证券代码：603138 证券简称：海量数据 公告编号：2025-074 公司于 2025 年 10 月 24 日以部分闲置募集资金向中国光大银行股份有限公 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 8,800 万元，获得理财收益合计人民币 230,755.56 元，具体赎回情况如下： 北京海量数据技术股份有限公司 使用部分闲置募集资金进行现金管理到期赎回的公告 本公司董事会及全体董事保证本公告内容不存在任何虚假记载、误导性陈述 或者重大遗漏，并对其内容的真实性、准确性和完整性承担法律责任。 北京海量数据技术股份有限公司（以下简称"公司"）于 2024 年 4 月 17 日 召开第四届董事会第八次会议审议通过了《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 24,000 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。 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 ...

核心事件概述 - 公司董事及高级管理人员屈惠强已完成其股份减持计划 [1] - 该减持计划因个人资金需求而实施 通过集中竞价方式进行 [1] 减持计划详情 - 减持股份数量不超过2.5万股 [1] - 减持股份占公司总股本的比例为0.0085% [1] - 减持股份占其个人直接持有股份总数的比例为25% [1] - 减持价格根据减持时的市场价格确定 [1] 计划时间进程 - 减持计划公告于2025年11月6日披露 [1] - 减持计划实施完毕日期为2025年12月18日 [1]

减持情况 - 减持前屈惠强持股100,000股，占比0.0340%[2] - 减持后持股75,000股，占比0.0255%[2] - 拟减持不超25,000股，占比0.0085%[3] - 减持期间为2025年11月27日至12月18日[6] - 减持价格区间14.05 - 15.32元/股，总金额361,570元[6]

公司高管减持 - 公司董事、高级管理人员屈惠强通过集中竞价方式减持公司股份25,000股 [1] - 减持股份占公司总股本比例为0.0085% [1] - 减持价格区间为每股14.05元至15.32元 [1] - 本次减持总金额为36.16万元 [1] 减持后持股情况 - 减持后，屈惠强持有公司股份数量为75,000股 [1] - 减持后持股占公司当前总股本比例为0.0255% [1]

核心观点 - 比亚迪搭载“天神之眼”辅助驾驶系统的车型在2025年11月销量达311,267辆，累计销量已突破230万辆，持续引领中国辅助驾驶市场，其“全民智驾”战略成效显著，正推动智能驾驶从高端向主流市场加速普及 [1][2][3] 销售表现与市场地位 - 2025年11月，比亚迪全月总销量为311,267辆，其中王朝与海洋系列贡献265,734辆，方程豹、腾势、仰望等高端及个性化品牌表现稳健 [1] - 在11月智能辅助驾驶车型品牌销量排行榜中，比亚迪以265,734辆位列第一，远超第二名零跑（67,825辆）和第三名问界（51,706辆） [4] - 截至2025年11月底，比亚迪搭载“天神之眼”系统的车型累计销量已突破230万辆，持续蝉联中国辅助驾驶车型销量及系统装车量榜首 [2][4] 技术发展与数据积累 - “天神之眼”系统每日生成的辅助驾驶数据已超过1.5亿公里，庞大的用户基盘提供了海量的真实道路数据 [4] - 行业领先的数据底座为AI大模型的持续训练与快速迭代提供了坚实基础，通过端到端强化学习等先进算法，系统能不断进化，使辅助驾驶行为更拟人、更安全 [4] - 自2025年下半年以来，公司连续推送多次大规模OTA更新，涵盖主动安全强化、行车功能升级、座舱体验优化等多个维度 [5] 安全承诺与用户信任 - 2025年7月，比亚迪率先做出行业承诺：对“天神之眼”车辆用户在泊车辅助场景下的安全及相关损失进行全方位兜底，且赔偿无上限、不限首任车主 [5] - 这一举措展现了公司对其辅助驾驶技术的绝对自信，以及对用户安全高度负责的企业态度 [5] - “天神之眼”凭借稳定可靠的表现和全面的安全保障，赢得了消费者的广泛信赖，口碑效应日益凸显，已成为助推比亚迪车型尤其是中高端车型热销的关键因素之一 [5] 行业趋势与影响 - 比亚迪的实践标志着其推动的“全民智驾”战略已取得显著成效，智能驾驶正从高端配置加速向主流市场普及 [3] - 在比亚迪等头部企业的推动下，智能辅助驾驶正逐步从“亮点配置”转变为用户购车的“核心考量” [5]

现金管理 - 2024年4月17日同意用不超2.4亿闲置募集资金现金管理，期限12个月[1] - 2025年4月16日同意用不超1.5亿闲置募集资金现金管理，期限12个月[1] 理财情况 - 2025年11月17日赎回银行结构性存款本金2100万，收益25,027.40元[3] - 最近12个月投入本金10.1亿，收回9.22亿，收益235.38万[7] - 最近12个月单日最高投入1.8亿，占近一年净资产22.06%[7] - 最近12个月委托理财累计收益占近一年净利润 - 3.72%[7] 理财额度 - 截至公告日已使用8800万，未使用6200万，总额度1.5亿[7]

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]