公司又于 2025 年 4 月 16 日召开第四届董事会第十二次会议审议通过了《使 用部分闲置募集资金进行现金管理的议案》。同意公司使用额度不超过人民币 15,000 万元的闲置募集资金购买安全性高、流动性好、具有合法经营资格的金 融机构销售的大额存单、结构性存款等保本型产品，在上述额度范围内资金可滚 动使用，使用期限自董事会审议通过之日起十二个月内有效。 具体内容详见公司于 2024 年 4 月 19 日在指定信息披露媒体披露的《公司关 于使用部分闲置募集资金进行现金管理的公告》（公告编号：2024-019）及于 2025 年 4 月 18 日在指定信息披露媒体披露的《公司关于使用部分闲置募集资金进行 现金管理的公告》（公告编号：2025-016）。 一、本次募集资金现金管理到期赎回情况 公司于 2025 年 11 月 17 日以部分闲置募集资金向中信银行股份有限公司购 买银行结构性存款。该笔理财产品已到期，公司如期赎回本金人民币 2,100 万元， 获得理财收益合计人民币 25,027.40 元，具体赎回情况如下： 证券代码：603138 证券简称：海量数据 公告编号：2025-072 北京海量数据技术股 ...

报告行业投资评级 - 增持（维持）[1] 报告的核心观点 - 随着AI推理时代的到来，传统的以CPU为中心的存储与计算架构已成为瓶颈，行业正经历从“以CPU为中心”到“以GPU为中心”的根本性变革[4][9] - 为满足AI推理“小块高频”的极致I/O需求，硬件上出现GPU直连SSD的新架构，软件上则需要重构以GPU为核心的数据库（GPU-Native数据库），这将为数据库产业带来新的机遇[4][18][25] 根据相关目录分别进行总结 1. AI推理时代来临，GPU直连SSD存储新架构出现 - AI推理与训练对存储的需求差异巨大：训练需要大数据块（10MB-1GB）、少并发、总容量相对较低（1-10TB）；而推理需要小数据块（低至8B、64B、512B）、高并发（数千条）、大存储容量（高达1PB或数百TB）[4][9][10] - AI工作负载分化推动存储评估指标从传统的“每TB成本”（TB/TCO）转向“每IOPS成本”（IOPS/TCO），推理和预测式AI的性能瓶颈在于处理海量、高并发、小I/O请求的能力（IOPS）[9][10] - 传统以CPU为中心的架构无法满足AI推理的高并发需求，成为瓶颈，需要提升GPU地位，使其成为数据访问的控制中心，实现从CPU“推送”数据到GPU“拉取”数据的转变[4][11][14] - 解决方案是通过GPU直连SSD硬件（如通过NVMe-of、RDMA、GPUDirect Storage等技术）和SCADA软件架构，让GPU绕过CPU直接、高效地从SSD读写数据，彻底旁路CPU在数据流中的角色[4][14][16] 2. 存储架构变化带来数据库架构的变化 - 架构层面发生根本变化：从“以CPU为中心”转向“以GPU为中心”，GPU成为主计算单元，CPU角色退化为任务调度器、事务协调器和元数据管理器[4][18] - 数据库核心组件需要升级改造：1) 存储引擎革新，新的缓存管理器需直接管理GPU显存和直连SSD间的数据流动；2) 数据布局优化，为匹配GPU的SIMD架构，可能采用纯列式或混合存储格式并原生支持Apache Arrow等零拷贝格式；3) 查询执行引擎重构，核心算子需深度重写为GPU内核并能直接从SSD流式消费数据，实现计算与I/O的完全重叠[4][19][21] - 查询优化器面临挑战，成本模型需纳入GPU计算核心占用率、HBM与SSD间带宽、PCIe传输延迟等新因素，并优先考虑数据本地性优化[21] - GPU直连SSD技术将使得数据库从一个在通用操作系统上运行的应用程序，演变为一个直接调度和管理GPU、SSD的“数据中心级操作系统内核”[4][21] 3. 产业进展逐步加快 - 硬件方面：1) 2025年8月，闪迪与SK海力士签署谅解备忘录，共同制定高带宽闪存（HBF）技术规范，目标在2026下半年发布HBF样品，首批搭载HBF的AI推理系统预计于2027年初面世[4][21][22]；2) 2025年9月，铠侠宣布将与英伟达合作，开发可直接连接到GPU并进行数据交换的SSD，目标性能需达到2亿IOPS，并计划支持PCIe 7.0标准[4][22] - 软件方面：1) Hammerspace通过优化元数据读取和GPU服务器直连存储驱动器中的数据放置策略，加速了其数据编排平台软件的性能[4][23]；2) Cloudian HyperStore通过RDMA over S3技术，实现对象存储与GPU内存的直接数据传输，使基于S3接口的向量数据库性能提升8倍[4][24] 4. 投资建议 - 投资逻辑基于AI推理爆发驱动GPU地位提升及硬件架构变革（GPU直连SSD），进而引发软件生态（尤其是数据库）的重大重构需求，数据库产业有望迎来新机遇[4][25] - 报告提及的相关标的包括：【星环科技】、达梦数据、海量数据、MongoDB、Snowflake等[4][26]

