营收增长超150倍狂飙,这家“能源界的苹果”重构千亿储能赛道

4月8日,思格新能源(6656.HK)正式启动港股招股,全球发售股份1357.39万股,发售价每股324.20港元,将通过本次IPO募集超44亿港元(不计“绿鞋”),IPO市值将超800亿港元,设有绿鞋机制,预计将于4月16日在港交所主板挂牌上市。

成立不足四年即冲刺IPO,思格新能源有望刷新内地企业港股上市的最快纪录。而比速度更引人关注的,是这家公司究竟凭借什么,吸引了全球最顶级的资本阵容为之站台。

思格新能源基石投资者合计认购比例高达49.8%,接近一半的发行股份被机构锁仓6个月。招股资料显示,基石投资者涵盖淡马锡、瑞银资产管理、高盛资产管理、高瓴、法国巴黎银行资产管理、霸菱、欧力士、CPE源峰、高毅资产、景林资产、博裕资本、富国基金、太平洋保险等海内外主权基金、国际资管、头部私募与大型险企,机构阵容之强大、层次之多元,在近年港股IPO中颇为罕见。

在资本眼中,思格新能源回答了一个更核心的问题:在储能这个公认的长坡厚雪赛道里,什么样的公司才能走得更稳、更久。

营收增长超150倍,从亏损到高盈利,AI原生储能赛道地位、极致产品力与高增长确定性,思格新能源已成为极速商业转化典范。

本次公司上市,标志着能源产业正在加速由“设备驱动”向“系统与智能驱动”转型。这是市场重新定义储能公司价值的一个新起点。

储能行业“超级周期”下,增长盈利双高的稀缺标的

当前,全球储能行业正站在新一轮超级周期的起点。

2026年以来,在中东地缘冲突,全球能源价格飙升、AI电力需求暴涨等一系列事件催化下,行业以颠覆性姿态迎来全面爆发。

政策加码、需求爆发、海外高增三重共振,让这个万亿赛道彻底告别内卷,进入高质量增长新阶段。

但行业普遍痛点依然明显:重资产、低毛利、重规模不重盈利,能做到高增长加高盈利的玩家寥寥无几。

思格新能源正是极其稀缺的那类公司。

从亏损到高盈利,从追赛道到定义赛道,思格新能源在超级周期中跑出了逆势高质量增长——短期爆发强、盈利质量高、海外壁垒深,彻底跳出行业同质化陷阱。

根据财报,公司从2023年实现收入5830万元,到2025年收入达到90亿元;2024年扭亏为盈后,2025年净利润飙升至29.2亿元。

一家创业期的企业,增长和盈利同时成立,这件事本身就是罕见的。而“增长与盈利并存”的飞轮一旦启动,无疑是对整个行业游戏规则的一次彻底重写。

随着商业模型的验证,思格新能源不仅成为高增长分布式储能系统市场中的耀眼新星,更以“软硬云一体”的实践,为这个即将爆发式增长的赛道贡献了一套全新的打法组合拳。

在极速冲刺港股中,思格新能源为资本市场带来了储能行业增长与估值的新范式。

永续增长:三重飞轮驱动的AI+储能界“苹果”

在传统的光伏与储能产业链中,制造业的宿命往往是“微笑曲线”的底端:投入巨大、利润微薄、依赖规模摊薄成本。

因此,尽管仍是快速增长的赛道,储能板块的估值逻辑却归类为制造。弗若斯特沙利文数据显示,到2030年,全球储能系统出货量将达到804.5千兆瓦时,2025年至2030年的年复合增长率为21.4%。

然而,思格新能源打破了传统叙事,对于未来如何抓住更多增长红利,公司以技术为起点,构建三重飞轮驱动的增长正循环,确定了长期潜力所在。

第一重飞轮是技术溢价持续反哺创新。

思格新能源的核心产品SigenStor采用“五合一”设计,深度融合光伏逆变器、储能变流器、电池、直流充电模块和能源管理系统(EMS),将安装时间压缩至15分钟,以“软硬件一体”的极致工程美学,击穿了欧美高昂的人力成本壁垒。

