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2024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：2022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，700万元的差额未获解释。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56.09亿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