文 | 预见能源 文 | 预见能源 “经营正常”😘为何难以转化为股价动能？ 9月29日，宁波能源2025❤️年半年度业绩说明会现场，投资者的提问直指核心：“公司股价长期😜低迷，是否遇到经营困难？有何提振股市的具体措施？”面对这一尖😀锐质询，董事长马奕飞给出“日常经营一切正常，上半年归母净利润🥳增长13.05%”的回应。 然而市场对此并不买账——作😘为1995年成立、2004年登陆上交所的老牌企业，其首发价格👍4.2元，二十余年后股价仍在4元区间徘徊，与宁波光伏装机容量🤔突破千万千瓦的区域能源发展热潮形成鲜明反差。 当202🥳4年营收同比下滑21.24%、归母净利润同比下降30.05%👏的年报数据与半年报“增利不增收”的表现叠加出现时 ，这家国企😎的估值困境更显扑朔迷离：所谓的“经营正常”为何难以转化为股价😘动能？二十余年的发展又为何未能给投资者带来超额回报？ 😉分红维稳与市值管理：为何难破股价僵局？ 股价长期与首发😎价持平的背后，是市场对企业成长价值的深度疑虑。通常而言，此类🔥局面往往源于长期盈利增长乏力、资产增值效率低下，导致股价无法😡反映企业成长红利。宁波能源的财务轨迹似乎正在印证这一逻辑：2🔥022至2024年，公司归母净利润波动明显，分别为3.64亿😆元（同比减少23.22%）、4.07亿元（同比增加18.65😴%）、2.85亿元（同比减少30.05%），缺乏稳定增长的核😴心支撑。 面对投资者关切，马奕飞在业绩会上着重强调公司👏对股东回报的重视，提及2022至2024年现金分红比例分别达😆41.48%、41.15%和58.83%，2025年5月已实❤️施每10股派1.50元（含税）的分红方案，总额约1.68亿元👍。但分红力度与股价表现的脱节，暴露出市值管理的深层短板。尽管😎管理层提出“以价值管理为核心，通过增强竞争力、优化治理、加强😘投资者沟通”等长效措施，甚至暗示未来可能推出股权激励计划，但🤯市场更关注实际成效。 值得注意的是，投资者对“增收不增🤔利”的追问直击痛点。2025年上半年18.74亿元的营收同比😅减少11.24%，与1.97亿元归母净利润的13.05%增幅😁形成诡异背离，而马奕飞“积极开拓市场、优化资产结构”的回应未🤔能给出实质性解决方案。这种增长质量的瑕疵，或许正是股价长期低🥳迷的核心症结。 增利不增收背后：数据矛盾与流动性暗礁 💯 2025年半年报呈现的“营收降、利润升”异象，并非宁波🌟能源业绩质量问题的个例。回溯2024年数据，公司营业收入42😂.42亿元同比下降21.24%，归母净利润2.85亿元同比下🥳降30.05%，已显现营收利润双降的压力，仅依靠经营性净现金😢流124.55%的同比增幅形成短暂支撑，而这种现金流与营收的😜反向变动已持续多个报告期 。 业绩说明会上暴露的数据矛😜盾更引发市场担忧。针对经营活动现金流净额同比减少55.45%😅的问题，财务负责人夏雪玲称系2024年同期收回2.61亿元可🙄再生能源补贴所致，但半年报明确记载该笔补贴为2.54亿元，7🔥00万元的差额未获解释。无独有偶，独立董事张志旺将研发费45😅.25%的增幅归因于技术研发方向，而财报则明确指向“潜江热电😡、溪口蓄能研发费增长”，信息披露的不一致性削弱了市场信任度。😎 展开全文 财务报表背后的流动性风险更不容忽视。😴截至2025年6月末，公司资产负债率64.46%，虽处于能源😂行业60%～75%的常规区间，但货币资金仅7.62亿元，占5😀6.09亿元流动负债的比例仅13.58%，现金比率远低于20👏%的安全线。2024年数据显示，公司资产负债率已连续三年上升😆，从59.07%增至65.99%，短期债务占总债务比例达49🌟.67%，应收账款周转率则从2022年的15.06次降至2.😊89次，资金回笼能力持续弱化 。 尽管管理层提出“发债😜置换高息贷款”的融资策略，但在货币资金占总资产不足5%的现状❤️下，其抗风险能力与投资弹性已备受质疑。 智慧能源转型：😀蓝图之下的落地困境 在业绩说明会上，马奕飞将公司未来发😁展的重心锚定智慧能源转型，提及已在象山波威重工建成全市首个厂🤔区内风光储一体化项目，推进虚拟电厂与智慧能源管控平台建设，并😊计划“持续拥抱数智力量”。这一战略看似契合宁波打造“能源+数⭐字”新型能源体系的城市规划——截至2025年5月，宁波光伏装🎉机容量达1024.45万千瓦，象山海风电装机容量超106万千😘瓦 ，但宁波能源的转型实践却面临多重挑战。 对外投资的🥳分散化与项目效益的不确定性形成鲜明对比。2025年上半年，公😘司既斥资9610.75万元收购坤能集团22家光伏项目公司股权🤗，又通过子公司新设马鞍山朗辰、青辰新能源等平台，同时推进8项😡认缴出资，但多数项目出资进度不足50%，难以形成规模效应。反💯观存量资产，子公司潜江瀚达热电上半年亏损1828.58万元，😜兰溪甬能生物质能源有限公司因效益问题被清算注销，核心业务的盈🤗利稳定性亟待改善。 转型项目的长周期与行业竞争的白热化😢更加剧了不确定性。公司寄予厚望的抽水蓄能项目中，仅80MW的😍溪口项目已投运，1200MW的状元岙项目仍在推进中，而此类项🤩目普遍存在投资大、回收慢的特点。与此同时，电力市场化改革带来🌟的挑战已然显现：浙江省内三家热电企业均需参与电力市场交易，绿🤯电绿证、辅助服务等新型交易品种对企业运营能力提出更高要求，而😀公司目前尚未展现出差异化的竞争优势 。 当区域能源转型🤗的红利持续释放时，宁波能源的转型成效仍待市场检验。返回搜狐，🙄查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多