在行业平均毛利率约20%的背景下,思格新能源2025年毛利率达50.1%,经调整净利率高达35.9%,成功将储能行业从“成本竞争”拉向“技术溢价”赛道。

在此基础上,公司保持“软硬件一体化+AI原生架构”系统性创新效率,2025年研发人员占比超40%。技术领先带来高溢价,高溢价支撑高强度研发,这种正循环一旦形成,技术代差只会越拉越大。

第二重飞轮是数据驱动软硬生态可持续进化。

如果说“五合一”是思格的躯干,那么“AI in All”战略便是灵魂,构建了从制造到运行的AI闭环。

在制造端,南通“超级工厂”利用AI视觉和算法优化,将直通率提升至99.9%;在用户端,AI辅助能源调度让用户能参与电力市场交易,电费降幅近50%。用户购买的不再是一堆会贬值的电池,而是一套能持续创收的能源系统。

值得一提的是,思格新能源的每一台设备也是驱动AI进化的数据节点。2025年,产品已接入全球85个国家及地区,上万个电站的实时数据持续喂养着AI模型。

AI通过分析动态电价和用户习惯帮助用户创收,反过来又极大地提升了用户粘性,净推荐值高达69.97。这预示着思格是一个数据越用越多、模型越跑越准、用户体验越好的指数级增长引擎。

第三重飞轮,是平台化叙事拓宽储能业务长期想象力。

在商业世界中,卖产品的公司会随销量波动,而制定标准的平台公司则掌握永续的权力。

随着技术与数据飞轮的运转,思格新能源正通过平台化与标准制定,将储能业务的长期空间彻底打开。

成立之初,思格便瞄准电价高、智能化接受度高、市场成熟的欧美澳市场。2025年,公司在澳大利亚、爱尔兰、南非等市场1000kWh及以下储能份额居首,在英国、瑞典、比荷卢等市场也处于领先地位。

未来,在这些市场建立优势后,思格新能源有望凭借“五合一”架构和AI操作系统,以标准化的硬件接口和软件协议,将户用、工商业乃至大型地面电站连接在同一智慧能源网络中。

这种“产品矩阵+标准输出”的策略,推动思格从单一设备制造商蜕变为能源互联网平台运营商,业务也从硬件销售延伸至虚拟电厂运营、能源交易等高附加值服务。

这意味着,思格新能源正在构建一个“硬件铺路、软件留人、平台生金”的生态系统。明白了增长背后的逻辑,很难不让人联想到另一种已经被验证的路径:苹果。

尽管思格新能源还未到那个阶段,但商业的逻辑是相似的,通过技术和生态,把原本标准化的硬件,变成一个能持续获得增值收入的系统。

分布式能源领域的“苹果”,让本就站在爆发前夜的储能赛道,估值想象力更加值得期待。

储能成为未来科技基础设施,中国式创新交出黄金十年更优解

用一套新打法定义旧赛道,发生在思格新能源身上的故事,是一条近年来令人熟悉的“中国式创新”路径。

技术竞争讲究非对称突破,即不按守擂者熟悉的规则打。在燃油车领域弯道超车有壁垒,就直接切入电动化;在算力基础设施上存在差距,就用最丰富的应用场景和最完整的产业链构建差异化优势。

从新能源汽车到AI应用,中国企业正在全球产业价值链中不断向上。如今,思格新能源在储能赛道再次验证了这招的厉害:不在原有储能竞争里找缝隙,而是直接换了一套玩法,把软硬件和系统能力整合起来,把AI引入能源系统,把用电这件事变成聪明的管理电。

