光明乳业预告巨亏,最高达1.8亿,此前“高估值”收购质疑未消

在乳业市场竞争愈发激烈、行业整体面临挑战的大背景下,光明乳业近期的一系列表现令人忧心忡忡,不仅业绩大幅预亏,还深陷高估值收购的质疑漩涡,其未来发展充满了不确定性。

1月20日晚间,光明乳业发布的公告如同一颗重磅炸弹,在乳业市场激起千层浪。公告显示,预计2025年度公司归属于母公司所有者的净利润亏损1.2亿元至1.8亿元,而上一年同期还盈利7.22亿元,如此巨大的落差,让光明乳业遭遇了业绩的“滑铁卢”。

光明乳业将亏损原因主要归咎于海外子公司新莱特乳业生产基地出现生产问题,导致存货报废、生产成本费用增加,进而造成归母净利润为负值,目前子公司问题基本得到解决。深入剖析会发现,光明乳业近年来早已是危机四伏。从营收数据来看,2021-2024年营收从292.06亿元降至242.78亿元,连续三年同比下滑,这种持续的衰退态势,犹如一辆失控的列车,难以刹车。到了2025年前三季度,公司营业收入为182.3亿元,虽有小幅变动,但整体仍处于低位,归母净利润8721万元,同比下降25.0%,第三季度单季更是亏损1.3亿元。

与同行业其他企业相比,光明乳业的处境更为艰难。像伊利、蒙牛,虽然最新财务数据也显示营收净利润出现下滑,但好歹仍处于盈利状态。天眼查App显示,去年上半年,蒙牛乳业净利润为21.54亿元;前三季度,伊利净利润104.26亿元。再看华北地区的直接竞争对手三元,2025年前三季度营收约48.71亿元,同比减少10.06%,不过归母净利润达到了约2.36亿元,同比增长125%,实现了增利不增收。而光明乳业却在亏损的道路上越走越远,在市场竞争中显得力不从心,经营状况急需得到根本性的改善。

在自身业绩困境尚未解决的情况下,光明乳业又做出了一个备受争议的决策——高估值收购小西牛剩余40%的股权。2025年11月29日,光明乳业公告拟以5亿元收购小西牛剩余40%的股权,使其成为全资子公司。然而,这一决策背后隐藏着诸多问题。

回顾2021年,光明乳业斥资约6.1亿收购了小西牛60%股权,完成控股时,双方设置了业绩对赌条款,要求小西牛在2022-2024年期间,扣除非经常性损益后的净利润分别不低于8456万元、9597万元和1.1亿元,三年累计承诺净利润约2.9亿元。但实际情况却令人大失所望,小西牛仅2022年勉强达标,2023年和2024年净利润均未达承诺目标,三年累计完成率仅为93.32%,对赌失败。按照协议,小西牛创始股东需向光明乳业支付业绩补偿款约3242.57万元。

在小西牛业绩未达标的情况下,光明乳业此次收购剩余40%股权的整体估值反而上涨至12.5亿元,这一反常现象引发了上交所及投资者的强烈关注。光明乳业给出的解释是看好小西牛未来业绩表现,声称前期业绩承诺未实现系市场因素影响、不存在持续性业绩下滑风险,而40%股权的转让价格是根据首次收购协议约定、双方协商一致确定,且本次估值PE倍数低于2025年行业平均倍数,“因此评估结果能够反映标的当前价值”。但这种解释在投资者看来,更像是为自己不合理决策找的借口。

事实上,此次收购光明乳业似乎是“不得不买”。第一次收购协议条款中明确,小西牛创始股东拥有出售选择权,且一旦行使光明乳业不得不拒绝,倘若光明乳业不履约,将可能面临违约责任和诉讼风险。2025年1月,小西牛创始股东正式发出通知书,要求光明乳业按约收购40%股权。然而,即便有这样的外部压力,光明乳业在估值上的不合理决策依然难以服众。而且,公告透露此前小西牛创始股东因业绩承诺估值尚欠补偿款3242.57万元,“鉴于双方互负金钱给付义务,且金额较大。双方一致同意直接从收购价款中扣除业绩补偿款”,这种操作看似解决了部分资金问题,但并没有从根本上消除投资者对这次高估值收购的担忧。投资者纷纷担忧,小西牛业绩恐会进一步拖累光明乳业,到底是光明乳业凭借小西牛打开局面,还是风险持续加码,一切充满了不确定性,而光明乳业似乎在这场疯狂的赌局中越陷越深。

