纪要涉及的行业或者公司 * 电力行业 特别是电网、新能源、储能及灵活性资源相关领域 [1] * 涉及电网侧和电源侧设备供应商 如储能、SVG（静止无功发生器）、SSC（可能指同步调相机或特定补偿设备）等 [2] 纪要提到的核心观点和论据 * **政策核心逻辑**：通过市场化手段解决新能源高比例接入后的系统平衡问题 [1] * **空间重构（打破壁垒）**：政策明确“打破市场分割”、“畅通循环”，推动跨省跨区交易，意味着电力资源将在全国范围内配置 [1] * **空间重构带来的需求**：特高压通道配套的电源点（包括储能和无功补偿）需求将大幅增加 [1] * **价值重构（多维定价）**：政策明确电力价值包括“电能量”、“调节”、“环境”、“容量”等多维价值 [1] * **价值重构带来的利好**：对具备“调节能力”和“容量支撑”的设备是重大利好，如SVG和SSC [1] * **时间重构（现货为王）**：提出到2027年现货市场基本实现正式运行 [1] * **时间重构带来的影响**：现货市场的波动性和高频次交易，将极大提升灵活性资源的溢价 [1] * **政策时代意义**：为电力系统划定了一个“价格发现”的时代，“灵活调节能力”就是资产和现金流 [1] * **市场扩容结论**：现货市场和辅助服务市场的扩容，将直接刺激电源侧和电网侧对储能、SVG、SSC等产品的订单需求 [2] 其他重要但是可能被忽略的内容 * 政策文件名称被隐去，以“《 查找图书 意见》”指代，可能是一份关于电力市场化的关键政策意见 [1] * 政策目标时间点：到2027年现货市场基本实现正式运行 [1]

公司战略与资源布局 - 控股子公司新疆天池能源有限责任公司以27.05亿元竞得新疆巴里坤哈萨克自治县三塘湖矿区库木苏五号井田的煤炭普查探矿权，矿区面积65.85平方千米 [1][2][3] - 此次投资是公司深耕能源领域、为旗下能源业务和电力供应提供原料支撑的重要举措，并非单纯购买煤炭 [1][3] - 公司持续加码煤炭业务，已构建涵盖煤炭、金矿、铝土矿及锂矿等核心领域的多元化资源矩阵，旨在打造“上游原料至中游制造”的产业链闭环，以保障供应链稳定并强化成本优势 [3] - 公司煤炭资源主要集中在新疆准东地区，2025年3月曾宣布总投资170.4亿元建设准东20亿立方米/年的煤制天然气项目 [3] 主营业务与经营业绩 - 公司主业涉及输变电、新能源、能源、新材料四大行业，四大主业并驾齐驱，整体经营健康发展 [1][5] - 2025年前三季度，公司实现营业收入729.2亿元，同比增长0.84%；实现归母净利润54.84亿元，同比增长27.55% [1][6] - 自1997年上市以来近29年间，公司累计实现归母净利润671.14亿元 [6] - 煤炭业务是公司前三大营收主力之一，长期贡献约20%的营收；2025年上半年，煤炭业务实现收入88.32亿元，占总营收比重为18.27% [4] 资产规模与财务状况 - 截至2025年三季度末，公司总资产达2244亿元，创历史新高；公司总资产于2019年末首次突破千亿元，2024年二季度末突破2000亿元 [1][7] - 截至2025年三季度末，公司账面货币资金为267.1亿元，交易性金融资产为1.17亿元；短期借款与一年内到期的非流动负债分别为32.92亿元和84.25亿元 [6] - 2025年三季度末，公司资产负债率为56.13%，较2024年同期下降0.67个百分点 [6] 产能与运营情况 - 公司煤炭核定总产能为7400万吨/年，具体包括：南露天煤矿4000万吨/年、将二矿3000万吨/年、将一矿400万吨/年 [4] - 公司已运营的电厂包括：昌吉2×350MW城市热电联产电厂、准东北一2×660MW“疆电外送”电厂、巴州2×350MW热电联产电厂和准东2×660MW电厂 [4] 研发投入与科技创新 - 公司高度重视科技创新，从2021年开始年度研发费用均超过10亿元；2021年至2025年前三季度的研发费用分别为11.38亿元、13.12亿元、12.84亿元、13.54亿元和11.63亿元 [7] - 近五年（2021年至2025年前三季度）研发费用支出合计达62.51亿元 [7]

