星环科技获机构调研，包括首创证券、太平洋养老、国投瑞银基金、华商基金、华泰资产等26家机构

2026年9月9日，星环科技披露接待调研公告，公司于9月7日接待首创证券、太平洋养老、国投瑞银基金、华商基金、华泰资产等26家机构调研。

公告显示，星环科技参与本次接待的人员包括董事长、总经理孙元浩、董事、董事会秘书、财务总监李一多、投融资总监、投资者关系负责人赵梦笛。

调研方式为电话会议，接待地点为公司会议室。

调研详情

一、2026年上半年经营情况回顾

公司半年报向市场传递了非常积极的信号：上半年公司在收入、盈利、现金流、各项业务以及新技术研发方面均表现良好。以下从财务与业务两个层面作简要回顾。

（一）主要财务指标

2026年上半年，公司实现营业收入1.74亿元，同比增长近14%；净亏损同比收窄超21%，亏损持续缩窄；毛利率提升约1.5个百分点达47.07%。收入增长、亏损收窄与毛利率提升三个方面均持续向好。

（二）费用管控与经营效率

上半年公司研发投入合计 1.16 亿元；销售费用、管理费用同比分别下降接近 10% 和 15% ，组织效率与费用管控持续优化。

（三）技术落地与生态扩展

上半年公司经营的核心关键在于技术落地与生态扩展。GPU 原生数据库实现全链路GPU执行，TPC-DS基准测试全部99条查询均可在GPU上完整完成，无需CPU回退，是对传统数据库架构的重要突破。关系型数据库、向量数据库、图数据库均已完成与英伟达GPU的适配；其中向量数据库同时完成与海光DCU的适配，相较传统CPU方案性能大幅提升，为后续AI推理、实时分析等场景的规模化部署奠定了基础。

在生态与市场方面，公司与合作伙伴联合打造 SAP HANA 及 CDH 替换方案，已在 AP（分析型处理）领域启动面向客户的推广。ArgoDB 通过国家安全可靠测评认证，进一步验证了公司产品的安全可靠性与自主可控性，为后续国产化替代以及数据与人工智能融合应用提供了支撑，也为下半年及2027年信创国产客户的业务增长储备了动能与技术基础。

二、关于公司GPU数据库简要介绍与进展

公司自去年年初起，基于对数据库发展趋势的前瞻判断，确立了研发方向：未来数据库将主要为 AI 服务，由 Agent（智能体）调用，而非传统人工操作；同时，未来计算架构正围绕GPU全面重构，硬件均以GPU为中心设计。因此，数据库需为新硬件重新编写，以充分发挥其性能优势，摆脱CPU限制。

（一）技术突破与性能表现

1.单卡突破（2026 年初）：公司将数据库完整运行于单张 GPU 卡上，数据存放于显存之中，性能约为双CPU部署方案的20倍。

2.多卡集群突破（2026 年 5 至 6 月）：公司实现多卡互联组成小集群，将完整数据库绑定于 GPU 运行，完全不调用 CPU、不调用内存。TPC-DS 1TB基准测试性能达到两颗CPU的100倍；包含增删查改、并发运行的完整TPC-DS测试亦快70多倍，整体实现1至2个数量级的性能提升。

3.与海外同类产品的直观对比：公司常用的演示场景为两张A100运行100GB的TPC-DS仅需6至7秒；而Databricks XL规格数据仓库由32台虚拟机组成，运行同样规模测试最快需约5分钟，首次运行需约10分钟，加速比达数十倍。

4.行业横向对比：美国公司从事GPU数据库研发已多年，但在公司之前，所有在GPU上进行数据加速处理的方案最高仅快 5 倍。星环科技是目前唯一能将关系型数据库功能完整运行于GPU之上、并实现20倍以上加速比的数据库产品。

5.产品三大功能模块均运行于GPU并获得显著加速。一是结构化数据处理，即传统关系型数据库的增删查改操作，加速20倍至100多倍；二是向量数据库与图数据库，用于AI模糊检索，其中向量数据库单卡构建速度约快4倍、查询速度约快20倍至200倍；三是Agent Memory（智能体记），上下文、对话史等等数据亦直接存储于公司数据库中。因此，用GPU加速已被证明能够大幅领先CPU。

（二）海外云服务功能介绍

在海外市场拓展方面，公司正筹备推出云服务，模式与 Databricks 完全一致，定义了Small、Medium、Large、X-Large等多规格数据仓库，每规格工作集数据量与对标产品相近。对标产品由1个至30个、60个不等的CPU节点组成集群，公司方案采用单台虚拟机搭配不同型号GPU卡，并可叠加多卡，每一规格上，公司性能均领先约16倍至120倍不等。

