《中國互聯網經濟研究院：中國上市公司數字化轉型報告2024（26頁）.pdf》由會員分享，可在線閱讀，更多相關《中國互聯網經濟研究院：中國上市公司數字化轉型報告2024（26頁）.pdf（26頁珍藏版）》請在三個皮匠報告上搜索。

1、 中國上市公司中國上市公司數字化轉型報告數字化轉型報告 2024 李濤李濤 聶輝華聶輝華 金星曄金星曄 左從江左從江 方明月方明月 I 摘要摘要 當今世界，新一輪科技革命和產業變革加速推進，以大數據、云計算、物聯網、區塊鏈、人工智能等為代表的新一代數字技術從根本上改變了傳統經濟的生產方式和商業模式，成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。企業數字化轉型是我國轉變發展方式、優化產業結構、轉換增長動力的重要內容，是實現質量變革、效率變革、動力變革的關鍵舉措。在此背景下，精準把握中國上市公司數字化轉型的現實情況，明確數字化轉型進度與成效，有助于提高數字化轉型的效率和效果，

2、并為后續的數字化轉型戰略提供重要參考。全面評估中國上市公司數字化轉型現狀的核心是企業數字技術使用的識別。而現有研究對企業數字化轉型的測度仍存在著測度對象不夠統一明確與測度方法不夠科學準確的問題，難以準確反映企業數字化轉型的現實情況。這導致很多研究結論不可比較、難以復制和相互沖突。為了解決上述難題，本報告使用金星曄等（2024）的做法，利用前沿的機器學習方法和大語言模型，基于 2006-2023 年中國上市公司年報文本，立足全面體現各種數字技術在企業中的實際使用狀況，構造了一套新的企業數字化轉型指標。該指標具有對象明確、指標齊全、準確度高和可復制的優點。在此基礎上，本報告對中國上市公司數字化轉型

3、現狀進行了深入研究。首先，本報告使用金星曄等（2024）的做法，更加準確地測度了企業數字化轉型情況。已有研究常用方法有三種，包括詞頻法、客觀指標法與問卷法。這些方法或存在較大測度誤差，或者使用范圍有局限，存在主觀性和覆蓋范圍較少的偏差。本報告將數字技術具體劃分為大數據、人工智能、移動互聯、物聯網、云計算和區塊鏈六類，在人工閱讀、標注大量上市公司年報文本構建訓練集的基礎上，采用百度開發的中文大語言模型 ERNIE（Enhanced Representation through Knowledge Integration）進行訓練，逐句分析年報文本，從句子層面判斷企業數字技術應用情況。這一方法較好

4、地克服了文本識別不準確的問題，與企業數字技術使用現實高度吻合。其次，本報告全面分析了中國上市公司數字化轉型現狀。（1）數字化進程不斷深入：）數字化進程不斷深入：企業數字化比例持續攀升。企業數字化比例持續攀升。從 2006 年開始，上市公司中使用數字技術的企業數量與使用數字技術的比例持續上升。直至 2023 年，上市公司中使用數字技術的企業數量上升至 4722家，使用數字技術的比例上升至91%，絕大部分上市公司均使用了數字技術。（2）小型企）小型企業數字化轉業數字化轉型：資源與能力瓶頸待突破。型：資源與能力瓶頸待突破。2006-2023年，小型企業數字化企業比例為52%。大中型企業數字化比例高于

5、小型企業，小型企業仍然存在“不會轉”、“不愿轉”、“不敢轉”等現實問題，在數字化轉型中往往陷入自身資源與能力不足的困境。（3）服務行業）服務行業數字化趨勢顯著：通信、銀行、計算機等行業全面實現數字化。數字化趨勢顯著：通信、銀行、計算機等行業全面實現數字化。數字化企業比例最高的五個行業是：通信（100%）、銀行（100%）、計算機（100%）、傳媒（98%）、電子（97%）。（4）新冠疫情助推：商貿零售業數字化轉型實現躍進。）新冠疫情助推：商貿零售業數字化轉型實現躍進。受新冠肺炎疫情的影響，商貿零售類企業的數字化比例在 2020-2021 年期間大幅提升，從 82%上升至 90%。（5）新）新能