英伟达开源VLA自动驾驶模型Alpamayo-R1 - 英伟达研究团队正式发布并开源全新的视觉-语言-动作模型Alpamayo-R1，并计划在未来的更新中开源该模型的部分核心数据集 [1] - 这是英伟达首次将VLA模型进行开源，对应的数据集已上传至开源社区，总大小约100TB，数据许可明确可用于商业和非商业用途 [2] - 此举打破了高端自动驾驶模型的封闭高墙，标志着端到端自动驾驶技术从“模仿行为”迈向了具备深层“因果思考”的新阶段 [4] 模型性能与测试结果 - 在针对极高难度长尾场景的测试中，AR1的规划准确率相比仅有轨迹预测的基线模型提升了12% [5] - 在闭环仿真测试里，AR1成功将车辆冲出道路的事故率降低了35% [5] - 与其他车辆或行人的近距离危险遭遇率大幅减少了25% [5] - 该模型在NVIDIA RTX 6000 Pro Blackwell车载硬件上保持了99毫秒的端到端超低延迟，满足实时自动驾驶需求 [5] - 具体测试数据显示，AR1的越野率从基线模型的17.0%±3.0%降至11.0%±2.0%，近距离遭遇率从4.0%±3.0%降至3.0%±2.0%，AlpaSim得分从0.38±0.04提升至0.50±0.08 [5] 技术架构与创新 - 为解决传统端到端模型的“黑盒”问题，研究团队构建了全新的“因果链”数据集，核心在于教会模型建立“观察-原因-决策”的严密逻辑闭环 [7][12] - Alpamayo-R1采用模块化高效架构，由专为物理AI打造的Cosmos-Reason视觉语言模型负责环境理解和逻辑推理，由基于流匹配技术的动作专家解码器控制行动 [13] - 在训练阶段引入了强化学习机制，利用更大规模的推理模型作为批评者对AR1的表现进行打分，重点要求模型推理逻辑与实际驾驶动作一致 [13][15] - 采用强化学习新模式后，模型的推理质量提升了45%，推理与行动的一致性提高了37% [17] - 训练策略表格显示，结合推理、一致性和安全性的强化学习策略，将近距离遭遇率从6.9%降至3.7%，推理-动作一致性得分从0.62提升至0.83 [16] 行业影响与战略意义 - VLA模型将“世界知识”引入驾驶舱的能力，是突破L4级自动驾驶长尾难题的公认解决方案之一 [8] - VLA研发对算力、算法、数据集要求极高，此前仅有小鹏、理想、小米、元戎启行等头部企业在推动VLA上车，开源项目也较少 [10] - 英伟达通过开源AR1及数据集，向全行业提供了一套L4级自动驾驶的“参考答案”，有效降低了中小厂商和研究机构的入场门槛，可能催生一批基于AR1微调的方案 [19] - 此举是英伟达“软硬一体”战略的体现，AR1展现的强大性能依赖于英伟达强大的GPU算力和配套的Cosmos框架工具链，通过定义先进的软件范式来锁定未来的硬件市场 [19] - 该项目由英伟达自动驾驶负责人吴新宙全面负责，他曾任小鹏汽车自动驾驶副总裁，于2023年8月加入英伟达并直接向CEO黄仁勋汇报 [18]

