公司上市与市场地位 - 北京星辰天合科技股份有限公司已向港交所主板递交上市申请书 [1] - 按2024年装机量计，公司以10.4%的市场份额位列中国分布式AI存储市场第二，是市场份额最大的独立供应商 [1] - 中国前五大分布式AI存储解决方案提供商合计市占率为52.3% [1] 财务表现与股东背景 - 公司2025年前9个月收入为1.95亿元，较2024年同期大幅增长65.4% [5] - 公司2025年前9个月净利润为811万元，实现扭亏为盈，主要得益于毛利率提升及研发费用占比下降 [5] - 公司2023年、2024年及2025年前9个月收入分别为1.67亿元、1.73亿元及1.95亿元 [5] - 截至2025年9月30日，公司累计未弥补亏损仍高达3.69亿元 [5] - 公司经历8轮融资，股东包括博裕资本、北极光创投、启明创投、君联资本、腾讯、红点创投、昆仑万维、恒生电子等 [2] 业务与产品 - 公司核心业务聚焦于提供企业级AI存储解决方案，助力企业大规模高效整合数据、决策及运营 [2] - 公司以“软件定义”为核心，解决方案通过纯软件模式和一体机模式两种形式交付 [7] - 公司AI数据湖存储业务增长显著，收入占比从2023年的37.2%提升至2025年前9个月的46.1%，成为第一大收入来源 [7] - 公司帮助客户建设自己的“AI工厂”，让私有数据资产在安全、可控的环境下高效转化为驱动业务增长的智慧燃料 [6] 客户与竞争格局 - 公司客户覆盖金融机构、电信运营商、智能制造等多个核心领域 [3] - 公司主要竞争对手包括华为、浪潮等兼具硬件优势的综合性科技企业，这些竞争对手凭借完整的产业链优势与庞大的渠道网络占据市场主导地位 [3] - 公司存在多个客户与供应商重叠情况，前五大客户中的B、C、D、F也是公司供应商，前五大供应商中的A、D也是公司客户 [3] - 公司前五大客户收入占比在2023年和2024年均超过50%，但该占比在不断减小 [3] 行业前景与增长动力 - 根据灼识咨询预测，中国分布式AI存储市场规模将从2024年的100亿元增长至2030年的631亿元，复合年增长率达35.9% [2] - 中国分布式AI存储装机量将从2024年的10.3EB扩张至2030年的60.5EB，复合年增长率为34.3% [2] - 大模型训练与推理需求的爆发式增长驱动AI存储市场规模持续扩大，AI存储是AI基础设施的核心组成部分 [2] - 随着生成式AI的突破和落地千行百业，越来越需要挖掘沉淀于企业的数据和专业人士的经验，2026年围绕数据的进化将进入更深层次 [6] - AI基础设施已经全面改变了存储市场的架构，从静态图书馆升级为数据持续被计算的动态AI工厂，数据的价值从“被检索”升级为“被计算” [6] 行业挑战与供应链动态 - 组件价格上涨会进一步加剧供需失衡，部分中小存储厂商可能因为无法承担成本上涨压力，被迫缩减产能或退出市场，加速行业洗牌 [1] - 组件涨价正在加速存储供应链的垂直整合，不具备上游绑定能力的独立模组厂商将在2025—2027年的洗牌期面临严峻生存考验 [4] - 存储设备厂商为了维持利润空间，可能会将成本压力转嫁给AI基础设施集成商或终端客户，导致整体AI项目的建设成本上升 [5] - 具备技术优势和规模效应的头部厂商可能通过长期采购协议、自研部分组件等方式对冲成本压力 [5] 独立厂商的竞争策略 - 独立存储厂商需要跳出单纯的硬件比拼，从技术、场景、生态三个维度打造自身不可替代的价值 [3] - 独立存储厂商需要聚焦AI存储的特殊需求，持续优化分布式存储系统，并针对不同AI场景的存储需求进行定制化开发 [3] - 独立存储厂商需要主动融入AI基础设施的全栈生态，与芯片厂商、服务器厂商建立技术适配关系，构建以存储为核心的生态圈层 [3] - 生态绑定能够让独立存储厂商避免陷入单纯的价格竞争，凭借生态协同能力和场景化服务形成差异化壁垒 [3] - 独立存储厂商应该避开与云巨头的通用存储正面竞争，聚焦高价值细分场景 [4] - 软硬协同优化也是独立存储厂商构建差异化壁垒的路径之一，同时提供从数据迁移、性能调优到故障预测的全生命周期一站式服务非常重要 [7] 技术与安全考量 - AI数据存储系统多采用分布式架构，数据可能分布在不同地域的存储节点中，跨区域数据传输和存储过程中需要应对数据加密、访问控制等安全措施的落实 [1] - 数据存储安全面临的风险正在不断凸显，如何在软件生态、系统协同、能效比等方面实现突破的同时守住数据安全的底线成为一大挑战 [6] - 数据存储安全已从传统的“防泄露”升级为全生命周期、全栈式风险防控 [8] - AI特有的存储安全面临遗忘权实现的挑战，即AI模型需“遗忘”特定训练数据，但分布式存储架构下彻底删除技术难度极高 [8] - 存储系统与AI平台的权限体系割裂，存在过度授权问题 [8] - 在数据管理层面，分级存储标准落地不足，敏感数据存放在非安全层级的风险长期存在 [9] - AI催生海量存储需求，如果现有加密和防护技术迭代滞后，难以应对新型攻击手段 [9] - 在数据存储的实现过程中，需要借助自动化的数据分级工具，利用AI算法对数据进行快速识别和分类，并建立动态调整机制 [7]