6、源車崛起：引領汽車相關行業數字化比例激增。能源車崛起：引領汽車相關行業數字化比例激增。2020-2021年，隨著新能源車零售量的顯著增加，汽車相關行業數字化比例大幅增加，從79%上升至94%。（6）地區差異顯現：經）地區差異顯現：經濟發達省份數字化進程領先。濟發達省份數字化進程領先。經濟發達省份引領數字化進程，多省份數字化企業比例超七成，全國數字化進程迅速普及。（7）國企數字化轉型加速：與非國企差距不斷縮小。）國企數字化轉型加速：與非國企差距不斷縮小。政策推動作用下，國有企業加快數字化轉型步伐。2020 年以來，國有企業加速數字化進程，已經接近非國有企業的數字化水平。（8）初創企業積極布局：轉

7、型比例高于老牌企業。）初創企業積極布局：轉型比例高于老牌企業。隨著企業年齡的增長，數字化企業比例越來越低。成立 1-15 年的企業中，有 94%的企業進行了數字化轉型；成立 16-25 年的企業中，有 91%的企業進行了數字化轉型；成立 26 年及以上的企業中，這一比例為88%。（9）高成長性與創新性驅動：科創板與創業板企業數字）高成長性與創新性驅動：科創板與創業板企業數字II 化比例領先?；壤I先。上交所科創板企業與深交所創業板企業數字化比例分別為 97%、95%。上交所主板企業與深交所主板企業數字化比例則分別為 88%、89%。（10）政府重視度與數字）政府重視度與數字化轉型：在政府更重

8、視的地區，企業數字化轉型比例高?；D型：在政府更重視的地區，企業數字化轉型比例高。政府重視程度對國有企業與非國有企業數字化比例均有推動作用，在政府重視程度高的地區，企業數字化轉型的比例更高。此外，本報告評價了 2023 年數字化轉型程度最高的二十家公司、分行業統計了各行業內數字化程度最高的五家公司以及數字化轉型前五十強。最后，本報告提出了推進企業數字化轉型的政策建議。第一，加強數字化轉型引導，第一，加強數字化轉型引導，激發數字化轉型內生動力。激發數字化轉型內生動力。政府應分行業分領域遴選企業數字化轉型標桿、加強企業數字化轉型相關政策銜接，并結合當地實際出臺配套措施，針對“轉什么”、“如何轉”、

9、“怎么轉”等問題加強分類指導和跟蹤服務。第二，制定有針對性政策，促進數字化均衡第二，制定有針對性政策，促進數字化均衡發展。發展。政府應著重支持小型企業、制造業及房地產業、處于經濟發展水平較低地區的企業、國有企業、成立時間較久的企業、主板企業的數字化轉型，促進數字化均衡發展。第三，第三，營造良好數字生態，優化數字化發展環境。營造良好數字生態，優化數字化發展環境。政府應營造開放數字生態、完善數據安全保障體系，強化數據安全監管，規范數字市場行為，確保數字經濟的健康有序發展。同時，政府應加大新型基礎設施建設力度，優化中小企業數字化轉型外部環境，降低企業數字化轉型的門檻和成本，為企業數字化轉型提供有力支

10、撐。本報告本報告的媒體引用的媒體引用方式方式：李濤、聶輝華、金星曄、左從江、方明月，2024，中國上市公司數字化轉型報告 2024，中央財經大學中國互聯網經濟研究院研究報告。III 作者簡介作者簡介 李濤，中央財經大學經濟學院教授、博士生導師。中央財經大學副校長。國家級高層次人才項目入選者，“新世紀百千萬人才工程”國家級人選，國務院政府特殊津貼獲得者，教育部新世紀優秀人才支持計劃人選，北京市卓越青年科學家項目人選；中國商業史學會副會長，中國職業技術教育學會常務理事。主要研究方向為數字經濟、文化與經濟等。在經濟研究、管理世界、American Journal of Agricultural Ec

