星辰天合递表港交所：押注分布式 AI 存储的“第二名”和“第一家”
北京星辰天合科技股份有限公司（下称「星辰天合」）已向港交所主板递交上市申请，拟登陆资本市场。
这是一家专注企业级 AI 存储的公司：不做 GPU，不做模型，主攻 AI 时代最容易被忽略、但又几乎所有企业都必须面对的基础问题——数据如何被高效存储、管理与调度，让大模型真的跑起来、跑得起、跑得稳。
根据灼识咨询数据，按 2024 年装机量计算，中国前五大分布式 AI 存储解决方案供应商合计市占率为 52.3%。其中，星辰天合以 10.4% 的市场份额位居第二，同时也是中国最大的独立分布式 AI 存储解决方案提供商。
在 AI 基础设施被反复讨论的 2024 年，这样一家公司选择在当前时间点叩关港交所，本身就值得关注。
01 业务定位：两大产品线，直指 AI 存储核心痛点
星辰天合的定位并不复杂：
为企业提供面向 AI 场景的分布式存储系统，让企业能够在大规模 AI 应用中，既“存得下”，又“跑得动”。
公司目前两条主线产品非常清晰：
AI 数据湖存储解决方案
面向图像、视频、文档等海量非结构化数据
核心作用是整合、清洗、长期保存，为后续模型开发、训练提供统一数据底座
对应的是 AI 生命周期中的「数据积累与治理阶段」
AI 训推存储解决方案
面向 GPU 集群等高性能计算资源
在模型训练阶段，需要支撑频繁读取大规模数据集、写入 checkpoint
在推理阶段，需要高速检索与更新上下文数据
核心诉求是：高吞吐、低时延、高并发，不能拖 AI 芯片后腿
如果说 AI 数据湖解决的是“数据能不能长期存好、管好”的问题，那么 AI 训推存储解决的是“AI 芯片能不能被喂饱、能不能把性能榨干”的问题。
星辰天合选择的是这两头一起做：既打基础，又顶在前线。
02 行业背景：AI 存储是块越来越大的“硬骨头”
从市场规模来看，星辰天合所在的赛道并不算小众。
2024 年，中国 AI 基础设施市场规模约 2,176 亿元，约占全球的 15%
预计到 2030 年，将扩张至 10,991 亿元，复合年增长率 31.0%，中国占比有望提升至 25% 左右
其中，本地部署 AI 基础设施市场将从 2024 年的 1,088 亿元，增长至 2030 年的 5,770 亿元，复合增速 32.1%
在这一大盘之下，分布式 AI 存储是非常关键的一支：
2024 年，中国分布式 AI 存储市场规模约 100 亿元
2030 年预计达到 631 亿元
装机量从 2024 年的 10.3EB，提升到 2030 年的 60.5EB，年复合增速 34.3%
细分来看，目前行业结构大致如此：
2024 年按装机量计，AI 数据湖存储约占 80%，AI 训推存储约占 20%
到 2030 年，预计比例调整为 72%：28%，训推侧的占比稳步提升
存储这个传统领域，到了 AI 时代，被进一步拆分为“长期沉淀的数据湖”与“紧贴算力侧的训推存储”。星辰天合选择两条线一起切入，本质上是在押注一个更长期、更具复利效应的市场结构，而不是只做某一类短期热点产品。
03 三重“墙”：AI 训练和推理绕不开的存储难题
在 AI 基础设施里，算力是显性的，模型是显眼的，真正影响效率和成本的，往往却是存储侧那些“看不见”的瓶颈。星辰天合在招股书中，把当下企业普遍面临的问题，概括成三道“墙”：
1. 训练侧的「I/O 墙」
大模型参数量动辄百亿级，训练集群常常是上千乃至上万块 AI 芯片并行工作
芯片需要不断从存储系统中读取训练数据，并频繁写入 checkpoint
还伴随海量小文件的随机访问，极大增加元数据管理与响应压力
一旦存储跟不上，GPU 就只能“干等数据”，出现算力闲置，训练效率骤降。从结果看就是：
花了大价钱买的 GPU，真正忙碌的时间可能远低于预期。
2. 推理侧的「内存墙」
大模型推理正朝着更长上下文、更复杂交互演进
为了加速响应、减少重复计算，系统往往需要大量缓存（KV Cache 等）
这些缓存通常要放在显存中，才能保障足够的访问速度
问题在于：
显存贵、容量有限，而未来推理缓存体量只会越来越大。