光明乳业目前面临着业绩持续下滑和高估值收购争议的双重困境,未来的发展之路可谓迷雾重重。在市场竞争日益激烈的今天,其他乳业巨头不断发力,占据着更多的市场份额,而光明乳业却还在为自身的业绩亏损和不合理收购决策所困扰。

如果不能及时有效地解决海外子公司生产问题,优化内部管理,提升产品竞争力,那么光明乳业想要扭转业绩亏损的局面将异常艰难。而对于高估值收购小西牛这一决策,如果小西牛未来业绩不能如光明乳业所预期的那样实现增长,那么这5亿元的收购资金以及后续可能产生的各种问题,将进一步加重光明乳业的负担,使其在乳业市场的竞争中更加举步维艰。

光明乳业如今正处于一个关键的转折点,是能够突破困境,实现逆袭,还是会在负面状况的泥沼中越陷越深,最终被市场淘汰,一切都还是未知数。但可以肯定的是,如果不做出实质性的改变和有效的应对措施,光明乳业的未来前景着实令人堪忧。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1223085.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

I2C读写EEPROM代码:新手入门必看的基础教程

以下是对您提供的博文内容进行 深度润色与结构重构后的专业级技术文章 。我以一位有十年嵌入式系统开发经验、长期维护开源驱动库并撰写MCU教学专栏的工程师身份,重新组织全文逻辑,剔除AI痕迹,强化工程语境下的真实感、节奏感和可复用性。全…

L298N与STM32电机控制:新手教程从接线开始

以下是对您提供的博文内容进行 深度润色与结构优化后的技术文章 。全文严格遵循您的所有要求: ✅ 彻底去除AI痕迹,语言自然、专业、有“人味”,像一位资深嵌入式工程师在技术社区分享实战心得; ✅ 所有模块(引言/原…

AI智能二维码工坊功能演示:实时生成并扫描验证全流程

AI智能二维码工坊功能演示:实时生成并扫描验证全流程 1. 为什么你需要一个“不靠AI的AI工坊” 你有没有遇到过这样的情况:想快速生成一个带公司信息的二维码,结果打开网页工具要等加载、填表单、选参数,最后生成的图还模糊&…

MGeo支持自定义阈值吗?当然可以!

MGeo支持自定义阈值吗?当然可以! 1. 引言:为什么阈值不是“固定答案”,而是业务决策的开关 你刚跑通MGeo,看到控制台输出一行结果:相似度: 0.832,心里一喜——匹配成功! 可下一秒就…

单精度浮点数平方根IP核设计:超详细版教程

以下是对您提供的技术博文进行深度润色与专业重构后的版本。本次优化严格遵循您的全部要求:✅ 彻底去除AI生成痕迹,语言自然、老练、富有工程师现场感;✅ 摒弃“引言/概述/总结”等模板化结构,全文以真实工程问题驱动逻辑流展开&a…

ChatGLM3-6B极速响应原理揭秘:流式输出+内存驻留+零延迟交互实操手册

ChatGLM3-6B极速响应原理揭秘:流式输出内存驻留零延迟交互实操手册 1. 为什么本地跑ChatGLM3-6B能“零延迟”?真相不在算力,而在架构设计 你可能试过很多本地大模型对话工具——点下发送,转圈5秒,等出第一字又3秒&am…

Hunyuan-MT-7B部署教程:利用vLLM Lora Adapter支持多领域微调

Hunyuan-MT-7B部署教程:利用vLLM LoRA Adapter支持多领域微调 1. Hunyuan-MT-7B模型快速入门 你可能已经听说过“混元”系列大模型,但Hunyuan-MT-7B有点特别——它不是通用对话模型,而是一个专注翻译任务的轻量级专业选手。它不像动辄几十G…

Qwen3-VL-4B ProGPU优化部署:显存占用降低35%,推理速度提升2.1倍

Qwen3-VL-4B Pro GPU优化部署:显存占用降低35%,推理速度提升2.1倍 1. 为什么需要一个真正能跑得动的4B视觉语言模型? 你有没有试过下载一个标榜“多模态”的大模型,结果刚加载就报错OOM(显存不足)&#x…