11、onomics等中英文權威期刊發表論文九十余篇。聶輝華，中國人民大學經濟學院教授、中國人民大學企業與組織研究中心執行主任，先后入選教育部青年長江學者項目、國家萬人計劃哲學社會科學領軍人才項目以及北京高校卓越青年科學家項目。他近期主要關注政企關系和數字化治理，在 Review of Economics and Statistics、Journal of Development Economis、中國社會科學、經濟研究等國內外頂級刊物上發表了幾十篇學術論文。他向中央提交的多篇內參獲得了黨和國家領導人的重要批示。金星曄，中央財經大學經濟學院副教授，中央財經大學青年龍馬學者，中國互聯網經濟研究院研究員

12、，清華大學中國經濟思想與實踐研究院研究員，全國數字經濟教育發展聯盟秘書長。他近期主要關注數字化轉型、企業 ESG 發展以及長期經濟發展問題。研究成果發表于經濟研究、世界經濟、China Economic Review 等中文權威期刊和 SSCI英文期刊。主持北京市社會科學基金項目，擔任國家社科基金重大項目子課題負責人。獲北京市第十六屆哲學社會科學優秀成果獎二等獎。左從江，中央財經大學經濟學院博士研究生，主要關注數字化轉型、企業 ESG 以及文化與經濟等。研究成果發表于經濟研究等期刊。獲上海市優秀畢業生、北京市優秀畢業生等榮譽稱號。方明月，中國農業大學經濟管理學院副教授、博士生導師，擔任國家自然

13、科學基金項目通訊評審專家、教育部學位中心論文評審專家、中國數量經濟學會理事，兼任中國人民大學企業與組織研究中心研究員、中央財經大學中國互聯網經濟研究院特聘研究員。主要研究方向為公司金融、綠色金融、數字經濟，在經濟研究、管理世界、世界經濟、金融研究、數量經濟技術經濟研究、Economic Modelling、China&World Economy、Review of Development Economics 等國內外重要學術刊物上發表了三十余篇論文。IV 目錄目錄 一、數字化轉型背景.1 二、數字化轉型識別策略.1 三、企業數字化轉型現狀.6（一）數字化進程不斷深入：企業數字化比例持續攀升.6

14、（二）小型企業數字化轉型：資源與能力瓶頸待突破.7（三）服務行業數字化趨勢顯著：通信、銀行、計算機等行業實現全面數字化.8（四）新冠疫情助推：商貿零售業數字化轉型實現躍進.9（五）新能源車崛起：引領汽車相關行業數字化比例激增.10（六）地區差異顯現：經濟發達省份數字化進程領先.10（七）國企數字化轉型加速：與非國企差距不斷縮小.11（八）初創企業積極布局：轉型比例高于老牌企業.13（九）高成長性與創新性驅動：科創板與創業板企業數字化比例領先.13（十）當地政府重視度與數字化轉型：政府重視程度高促進企業轉型.14（十一）數字化轉型領軍：轉型程度前二十強.16（十二）行業數字化先鋒：轉型標桿前五強

15、.17（十三）數字化轉型黑馬：進步幅度前五十強.18 四、結論與政策建議.19 參考文獻.20 數據下載.21 媒體聯絡.21 致謝.21 中國上市公司數字化轉型報告 2024 1 一、一、數字化轉型背景數字化轉型背景 在大數據、人工智能、區塊鏈等數字技術加速創新，日益融入經濟社會發展各領域背景下，數字技術賦能實體經濟創新發展，成為實現經濟高質量發展的重要著力點。黨的十八大以來，黨中央高度重視發展數字經濟，將其上升為國家戰略。習近平總書記在十九屆中央政治局第三十四次集體學習時亦強調：“發展數字經濟意義重大，是把握新一輪科技革命和產業變革新機遇的戰略選擇?！苯涍^數年發展，數字經濟成為中國國民經濟

16、的重要組成部分。中國信通院發布的中國數字經濟發展研究報告（2023）指出：2022 年中國數字經濟規模達到 50.2 萬億，占 GDP 的比重達 41.5%，超過了第二產業占 GDP 的比重39.9%。與傳統經濟相比，數字經濟借助大數據、區塊鏈等數字技術，不斷釋放數據要素價值，引發了生活生產方式與治理方式的全方位變革，從根本上改變了當下經濟發展方式和產業格局。在數字經濟快速發展的背景下，數字化轉型已成為我國應對國內外環境重大變化復雜局面，搶占未來競爭制高點的戰略選擇。而企業作為國民經濟和社會發展主力軍，是數字化轉型的重要主體。我國政府高度重視企業數字化轉型的發展，從“十四五”數字經濟發展規劃到