公司业务与产品布局 - 公司明确AIDC即智算中心 是专为人工智能和大数据应用提供算力、存储和相关服务的数据中心 [2] - 公司部分电能质量产品如APF、SVG可用于数据中心和智算中心 [2] - 公司未来将适时推出更多符合AIDC应用场景的新产品 [2] 储能业务与财务表现 - 公司储能业务出现短期下滑 原因是战略及产品策略的调整 [2] - 公司将快速调整并尽力恢复储能业务的增长 [2] - 公司毛利率下滑 受市场竞争加剧、客户结构调整等多重因素影响 [2] - 公司将通过加强内部管理、优化供应链策略、调整下游架构来努力保证毛利率的稳定 [2]

AIDC（人工智能数据中心）业务进展与规划 - 公司成立专门的AIDC业务团队，基于现有电能质量产品（如APF、SVG）进行新产品研发，短期聚焦电源产品（如HVDC、SST）开发 [2] - 长期目标是成为AIDC用能综合解决方案商，提供整体能源解决方案，以提升品牌影响力和市场竞争力 [3] 充电桩行业发展与公司战略 - 行业进入充分竞争、平稳发展阶段，国家政策提出到2027年底建成2800万个充电设施，提供超3亿千瓦公共充电容量，满足超8000万辆电动汽车需求 [3] - 在新能源重卡领域，公司凭借技术与市场先发优势，深化与整车厂商合作，扩大市场份额 [3][4] - 针对充电桩下沉市场，公司顺应“县县全覆盖”、“乡乡全覆盖”政策，推出适配快充桩及智慧充换电解决方案 [4] - 公司于2025年9月推出新一代2.5兆瓦（MW）重卡兆瓦超充解决方案，并在全国快速布局 [5] 公司整体战略方向 - 持续夯实现有业务，同时深耕新增长曲线（如AIDC、智慧能源研究院）并大力拓展海外业务，提升海外营收占比 [4] 毛利率与竞争力维持策略 - 公司通过技术创新、优化产品能效比、增加高附加值产品占比、推进全球化布局及本地化服务来应对市场变化，努力保持各产品线盈利能力稳定 [5] 储能市场发展前景 - 国内方面，电力交易市场化改革深化，现货市场价差扩大及容量电价政策出台，为储能项目（如独立储能）提供了盈利基础和政策支持 [6] - 海外方面，能源体系向低碳化转型，新型储能成为关键支撑，公司将继续深耕海内外市场，满足全场景需求 [6]

股权激励与公司治理 - 2022年限制性股票激励计划已于2025年4月15日全部归属完成 [2] - 公司将在未来合适时间制定长期有效的股权激励机制，以促进稳定、可持续发展 [2] AIDC业务发展 - 公司电能质量产品用于数据中心、智算中心的占比显著提升 [3] - 2025年6月成立专职团队，基于APF、SVG等产品研发HVDC、SST等AIDC供电新产品 [3] - 长期目标是成为AIDC用能综合解决方案商，提升品牌影响力和市场竞争力 [3] HVDC产品进展 - 针对AIDC单机柜功率密度向兆瓦级跃升的需求，HVDC成为供电模式新选择 [3][4] - 新一代800V HVDC相比传统供电可提升系统效率、节约占地空间、降低铜耗 [4] - 公司正深入开展HVDC技术研发，将适时推出产品以提升AIDC领域竞争力 [4] 数据中心配储趋势 - 北美电力短缺及电价上涨推动数据中心配储需求，以参与需求响应和保障运行 [5] - 储能能满足政策要求、加快审批流程，并通过电力市场交易创造收入 [5] - 公司会积极调研客户需求，适时匹配产品以提升市场份额 [5] 充电桩业务发展 - 公司凭借技术先发优势，于2025年4月推出1.6MW、9月推出2.5MW重卡超充解决方案 [6] - 产品针对工地、矿场等恶劣环境进行防护升级，深化与重卡厂商合作 [6] - 国家政策目标到2027年底建成2800万个充电设施，满足超8000万辆电动汽车需求 [5][6] 毛利率与经营策略 - 公司通过技术创新、优化产品能效比、提升高附加值产品占比稳定盈利能力 [6] - 推进全球化布局和供应链效率优化，以场景化解决方案提升客户价值 [6] 投资与收并购计划 - 若有收并购计划，将围绕产业链上下游优质资源，聚焦技术互补或海外本地化布局 [7] - 公司业务聚焦电能质量、储能、充电桩、电池化成与检测等核心领域 [7]

舍弃VAE的扩散模型新范式 - 当前主流的隐扩散模型依赖预训练的变分自编码器将图像压缩至紧凑的潜空间，该范式包含VAE编码和潜空间扩散两个核心阶段[8] - VAE已成为下一代生成模型能力提升的主要瓶颈，其计算成本高昂，例如Stable Diffusion 2.1的VAE编码器处理高分辨率图像需要135.59 GFLOPs，超过其扩散U-Net网络的86.37 GFLOPs[8] - VAE的训练目标导致其潜空间存在语义纠缠问题，即不同类别对象特征混乱混合，缺乏清晰边界和聚类结构，这构成生成质量的保真度瓶颈并导致训练低效不稳定[9] - 纽约大学谢赛宁团队的RAE和清华&快手团队的SVG工作均选择弃用VAE，改用预训练语义编码器来构建新范式，以解决语义纠缠、计算效率低及生成与感知任务割裂等问题[9] - RAE提供了一个通用框架，通过将任意冻结的预训练语义编码器与轻量级解码器配对，将扩散模型引入高维但语义丰富的潜空间[9] - SVG提出一种完全无VAE的架构，通过融合冻结的DINOv3语义主干和专用于捕捉细节的残差分支，构建兼具语义判别性与重构保真度的统一表征空间[10] - RAE和SVG的核心思路是将扩散模型从压缩优先转为语义优先，通过继承预训练基础模型的语义丰富表征空间，以解锁更优的效率、生成质量和任务通用性[10] - RAE和SVG均利用海量数据预训练的视觉基础模型所提供的强大先验知识，RAE的核心思想是表征优先，直接继承预训练语义编码器的能力以填补自编码器的语义鸿沟[11] 多模态大语言模型的视觉衰减问题 - 文本主导性跨越图像、视频、音频等不同模态，已成为多模态大语言模型的普遍缺陷[2] - 当推理链延长时，模型的注意力会从视觉Token迁移至语言Token[2] - 跨模态连接值的指数衰减定律影响了视觉信息在深层架构中的有效性[2] - 双通道注意力对齐机制可用于消除模态间的不一致性[2] - VAR方法旨在确保所有推理都基于可追溯的视觉事实[2] AI时代的商业法则与投资趋势 - LinkedIn创始人Reid Hoffman提出AI时代黄金商业法则为懒惰且富有[3] - Hoffman断言万物皆可软件化是硅谷的致命盲区[3] - AI时代的贪婪与懒惰法则可能终结Web 2.0时代先烧钱、后盈利的传统路径[3] - 顶尖大语言模型只能给出B-级共识，这种现象意味着人类专家的价值可能从知识储存库转移到了反共识思维[3] - Hoffman押宝原子世界，显示出对物理世界和数字世界结合领域的投资兴趣[3]

