 AI 基础设施企业（AI Infra）。公司通过整 合大数据、人工智能等技术，推出知识平台 Transwarp Knowledge Hub（TKH）， 完善了 AI 从基础设施到应用的产业链条。TKH 为企业客户提供安全可控的 AI 基础设施，打造从语料处理、模型训练、知识库建设等一整套的工具链，帮助企 业快速建立行业大模型，快速使用 AIGC。TKH 由四个关键部分组成：1）知识 存储与服务：提供企业级多模态知识存储，支持高效的知识检索和管理。2）语 料开发与知识构建：包括一站式多场景语料平台 TCS 和知识图谱构建工具集 TKS，用于构建高质量的行业特定模型。3）大模型基础服务：涵盖 Sophon LLMOps、Infinity 等工具，大模型运营工具 Sophon LLMOps、无涯大模型 Infinity 用于微调和优化通用大模型以适应特定业务需求。4）原生 AI 应用：提供无涯·问 知、无涯·问数等 AI 原生应用，应用于金融、能源等多个行业。

2、财务分析：深耕政府、金融行业客户，具备高成长性

业务具备高成长性，产品结构多元均衡发展。2023 年公司营收 4.91 亿元， 2019-2023 年 CAGR 为 29.55%，展现出强劲的增长势头。从营收结构来看，大 数据基础软件与技术服务是公司的主要营收来源，2021-2023 年收入占比分别为 79.89%、81.99%和 81.22%。该业务涵盖大数据与云基础平台软件业务、分布 式关系型数据库软件业务和数据开发与智能分析工具软件业务。其中，大数据与 云基础平台软件业务是大数据基础软件与技术服务的主要构成部分，2024 年上 半年在总营收中贡献 32.53%。

产品需求稳定，政府、金融等重点行业深耕铸就坚实发展根基。公司产品具备长 期稳定的潜在需求，已在金融、政府、能源、交通、制造业等众多主要国民经济 支柱领域得到广泛应用。公司的主营业务收入高度集中于金融和政府行业，这两 个行业占比均达 35%以上。2024 年上半年，金融和政府行业营业收入贡献分别 为 39.69%及 37.87%。在政府领域，各地大数据中心客户是公司主要的服务对 象；金融领域，则聚焦于股份制银行、农商行、券商以及新开拓的量化客户等群 体。在公司建立的“生态”中，公司拥有数百家项目合作伙伴，超过上千家的终端用户已采购公司产品。公司产品用户粘性高且公司注重对于老客户的维护，2023 年，公司老客户复购产生的收入约占公司主营业务收入的 71.12%，构成公司主 要的收入来源。

整体毛利率维持在 60%左右。得益于公司继续提质增效，主动聚焦高价值、高 毛利的软件授权业务，积极构建产品技术生态，培养交付合作伙伴，优化服务实 施成本，公司毛利率自 2022 年来显著提升，2023 年整体毛利率为 59.61%。 三费费率全面下降，优化经营成本成效凸显。随着公司业务规模进一步扩大，以 及公司通过持续提升经营效率，加强成本控制，研发、销售和管理费用三费费率 全面下降。

人效提升显著，公司高度重视研发人才。从人效来看，当前公司处于快速成长期， 人均创收与人均毛利整体上行。从公司人员与薪酬结构来看：1）技术支持与服 务人员占比较高。截至 23 年底，公司技术与服务人员占比较高，约占 36%，主 要系公司产品和服务面临的系统环境和客户需求复杂，相关产品部署、方案设计及技术服务的实施需要较多人员投入。2）从人员增长绝对值来看，21-23 年公 司研发人员数量增长最多，23 年较 20 年增长 184 人，23 年研发人员占比达到 1/3。3）人员薪酬方面，21 年公司研发人员平均薪酬 48 万为公司最高，23 年 研发人员平均薪酬超过 50 万，公司对研发人才较为重视。

二、MaaS 厂商将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“卖铲人”