17、中小企業數字化賦能專項行動方案，一系列政策文件相繼出臺，為上市公司數字化轉型提供了堅實的政策支撐和明確的發展方向。2023 年政府工作報告亦指出：“加快傳統產業和中小企業數字化轉型，著力提升高端化、智能化、綠色化水平?！逼髽I數字化轉型是我國轉變發展方式、優化產業結構、轉換增長動力的重要內容，是實現質量變革、效率變革、動力變革的關鍵舉措。所謂數字化轉型，是企業借助數字技術變革其生產方式、經營模式與管理方式，重構商業模式的過程。通過數字化轉型升級生產方式、管理模式和組織形式、提高企業生產效率，亦是企業打造核心競爭力、實現高質量發展的必然選擇。然而，企業數字化轉型是涉及生產經營模式的全方位系統性變革

18、，需投入大量人力物力資源，是涉及未來發展方向的重大戰略抉擇，可能存在著“不會轉”、“不愿轉”、“不敢轉”等現實問題。在此背景下，多角度分析中國上市公司數字化轉型現狀，全面把握中國數字化轉型發展進程，有助于科學高效推進上市公司全面數字化轉型，并為后續企業數字化發展推進戰略提供支撐。精準識別企業數字技術使用情況是全面評估中國上市公司數字化轉型現狀的關鍵。而現有研究在企業數字化轉型的測度上尚未達成共識，且均存在著測度對象不夠統一明確與測度方法不夠科學準確的問題。這導致很多研究結論不可比較、難以復制和相互沖突。在充分揚棄現有研究利弊的基礎上，本報告使用金星曄等（2024）的做法，利用前沿的機器學習方法

19、和大語言模型，基于 2006-2023 年中國上市公司年報文本，立足全面體現各種數字技術在企業中的實際使用狀況，構造了一套新的數字化轉型指標。該指標具有對象明確、指標齊全、準確度高和可復制的優點。在此基礎上，本報告對中國上市公司數字化轉型進行了全面研究。二、二、數字化轉型識別策略數字化轉型識別策略 1.第一步：確定文本分析對象第一步：確定文本分析對象 由于數字化轉型涉及企業組織結構、內部管理、業務流程等方方面面的變革，難以在財務指標中完整顯示，但上市公司有強烈的意愿在年報中披露，以獲得資本市場的青睞，因此文獻中通常使用基于年報的文本分析法來衡量數字化轉型水平（方明月等，2022）。借鑒已有文獻

20、的做法，本報告同樣采用上市公司年報作為企業數字化轉型指標的文本基礎。2 本報告通過爬蟲和手動整理收集了上市公司年報，來源包括 Wind、巨潮資訊網和上市公司官網。由于 2007 年 1 月 1 日起施行的新企業會計準則對企業財務指標要求有較大變化，而 2006年年報實際披露于 2007年一季度，因此我們選擇 2006年至 2023年間披露的上市公司年報進行分析。在年報中，“管理層討論與分析”（MD&A）分析了企業在報告期內的經營情況、描述未來的發展戰略并披露公司所面臨的風險狀況。因此，已有文獻幾乎都選擇這個部分作為分析文本（例如，袁淳等，2021；趙宸宇等，2021）。還有部分公司選擇在“目錄

21、、釋義及重大風險提示”中披露公司可能面臨的風險，其中也可能包含企業數字化轉型相關信息。因此本報告選擇“管理層討論與分析”和“目錄、釋義及重大風險提示”這兩個章節作為文本數據。2.第二步：構建待預測句庫和待標記句庫第二步：構建待預測句庫和待標記句庫 本報告先將全部文本按照句號和分號分割，得到待預測句庫。由于年報中大多數句子與數字化轉型無關，如果完全隨機抽取句子進行閱讀，得到的大多數標簽都將與數字技術無關，為了提高人工閱讀的效率并防止上下文對人工閱讀產生干擾，需要使用關鍵詞抽取具有不同代表性的年報句子，并與隨機抽取的句子一起構成待標記句庫（金星曄等，2024）。為此，我們先定義數字技術，并構建數字

