财报简评:
Dycom 这季AI 数据中心 + 光纤宽带的活儿，真金白银地开始在利润表上兑现了。
合同收入做到 14.52 亿美元（+14.1% YoY），直接把公司给自己定的指引上沿也打穿了；摊薄 EPS 3.63 美元，对比市场预期大概 3.15 美元，算是一个相当扎实的 Beat。更重要的是，Non-GAAP 调整后 EBITDA 利润率拉到 15.1%（去年 13.4%），说明不是单纯靠“抢工程量”，而是在结构和执行上都提了一个台阶。
这次还有一笔大新闻：19.5 亿美元收购 Power Solutions，这是美国数据中心电力工程里的头部玩家之一，超过九成收入来自数据中心项目，相当于 Dycom 用一笔大并购，直接把自己绑在了 AI 数据中心长期扩建这条轨道上。收购叠加本季业绩，股价当天一度涨了 10%，今年以来涨幅已经接近 70%，基本就是“AI 基建 + 光纤拉网”这条线上的高贝塔工兵股。
一句话：这季是一份“订单、收入、利润、指引 + 战略并购”全面对齐的强季报，短期看给估值再抬了一档，中长期则把公司从传统电信工程，推向了数据中心+电力基础设施的大赛道。
公司信息
公司名称： Dycom Industries, Inc.
股票代码： DY
财报季度： 2026 财年第三季度（截至 2025 年 10 月 25 日）
财报发布日期： 2025 年 11 月 19 日
Dycom 是一家北美通信与电力基础设施工程承包商，核心业务就是给大型运营商和基础设施业主“拉网线、架光纤、铺电缆、做土建”。主要客户包括电信运营商、有线电视和宽带公司、公用事业以及现在快速崛起的 云计算与 AI 数据中心客户。公司提供的服务涵盖：光纤入户（FTTH）、5G 回传网络建设、长距离光缆与管道施工、数据中心及输配电工程，以及相关的维护、设计和项目管理，是典型的“重资产 + 重人力的基础设施工兵”。
1. 关键实际值 vs 市场预期
收入 / 合同收入
实际：
合同收入（Contract revenues）：14.52 亿美元
同比：+14.1%（上年同期 12.72 亿美元）
市场预期：
市场此前普遍预期约 14.0 亿美元 左右（+10%左右 YoY）
结论：
收入端属 Beat，不仅超过一致预期，也高于公司此前给出的 Q3 指引区间上沿（13.8–14.3 亿美元）。
EPS（每股收益）
实际：
GAAP 净利润：1.06 亿美元
摊薄 EPS：3.63 美元（上年同期 2.37 美元）
市场预期：
一致预期约 3.15 美元/股
结论：
EPS 明确 Beat，同比增幅约 +53%，量价 + 利润率三项一起发力。
关键 KPI
Non-GAAP 调整后 EBITDA：
本季调整后 EBITDA 2.19 亿美元，同比从 1.71 亿美元 提升，
EBITDA 利润率 15.1%，去年同期为 13.4%。
有机收入增速：
剔除并购后，有机合同收入 13.41 亿美元，同比 +7.2%，说明不是单纯靠收购堆规模。
在手订单 / Backlog：
截至 10 月 25 日，在手订单约 82 亿美元，创历史新高，较年初和去年同期均有提升，为后面几个季度的收入提供了较高可见度。
2. 指引 vs 市场预期
Q4 2026 财年指引
合同收入（Q4）：
指引区间：12.6–13.4 亿美元
EPS（Q4）：
管理层预计 Q4 摊薄 EPS 在 1.62–1.97 美元 区间，对应收入 13 亿上下的水平。
与市场预期对比：
Street 对 Q4 的预期大致在 中位值附近，公司给出的 EPS 区间高端略优于一致预期，整体偏 温和乐观。
2026 财年全年指引
收入：
新指引：总合同收入 53.5–54.25 亿美元，对应同比增速 +13.8%–15.4%；
相比此前 52.9–54.25 亿的区间，提高了中枢，体现了对下半年 AI 数据中心和宽带项目需求的信心。
整体来说，公司是“在交卷的同时顺手把全年目标往上调了一档”，既展现了增长确定性，又没有给出过度激进的口径。
3. 增长与利润率
收入与盈利增长
Q3 收入：
14.52 亿美元，+14.1% YoY；
Q3 净利润：
1.06 亿美元，较去年 6,979 万美元增长约 +52%；
摊薄 EPS 3.63 美元，对比 2.37 美元。
前 9 个月：
合同收入 40.88 亿美元，同比 +13.0%；
净利润 2.65 亿美元，同比 +32% 左右。
利润率
毛利结构（粗略）：
成本（不含折旧摊销）为 11.32 亿美元，占收入约 78%，毛利率约 22%，与去年相比略有改善。
EBITDA / Adjusted EBITDA：
EBITDA 为 2.16 亿美元，
调整后 EBITDA 2.19 亿美元，对应利润率 15.1%，去年同期为 13.4%，经营杠杆释放比较明显。
净利率：