Local Moondream2算力适配技巧:低显存设备也能流畅推理

Local Moondream2算力适配技巧:低显存设备也能流畅推理 1. 为什么Moondream2值得在低配设备上尝试? 你是否试过在自己的笔记本或老款显卡上跑视觉大模型,结果被显存不足、OOM报错、加载失败反复劝退?不是所有AI都需要RTX 4090才…

全任务零样本学习-mT5中文-base WebUI性能压测:并发50请求下的延迟与GPU显存占用

全任务零样本学习-mT5中文-base WebUI性能压测:并发50请求下的延迟与GPU显存占用 1. 模型能力与技术定位 1.1 什么是全任务零样本学习-mT5中文-base 这个模型不是普通意义上的微调版本,而是一个面向中文场景深度优化的零样本文本增强引擎。它基于mT5基…

Qwen1.5-0.5B-Chat内存占用高?极致轻量化部署优化案例

Qwen1.5-0.5B-Chat内存占用高?极致轻量化部署优化案例 1. 为什么说“轻量”不等于“低开销”:一个被低估的部署真相 你是不是也遇到过这种情况:看到模型参数只有0.5B,满心欢喜地拉下来准备跑在老笔记本或边缘设备上,…

YOLOv8模型加密部署:防止反向工程实战方案

YOLOv8模型加密部署:防止反向工程实战方案 1. 为什么YOLOv8模型需要加密保护? 你花了几周时间调优的YOLOv8检测模型,刚上线就被人扒走权重文件;客户现场部署的工业检测系统,被竞争对手用model.pt直接复刻功能&#x…

Keil5下载及安装教程:STM32开发环境手把手搭建

以下是对您提供的博文内容进行 深度润色与结构化重构后的专业级技术文章 。全文严格遵循您的所有要求: ✅ 彻底去除AI痕迹,语言自然、有温度、有经验沉淀; ✅ 摒弃模板化标题(如“引言”“总结”),代之…

现代企业级应用架构

1. 前端 (FrontEnd) APP: 应用程序,用户通过手机或电脑上的应用程序与系统交互。Web Page: 网页,用户通过浏览器访问的网页界面。H5: HTML5,一种网页技术,用于构建动态和交互式的网页内容。Landing page: 登陆页面,用…

嵌入式系统中WS2812B驱动程序优化技巧:深度剖析

以下是对您提供的技术博文《嵌入式系统中WS2812B驱动程序优化技巧:深度剖析》的 全面润色与重构版本 。本次优化严格遵循您的核心要求: ✅ 彻底消除AI痕迹 :去除模板化表达、空洞术语堆砌,代之以真实工程师口吻的逻辑推演、踩…

STM32H7多核环境下的FreeRTOS配置注意事项

以下是对您提供的技术博文进行 深度润色与结构重构后的专业级技术文章 。全文严格遵循您的所有要求: ✅ 彻底去除AI痕迹,语言自然、老练、有“人味”; ✅ 摒弃模板化标题(如“引言”“总结”),以逻辑流…

中文NLU大模型SiameseUniNLU实操手册:模型蒸馏+量化部署至INT8边缘设备全流程

中文NLU大模型SiameseUniNLU实操手册:模型蒸馏量化部署至INT8边缘设备全流程 1. 为什么需要把SiameseUniNLU搬到边缘设备上? 你可能已经试过在服务器上跑nlp_structbert_siamese-uninlu_chinese-base这个模型——它确实很强大,一个模型就能…

VibeVoice 实时语音合成:5分钟搭建你的AI配音系统

VibeVoice 实时语音合成:5分钟搭建你的AI配音系统 你是否经历过这样的场景:为一段30秒的产品介绍反复录制17遍,只因语调不够自然;在制作双语教学视频时,苦于找不到发音标准又富有表现力的配音员;或是深夜赶…

Z-Image+ComfyUI组合太强了!中文图文匹配精准

Z-ImageComfyUI组合太强了!中文图文匹配精准 在AI图像生成领域,我们常遇到这样尴尬的场景:输入“青砖黛瓦的徽派建筑群,清晨薄雾缭绕,飞檐翘角映着初升朝阳”,生成结果却是一栋欧式小楼;写“穿旗…

BGE-Reranker-v2-m3安装失败?tf-keras依赖解决教程

BGE-Reranker-v2-m3安装失败?tf-keras依赖解决教程 你是不是刚拉取了BGE-Reranker-v2-m3镜像,一运行python test.py就卡在报错上? “ModuleNotFoundError: No module named keras” “ImportError: cannot import name get_custom_objects f…