22、技術詞典。在定義數字技術時，我們首先考慮政策口徑。國家統計局在數字經濟及其核心產業統計分類（2021）中提到，產業數字化代表性技術為物聯網、人工智能、大數據、云計算、移動互聯等數字技術。國務院和工信部等部門多次出臺政策文件，提出了促進大數據、人工智能、云計算、物聯網、移動互聯和區塊鏈等數字技術發展的指導意見。其次是企業界的定義。騰訊董事會主席馬化騰在The Chinese Digital Economy一書中指出：近年來，移動互聯、云計算、大數據、人工智能、物聯網、區塊鏈等數字技術不斷突破和融合發展，推動了數字經濟快速發展（Ma et al.，2021）。綜合以上定義，本報告將數字技術分為六種

23、類型：大數據、人工智能、移動互聯、云計算、物聯網和區塊鏈（金星曄等，2024）。表1 展示了具體的數字技術的定義以及例子。表 1 數字技術定義 定義定義 例子例子 大數據：大數據：傳統處理技術、算法無法處理的大型復雜數據集；具有數據體量巨大、數據類型多、處理速度快、價值密度低，商業價值高、數據真實性的特征 對象儲存、分析型數據庫、關系型數據庫、鍵值數據庫、批量計算、時序數據庫、數據集成、數據建模 人工智能：人工智能：利用數字計算機或者由數字計算機控制的機器，模擬、延伸和擴展人類的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術和應用系統 知識圖譜、自然語言處理、增強現實、監督學

24、習、無監督學習、強化學習、深度神經網絡 移動互聯移動互聯:互聯網的技術、平臺、商業模式應用與移動通信技術結合并實踐的活動的總稱 移動搜索、移動中間件、移動操作系統、移動通信網絡 云計算：云計算：是一種技術手段，通過云計算，將有能力把現有的信息孤島進行數據、信息整合，實現“大數據”集中處理和綜合分析，進行更加有效的策略制定 并行計算、彈性云服務器、工業云、公有云、混合云 物聯網：物聯網：通過一定的設備，把物品與互聯網相連接，進行信息交換和通信，以實現智能化識別、定位、跟蹤、監控和管理的一種網絡 RFID、電子標簽、射頻識別、讀寫器、傳感器、微納傳感器、紅外感應器、激光掃描器 區塊鏈區塊鏈:將數據

25、區塊以順序相連的方式組合成的鏈式數據結構，并以密碼學方式保證的不可篡改和不可偽造的分布式賬本 區塊鏈、區塊結構、分布式網絡、分布式計算、智能合約、分布式賬本 通過構建關鍵詞詞典縮小隨機閱讀的范圍，這種做法在類似研究中也經常使用。例如，Chen et al.（2019）使用有監督的機器學習方法對金融科技相關專利文本進行分類。在人工閱讀之前，他們基于自行構造的金融詞典，在原文本庫的基礎上篩選出符合要求的文本，然后再抽取文本進行標注。中國上市公司數字化轉型報告 2024 3 在定義了六類數字技術后，本報告基于政策文本、研究報告和已有文獻，并結合人工閱讀，收集整理了一個包含了311個數字技術關鍵詞的詞

26、典（表2）。之后，我們抽取了包含 10 個及以上不同關鍵詞的年報文本，并取出其中含有關鍵詞的句子。同時，為了提高模型對不含關鍵詞句子的預測能力，我們又隨機抽取了年報中的其他句子。由于上市公司總數逐年增加，如果直接在上述兩部分句子中進行隨機標注，將導致大部分被標注的句子靠近當前年份（金星曄等，2024）。為了解決年份分布不均勻的問題，在這兩部分句子的基礎上，我們按照年份分組，在每個年份中取出相同數量的句子，再從這部分均勻分布的句子中進行不放回的隨機抽取，得到本研究的待標記句庫。表 2 關鍵詞列表 類型類型 關鍵詞關鍵詞 大數據 大數據、海量數據、異構數據、big data、對象儲存、分析型數據庫