这也是对未来趋势的预判:如果说过去能源的核心是把电“造出来”,那么接下来十年,更重要的问题可能是每度电如何被更聪明地使用、定价与流动。

一方面,霍尔木兹海峡封锁的“黑天鹅”事件,让全球能源供给格局正在被重塑。

在全球局势变动下,这会是一种长期趋势,可再生能源和储能系统依赖本地资源、运营成本稳定,被视为应对挑战的有效方案,各国加紧制定政策。未来,能作为连接发电侧、用电侧和算力侧的缓冲层,正在成为新型基础设施组合。

思格的产品覆盖家庭户用、工商业及地面电站储能系统,满足不同用户对可靠性、灵活性和长期收益的多维需求,这恰恰是当下能源自主性最需要的。

另一方面,随着第四次科技变革,算力需求突飞猛进,而算力的尽头是电力,“电”开始具备新的战略属性。

英伟达创始人黄仁勋的一篇文章让储能话题再次破圈。他将整个AI体系拆解为“五层蛋糕”:能源、芯片、基础设施、模型、应用,并指出每一个成功的应用都会向下拉动所有层级,直至驱动发电厂运转。储能与科技变革的关联,从未像今天这样紧密。

从市场空间看,在科技变革的未来,全球电力市场规模、分布式能源渗透率、电价机制复杂度,都在同步抬升,“AI+储能”几乎没有明显的天花板。

随着思格新能源南通智慧能源中心正式启用,结合已经验证的全球制造与交付体系,思格新能源可以跟上全球需求扩张速度。

这预示着一场全球能源版图的重构,同时也是中国硬科技出海从“拼价格”向“拼价值”转型的缩影。

从中国制造早期以成本优势走向世界,到现在,以思格新能源为标志的新一代科技公司,输出技术溢价、产品定义能力和生态构建能力。在能源革命的下半场,这套重新定义光储行业标准的打法,才刚刚开始兑现价值。