中国科学院航空遥感中心40周年数据成果 - 中国科学院航空遥感中心在成立40周年之际，系统发布了其长期积累的优质航空遥感数据及系列典型数据集，系统呈现中国航空遥感数据获取与应用的发展历程 [6] - 该中心40年来积累近5PB的海量数据产品，其中超过一半（超过2.5PB）已实现共享应用 [6] - 中心运行以2架奖状遥感飞机和2架新舟遥感飞机为平台的航空遥感系统国家重大科技基础设施，作业足迹遍布近30个省级行政区 [6] 数据服务能力与技术水平 - 任务类型覆盖应急监测、自然资源、科学试验、载荷研发等方面，数据获取方式已完成由单一类型到多模态数据协同的跨越 [6] - 相关数据已广泛服务中外70余家单位，技术水平达到国内领先、国际先进 [6] - 基于现有数据已制作完成30余个典型数据集，主要通过国家对地观测科学数据中心航空遥感数据资源分中心的数据共享门户网站面向社会开放共享 [8] 本次发布的核心数据集及其应用价值 - 高分辨率机载多维度合成孔径雷达地物分类数据集：可用于地物分类方法研究，实验验证表明该数据集可有效提升地物的分类精度 [7] - 多波段全极化机载SAR农作物精细分类数据集：具有波段丰富、极化完备、覆盖区域典型等特点，验证了多波段极化特征互补融合策略在农业遥感领域的可行性，可有效支撑农业遥感领域的深度应用 [6][7] - 机载多角度光学图像与激光点云数据集：是首个亚米级遥感新视角智能生成数据集，可为三维重建、导航定位、数字孪生等多领域应用提供高精度几何基准参考和训练数据源 [2][7] - 典型场景高分光学与SAR全极化多模态特性数据集：具有全极化SAR、地物场景多样化、低中高云量覆盖等特点，是目前唯一基于全极化SAR的亚米级光学遥感图像生成数据集，可用于多源遥感图像修复 [7][8] 数据产品属性与行业影响 - 本次发布的数据产品兼具多模态、高分辨率、高精度等属性 [7] - 这些数据集将在地物分类、三维重建、图像生成及修复等领域发挥重要作用 [7] - 中心的发布活动在第二十三届中国遥感大会上对外进行 [6]

中国科学院航空遥感中心数据成果发布 - 公司核心观点：中国科学院航空遥感中心在成立40周年之际，系统发布了其长期积累的优质航空遥感数据成果，这些数据产品具有海量、多模态、高分辨率、高精度等特点，并已实现广泛共享应用，技术水平达到国内领先、国际先进[1][3] - 公司数据积累与共享：公司运行以4架遥感飞机为平台的航空遥感系统国家重大科技基础设施，40年来作业足迹遍布近30个省级行政区，积累了近5PB的海量数据产品，其中超过一半（即超过2.5PB）已实现共享应用[1][3] - 公司技术能力与业务范围：公司任务类型覆盖应急监测、自然资源、科学试验、载荷研发等方面，数据获取方式已完成从单一类型到多模态数据协同的跨越，相关数据已广泛服务中外70余家单位[3] - 公司数据产品属性与价值：本次发布的数据产品兼具多模态、高分辨率、高精度等属性，将在地物分类、三维重建、图像生成及修复等领域发挥重要作用[3] 具体数据集及其应用 - 高分辨率机载多维度SAR地物分类数据集：该数据集可用于地物分类方法研究，实验验证表明其可有效提升地物的分类精度[3][5] - 多波段全极化机载SAR农作物精细分类数据集：该数据集具有波段丰富、极化完备、覆盖区域典型等特点，验证了多波段极化特征互补融合策略在农业遥感领域的可行性，可有效支撑农业遥感领域的深度应用[3][5] - 机载多角度光学图像与激光点云数据集：这是首个亚米级遥感新视角智能生成数据集，可为三维重建、导航定位、数字孪生等多领域应用提供高精度几何基准参考和训练数据源[3][5] - 典型场景高分光学与SAR全极化多模态特性数据集：该数据集具有全极化SAR、地物场景多样化、低中高云量覆盖等特点，是目前唯一基于全极化SAR的亚米级光学遥感图像生成数据集，可用于多源遥感图像修复[7] 数据管理与共享机制 - 公司已基于现有航空遥感数据制作完成30余个典型数据集[8] - 这些数据集主要通过国家对地观测科学数据中心航空遥感数据资源分中心的数据共享门户网站，面向社会开放共享[8]

金融黑灰产新特征 - 诈骗模式从传统粗放式转向依托算法精准投流，围猎高学历、高收入群体 [1] - 通过打造专业人设、发布伪科普内容，并借助AI制作虚假材料，将用户引流至私域进行诱骗 [1][2] - 诈骗团伙炮制虚假私募投研报告，伪造备案文件，搭建仿冒正规机构的交易平台，极具迷惑性 [2] - 利用AI技术使虚假材料制作门槛降低，数小时即可完成，并通过多平台广泛传播 [2] - 传播模式使用暗语，如将"征信"转化为"z信""zx"，"催收"替换为"崔收"，以规避关键词拦截系统 [5] 具体诈骗手法 - 以"低息贷款""债务协商"等名义，通过"免费定制方案"诱导用户添加微信，随后发送伪造材料构建信任 [1][4] - 收费形式针对20万元总欠款有两种：债务委托支付按欠款金额3至4个点核算，合计8000元分三笔缴纳；一次性付款合计6000元 [3] - 客服声称有专业协商老师和律师处理债务，并与平台总部及银行总部达成协议，协商结果可核实 [3] - 诈骗团伙通过定制交易软件操控资金，后续借助虚拟币转移赃款，增加案件追查难度 [2] 行业反诈技术应用 - 奇富科技自研"反欺诈专家策略系统"，集成欺诈识别、策略制定等四大核心模块，形成全流程闭环 [6] - 引入声纹识别技术和智能伪造材料识别系统，自去年八月系统落地以来处理黑灰产事件98000个，确认黑产关联客户44000名 [6] - 通过多方协同，截至10月处置违规引流内容近2300条 [6] - 信也科技运用图异常检测和跨模态建模技术，构建实时迭代的防护体系 [6] - 信也科技通过"风巢"风控平台等系统，2024年全年累计阻拦诈骗行为超2.6万次，标记疑似黑灰产近万人 [7] - 海尔消费金融依托声纹识别及大数据分析能力，累计研判可疑线索近200件，锁定6家反催收公司 [7] 监管行动与行业倡议 - 上海监管部门自2025年3月以来开展专项行动，破获银行保险领域案件117起，抓获犯罪嫌疑人323人，涉案金额37亿余元 [8] - 发布《网上不良金融信息处置工作上海指南》，明确不良金融信息的识别标准、处置流程等关键内容 [8][9] - 多家互联网企业共同发起倡议，从构建联合治理体系等3方面提出7项具体举措，倡导强化责任担当 [9]

