【TMT电子】20230601星环科技

一、2022年度公司总体经营情况

1、公司坚守大数据基础软件主业，营收稳步提升

2022年虽然有疫情的扰动，公司依然秉承“自主研发、领先一代”的技术发展策略，加大研发投入，提高产品质量，积极巩固和开拓市场。报告期内，公司营业收入37,262.47万元，较上年同期增加12.62%，其中，大数据基础软件业务为公司最主要的业务收入来源，收入30,552.16万元，占公司营业收入的81.99% 。从终端客户所在行业的分布来看，公司主营业务收入主要来自金融、政府、能源、电信、交通、制造业等行业，其中金融和政府占比较大，均为30%以上。

2、公司订单数量持续增长，高价值新客户拓展卓有成效 

报告期内，虽然公司的产品和服务的交付及验收受到外部环境的影响，给公司的收入增长带来一定的压力，但是公司新签订单金额约4.98亿元，同比增长36.45%，高于公司同期营业收入的增速，为后续业绩发展提供有力支撑。按照订单所属行业来看，政府、电信、交通、医疗、IT与互联网等行业的订单增速较高。报告期内，公司新客户的收入约为11,884.43万元，同比增长56.81%，其中确认收入金额大于100万的新客户数目持续提升，由2021年的12家增长至2022年的34家。高价值的新客户主要来自于金融、政府和电信行业。

3、提升产品竞争力，全面推进国产化替代

报告期内，公司产品技术不断突破，发布了全系列新版本产品，进一步提升公司三大产品矩阵的产品竞争力：针对大数据与云基础平台，公司大数据基础平台于春季新品发布周发布了TDH9.0产品，新版本更好地实现更平滑的国产化迁移，与国外开源软件及商业版本相比有更强的功能和性能上的优势。公司一直在积极推进基础软件国产化替代进程，尤其是大数据平台Cloudera Data Platform、大数据平台Hortonworks Data Platform等国外主流厂商产品，其中在金融领域的一些典型替换案例有东方证券、中泰证券、青岛银行、山西银行、杭州联合农商行、光大永明保险等。针对大数据开发与智能分析工具，公司推出数据安全及一体化机器学习运维平台和隐私计算平台。针对分布式关系型数据库，公司的分布式数据库产品实现了较大的升级。公司的分布式分析型数据库ArgoDB实现了数据实时写入、交互式分析、高并发查询、大规模批处理四种混合负载。KunDB研发的基于内存的数据库存储引擎,单节点运行基准测试TPC-C的性能高达180万TPMC（每分钟内系统处理的新订单个数），达到国内领先水平并通过中国信通院的认证测试，此外还大幅提升了PL/SQL的兼容度。

4、公司经营效率提升，销售费用率和管理费用率均有下降

公司一直认为只有有效率的扩张才会使一家公司具备可持续发展的能力。2022年末公司总人数为1088人，相比去年年初1024人仅有小幅增长。去年公司的管理费用率（扣除股份支付）和销售费用率分别下降3.01和6.34个百分点，经营效率得以提升。

二、2023年一季度公司经营情况

公司今年一季度收入约4300万，相比去年同期2400万，收入增长率约为76%，归母净亏损约为8500万，相比去年同期略有缩窄。今年三月份公司推出了限制性股票激励计划，向公司200人规模的核心员工授予限制性股票，总规模加上预留部分约为总股本的1%左右。其中2024-2026年营收考核目标为:以2021年营收为基数，2024-2026年营收增长率分别不低于125%、200%、260%，对应24-26年目标营收为7.4、9.9、11.9亿元。我们的股票激励计划基本代表了我们对自己所在行业和相关业务增长中枢的判断。我们也会努力在股权激励目标之上做得更好，给投资者最大的回报。

三、展望一下当前的技术发展和方向环节？

最近一年主要聚焦在三个方面：数据管理平台的智能化、平民化、敏捷化，将数据管理开放给所有人，包括业务人员。

（1）大数据平台：一体化的数据管理平台，数据湖、数据仓库、数据集市一体化，使得数据管理更加敏捷，打破了系统的边界，无论做高并发的查询还是数据服务，建一套系统就能服务多个部门。目前我们的同行多数还是要集合多类数据库才能实现这个目标；