投资评级 - 报告对四方股份的投资评级为“优于大市” [1][5][24] 核心观点 - 报告认为公司网内外业务景气共振，固态变压器有望打开新增长空间 [1] - 公司前三季度经营业绩稳健，减值影响利润增速 [1][8] - 三季度以来网内交付修复，网外业务保持较快增长 [2][19] - 公司海外布局加速，多国实现标志性突破 [2][20] - 公司在固态变压器技术领域领先，已有多个重点项目交付业绩 [2][22] 经营业绩分析 - 2025年前三季度公司实现营收61.32亿元，同比增长20.39%；实现归母净利润7.04亿元，同比增长15.57% [1][8] - 2025年前三季度公司毛利率为30.77%，同比下降2.93个百分点；净利率为11.47%，同比下降0.51个百分点 [1][8] - 2025年第三季度公司实现营收21.11亿元，同比增长30.65%；实现归母净利润2.28亿元，同比增长22.78% [1][19] - 2025年第三季度公司毛利率为31.24%，环比上升1.83个百分点；净利率为10.77%，环比上升0.07个百分点 [1][19] - 2025年上半年电网自动化业务营收17.26亿元，同比增长2.21%，毛利率40.83%；电厂及工业自动化业务营收20.03亿元，同比增长31.25%，毛利率23.82% [2][19] 业务进展与亮点 - 公司海外市场取得突破，产品完成泰国、马来西亚、韩国、印尼等多国入网测试，并中标老挝、刚果、印度等多个SVG项目 [2][20] - 公司具备交流10kV-35kV、直流20kV-60kV接入，240V-800V直流输出的固态变压器系列产品，整机效率已提升至98.5% [2][22] - 公司是国内少有的能提供数据中心交直流配电系统一二次关键设备及全套解决方案的厂家，上半年中标阿里巴巴、中国移动等多个数据中心项目 [22] 盈利预测与估值 - 报告预计公司2025-2027年归母净利润分别为8.28亿元、10.05亿元、12.05亿元，同比增长16%、21%、20% [3][24] - 报告预计公司2025-2027年动态市盈率分别为28倍、23倍、20倍 [3][24] - 根据盈利预测，公司2025-2027年每股收益分别为0.99元、1.21元、1.45元 [4] - 报告预测公司2025-2027年净资产收益率分别为17.7%、20.2%、22.5% [4]

涉及的行业与公司 * 行业：电力自动化设备、新能源（风能、太阳能）发电、储能、数据中心（IDC/AIDC）、电网投资 [2][4][10][11][28] * 公司：四方股份 [1][2][3] 核心财务与运营表现 * 2025年第三季度收入增速达30%以上，净利润增速超过20% [3] * 2025年前三季度累计收入同比增长20%，净利润同比增长16% [3] * 2025年前三季度新签合同同比增长约20%，为全年100亿新签合同目标奠定基础 [2][5] * 毛利率有所下滑，主要由于业务结构变化，但整体盈利能力和净利率保持平稳 [3] * 电网自动化发货同比增长约15%，电厂及工业自动化发货同比增长约25% [2][7] * 新能源发货增长40%-50% [2][7] 各业务板块进展 **电网业务** * 电网业务新签合同保持15%-16%的增长，主网招标情况优于预期 [2][5] * 主网和配网发货分别保持百分之十几和20%以上的增速 [7] * 公司对主网投资长期保持乐观，将在优势领域持续稳健增长 [10] **新能源业务** * 新能源业务新签合同增速达30% [2][5][13] * 增长得益于产品品类和区域拓展，重点关注升压站配套需求 [2][4][14] * 每个新能源场站必然配套一套升压站，四方提供中资产品、SV产品和开关柜产品，大规模场站合同可能过千万元 [2][14] * 海上风电项目订单创历史新高，大基地项目中的数字孪生取得突破 [4][14] **国际业务** * 国际业务表现亮眼，2025年前三季度新签订单达4.1亿元，去年同期仅为1.5亿元，同比增长显著 [2][6] * 2025年国际业务目标是保5争6亿元新签订单 [6] * 海外业务毛利率优于国内，一次系统毛利率较高，二次系统毛利率约40% [2][16] * 中标菲律宾最大光储项目，海外SVG订单达八九千万元，比去年显著进步 [15] * 公司计划到2030年海外业务占比达到30% [4][29] 战略技术与未来增长点 **中压直流输配电与SST（固态变压器）** * 公司将中压直流输配电视为未来重要机遇，SST是重要战略布局 [2][8] * 结合AI和新能源送出需求，中压直流配电具有巨大潜力，有望成为公司下一轮数量级增长点 [2][8] * SST本质上是一个中压直流配电系统，需要深度一二次融合的技术，公司具备从500千瓦到5兆瓦的产品系列和多次场景迭代经验 [17][20] * 预计SST在2027年有商用化可能，需在2026年完成挂网、试运行等验证工作 [4][11] * SST是切入欧美国际市场的重要抓手 [18] **调相机与无功支撑** * 公司重点发展分布式调相机和静止同步调相机，预计增量过亿元级 [4][14] * 在国内具备完整提供四大核心系统（启动、励磁、保护、D3S）能力的企业仅两三家，公司具备竞争优势 [14] * 2025年分布式调相机市场预计约有200台，2024年约为100台 [19] * 调相机与新能源存在公式关系，需求主要集中在三北地区的大基地 [33] **数据中心业务** * 数据中心业务是公司的重要战略优先级 [4][11] * 公司关注绿色算力发展，提供绿电直连（新能源直送数据中心）的源网荷储一体化系统解决方案 [21][28] * 在数据中心应用中，SST需改进体积、功率模块、散热等核心技术 [12][23] **储能业务** * 今年储能业务保持明显增长，但具体数据未披露 [22] * 公司储能业务与传统规模化储能厂家不同，服务于特定场景如火储联合调频、构网型储能、绿电直连项目 [25][26] * 高压级联式高压直挂方式的储能可减少传统柴发设备使用成本，四方参与南方电网标杆项目，拥有先进技术储备 [26][30] 但该技术在当前订单中未占主要位置，应用场景有限 [31] 其他重要信息 * 公司通过本地化团队、加强二次能力（如前期策划、电力系统仿真）提升国际竞争力 [15][27] * 公司将国际业务发展的指挥棒交给负责一次业务的领导，以促进一次和新业务发展 [27] * 国内外市场在电压等级（如国内数据中心用200多伏，国外用800伏）和标准规范上存在差异，公司进行针对性产品适配 [24] * 常规储能无法提供转动惯量，但构网型储能可以满足基本要求 [34]

技术范式变革 - 图像生成领域出现无VAE潜在扩散模型新范式，清华与快手可灵团队推出SVG模型[1] - VAE因语义纠缠缺陷被接连抛弃，调整潜空间单一数值会导致图像多特征 unintended 联动变化[3] - 传统VAE+扩散模型范式将高分辨率图像压缩为低维潜空间特征，导致不同语义图像特征混乱交织，训练和生成效率低下[5] SVG模型核心技术优势 - 采用语义与细节双分支加分布对齐架构，以DINOv3预训练模型作为语义提取器解决语义纠缠问题[6][8] - 设计轻量级残差编码器补充DINOv3忽略的颜色、纹理等高频细节，并通过分布对齐机制实现完美融合[8] - 分布对齐机制至关重要，移除后生成图像FID值从6.12升至9.03，生成质量大幅下滑[9] 训练与生成效率突破 - 相比传统VAE方案，SVG实现训练效率62倍提升和生成速度35倍提升[1] - 在ImageNet 256×256数据集上，SVG-XL模型仅训练80个epoch，无分类器引导时FID达6.57，远超同规模基于VAE的SiT-XL（FID 