星环科技:投资者关系活动记录表_2025年4月28日

证券代码：688031 证券简称：星环科技
星环信息科技（上海）股份有限公司
投资者关系活动记录表
编号：2025-002
□特定对象调研 □分析师会议
□媒体采访 □业绩说明会
投资者关系 □新闻发布会 □路演活动
活动类别 □现场参观 ☑电话会议
□其他 （请文字说明其他活动内容）
招商证券、浙商证券、国泰海通证券、中金公司、广发证券、长江证券、东方财
参与单位名 富、华夏基金、中欧基金、天弘基金、华宝基金、平安基金、新华基金、摩根基
称 金、工银理财、招商银行、米仓资本、鹏华基金、中信证券、交银国际等
时间 2025 年 4 月 28 日 15:10-16:30
地点 线上电话会议
上市公司接 董事长、总经理：孙元浩先生
待人员姓名 董事、董事会秘书、财务总监：李一多女士
证券事务代表：赵梦笛女士
现场互动与交流
1、 今年春节 AI 爆火后，公司作为典型的 AI infra 和数据工程厂商，感受到客
户需求有哪些变化？公司针对这些需求有哪些相关的产品创新？
回复：客户需求变化方面，特别是央国企和金融机构，预算往 AI 转移，IT 整体
投资者关系 预算可能略有削减，但 AI 方面的投入明显加大。部分央企客户开始意识到 AI 基
活动主要内 础设施要以数据为基础，且大部分的工作集中在数据整理上，因而开始重视数据
容介绍 建设。产品创新方面：（1）公司的大模型运营平台 LLMOps 产品，在语料工程和
知识工程上相对竞品有比较优势，产品功能做得很完善。这个产品自 2013 年公
司推出以来，开发和迭代速度较快。DeepSeek 出来后，大模型的准确度进一步
提升，能在智能体开发上用 DeepSeek 做任务分解、智能体框架。我们会将现有
的大模型运营平台一键升级为 MCP 服务。我们的部分客户因为算力的限制无法
使用和运行满血版的 DeepSeek，我们提供蒸馏工具，可把 Deepseek 模型快速蒸
馏到小模型，让客户用低成本硬件也能享受大模型的服务。此外，我们在 LLMOps中也推出了强化学习的方法，可在现有模型上继续训练使其更准确。我们用强化
学习的方法训练自然语言转 SQL 的模型，在 Spider benchmark 上达到 90 分。
（2）我们在 Transwarp Knowledge Hub 知识平台产品中开发了深度搜索功能DeepSearch，借助推理模型优势对问题进行深度理解和任务规划，自动寻找合适数据源，通过强化学习思路提升回答准确度，让企业文档检索更高效准确。
2、 如何看待 MCP 对国内整个 AI 产业的影响？在大家纷纷接入 MCP 的变化下，
对公司这类厂商有什么样的机遇或影响？
回复：MCP 是大模型跟外部工具通讯的协议，使用人较多，遂成为通用的通信协议，其可将现有服务与大模型进行连接。此前大模型主要用于人机自然语言对话，
MCP 出现后，可将企业现有的 ERP、OA 等系统包装成 MCP server，大模型能识别
工具功能并进行任务分配和编排。目前依然处于需要先靠人工来规划任务，然后大模型借助外部工具来完成任务的阶段，当智能体框架和 MCP 真正可用时（即大模型能做到自主准确地规划任务），AI 应用就会形成爆发式增长，帮助企业完成很多工作。未来大模型可能实现全部自主规划，更多工作会被 AI 替代。
3、公司如何展望全年维度或这一波大模型机会下，商机到订单的转化及可达业务空间？
回复：目前大模型相关商机大概有三个多亿元左右，但因为过往大模型订单的基数不大，还未衡量大部分商机的胜率。公司的大模型相关产品在金融行业落地较快、竞争力较强，已有浦发银行、招商证券、上海期货交易所、中信证券、深交所等用户，目前在非金融领域也积累了一批用户。公司在 2023 年就决定提供 AI铲子，助力客户自己训练或微调专属模型，因为投入较早且有机器学习运营平台MLOps 的前期积累，因而工具完善度较高。订单转化率还需一段时间观察。
4、哪些下游行业今年预期会成长较好？