（2）多模型方向发展：能够管理多个数据模型，包括图模型、空间地理模型、文档模型、时序模型等。过去的一年中，公司的图数据库StellarDB被Gartner列为推荐的图数据库，时序数据库在金融行业和证券基金行业用于实时处理金融数据、工业行业处理传感器数据，空间地理库在多个智慧城市、公共事业项目中用于建设数字孪生。我们多模型的数据平台今年能够处理11种模型（增加了向量数据库），而且可以进行跨模型之间的联合分析，可以有效降低开发的复杂度；

（3）智能化方向发展：公司在智能分析工具上做了比较多的改进。公司提供了Sophon建模工具，提供了MLOps的工具链，覆盖从特征工程开始，到模型训练，模型推理，模型性能评估全套生命周期，加速AI的开发。现在也在为客户提供微调（finetune）和开发大模型应用的工具，让客户在自己的数据中心构建大模型的应用。另外一款数据开发工具TDS主要覆盖了从数据采集、标注、交易流通的工具，我们的目标是提高它的自动化水平，例如半自动化的数据采集、根据内容检测数据性质并根据法律要求进行分级分类。

同时信创领域也是公司一个重点发力的方向，我们在多个客户已经有多个替代案例。公司的分布式分析型数据库ArgoDB也是个多模型数据库，主要用于替代Oracle、 DB2等用于分析，KunDB主要用于在线业务系统，替代Oracle 、Mysql。这两款产品也有进步：ArgoDB能够做到实时数据的采集和分析，特别是金融和工业领域，数据采集越来越要求实时化，需要数据库能够高效的实时处理，而且能够在实时的数据中同时满足批处理、高并发的查询。KunDB的进步不仅是在性能上面（TPC-C），今年将会在可靠性上面（两地三中心）做进一步的增强，故障恢复时间预计可以缩短到分钟级别。

四、AI浪潮让大家关注到了很多新的产业机遇，比如MLOps、向量数据库等等，展开介绍一下AI方向上的产品储备，以及看到了哪些新的销售线索？

回复：AI领域公司布局比较早，于2014年就推出了机器学习建模平台，2016年单独销售。从计算框架、开发的工具链、图形化的建模工具，公司产品的目标是将AI的开发平民化。在此过程中演变出几个侧重点：一个是Mlops工具链产品，包括模型的全生命周期管理，AI模型的开发、推理、使用能够有效开发，主要是企业AI的应用越来越多了，需要一个有效的工具来管理这些模型；第二个是帮客户提供构建知识工程的工具链，在这个基础上提供问答系统。主要是把知识沉淀下来，形成知识库，底层是图数据库和知识图谱技术，上层是基于AI技术的人机交互层，用于工业领域的供应链问答系统，预测维护系统，及金融领域的金融风控。

近期随着OpenAI推出了GPT，我们的产品定位于帮助客户构建基于GPT模型的应用，或者微调大模型，我们近期也已经帮客户搭建了这样的系统。基于大模型去开发应用的需求比较旺盛，大家都想尝试新技术，我们目前提供开源的模型，过去也预训练了两个领域模型（分别针对金融量化投研领域和大数据分析领域）。针对一些拥有敏感数据的客户,需要私有化部署大模型，在金融、政府、医疗、教育等各个领域都有自己的专业知识，需要对大模型进行微调，我们也开始对客户提供基于大模型微调的工具链。有一些客户过去已经买了一些算力，希望有效进行资源的充分利用，能够把算力集中起来做模型的训练。此时我们的数据云平台TDC可以把客户资源管理起来，能够用限制的资源做模型的训练。

我们也做了偏上层的两款工具：一类是量化投研工具，结合了财联社的新闻数据实现市场热点的自动分析、研报的自动生成等。另外一类是知识工程的工具，让客户能够比较高效地建智能问答系统。

五、去年项目开展受到疫情影响比较多，今年1Q已经看到了比较好的趋势，怎么展望疫情复苏之后的订单、业绩趋势？分行业来看，金融、政府等重点行业哪些更值得期待？

回复：全年来看，政府、公共事业订单比较迅速，有新能源、水利、交通，需求快速增长，这里说的主要是大数据产品。其他行业，金融行业今年需求保持稳定，特别是新的大模型出现之后，金融行业是第一波急于去尝试新技术的，从算力、工具到数据的采购都是非常活跃的。