22.58）[11] - 在5步采样推理效率消融实验中，SVG-XL的gFID为12.26，显著优于SiT-XL（SD-VAE）的69.38和SiT-XL（VA-VAE）的74.46[12] 多任务通用性表现 - SVG特征空间可直接用于图像分类、语义分割、深度估计等任务，无需微调编码器[13] - 在ImageNet-1K分类任务中Top-1精度达81.8%，与原始DINOv3几乎一致；在ADE20K语义分割任务中mIoU达46.51%，接近专门分割模型水平[13][14] - 模型在1400个epoch延长训练后，FID可低至1.92，接近当前顶级生成模型水平[11] 行业影响与团队背景 - 技术突破显示预训练视觉模型特征空间已具备替代VAE能力，代表行业技术发展方向[17] - 项目由加州大学伯克利分校博士后郑文钊负责，核心成员来自清华大学自动化系和快手可灵团队[15][17]

技术趋势：无VAE潜在扩散模型的兴起 - 图像生成领域出现技术范式转变，VAE（变分自编码器）正被无VAE潜在扩散模型替代 [1] - 清华与快手可灵团队联合提出名为SVG的无VAE潜在扩散模型，标志着技术路线的演进 [1] SVG模型的核心技术创新 - 采用“语义+细节双分支+分布对齐”的架构，从根本上解决VAE的语义纠缠缺陷 [4] - 语义纠缠指传统VAE将不同语义特征置于同一潜空间，导致调整单一数值（如猫的颜色）会引发连锁反应（如体型、表情改变） [4] - 以DINOv3预训练模型作为语义提取器，确保不同类别（如猫、狗）的特征边界清晰可辨 [14] - 专门设计轻量级残差编码器补充DINOv3忽略的颜色、纹理等高频细节信息 [14] - 通过分布对齐机制调整细节特征，使其数值分布与DINOv3语义特征匹配，避免细节扰乱语义结构 [15][16] - 消融实验证明分布对齐机制至关重要，移除后生成图像的FID值从6.12升至9.03，生成质量大幅下滑 [16] SVG模型的性能优势 - 在训练效率上实现62倍提升，在生成速度上实现35倍提升 [3] - 在ImageNet 256×256数据集上，SVG-XL模型仅训练80个epoch，无分类器引导时FID达6.57，远超同规模基于VAE的SiT-XL（FID 22.58） [18] - 当训练延长至1400个epoch，SVG-XL的FID可低至1.92，接近当前顶级生成模型水平 [18][19] - 在推理效率上，5步采样时SVG-XL的gFID为12.26，显著优于SiT-XL（SD-VAE）的69.38和SiT-XL（VA-VAE）的74.46，表明其在较少采样步数下即可达到较好生成质量 [19][20] - 10步采样时，SVG-XL的gFID为9.39（无CFG）和6.49（有CFG），优于对比模型 [20] SVG模型的多任务通用性 - 模型构建的特征空间具备多任务通用能力，不仅用于图像生成，还可直接用于图像分类、语义分割、深度估计等视觉任务，且无需微调编码器 [22] - 在ImageNet-1K图像分类任务中Top-1精度达到81.8%，与原始DINOv3（81.71%）几乎一致 [22][23] - 在ADE20K语义分割任务中mIoU达46.51%，接近专门的分割模型 [22][23] 技术路线对比：SVG与RAE - SVG技术路线旨在兼顾生成与多任务通用，而谢赛宁团队的RAE技术路线则极致聚焦于图像生成性能 [4][11] - RAE直接复用DINOv2、MAE等预训练编码器，不修改编码器结构，仅优化解码器来还原图像细节，并针对性改造扩散模型架构 [9][10] - SVG则主动构建语义与细节融合的特征空间，而非直接复用预训练特征 [12]