在这个时间点上市,思格新能源有望卡位未来十年的行业红利。

来源:港股研究社

全部评论

相关推荐

昨天 15:17
已编辑
北京航空航天大学 Java
🎯 面试题:大模型热更新与流量调度平台【整理真题+解析+押题预测】公司:字节跳动年份:2026月份:1月面试轮次:三面岗位:AI平台研发工程师难度:⭐⭐⭐⭐⭐真题:“假设字节的推荐系统需要从ERNIE 3.0模型灰度升级到ERNIE 4.0。设计一个支持大模型热更新的流量调度平台。要求实现:1)可实时调整新旧模型的流量比例(如90%流量走V3,10%走V4);2)平滑无损切换,不能因更新导致服务中断;3)支持基于用户ID、设备ID等维度的精细化分流。给出架构设计、核心代码,并说明如何保证数据一致性(比如同一个用户的请求必须路由到同一个模型版本)。”💡 解析:这是典型的三面架构题,直接考察你设计复杂系统的能力。核心是流量治理和状态管理,将业务需求(模型迭代)转化为稳定、可控的技术方案。设计思路: 分层架构: 配置中心:存储流量配比规则(如 {“v3”: 0.9, “v4”: 0.1}),支持动态推送。 流量路由器:部署在网关或SDK中,根据规则和请求特征(用户ID哈希)决定流量走向。 模型服务池:新旧模型作为独立服务部署,对外暴露统一接口,但版本号不同。 数据收集器:实时收集各版本模型的性能指标(成功率、延迟),用于后续决策。 关键实现: 一致性哈希:确保同一用户(通过userId计算哈希)的请求在流量比例不变时,始终命中同一模型,保证体验连贯。 动态配置监听:使用ZooKeeper、Nacos或Apollo(字节内部常用),实现秒级规则生效。 无损切换:先扩容新模型服务,再调大流量,最后缩容旧服务。过程中监控核心指标,异常则快速回滚。应用业务场景: 这就是抖音推荐算法模型升级的标准流程。每天都有模型迭代,不可能停机发布。必须通过灰度平台,先让小部分用户体验新模型,监控CTR(点击率)、停留时长等业务指标,效果达标再全量,效果不好则回退。核心考点: 微服务流量治理架构设计 一致性哈希算法原理与实践 配置中心与动态推送机制 高可用发布(金丝雀发布/灰度发布)策略 监控与快速回滚能力实践(避坑指南): 流量“倾斜”:简单的随机分流可能导致小流量模型得不到有效样本。需确保分流均匀,且覆盖各类用户群体。 状态缓存:如果模型升级涉及特征存储格式变化,需注意缓存兼容性与清理策略。 回滚预案:必须自动化。当新模型故障率超过阈值,能自动将流量切回旧模型。🚨 趋势押题预测预测名称:多模型混排与智能流量调配系统押题题目:“设计一个多模型在线混排系统。一个请求可同时被多个模型(如ERNIE 4.0、ERNIE 3.5、低成本小模型)处理,系统需根据实时性能(延迟、成本)、业务指标(点击率)以及用户标签,智能决策最终返回哪个模型的结果,并动态调整各模型的调用比例。阐述架构与核心算法。”押题依据:频率雷达:在三面/终面中,“模型发布”与“流量策略”是关联性极强的组合考点,年出现22次。是考察架构师全局视野的经典题。趋势风向:字节内部已不满足于简单的A/B测试,追求更细粒度、更动态、更经济的模型调度。利用小模型承接简单请求以节约成本,是明确的技术方向。信息来源:参考字节跳动机器学习平台决策、部分业务线分享的“多模型择优”技术方案。押题逻辑理由:从“静态灰度”升级到“动态智能调度”,是技术演进的必然。三面问题会挑战你设计的上限。面试官期望看到的不只是实现功能,而是如何通过系统化设计,实现业务效果(用户体验、成本)的最优化。这要求你对算法、系统、业务均有深刻理解。核心考点:在线决策系统、多目标优化(效果/成本/速度)、实时特征计算、自适应算法。适配岗位:AI平台架构师、推荐系统高级工程师。押中概率:75%​ (高阶架构题,区分顶级候选人的利器)【代码示例】智能流量路由器核心片段@Componentpublic class IntelligentModelRouter {@Autowiredprivate ModelPerformanceMonitor monitor;@Autowiredprivate DynamicConfig config;// 核心路由方法public String route(RequestContext ctx) {List<ModelCandidate> candidates = getAvailableModels(ctx);// 1. 过滤:剔除当前不可用或性能不达标的模型candidates = filterByHealth(candidates);// 2. 打分:基于多维度为每个候选模型打分candidates.forEach(c -> c.setScore(calculateScore(c, ctx)));// 3. 选择:根据打分结果和策略(如epsilon-greedy)选择模型ModelCandidate selected = selectionStrategy.select(candidates);// 4. 