净利率约 7.3% 左右（1.06/14.52），对一家工程承包商来说已经是非常不错的水平。
费用与资本结构
管理费用（G&A）在 3 季度约 1.07 亿美元，同比略有下降，说明公司在扩张同时有控制后台成本的意识；
净利息支出 1,378 万美元，整体杠杆水平在 Power Solutions 收购前仍算健康（长期债务约 9.19 亿美元，股东权益 14.83 亿美元）。收购完成后，债务会进一步上升，这是后续要继续盯紧的点。
4. 电话会与管理层要点
AI 数据中心 + 电力基础设施：战略重心确认
收购 Power Solutions 被 CEO 定性为“加速布局数字与数据中心基础设施服务”的关键一步，Power Solutions 90% 以上收入来自数据中心电力工程；
管理层认为，AI 驱动的数据中心建设热潮远未结束，无论是超大规模云厂商还是企业托管机房，对高压供电、变电站、配电和冗余系统的需求都在快速增加，Dycom 希望成为这条链条上“施工执行的第一梯队”。
传统电信 + 光纤宽带依然是底盘
电信与宽带客户的资本开支总体仍然稳健，尤其是光纤入户和农村宽带覆盖（BEAD 等项目），在多个州进入施工密集期；
管理层提到，有部分大型客户在项目节奏上会有“季度间的波动”，但整体订单趋势、在手订单和中长期需求都保持强劲。
工程执行与利润率提升
公司继续强调“项目选择 + 价格纪律”：宁愿少接一些低利润单，也要保证整体项目组合的回报；
人员利用率、设备使用率、以及现场项目管理效率的持续提升，是本季 EBITDA 利润率能上到 15%+ 的核心原因之一。
在手订单与可见度
Backlog 升到 82 亿美元，管理层表示其中较大比例将在 12 个月内转化为收入；
特别是光纤和数据中心项目，大部分是 多年的框架协议或主服务合同（MSA），这类订单虽然会有节奏，但一旦签下来，可见度相对较高。
5. 持续关注的问题（Ongoing Concerns）
项目周期波动 & 客户集中度
Dycom 的业务仍是典型的 项目制 + 大客户 模式，收入在季度间会因单一大客户的开支节奏出现较大波动；
头部几家运营商和大型基础设施客户占收入很大比例，一旦某家压缩 Capex 或推迟项目，会对单季数据产生显著影响。
收购带来的整合与杠杆风险
Power Solutions 19.5 亿美元的交易，约 2.93 亿为股票对价，其余通过现金、10 亿美元定期贷款和 7 亿美元过桥贷款解决，资产负债表会明显再“上杠杆”一档；
收购后的整合（客户协同、项目管理体系、文化融合）都会考验管理层执行力，一旦项目风险暴露，可能侵蚀前面几季好不容易提升起来的利润率。
成本通胀与劳动力供应
工程类业务对劳动力和材料依赖度极高，工资、钢材、电缆、变压器等材料如果出现新一轮通胀，会侵蚀利润率；
在 AI 数据中心和电网升级项目扎堆的环境下，高技能工人和专用设备 的供给可能阶段性偏紧，带来成本和排产压力。
政策与监管不确定性
光纤宽带部分依赖政府补贴和项目资金（如 BEAD、联邦与州级项目），资金拨付和审批节奏本身存在不确定性；
同时公司提醒，未来的税收、基础设施政策变化都可能对项目总量和节奏产生影响。
6. 风险与机会（Risks & Opportunities）
机会（多头逻辑）
AI 数据中心与数字基础设施的长期结构性需求
AI 训练和推理对算力、用电和网络的需求爆炸式增长，意味着未来几年美国会持续出现新建和扩容数据中心；
Dycom 通过收购 Power Solutions，把自己放在数据中心电力工程的核心位置，有望在这一波周期里享受多年的订单红利。
光纤宽带、5G 与电网升级多线驱动
光纤入户、农村宽带（BEAD 等计划）、5G 回传和电网加固，都需要大量实实在在的“挖沟埋管 + 拉线架塔”；
Dycom 已经建立全国性网络和执行能力，在投标与规模经济上都有优势，是典型的 “政策+周期双重受益” 标的。
盈利/现金流质量在改善
EBITDA 利润率从 13%+ 提到 15%+，在工程承包行业属于明显的结构优化；
有机增长 + 收购叠加，有机会让 EPS 在未来几年维持双位数增长，同时用稳定现金流对冲部分杠杆风险。
风险（空头逻辑）
估值和股价弹性都已经不低
今年以来股价已涨约 70%，市盈率处在历史偏高区间（30 倍出头），对业绩的持续兑现和订单故事的容错率有限；
一旦出现单季 miss 或数据中心需求预期下修，股价可能会有比较剧烈的回吐。
并购后杠杆抬升
大型收购+新贷款会把净债务推上去，未来几个季度要看：
Power Solutions 的真实盈利贡献是否对得起收购价格；
利率环境若不显著下降，利息负担也会侵蚀一部分 EPS。
项目质量与执行风险
工程类项目一旦在安全、质量或进度上出问题，可能带来罚款、索赔甚至品牌损失；
在 AI 数据中心和高压电力工程这类高复杂度项目上，单个工程的出错成本会非常高。