27、、關系型數據庫、鍵值數據庫、批量計算、時序數據庫、數據集成、數據建模、數據可視化、數據脫敏、數據挖掘、數據資源、圖數據庫、文檔數據庫、隱私計算、元數據管理、數據資產、數據管理平臺、數據技術、EB級存儲 人工智能 AI、人的智能、人類能力、人類智能、機器學習、人工智能、知識圖譜、自然語言處理、人機交互、計算機視覺、生物特征識別、虛擬現實、增強現實、監督學習、無監督學習、強化學習、深度神經網絡、深度學習、遷徙學習、主動學習、演化學習、神經網絡、量子計算、認知計算、機器智能、增強智能、機器人（含醫療機器人、陪伴機器人等）、計算機視覺、計算成像學、圖像理解、三維視覺、動態視覺、視頻編解碼、情感交互、體

28、感交互、腦機交互、自然語言生成、自然語言問答、機器翻譯、語義理解、問答系統、支持向量機、決策樹、深度置信、卷積神經、受限玻爾茲曼、循環神經、粒子群優化、多目標演化、身份識別、CIMS、人證核驗、人臉識別、虹膜識別、指靜脈識別、聲紋識別、步態識別、價值挖掘、個性化推薦、Artificial、Intelligence、人機對話、人機交互、語音測評、語音交互 移動互聯 移動搜索、移動中間件、移動操作系統、移動通信網絡、4G、5G、3G、無線局域網（WLAN）、無線 MESH 網絡、IEEE、802.21、移動搜索、移動社交網絡、IOS、Android、手機百度、手機商店、手機廣告、攜程網、美團、大眾

29、點評、平板電腦、移動上網設備、LBS、移動支付、移動導航、移動定位、移動社交、手游、移動電子商務、手機廣告、移動應用商店、手機客戶端、微信、微店、移動支付、手機購物、支付寶、移動辦公、移動即時通信、APP、手機音樂、抖音、短視頻、直播帶貨、手機訂單、滴滴打車、移動電子政務、公眾號、微店、手機淘寶、移動智能終端、智能手機 云計算 并行計算、彈性云服務器（ECS）、多重租賃技術、多租戶技術、訪問控制技術、分布式并行編程模式、分布式存儲、分布式云、分級存儲、負載均衡技術、工業云、公有云、混合云、基礎設施即服務（IaaS）、集成平臺即服務（IPaaS）、教育云、金融云、密鑰管理、內部云、平臺即服務（P

30、aaS）、區域云、軟件即服務（SaaS）、私有云、同態加密、網格計算、效用計算、行業云、虛擬化技術（VT）、虛擬機、醫療云、應用程序平臺即服務（APaaS）、應用虛擬化、云安全、云備份、云倉儲、云操作系統、云儲存、云存儲、云端、云端化、云端管控、云端災難恢復、云端智慧化信息搜索、云服務、云管理、云呼叫、云互動、云計算、云計算平臺管理、云技術、云架構、云媒體、云密文、云平臺、云上容災、云社交、云手機、云電話、云手游、云數據管理、云數據加密、云數據中心、云搜索、云物流、云業務、云營銷、云硬盤（EVS）、云游戲、云原生技術、云戰略、云支付、云制造、云轉碼、中心云、專有云、資源虛擬化、移動云（OSS）

31、、視頻即服務（VaaS）、視頻監控即服務（VSaaS）、視頻會議即服務（VCaaS）物聯網 RFID、電子標簽、射頻識別、讀寫器、傳感器、微納傳感器、紅外感應器、激光掃描器、條碼、條形碼、紅外掃描、識讀器、微機電系統、MEMS、傳感網、物品標識、磁卡識別、PML、射頻標簽、GPS、全球定位系統、GIS、ZigBee、藍牙、工業無線網絡、無線傳感、WSN、IrDA、NFC 技術、WiMAX、工業無線技術、HART、M2M、NB-IoT、車聯網、可穿戴設備、在線監測、定位追溯、遠程控制、無線 pos 10個及以上這個閾值是一個經驗數值，更低的閾值會包含更多的年報，但可能會導致人工閱讀的效率降低。另