记录:用于后续学习与策略调整recordRoutingDecision(ctx, selected);return invokeModel(selected, ctx);}private double calculateScore(ModelCandidate candidate, RequestContext ctx) {// 评分公式示例:Score = w1*效果预测 + w2*性能得分 + w3*成本系数double effectScore = predictModelEffect(candidate.getModelId(), ctx.getUserFeatures());double perfScore = normalize(monitor.getP99Latency(candidate.getModelId()));double costScore = 1.0 / candidate.getInferenceCost(); // 成本越低,得分越高double bias = config.getTrafficBias(candidate.getModelId()); // 人工偏向,用于冷启动return config.getWeightEffect() * effectScore+ config.getWeightPerf() * perfScore+ config.getWeightCost() * costScore+ bias;}}最后,我想说:字节跳动寻找的,从来不是“行走的八股文答案库”,而是能真正用技术解决复杂业务问题、有好奇心、有成长性的工程师。希望这份指南,能成为你技术长征中的一张实用地图。🔥评论区:接好运,祝你顺利上岸!!!!~~~~
查看2道真题和解析
点赞 评论 收藏
分享
04-03 17:32
已编辑
门头沟学院 Java
看到好多人在吵学历和实习哪个重要,我说下我的经历吧。双非一本,计算机,选了游戏方向。大学没去外面实习过,就是跟着老师做项目,一个Unity的游戏,做了大概一年多。代码写得很烂,但好处是啥坑都踩过:资源加载慢、内存崩、打包黑屏、字体丢失、安卓适配各种奇怪问题。我说一个可能对你有用的点:“每次踩坑我都会记下来”,不是写博客那种正经文章,就记在备忘录里,大概格式:“问题现象→搜了什么关键词→试了哪几种方案→最后怎么解决的”。面试前翻一遍,面试官问项目细节的时候,我能说出具体例子,不像背的。你们可以试试,真的有用。大四投腾讯实习,本来没抱希望。结果简历过了,我当时都觉得是HR手滑了。面试的时候,面试官追着问项目细节:“你这个bug怎么发现的”“为什么这么修”“还有其他方案吗”。我答得磕磕巴巴,但因为有那个备忘录,能说出真实的过程。后来进去之后问过leader,他说当时就是觉得我“确实亲手写过代码,不是那种只做课设的”。另一个可能对你有用的点:简历上别写“熟悉Unity”“负责核心模块”这种空话。我写的是“解决了切后台再回来游戏卡死的问题,原因是静态变量没重置,通过XXX修复”。面试官说他看到这种具体的问题描述,才会觉得你是真的干过。进了实习,发现周围全是92的,就我一个双非。前两周特别自卑,被mentor说过好几次。但我发现一个事:那些92的同学不太愿意做杂活。比如修老bug、写单测、整理文档。我不挑,给我我就做。有一次一个线上bug卡了两天没人接,我说我试试,搞了三天搞出来了。leader没说啥,但后来转正答辩的时候提到了这件事。第三个点:如果你学历不占优,进去之后别想着做大事,先把脏活干好。干一个就记录一个,每周跟leader同步一次你做了什么、解决了什么问题。这样他至少觉得你靠谱。最后转正了。但我真不觉得是“实习吊打学历”,我觉得就是运气好+组里缺人+我愿意干脏活。如果让我重新来一次,我不一定能进得去。说真的,你们身边有没有像我这样学历一般但运气好的?或者学历好但秋招翻车的?另外,我之前整理的面试问题和那个备忘录模板,有需要的可以私信我,我发你,免费的,不是广告。顺便给同样双非、也想冲大厂实习的同学几点实在的建议,都是我踩过的坑:1. 别在大二就死磕大厂实习,先去小厂攒经验。我大二投过网易、完美世界,简历直接挂。后来先去了一家做棋牌的小公司(很low,但真能干活),干了一个暑假,把Git、打包、接SDK这些流程跑通了。这段经历写在简历里,后面投腾讯的时候才有的写。2. 简历上别写“熟悉”和“了解”,写“我解决了什么问题”。 你写“熟悉Unity”,面试官看都懒得看。你写“解决了一个切后台崩溃的问题,原因是XX没重置”,他才会觉得你是个干活的人。3. 面试的时候,不会的问题直接说不会,别编。我面试被问到渲染管线,我直接说“这块我没深入做过,我只知道大概流程,具体细节我不清楚”。面试官反而点点头,然后问我项目里的东西。你编的话,他追问两句你就露馅了。4. 如果你现在大三还没有实习,别慌,把课程项目做成一个“能给人演示的东西”。 录一个视频,或者搞一个简单的网页demo,把链接放简历里。我当时就是把那个Unity游戏录了个屏,大概3分钟,面试官看了之后说“虽然UI很丑,但功能还挺全”。5. 运气真的很重要,所以要多投。** 我投了大概30多家,只有腾讯一家给了面试。如果我只投了5家,就没有后面的事了。所以不要因为被拒几次就怀疑自己,可能就是岗位不匹配或者人家不缺人。就这些吧。我也是普通学生,不是什么大佬,这些建议也不一定对所有人都适用。如果你有什么自己的经验或者想问的,评论区聊聊。
GymBeast3:过来人说句实话:学历决定你能去什么层级的公司,实习决定你能不能拿到 offer
学历VS实习,哪个更重要...
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务