六、AI产品会不会有新的收费模式的出现？

回复：现在是有少部分客户愿意往订阅方向转变，像Sophon和TDS愿意转成订阅，因为工具的功能增加非常快。此外如果工具上云，也会自然有订阅方式的习惯。像和Chatgpt相关的工具链都转成了订阅方式的。

七、交易型数据库的产品预期

回复：公司的分布式交易型数据库KunDB的发展有一个演变过程：最早它被用于做大数据基础平台TDH中的元数据管理，早期公司使用MySQL，后来就开始着手开发分布式交易型数据库。前几年的抗疫过程中，尤其在高并发的核酸检测场景，我们陆续收到不少KunDB的订单来替代Oracle和Mysql。目前KunDB的定位是对于集中式关系型数据库的替代。国内现在的竞品也很多，我们差异化的点在于（1）性能；（2）在Oracle和Mysql的兼容度上面有优势。目前逐渐开始在金融机构的边缘系统推广。市场规模保守估计200亿左右。最近我们也和国内的应用开发厂商，例如安硕、信雅达、普联，在做一些深度的对接和整合，目前来看性能上也有比较较强的优势。

八、请介绍一下公司的向量数据库

回复：公司研发向量数据库的时间比较早，以前是用于公司内部的生产力工具进行使用。最近发现在构建基于GPT模型应用的时候，向量数据库是一个刚需。主要因为空间（token数量受限）以及时间（需要实时信息）的限制，需要向量数据库存储实时及行业领域专有的信息。所以现在基本上所有基于GPT的应用，都需要向量数据库来存放信息。过去，我们使用向量数据库的两个主要的用途是做图片、视频的搜索，转成高维向量；另外是做文本的搜索。客户的支付意愿先是买大模型，然后是prompt engineering, 然后是工具链和向量数据库。第二类客户是稍微中大型的客户，他们不大可能去调用外部公有云的大模型，例如银行、券商、政府、军队，需要私有化部署。这块基本选择开源大模型，然后做微调。他们的支出主要在于算力、工具链和标注工程上面。目前向量数据库和mlops搭售为主，因为构建应用光一个向量数据库不够的，还需要一个工具来快速把整理好的提示词做embedding，一来一回内部的逻辑比较复杂。海外向langchain这种已经有了。

九、随着信创的推进，目前星环科技重点在哪些领域的数据库国产化替代？主要的市场策略是怎样的？预计今年的市场推进情况如何？

回复：公司积极推进基础软件国产化替代进程，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，尤其是大数据平台ClouderaDataPlatform、大数据平台HortonworksDataPlatform等国外主流厂商产品。随着公司产品在用户场景的逐步落地，公司口碑的不断积累，市场地位迈上新台阶。

2023年，公司将从品牌视觉、产品品牌、生态品牌、技术品牌、服务品牌、雇主品牌、责任品牌、投资价值这八个维度入手，通过开展技术峰会/新品发布会/客户联合品牌宣传会/城市巡展、参与人工智能大会/行业年会、加强面向开发者的星环社区运营、提升产品“最后一公里”的产品演示和客户试用体验、整合渠道数字营销、增强和投资者及媒体的沟通等，深化品牌理念，强化品牌认知，聚焦推动公司品牌的成长。

十、报告期内，应收账款较期初增长38.01%，营业收入同比增长12.62%，应收账款增速高于营业收入增速。主要原因是什么？公司将采取哪些措施预防坏账？

回复：公司收入主要集中于四季度，存在较为明显的季节性特征。随着公司营业收入持续快速增长，收入季节性特征及客户付款审批流程较长导致的部分付款进度滞后于合同约定等因素使得报告期期末公司应收账款余额较大。未来公司将加强应收账款的管理。

十一、相比本地集中式数据库，分布式数据库能否在金融、政务、能源等领域的核心系统替代落地？目前进展如何？有何挑战？

回复：公司的软件产品化程度较高，可以在不同行业实现广泛布局和快速复制。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。截至2022年末，公司已有累计超过1,400家终端用户。

十二、星环科技营业收入同比增长12.62%，净利润同比下降10.53%，主要原因是什么？

回复：目前公司正处于快速成长期，在研发、销售及管理等方面持续投入较大，公司目前的营业收入规模相对较小，尚未形成突出的规模效应，不能完全覆盖各项期间费用及成本的投入所致。