股东信息 - 截至2025年9月30日 公司普通股股东总数为27,356户 [1] - 股东可通过现场或电子邮件方式 提供持股及身份证明文件后查询非法定披露时点的股东人数 [1]

市场整体表现 - 上证综指收盘报3939.81点，下跌0.81%，但仍位于年线之上 [1] - A股市场总成交额为19459.59亿元 [1] - 当日有35只A股价格突破了年线 [1] 突破年线个股表现 - 光云科技涨幅19.99%，乖离率19.13%，在突破年线个股中排名第一 [1] - 龙迅股份涨幅20.00%，乖离率15.24%，换手率达19.74% [1] - 中央商场涨幅10.11%，乖离率7.88% [1] - 贵州茅台微涨0.34%，乖离率0.32%，年线价格为1471.31元 [2] - 浦发银行微涨0.70%，乖离率0.29% [2] 个股交易特征 - 敷尔佳换手率高达17.72%，涨幅9.61% [1] - 新开普换手率为12.29%，涨幅7.35% [2] - 凯淳股份换手率为12.56%，涨幅5.05% [1] - 浦发银行换手率较低，为0.17% [2]

市场整体表现 - 上证综指报3937.29点，下跌0.87%，A股总成交额为15939.80亿元 [1] - 截至当日14:01，有30只A股价格突破年线 [1] 突破年线个股表现 - 光云科技乖离率最高，达19.13%，股价上涨19.99%至16.45元 [1] - 龙迅股份乖离率为15.24%，股价上涨20.00%至79.86元 [1] - 浩瀚深度乖离率为6.26%，股价上涨8.69%至22.76元 [1] - 天龙集团、金域医学、力合微等个股乖离率较小，刚站上年线 [1][2] - 贵州茅台股价微涨0.23%至1474.37元，乖离率为0.21% [2]

行业定义与背景 - 数据库管理系统（DBMS）是用于存储、管理和维护数据库的大型软件，保证数据安全性和完整性，是企业数智化转型的关键环节 [1][2] - 2024年全国数据生产总量达41.06ZB，同比增长25%，人均数据生产量约31.31TB，数据作为生产要素的重要性凸显 [7] - 国家层面将数据列为生产要素，并出台《关于促进数据产业高质量发展的指导意见》等政策支持数据产业链发展，数据库行业受益于政策利好 [9][10] 市场规模 - 2024年全球数据库市场规模约为1154亿美元，其中中国市场规模为83.7亿美元（约596.2亿元人民币），占全球7.3% [1][8] - 2024年全球数据库管理系统（DBMS）市场规模达627.3亿美元，持续领跑平台软件市场 [1][12] - 2024年中国数据库管理系统市场规模攀升至371.6亿元，同比增长10.2%，在中国平台软件市场中占据42.1%的份额 [1][12] 竞争格局 - 行业玩家众多，Oracle、达梦数据、微软等企业处于第一梯度，金篆信科、电科金仓、海量数据、南大通用等处于第二梯队 [1][12] - 市场竞争格局呈现国外厂商市场占有率萎缩，中国厂商市场占有率提升的趋势 [1][12] - 达梦数据2024年销售额达10.4亿元，市占率2.8%，继续保持中国厂商第一位置 [13] 技术发展与趋势 - 数据库管理系统技术自1964年首个网状DBMS（IDS）诞生以来不断发展 [1][12] - 未来DBMS将朝云原生、智能化、多模态方向发展，以应对海量数据和复杂业务需求 [1][13] - 云DBMS因可扩展性、灵活性和成本效益优势，其市场比重将进一步提升 [13]