什么是 MaaS（模型即服务）？根据中国信通院《Maas 框架与应用研究报告（2024 年）》，大模型背景下 MaaS（模型即服务）概念是指将 AI 模型及其相关能力 打包成可重复使用的服务，使企业能够快速高效地构建、部署、监控、调用模型， 无须开发和维护底层基础能力。在人工智能体系架构中，MaaS 处于应用层和基 础设施层之间，由三部分组成，分别包括模型平台层、模型服务层和模型应用开 发层，每层可作为单独服务供用户调取，也可搭载下层设施提供更完整的服务。 MaaS 主要提供三部分服务能力： 提供包括模型训练、调优和部署等在内的全栈平台型服务，以支持低门槛的 模型开发与定制，用户无需关注 AI 算力、框架和平台即可生产和部署模型； 提供包括大小模型及公私域数据集的丰富资产库服务，以支持模型和数据集 的灵活快速调用，用户无须生产和部署模型即可调用模型和数据集服务；  提供基于 AI 模型的应用开发工具服务，以支持快速打造场景化应用，用户 无须搭建开发工具即可进行 AI 应用开发。

为什么需要 MaaS 厂商？随着大模型性能的不断增强和应用需求大规模增长，其 技术成本和经济成本也愈加高昂，面临的挑战也愈加复杂，在部署大模型落地的 过程中，企业会面临获取算力门槛高，训练、调优、推理和部署等方面的技术难 度高，应用落地场景适配难和开发效率不足等问题。即大模型规模化落地面临高 性能、高需求、高成本等落地压力和挑战，而 MaaS 基于高效、便捷、灵活等优 势，可成为推动大模型应用落地的重要力量，使得 MaaS 在大模型时代下的增益 效果更为突出。

MaaS 有哪些参与者？MaaS 产业图谱中，平台服务构成了 MaaS 生态系统的基 座能力。国外如 Google 的 AIPlatform、微软的 AzureMachine Learning 以及亚 马逊的 Amazon SageMaker 等平台，提供了从数据处理到模型训练、验证、部 署及监控的流水线服务。国内如阿里云 PAI 平台、腾讯云太极平台、百度千帆大 模型平台和华为的 ModelArts 平台等，均支持多种机器学习算法和大模型，并提 供低代码开发环境与高效的模型训练及部署能力，能够适应多样化的模型定制需 求。互联网巨头之外，第三方厂商如星环科技、硅基流动、帆软等也是 MaaS 厂 商的重要参与者。

2、星环 AI Infra 产品 TKH 覆盖企业级大模型全生命周期

星环知识平台 Transwarp Knowledge Hub：根据公司 24 年中报，公司业务定 位由数字基础设施提供商进一步延伸至 AI 基础设施企业，通过整合大数据、人 工智能等产品和技术，推出知识平台 Transwarp Knowledge Hub（TKH）。TKH平台致力于为企业提供一个全面、高效、智能的数据处理和知识管理解决方案， 旨在实现企业资料的全面知识化，同时优化企业内部的知识共享与应用。TKH 平台可以统管企业 Al Infra 算力、语料、模型和应用，助力企业打造安全可控的 AI Infra。公司的知识平台 TKH 包括知识存储与服务、语料开发与知识构建、大 模型基础服务、AI 应用等几个重要部分。 在企业私有化部署大模型的过程中，大模型运营平台 LLMOps 及知识管理平台 两块工具起到尤其重要的作用，下面我们将重点解析： 大模型运营平台 LLMOps：可以理解为“大模型的操作系统”，是企业私 有化部署大模型底座的必需平台，向上可对接各种大模型，向下适配和调度 各种计算卡资源； 知识平台：包含知识构建工具、知识管理平台等，主要负责搭建企业特色知 识库、构建企业特色大模型，是企业特色大模型训练调优、具体业务场景落 地的重要环节。

（1）LLMOps：大模型操作系统，统一纳管模型、助力降低算力成本

Sophon LLMOps：覆盖企业级大模型全生命周期运营管理，可理解为企业的“大 模型操作系统”。根据公司官网，星环大模型运营平台(Sophon LLMOps)是星环 科技推出的企业级大模型全生命周期运营管理平台,旨在赋能企业用户能敏捷、 高效、有闭环地将大模型落地到生产和业务中去。Sophon LLMOps 打通并优化 了语料接入和开发、提示工程、大模型训练、知识抽取和融合、模型管理、应用 和智能体构建、应用部署、运维和监控，以及业务效果对齐提升的全链路流程。 根据公司官网《Sophon+LLMOps 大模型运营平台白皮书》，LLMOps 主要提供 语料数据处理阶段、语料知识入库阶段、提示词开发阶段、模型训练和管理阶段、 应用构建和管理阶段、服务部署上线阶段六大功能。