回复：去年政府客户因宏观环境导致招标延后，今年有复苏迹象，春节过后很多客户对中国科技产业有了信心，开始研究部署大模型。今年一季度，金融行业需求增长较快，银行增长尤为明显；央国企将上大模型发展新质生产力作为政治任务，也是增长较快的领域。公司的客户大多不是出口型企业，受贸易战影响小，
有资金进行技术创新。
5、湖仓一体化架构之后，技术是否会向跨模态的统一数据存储和统一查询方向演进，业内大概什么时候会出现这种理想的数据底座？
回复：在 agent 时代，我们的数据底座也会发生变化，这是一个趋势。过去企业数据分散，结构化数据放在 Lakehouse 上，非结构化数据散落在各应用系统或备份文件系统中，未被有效利用。有了大模型后，我们将原来散落的文档、图片、视频、音频，用向量数据库把非结构化的数据结构化，同时保留其半结构化的部分，企业根据 Agent 框架进行检索。现在做数据分析的时候，用户不需要知道数据在哪里，大模型会自动帮你查找,使得企业在应用数据的方式上面会得到很大的便利。同时，企业数据加工流程也开始用大模型实现半自动化或自动化，如数据清洗、形成数据资产等。公司推出的 Transwarp Knowledge Hub 知识平台产品，将多模态数据整理成知识为企业客户服务，实现全集团知识资产管理。
6、把企业结构化和非结构化数据整合成大模型可用的类似企业知识库的工具需要具体怎么实践？
回复：这个过程分三部分。一是大模型运营平台 LLMOps+数据开发工具 TDS，把多模态数据整理成结构化的数据。二是将这些整理后的数据存于大数据基础平台
Transwarp Data Hub 上，公司的大数据基础平台内置了 11 种数据模型的存储引
擎，包括分布式向量数据库 Hippo、分布式图数据 StellarDB、分布式搜索引擎Scope、分布式文档数据库 DocStore 等，TDH 的多模一体化主要用于给大模型构建知识库，尤其在 RAG 召回场景中实现企业的专有数据和大模型的有效结合；三是通过知识管理平台 Transwarp Knowledge Hub 提供门户，进行企业知识资产的管理，并提供智能体开发框架，开发连接企业现有应用和数据资产的智能体，实现流程自动化或半自动化，比如银行写尽调报告和信贷流程。
7、LLMOps 这个工具是否是 agent 规模化应用的前提条件，是否会先于 agent 落
地？
回复：这跟企业的建设节奏有关。市场上有两类企业，一类企业的 CIO 擅长做规划，会优先建设这个工具，因为建好后才能应用产生效果；另一类企业先进行应用建设，建了多个应用后意识到要先建设基础设施，把数据和底层底座建好，这样应用开发会更快。所以慢慢大家都会意识到要建设 AI infra，有了这个底层
底座，上面的应用构建会越来越快。
8、在 AI 方面公司主打的产品遇到的比较多的竞品有哪些？公司如何看待目标
市场的竞争格局？公司相对于竞争对手的优势是什么？
回复： 在 AI 平台方面，陆续有大厂和创业公司入局，这些公司最早是在 AI 硬
件 infra、模型训练上发力，Deepseek 出现后，大模型必将变成寡头格局，部分
公司会往上做工具，更多的是做应用场景。目前 AI 搜索较多，应用高度碎片化，
企业需求也高度定制化。公司切入赛道做的大模型管理工具和知识平台相对更产
品化、通用化，依靠现有大数据平台客户群体，客户开发应用需与公司大数据基
础平台对接，对公司产品粘性强，会优先获取客户数据整理的需求并得到相关业
务机会。
9、2025 年一季度人员变化情况如何？如何看待 AI 业务增量和费控之间的平
衡？
回复：公司在人员上做了结构化调整，目前整体人员规模约 950 人，更聚焦主营
的数据产品和 AI 产品研发。在平衡 AI 业务增量和费控方面，公司使用大模型或
自研开发工具提升内部运营效率。如用 AI 编撰各类材料、编写程序，未来还会
开发系列 agent 帮助员工和客户提升效率。
附件清单 无
日期 2025 年 4 月 28 日