作者：阿飞
AI时代快速发展，使得很多AI从业者都有了一个共识——“有多少卡，办多大事”。过去几年，大模型训练需要海量GPU算力支撑，算力规模一度成为AI产业竞争的核心变量。
但进入2026年，随着AI基础设施持续扩张，行业关注点正在发生变化：企业不仅要解决“有没有算力”的问题，还要进一步解决“如何把算力用起来”的问题。尤其随着AI应用从模型训练进一步走向规模化部署和推理，数据处理、知识检索、模型推理之间的协同效率，正在成为新的基础设施课题。
根据NeuReality的基准测试，在多模态AI推理场景中，CPU瓶颈可能导致最高84%的GPU可用算力未被有效利用。与此同时，根据国家数据局披露的数据，我国日均Token调用量从2024年初的约1000亿，暴增至2026年3月的140万亿，两年增长超1000倍。
需求快速增长，算力效率和数据处理能力的重要性也随之提升。AI基础设施的竞争，正在从单纯扩大算力规模，进一步走向如何让数据、计算和模型更高效地协同。
就在这一背景下，深耕企业级AI和大数据基础软件13年的星环科技正式登陆港交所，最终发售价定为每股49港元；本次发行按港交所《上市规则》第18C章进行，成为首家以18C章赴港上市的A股公司。
根据弗若斯特沙利文资料，按2025年收入计，星环科技为中国第五大AI基础设施软件供应商，同时也是该市场最大的独立AI基础设施软件供应商。截至2026年3月31日，公司产品及解决方案已经在金融、政府、能源、医疗健康、交通、制造等十余个行业落地，服务超过1800家客户，其中包括105家《财富》中国500强企业。
从数据到AI，再到Agent，星环构建全栈基础设施
要理解星环科技在AI产业链中的位置，首先需要认识一个容易被忽略的事实：企业级AI真正落地，并不只是部署一个大模型。
大模型更像是AI应用的“发动机”，但要让它真正进入企业核心业务，还需要数据底座、数据库、数据治理、模型运营、知识工程以及应用开发等一整套基础设施。
星环科技提供的，正是这套基础设施。
招股书显示，星环科技已经形成覆盖数据全生命周期以及从数据到知识、模型到应用的产品体系，包括大数据与云基础平台TDH、TDC，分布式数据库ArgoDB和KunDB，数据开发与治理工具TDS，以及大模型及机器学习运营平台LLMOps、MLOps、知识平台和企业级AI Agent等产品。
而这套基础设施体系的价值，在真实场景中体现得尤为明显。
例如在金融领域，某支付清算机构采用星环科技 ArgoDB 替代原有开源数据平台，建设实时湖仓一体化数据底座，统一承载超100PB历史数据和每日超100TB新增数据。平台批处理效率提升约3倍，核心查询速度最高提升100倍，交易数据生成后即可查询，显著缩短业务分析与决策周期。同时，通过星环无涯智能问数，业务人员用自然语言即可实现数据分析，降低数据使用门槛，让海量数据更快转化为业务价值。
在交通领域，星环科技助力某轨道交通集团建设“数字地铁”，基于大数据基础平台TDH、大数据开发工具TDS、智能分析工具Sophon，打造覆盖数据采集、处理、分析及客流预测的一站式数据平台，统一满足调度、票务、客运等多部门的数据使用需求，帮助运营人员更准确地预测客流、优化行车计划和运力配置，提升线网运营效率与客流管控能力。
ArgoDB本身也经历了十余年的持续演进。从早期面向海量数据分析的分布式数据库，到统一多模型、湖仓集一体，再到融合事务处理与实时分析的HTAP能力，ArgoDB逐渐从单一数据库产品演进为企业级数据基础设施的一部分。2026年5月，ArgoDB V6又通过了中国信息安全测评中心、国家保密科技测评中心联合发布的“安全可靠测评”，进一步覆盖关键行业对产品安全、自主可控和供应链安全的要求。
在技术能力上，星环科技也积累了较长时间的验证记录。2018年，其大数据基础平台TDH V5.1成为全球首个完整通过TPC-DS基准测试官方审计的数据产品；2019年，ArgoDB V1.2.1通过TPC-DS官方审计，成为全球第四个通过该审计的数据库产品。与此同时，星环科技还是首家进入Gartner《数据仓库与数据管理解决方案魔力象限》的中国企业。
这意味着，星环科技的AI基础设施并不是从大模型热潮开始搭建，而是建立在十余年数据平台和数据库技术积累之上。
从自主研发到国产适配，基础软件的技术壁垒如何形成
星环科技过去十余年的技术积累，也与国内基础软件国产化进程形成了较强的结合。