LLMOps 是企业私有化部署大模型不可或缺的中台操作系统，星环的 Sophon LLMOps 可赋能企业级私有化部署，帮助企业显著降低算力成本，同时提升模 型训练和推理效率。根据公司官方公众号，目前，某头部券商已通过该平台实现 30 余种大模型统一纳管，RTO（恢复时间目标）≤4 小时、RPO（恢复点目标） ≤5 分钟，显著提升业务连续性。

全栈私有化部署：支持一键部署全参或蒸馏版模型，满足金融、政务、医疗 等行业合规要求。

场景化开发工具链：内置分布式训练框架、模型压缩技术，助力企业快速开 发智能风控、辅助诊断等深度应用。

国产算力适配：深度优化寒武纪、昇腾等国产 GPU/NPU，实现高性能与低 成本兼顾。

（2）知识平台：企业特色大模型构建及应用场景落地工具

在大模型的本地化部署过程中，除了搭建平台和优化算力调度通用大模型外，还 涉及到企业特色大模型的构建，需接入企业自身的知识库、整合业务场景数据。

星环提供图谱构建工具和语料开发工具，可以帮助企业整理、结构化存储数 据，降低企业自行搭建知识库的门槛，并将其导入大模型推理阶段；

提供知识管理平台，支持关系型数据、向量数据、全文检索、图数据、时序 数据等的统一存储管理，满足各类场景下多模态数据的统一存储管理与服务， 大幅简化知识库的知识存储与服务层架构，降低开发与运维成本。RAG（检 索增强生成）技术，可以让大模型在推理时动态调用企业知识库，提高模型 的准确性和行业适配性。而在 RAG 过程中，知识库数据的调用涉及到向量 数据库，专门用于存储和检索向量化的企业知识数据； 

此外，大模型的微调也是企业个性化部署的重要环节，星环科技的 MaaS 平 台具备一系列开发工具，可用于模型优化和调优。

三、被低估的私有化部署 AI Infra 厂商

市场普遍担忧，MaaS 行业竞争者众多，市场格局较为分散，尤其是阿里云 PAI、 腾讯云太极、百度千帆、华为 ModelArts、科大讯飞等互联网巨头凭借其公有云 生态和规模优势，在 MaaS 赛道中占据主导地位。 我们认为，尽管互联网巨头在公有云 MaaS 领域更加具备市场份额和资源优势， 但星环科技在私有化部署场景中具有独特的竞争力。其优势主要体现在三个方面： （1）公司在 AI 数据工程领域具备深厚的技术积累，在语料清洗、大数据治理等 方面拥有先发优势，使得其 MaaS 方案更符合私有化客户的需求；（2）政府与 金融行业是大模型私有化部署最积极的行业，而星环科技在这两个行业的客户基 础稳固，收入占比最高；（3）作为第三方 MaaS 厂商，星环科技的解决方案在 异构算力适配、跨大模型兼容性等方面表现优异，能够灵活地满足企业客户的本 地化部署需求。

1、AI 数据工程能力赋能MaaS

根据百度智能云，企业私有化部署流程可分为数据预处理-模型训练-模型评估与 调优-部署实施-运营维护几个步骤：

语料加工工具与图谱构建工具，是企业建立高质量模型及应用的关键。根据 2024 向星力·未来数据技术峰会中星环科技创始人、CEO 孙元浩的演讲，决定行业 大模型质量最关键的因素就是语料，语料的质量决定了模型的质量。同时高质量 语料也是解决行业大模型“幻觉”、“可信可控”等核心落地难点的重要手段。 另外，高质量行业专用语料是企业、机构独特的竞争优势和天然壁垒。 星环的优势在于数据治理、语料处理优势。以互联网巨头为代表的 MaaS 厂商更 倾向于提供标准化的模型服务平台，客户需要自行完成数据预处理、模型适配和 环境部署。而星环科技则具备完整的语料清洗、大数据治理和数据工程能力，语 料生成工具能解决大模型部署前语料整理这一耗时耗人力的前置工作、企业知识 库和图谱构建工具能助力模型调优和具体场景落地。