如果存储系统无法承担一部分「接近缓存速度」的读写压力，企业就只能不断加显存、加卡，推理成本难以下来。
3. 数据侧的「重力墙」
企业数据分散在各业务系统：生产、研发、日志、历史归档等
原始数据和训练用高性能存储往往不在一个系统中
在不同系统之间迁移数据，成本高、耗时长，还容易造成版本、权限混乱
简单说，数据太“重”了，迁一次像搬一次家。
在大模型频繁迭代的今天，这种“搬家成本”已经成了很多企业做 AI 时的隐性支出。
星辰天合的业务逻辑，可以理解为：
通过专门为 AI 设计的分布式存储，把这三道“墙”一层层拆掉。
04 技术底座：从星海架构到 AIMesh
一家公司在分布式存储领域能走多远，很大程度上取决于核心架构和自研引擎的深度，星辰天合在这方面押了不小的筹码。
1. 星海架构：面向全闪数据中心的分布式存储
「星海架构」（XSKY 极速全共享架构）主要针对的是 NVMe 全闪时代的新瓶颈：
传统从 SATA/SAS 发展而来的系统，在 SSD 时延下降到微秒级之后，容易出现“介质很快、系统跟不上”的情况
星海架构目标是把全闪能力真正释放出来，在微秒级时延下仍能保持高并发和线性扩展
这套架构主要服务于高性能负载，是公司后续 AI 训推存储能力的基础。
2. XScale：AI 与多云时代的核心存储引擎
XScale 是星辰天合的自研存储引擎，几个关键能力比较关键：
支持 EB 级非结构化数据管理
独立元数据扩展，单桶可支持上千亿个对象
小文件聚合技术，缓解“小文件风暴”带来的性能问题
智能接入加速与企业级 QoS 控制
支持多云协作与数据生命周期管理
在 AI 数据湖和混合云数据架构中，XScale基本相当于“数据大脑”：
既要能管住数据量级，又要让数据在不同云、不同环境之间有效流转。
3. XPFS 与 AIMesh：直面 AI 时代的高性能访问需求
公司当前重点研发两个方向：
XPFS：
高吞吐、低时延且高并发的数据访问层
提供统一多协议支持
将成为 MeshFS 和 MeshFusion 产品的核心技术基础
AIMesh：
横跨 AI 数据湖存储与 AI 训推存储的统一软件定义层
由三部分构成：
MeshFS：训练侧高速数据层，用于突破 I/O 瓶颈
MeshFusion：推理记忆层，扩展大模型上下文存储能力
MeshSpace：全球 AI 数据湖，负责管理与流动海量数据集
公司在 2021 年 1 月就已经推出 MeshFS、MeshFusion 和 MeshSpace，这意味着其针对 AI 时代数据问题的布局，并非最近两年的“跟风”，而是较早就开始押注。
05 一体机产品线：从软件走向“即插即用”
在软件栈之外，星辰天合也推出了多款一体机产品，将自身分布式存储系统与计算、网络深度整合，降低客户部署门槛。
X3000 / X5000 系列：
面向主流企业环境的标准化产品线
3000 系列聚焦高性能场景
5000 系列面向容量导向型应用
Y3000 / Y5000 系列：
基于本土处理器的一体机
强调与国产 CPU、操作系统及信任堆栈的全面兼容
瞄准对“自主可控”有明确要求的客户群体
所有型号均支持其 AI 数据湖和 AI 训推存储解决方案，面向的是“开箱即用”的企业客户，尽量减少部署与运维复杂度。
06 客户结构与业绩表现：从制造到金融的深水区
从客户结构看，星辰天合已经切入了多条对数据与 AI 高度依赖的产业链。
截至 2024 年 12 月 31 日（按 2024 年收入计）：
液晶面板：覆盖中国前五大厂商中的 3 家
动力电池：覆盖前十大动力电池制造商中的 3 家
光伏：覆盖前三大光伏制造商中的 2 家
在金融领域：
覆盖中国 12 家股份制银行中的 4 家
覆盖 33 家万亿资产规模银行中的 11 家
覆盖前十大寿险公司中的 4 家
这些行业有一个共同特征：
数据规模巨大、业务高度依赖稳定性与合规性，对存储系统的可靠性和性能要求极高。
从收入与盈利能力来看，公司处在从高投入期向盈利期过渡的阶段：
2023 年收入：人民币 1.668 亿元，净亏损 1.807 亿元
2024 年收入：人民币 1.725 亿元，净亏损 8,420 万元
