【经管讲堂·经济统计】宁德时代产能利用率95%——制造业效率的统计度量

案例背景

2026年上半年，宁德时代录得净利润432亿元，产能利用率达95%。在同属新能源赛道的光伏企业合计预亏超百亿的背景下，95%的产能利用率是一个极具统计意义的数据——它不仅反映了宁德时代的经营效率，更为制造业效率的统计度量提供了一个标杆案例。产能利用率是衡量制造业企业运营效率的核心指标之一，其统计含义和解读方法对理解企业经营状态具有重要价值。从经济统计视角看，宁德时代的95%产能利用率蕴含着关于产能配置、效率度量和行业景气的丰富信息。

核心分析

一、产能利用率的统计含义：从”比率”到”信号”

产能利用率是实际产出与设计产能的比值，是衡量制造业企业运营效率的核心统计指标。从经济统计理论看，产能利用率的统计含义需要从三个层面理解。第一层面是”效率度量”——95%的产能利用率意味着设计产能的95%被实际利用，仅有5%的产能闲置。从制造业统计惯例看，80%-85%通常被认为是”正常”产能利用率，90%以上属于”高负荷”运行，而低于70%则意味着产能严重过剩。宁德时代的95%处于”超高负荷”区间，表明其产能几乎满载运转。第二层面是”景气信号”——产能利用率的变动方向是判断行业景气的重要先行指标。当产能利用率持续上升并接近满载时，通常预示行业处于景气上行期；当产能利用率持续下降时，则预示行业景气下行。第三层面是”投资信号”——当产能利用率持续高于90%时，企业通常有动力扩产以满足需求。从统计解读看，95%的产能利用率解释了为什么宁德时代在过去几年持续大规模扩产——高产能利用率意味着”不扩产就会供不应求”，这是产能投资决策的统计依据。但这一解读也有风险：当前的95%可能包含”需求透支”——如果下游需求在未来放缓，当前基于高产能利用率的扩产决策可能导致未来的产能过剩。

二、制造业效率的统计度量：产能利用率之外的指标体系

虽然产能利用率是衡量制造业效率的重要指标，但从经济统计视角看，单一指标不足以全面刻画制造效率，需要构建”效率指标体系”。从统计方法看，制造业效率至少应从四个维度度量：第一，产能效率——产能利用率衡量了产能的利用程度；第二，劳动效率——人均产出（增加值/员工数）衡量了劳动生产率；第三，资本效率——资本产出比（产出/资本存量）或投资回报率衡量了资本配置效率；第四，能源效率——单位产出能耗衡量了资源利用效率。宁德时代的432亿元净利润和95%产能利用率，如果结合其员工人数、资本存量和能耗数据，可以构建更全面的效率画像。从统计教育视角看，培养学生的”多维效率思维”至关重要——避免用单一指标对企业效率做出评判。例如，95%的产能利用率配合高人均产出和低单位能耗，才能确认企业的高效率；如果95%产能利用率是以高能耗和高劳动强度为代价的，则其”效率”含金量需要打折。从数据科学视角看，构建制造业效率的”统计仪表盘”——将多个效率指标可视化呈现，比单一数字更有助于管理决策。

三、效率数据的管理意义：从”统计描述”到”管理决策”

产能利用率等效率数据的管理意义，不仅在于”描述”当前状态，更在于”驱动”管理决策。从统计与管理决策的关系看，效率数据在三个层面影响决策：第一，定价决策——当产能利用率高达95%时，企业有定价权（供给紧张），可以维持或提高价格；反之，产能利用率低时企业需要降价以提升开工率。宁德时代在动力电池市场的定价能力，部分源于其高产能利用率带来的供给优势。第二，投资决策——产能利用率是扩产决策的核心输入变量。当利用率持续高于90%时，扩产具有经济合理性；但如果利用率是由短期需求脉冲驱动的，扩产可能面临”建成即过剩”的风险。统计的任务是为投资决策提供”趋势分析”而非”时点快照”——需要分析产能利用率的趋势线和波动幅度，而非仅看一个时点值。第三，运营优化——产能利用率的”分产线”和”分产品”分解，可以揭示哪些产线和产品的效率更高，为产品组合优化和产线改造提供数据依据。从经济统计教育的视角看，培养学生将”统计描述”转化为”管理决策”的能力，是连接数据与决策的关键环节——数据的价值不在被看到，而在被用起来。

管理启示

宁德时代产能利用率数据的统计解读为经济统计教育提供了三点启示。第一，产能利用率的解读需要从”比率”深入到”信号”——它同时是效率度量、景气信号和投资信号的复合指标。第二，制造业效率需要”多维指标体系”——产能效率、劳动效率、资本效率和能源效率共同构成效率全景。第三，效率数据的管理意义在于”驱动决策”——定价、投资和运营优化决策都需要统计数据的支撑，数据的最终价值在于被用起来。

其他思考

当宁德时代的产能利用率达到95%，我们是否应该追问：95%的”满载”究竟是效率的极致，还是产能规划不足的表现？从经济统计深层看，95%的产能利用率存在一个”效率悖论”——它既意味着当前产能被高效利用，也暗示着产能可能”不够用”，即企业面临”产能瓶颈”而非”产能充裕”。如果产能利用率长期维持95%以上，是否说明企业的产能规划滞后于需求增长？从统计解读的方法论看，一个值得追问的问题是：是否存在一个”最优产能利用率”——既高到表明产能被充分利用，又留有余量应对需求波动？从制造业实践看，这个”最优”通常在85%-90%之间——既高效又灵活。那么，95%是否”过高”？这取决于需求的波动性——如果需求稳定，95%是合理的；如果需求波动大，95%意味着”旺季供不应求、淡季利用率下降”。更深层的追问是：在新能源这种高增长、高波动的行业中，产能利用率的统计基准是否需要调整？传统制造业以80%-85%为”正常”的基准，是否适用于处于指数增长期的新兴产业？当产业增长曲线从”线性”变为”指数”时，统计基准也需要相应调整——这或许是宁德时代数据留给经济统计学科最值得反思的方法论问题：统计基准不是一成不变的标尺，而应随产业特性动态校准。

关键词：经济统计、产能利用率、制造业效率、效率指标体系、统计决策 来源：每日经济新闻、财新网（2026年7月）