星环科技发布了一站式多场景语料平台Transwarp Corpous Sudio（TCS）， 覆盖了语料获取、清洗、加工、治理、应用和管理的全生命周期，具有多种 灵活的采集和构建方式，能分布式的高效处理海量语料。TCS 支持 20+主 流文档格式、数据化学公式、复杂语料处理、语料自动标注及筛选、多视角 体系化资产编目和数据治理等。 

企业知识库的建设，让数据可以用自然语言方式进行对话和检索，企业可以 集中式地管理和利用知识资源，提高运营效率和创新能力。知识库建设变成 企业的基础设施，所有的不同类型的数据都能进行存储与管理，能根据需要 导入到知识库中。只要企业保有自己的知识库，就可以通过微调得到企业专 属的大模型，就可以实现大模型可以随时选、随时换，而企业核心竞争力得 到保护的目标。

企业用户利用 TKH 提供的星环图谱构建工具 Transwarp Knowledge Studio for LLM，可以将企业内部数据、个人经验数据和公开信息数据转化 为知识，让数据平台更加智能化，同时可以将 AIPC 端和云端资源联动，确 保数据安全性。个人经验数据的知识转化和不断的模型微调让知识库建设更 具个性化，真正实现个性化、专家级大模型应用。

2、深耕金融与政府，客群基础保障 AI+业务弹性

以金融、政府为代表的行业积极拥抱 DeepSeek 等大模型私有化部署落地。 DeepSeek 凭借其低成本、高性能、开源和国产化等特点，在国务院国资委召开 的中央企业“AI+”专项行动深化部署会的推动下，引发了政府和金融等行业的 私有化部署热潮。根据中国商报，截至 2 月 15 日，已有多家银行以及头部券商 接连官宣接入 DeepSeek 大模型，汇添富基金、诺安基金、万家基金等十余家公 募基金公司也已部署 DeepSeek 大模型。根据安全内参，截至 2 月 14 日，已有 包括深圳、广州、杭州、苏州等在内的约 20 个地区宣布接入 DeepSeek 以探索 政务应用。 星环来自金融、政府行业的收入占比最大，客群基础保障 AI+业务弹性。从客户 基础看，根据星环官微，公司产品覆盖金融、政府、交通、能源、制造、医疗等 十余个行业，累计服务超 1500 家终端用户；其中金融行业客户累计超 300 家， 覆盖银行、券商、保险等多个细分领域，客户包括郑州商品交易所、江苏银行、 兴业银行、招商证券、国泰君安等；政府客户包括上海市大数据中心、上海市气 象局、贵州大数据中心等。从收入占比看，根据公司公告，2023 全年公司金融/ 政府客户分别占收入比重 32%/32%，2024H1 公司金融/政府客户分别占收入比 重 40%/38%。从落地案例来看，根据公司产品白皮书，Sophon LLMOps 大模 型运营平台已在某头部券商实现应用；LLMOps 前身机器学习运营平台 MLOps 在某股份制银行、广发证券、国泰君安等客户处均实现落地。

3、第三方 MaaS 厂商更具兼容性和适配性优势

尽管都提供混合部署、异构算力、多模型支撑接入服务，但互联网巨头 MaaS 平台倾向于通过云端资源提供服务，且与自家生态绑定更深。如根据火山方舟官 网，火山方舟具有充沛的公有云 GPU 资源池，助力全行业云上增长新动力，新 用户权益包括每款豆包大语言提供 50 万 Tokens 免费额度，可提供豆包大模型 丰富应用场景和解决方案的落地；根据华为云 AI 开发平台 ModelArts 官网，AI 高效迁移以提供全流程云化昇腾迁移工具链为主。 政企客户对国产异构算力与多模型动态编排能力的需求提升，第三方 MaaS 厂商 优势显现。出于安全性、自主性、成本效益、灵活性等方面的考量，政府客户和 央国企客户在选择大模型私有化部署方案时，会提出国产异构算力、多模型动态 编排的需求，第三方 MaaS 厂商会更具多种算力、模型生态的适配兼容优势。如 基于 Sophon LLMOps 高阶版，DeepSeek 不仅支持国内外主流 GPU/NPU 的混 合部署，还深度适配国产 GPU（如寒武纪、海光、昇腾等），为企业提供自主 可控的算力底座。

编辑：火腿肠