对于金融、政府、能源等关键行业而言，基础软件不仅需要“能用”，还需要在性能、安全、自主可控以及长期运维等方面满足核心业务要求。
星环科技长期坚持“自主创新，领先一代”的技术发展策略，核心产品均实现自主研发。
这一技术路线，也体现在公司持续进行的国产软硬件适配中。星环科技已经围绕不同CPU、GPU、操作系统及整机环境开展适配与性能优化，并在金融、政府、能源、医疗等行业形成规模化应用。
从数据平台到分布式数据库，再到AI基础设施，星环科技的技术路线始终围绕企业核心数据和计算需求展开。对于基础软件而言，这种长期研发和持续迭代，本身就是产品能力形成的重要过程。
AI进入规模化推理，数据库也开始“上GPU”
如果说过去AI基础设施解决的是“把数据管起来”，那么随着AI Agent和实时推理的发展，新的问题变成了：如何让数据处理本身更接近AI计算。
传统数据库长期以CPU为核心计算架构，但AI应用正在产生越来越多高并发、低延迟的数据分析、向量检索、知识召回和上下文处理需求。当模型和数据库分属不同计算体系时，数据在CPU与GPU之间反复搬运，也可能成为新的性能瓶颈。
星环科技给出的方案，是进一步重构数据库计算架构，推出GPU原生认知数据库。2026年7月，公司发布面向AI Agent的新一代GPU原生认知数据库预览版，并开展开放试用和标杆客户验证。
与传统GPU加速数据库不同，星环科技的GPU原生认知数据库并非简单增加GPU加速模块，而是围绕GPU重新设计数据库的计算体系，将数据分析、向量检索、知识处理和AI推理所需要的数据能力进一步统一。
这一技术方向已经获得NVIDIA技术体系的关注。
2026年6月，NVIDIA技术博客发布《GPU数据库：从并行计算到原生加速》，专门介绍了星环科技认知数据库的GPU-Native实践。文章介绍了星环认知数据库对NVIDIA CUDA、cuVS、RAPIDS等技术生态的结合，并展示了其GPU原生数据库架构。在TPC-DS SF50测试中，99条查询全部在GPU上完成，无需CPU回退；公开测试结果显示，整体性能提升约10.5倍，单条查询峰值加速比达到94倍，单位成本性能提升约16.8倍。
此前，这一技术路线已经出现在2026年NVIDIA GTC San Jose的GPU数据处理专题演讲中。NVIDIA副总裁Joshua Patterson在相关演讲中介绍GPU原生数据处理的发展趋势，并提及来自中国的星环科技团队在TPC-DS上的测试表现：在单张GB300 GPU上完成150GB TPC-DS全套查询，相较DuckDB实现26倍速度提升。
对于一家中国企业级基础软件厂商而言，来自NVIDIA技术体系的关注，也从一个侧面体现了其GPU数据库技术路线正在获得国际产业生态的关注。
而星环科技正在进一步将这一能力推向AI Agent场景。其GPU原生认知数据库面向AI Agent的数据分析、知识检索、长期记忆和上下文供给需求，将关系、向量、图、全文及文档等多模型数据统一管理，并通过GPU原生架构提升数据处理和检索效率。
这也意味着，星环科技的技术路线正在进一步从“企业如何管理数据”，走向“AI如何更高效地使用数据”。
技术投入仍在持续，AI基础设施进入新阶段
技术路线的持续演进背后，是长期研发投入。
2025年，星环科技实现营业收入4.47亿元，同比增长20.47%；按照招股书口径，毛利率为52.79%。其中，AI及大数据基础设施软件业务收入约3.62亿元，占公司全年收入81.0%，是公司最主要的收入来源。
截至2026年3月31日，公司员工总数超过870人，其中超过三分之一从事研发工作，研发团队中近60%拥有博士或硕士学位。对于基础软件企业而言，这意味着技术研发仍然是商业化之外的重要投入方向。
星环科技此次登陆港交所，是公司发展历程中的重要节点，但从技术演进的角度看，更值得关注的是，过去十三年积累的数据基础设施能力，正在与AI时代的新需求发生连接。
从TDH、ArgoDB等数据基础软件，到大模型运营平台，再到GPU原生认知数据库，星环科技的技术路线也在不断向AI计算更深的环节延伸。尤其是GPU原生认知数据库的推出，意味着其在数据库与AI计算融合方向上的探索，正在从产品布局走向更具体的技术验证和产业应用。
登陆港交所只是一个新的起点。对于星环科技而言，如何继续将长期积累的数据与基础软件能力，转化为AI时代新的产品能力和商业价值，或许是未来更值得观察的事情。