此外，公司在海外已将AI、Agent与GPU数据库打通，支持用户以自然语言对数据库的全部操作与分析。该业务形态与 Databricks、Snowflake 类似——两家公司在云上数据仓库之外亦在提供AI数据分析能力，但均处于起步阶段。在相关基准测试中，公司数据分析准确度达77%至80%，开源方案约为66%，公司准确度更高。

（三）计费模式

相关业务计费采用按时间收费模式：由于采用 GPU，单位时间价格较 Databricks 略高一点，但运算速度极快，总耗时可缩短至后者的几分之一至十分之一，用户总成本显著下降，交互体验与性价比均大幅提升。

Q&A

问题1：公司如何看待自身的目标市场规模？

答：Databricks、Snowflake 较早在海外开展云服务。随着AI加速部署，对数据基础设施的需求正在放大，主要来自两个方面：

第一，产生数据的主体变成了Agent。用户不断让Agent执行任务，尤其是OpenAI发布新模型后，AI 进入完全循环推理模式，任务执行中间产生的数据量非常大，因此数据库需求将进一步放大——Databricks海外营收增长非常快，正是AI带动的，这是第一个市场空间。

第二，AI办公与AI数据分析。去年年底以来，AI编程的投资回报率（ROI）已被论证为正，需求迅速爆发，远好于此前的聊天机器人，是真正有价值的应用；第二步就是AI办公与AI数据分析，其与AI编程一脉相承——都是用AI编程调用工具、完成数据分析——将成为第二个很快被论证 ROI 为正的领域，迅速带动 AI 与数据库的部署。Snowflake营收增长也很快，海外一大驱动力正是用户以 AI 进行数据分析，带动了数据库需求及token消耗。因此，整体市场空间较大。

公司在国际市场的竞争优势体现在两个方面：一是产品体验与 Databricks 接近、性能快数十倍：公司海外云服务的使用方式与Databricks比较接近，采用Serverless方案，用户无需关心底层硬件与资源，几秒钟到一分钟之内即可启动一个GPU数据库、快速导入数据进行分析，大部分查询在一秒以内、几百毫秒即可完成，批处理也显著提速；同等处理任务下性能快几十倍，可极大加速客户的Agent与AI负载。二是总成本更低、使用门槛更低：以AI进行数据分析将极大降低用户使用门槛，东南亚、中东缺乏数据科学家与数据工程师，程序员较少、以业务人员为主，过去需要聘请数据科学家，现在可直接以AI完成数据分析、数据库操作乃至数据库运维优化，相当于节省约30名数据科学家的工资成本。公司国际市场主要聚焦东南亚、中东，目标是先获取该市场约10%的客户份额。

问题2：产品落地节奏如何？

答：目前已有交通行业、零售行业及生物制药公司的部分客户正在测试使用；同时，公司与AWS、英伟达等合作伙伴联合推广，今年以树立标杆客户为核心目标，明年将进入规模化放量阶段。

问题3：Loop Transformer等新架构对公司产品的影响？

答：这类模型的特点主要有两方面：一是将模型的思考过程隐藏到模型内部；二是将计算机的使用——包括编程及大量日常办公工作流——全部自动化，并可以执行长时间运行的任务。过去只能让AI完成一份研究报告、一组PPT，现在它能够完成更复杂的任务。更复杂的任务意味着AI需要调用更多工具、产生更多数据，中间结果都需要存储；而企业的大量应用与工作流都是围绕数据构建、离不开数据的。因此，未来AI使用数据库的频度将迅速提升，产生的数据量也将大幅增长。同时，AI 产生和使用的数据类型与过去由人产生的大不相同、更加多样：短期的KV缓存，中期单个任务内的对话史等与中间结果（数据量很大），跨任务的史等，以及长期记——即把所需处理的知识经大模型整理后放入知识库构建的长期记——这些都将构成Agent的基础设施与刚需。

随着Agent完成越来越多、越来越复杂的任务，其对数据库的需求将大幅提升，对数据库能力的要求也随之提高：既要支持多种类型数据的处理，性能也要匹配 GPU 的速度——因为数据库调用次数可能高达数百万次，如果分析 100GB 数据仍需数分钟，数百万次调用的耗时将无法忍受。因此，Loop Transformer的普及对公司是明确利好；若其成为主流架构，公司产品可以提供清晰的加速能力。

本文根据交易所公告整理，仅供参考，不构成投资建议。

本文源自：市场资讯

作者：察微