截至 2024 年 9 月 30 日止九个月，收入 1.178 亿元，净亏损 6,550 万元
截至 2025 年 9 月 30 日止九个月，收入升至 1.949 亿元，实现净利润 810 万元
可以看到，亏损在收窄，2025 年前三季度已经转正，这是很多技术密集型企业走向成熟常见的轨迹。
研发投入方面，公司也保持了较高比例：
2023 年研发费用：人民币 1.10 亿元，占收入 65.9%
2024 年研发费用：人民币 8,800 万元，占收入 51.0%
截至 2024 年 9 月 30 日止九个月：研发费用 6,900 万元，占收入 58.6%
截至 2025 年 9 月 30 日止九个月：研发费用 5,750 万元，占收入 29.5%
研发团队规模从 2023 年的 156 人，逐步调整至 2025 年 9 月 30 日的 125 人，但仍占员工总数约四成左右，说明公司在控制成本的同时，并未削弱技术投入的核心地位。
一个值得注意的指标是：
截至 2025 年 9 月 30 日止九个月，公司的整体净收入留存率达到 141.3%。
这意味着存量客户的复购与扩容贡献较大，客户粘性和满意度处于较高水平。
从项目类型看，公司已经在几个典型 AI 场景中实现了大规模部署：
自动驾驶：覆盖从生产线数据存储到研发、路测数据处理的全流程
大模型训练：为数千至数万 GPU 集群提供高性能文件系统与混合云数据流动能力
工业 AI：深度嵌入面板、半导体等客户的生产流程
金融科技：支持建设私有知识库和企业级数据湖，服务于智能风控、智能客服等场景
07 行业位置与生态壁垒：第二大玩家的“独立性”
按 2024 年分布式 AI 存储装机量计算：
中国前五大供应商合计市占率：52.3%
星辰天合市占率：10.4%，位列第二
同时是最大的独立分布式 AI 存储解决方案供应商
“独立”在这里是一个关键点——
在算力芯片、云厂商纷纷自建存储体系的当下，星辰天合的策略是：
不绑定单一算力生态，尽量保持技术与产品的中立性，做各类 AI 集群的“公共底座”。
公司的生态布局，主要体现在三方面：
适配多算力体系
与 Nvidia、Hygon、Ascend 等不同类型 AI 芯片兼容
客户常见的混合硬件环境下，可以统一接入公司的存储解决方案
避免被锁定在某一家算力供应商体系中
云原生与“主权”并重
能与云原生环境深度融合，支持容器化、微服务架构等
同时确保数据完全由客户掌控，满足金融、制造等强监管行业的合规要求
企业可以在本地搭出“类云体验”，既有弹性，又保留对数据的绝对控制权
行业生态协作
与 Intel、AMD 等主流计算架构保持良好兼容
方便其高性能存储系统融入现有数据中心与计算集群
支持高性能数据分析等负载，提升整体数据处理效率
对后来者而言，要在短时间内复制这样一整套软硬件栈与生态关系，并不容易，这也是公司认为自己已经初步建立“生态系统壁垒”的原因之一。
08 小结：从“被忽视的基础设施”到资本市场的放大镜
从商业故事的角度看，星辰天合并不是那种一眼就能“讲出大故事”的公司——它不直接做大模型，不做炫目的 C 端应用，而是长期扎在看起来“偏重、偏硬、偏基础”的存储领域。
但在 AI 基础设施愈发被重视的当下，分布式 AI 存储的重要性，已经从幕后走向前台：
如果算力是“发动机”，那数据存储与流动就是“燃油系统”。发动机再强，油路跟不上，车也跑不起来。
从递表信息来看，这家公司有几条比较清晰的线索：
所在赛道在整个 AI 基础设施里增长确定性较强
自身在分布式 AI 存储领域已经拿到相对靠前的市场位置
长期保持高比例研发投入，逐步从亏损走向盈利
客户集中在数据与合规要求都极高的行业，验证了产品的可靠性与稳定性
接下来，星辰天合要回答的问题，就是资本市场最关心的几个：
在一个高增长但竞争渐趋激烈的赛道上，它能否守住“第二名”、拉近与第一名的距离，并真正把“最大的独立供应商”这块牌子做出持续溢价。
对于正在加速推进 AI 落地的中国企业而言，像星辰天合这样的基础设施玩家，可能不会出现在所有人视野的中心，却会在越来越多关键项目的底层悄然出现。
