星环科技接待15家机构调研，包括浙商证券、利幄基金、工银安盛资管等lg...

2025年2月19日，星环科技披露接待调研公告，公司于2月18日接待浙商证券、利幄基金、工银安盛资管、长江养老、长江证券等15家机构调研。

公告显示，星环科技参与本次接待的人员共3人，为董事、董事会秘书、财务总监李一多，研发副总裁杨一帆，证券事务代表赵梦笛。调研接待地点为公司会议室。

据了解，星环科技在大模型运营平台LLMOps产品方面具有明显的比较优势。公司的能力覆盖了从语料接入和开发、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，到业务效果提升的全链路流程，远超仅从单一环节切入的竞争对手。公司起家于大数据基础软件，对数据集成、数据治理、数据资产管理有深刻理解，LLMOps支持多模态数据从多数据源上传，覆盖语料的接入、处理、标注、运营、安全的全生命流程管理。此外，公司的LLMOps注重企业级的运营能力和协作能力，通过角色区分操作权限，实现资源隔离和审批管理，监控和计量平台上的模型服务、应用服务、知识服务。

据了解，星环科技的语料处理工具不会受到开源语料处理工具的威胁。开源软件仅提供底层处理框架，客户自行开发成本高，且开源工具在处理大规模数据、数据对齐和预训练方面存在障碍，也存在安全问题，无法保障客户数据隐私。

据了解，自DeepSeek爆火以来，星环科技客户的订单问询及商机层面变化显著，尤其是AI方向，远高于去年。公司的产品Sophon LLMOps可以助力客户基于DeepSeek的各系列模型进行训练、推理、应用开发，实现知识库和工具调用，快速部署至企业内部，加速基于大模型的企业级应用快速落地。企业接入DeepSeek的难易程度及预计效果取决于应用场景，需要构建前期的知识库和语料，借助其他工具进行整理，如RAG、GraphRAG、KAG等，与大模型高效协同，解决真实业务场景中的问题。公司提供工具助力客户进行推理模型的前期部署工作，如语料层面的一系列语料工具。在硬件层面，公司布局了三类产品：星环知识平台一体机、Sophon LLMOps搭载在工作站或机架式服务器上、AIPC。公司开发的向量数据库可以理解为大模型推理过程中所需的外挂知识库，为企业用户回复提供有根据的溯源，根据数据存储量和性能进行收费。

调研详情如下：

现场互动与交流

1、当前市场上各厂商的大模型运营平台LLMOps产品前端都长差不多,公司的比较优势在哪里?

回复:各家有各家的特色,虽然都在开发LLMops,但是对厂商能力的要求不仅限于具备单一的部署、训练、微调模型的能力,还在于构建的场景和价值实现,包括对客户的语料和知识进行整理。公司的能力覆盖了从语料的接入和开发、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,到对业务效果提升的全链路流程,这一能力远远超过一些仅从单一环节切入的竞争对手。公司起家是做大数据基础软件的,对于数据集成、数据治理、数据资产管理等的理解相较竞争对手更深刻。公司的LLMOps支持多模态的数据从多数据源上传,支持语料数据的编目体系整理、数据清洗处理、语料标注、带权限的发布共享等,真正覆盖语料的接入、处理、标注、运营、安全的全生命流程管理。此外,公司的LLMOps注重企业级的运营能力以及协作能力,可通过角色区分操作权限,通过租户实现资源隔离,对任何资源使用提供审批管理,并对平台上的模型服务、应用服务、知识服务进行监控和计量。

2、开源的语料处理工具是否会对公司的语料处理工具产生威胁?

回复:目前没有威胁。开源软件仅提供底层的处理框架,客户自己去开发的成本较高,且开源工具对于大规模数据的处理存在障碍,欠缺对于TB级别以上的语料处理能力,也不适合做大规模的数据对齐和预训练。同时,开源工具也会存在安全问题,无法保障客户的数据隐私。

3、自DeepSeek爆火以来,公司客户的订单问询及商机层面的变化如何?

回复:商机层面,尤其是AI方向,远高于去年。主要的催化如下:原来金融机构对于海外的模型没有大范围试用,而国内模型的效果相对一般。DeepSeek出现之后,客户逐步开始有专门的预算投入。政府端本地化部署的问询也大幅增加,公司正在积极的对接过程中。公司的产品Sophon LLMOps可以助力客户基于DeepSeek的各系列模型进行训练、推理、应用开发,实现知识库和工具调用,快速部署至企业内部,加速基于大模型的企业级应用快速落地。

4、对于企业而言,其接入DeepSeek的难易程度及预计效果如何?

回复:企业接入DeepSeek的推理模型,可以使得各种智能体更高效的利用,但企业无法仅通过接入模型来实现应用发挥效能,需要视应用场景而定。比如对于合同的审核,就包含了各个部门对合同的不同理解,这些是推理模型无法完成的,因此构建前期的知识库和语料非常重要。前期语料处理工作,尤其是对各种企业内部行为数据的处理,均需借助其他工具进行整理,例如 RAG(检索增强生成)、GraphRAG(图检索增强生成)、KAG(知识增强生成)等各类有效利用数据和知识的增强手段。这些手段与大模型,尤其是推理大模型高效协同,能更好地解决真实业务场景中大模型 / AI 原生应用面临的链路长、决策复杂、时效性高、稳健性强等问题。同时,可以针对大模型以及应用在前期、中期、后期所产生的不同训练、调优、运营数据和反馈,积累更多有场景针对性的数据资产,进而推动业务中数据飞轮的转动,让大模型利用企业积累的各类知识边推理边检索。我们提供工具助力客户进行推理模型的前期部署工作,比如语料层面会有一系列的语料工具,包含转换、过滤、去重,并进行安全隐私处理和语料评估。

5、现在很多企业都在销售企业一体机,公司在硬件层面的布局如何?

回复:公司在一体机的布局主要覆盖三类产品:(1)星环知识平台一体机;(2)Sophon LLMOps搭载在工作站或者机架式服务器上;(3)AIPC,由星环提供在个人电脑上运行的大模型应用。

6、公司开发的向量数据库的作用?

回复:可以将向量数据库理解成为一个大模型推理过程中所需要的外挂的、具备高时效性以及拥有企业专精知识的知识库,为企业用户的回复提供有根据的溯源。目前公司的分布式向量数据库是根据数据存储量和性能(例如每秒执行查询次数)的不同进行收费的。