32、外，不直接從待預測句庫中找含有關鍵詞的句子是因為，直接抽取句子會導致句子的來源難以確定。而先抽取年報再取句子不僅可以滿足隨機性，還可以保證句子的來源可回溯，從而方便打標簽以及排查錯誤。4 類型類型 關鍵詞關鍵詞 機、遠程監控、物聯網、工業物聯網、嵌入式系統、邊緣計算、IoT、Internet of Thing 區塊鏈 區塊鏈、區塊結構、分布式網絡、分布式計算、智能合約、分布式賬本、鏈式數據結構、去中心化、信息不可篡改、共識機制、對等式網絡、共識機制、側鏈、多鏈、塊鏈式數據、梅克爾樹、工作量證明、數字貨幣、許可鏈、非許可鏈、公有鏈、私有鏈、聯盟鏈、比特幣、以太坊、以太幣、ETH、BaaS、數字資

33、產、非同質化代幣、NTF、IOC代幣、產品溯源、libra、加密貨幣 3.第三步：對待標記句庫的句子進行人工標注第三步：對待標記句庫的句子進行人工標注 人工標注的思路是，先判斷企業使用了哪種/哪幾種數字技術，進而判斷企業是否進行了數字化轉型。人工標注的目的是形成訓練集、測試集和驗證集，為后面的機器學習打下基礎。我們將24位研究人員分為12組，每組兩人定期輪換。為了統一對句子打標簽的標準，在正式打標簽之前，我們多次講解打標簽任務的詳情，并對容易混淆的標簽進行了重點講解和示范。明晰標準后，我們進行了充分的打標簽訓練，并對標注過程中發現的難點和疑點定期商討。正式標注時，待標記句庫中的每個句子都會被兩

34、位研究成員標記。如果雙方標注結果一致，則句子標簽被記錄；對存在分歧的句子，經過全部成員討論后確定其標簽；對難以確定標簽的句子，不納入訓練集。最后，所有待標記句庫中的句子被分類至八個標簽下，包括六種新型數字技術、非新型數字技術、非數字技術。4.第四步：采用有監督的機器學習方法訓練模型第四步：采用有監督的機器學習方法訓練模型 度量數字化轉型的關鍵步驟是訓練機器學習模型，讓人工智能技術替代人工來判別文本中包括數字技術關鍵詞是否意味著真正進行了數字化轉型，從而避免第二類統計錯誤（納偽）。參考金星曄等（2024）的研究，我們使用百度開源的、內嵌了 ERNIE 的PaddleHub 框架來開展模型訓練，用

35、其內置的 tokenizer 函數快速將句子轉為 ERNIE 模型訓練所需要的格式。我們將全部被標記的句子按照 8：1：1 的比例分為訓練集、測試集和驗證集。同時，為了比較不同模型之間的分類性能，我們也訓練了 SVM（支持向量機）和Neural Networks（神經網絡）兩類模型。機器學習的主要目的是識別文本是否以及體現了哪種數字技術。對于這種分類模型，通常用精確度（Precision）、召回率（Recall）和正確率（Accuracy）來度量模型的性能（金星曄等，2024）?？紤]到訓練集各類型標簽數量分布不均，通常使用 F1-Score 來衡量模型的整體分類能力。表 3 比較了不同模型在相

36、同訓練集上的表現。ERNIE 模型的精確度、召回率、正確率和 F1-Score 分別達到了 81%、70%、93%和 75%，并且在各個性能指標上都是最佳，這也是本報告最終選擇使用 ERNIE模型的原因。表 3 不同機器學習算法的分類性能 Precision Recall Accuracy F1 ERNIE 81.1%70.0%92.9%75.1%Neural Networks 73.4%64.7%92.5%68.8%SVM 78.0%56.3%92.4%65.4%5.第五步：采用第五步：采用 ERNIE 模型構造數字化轉型指標模型構造數字化轉型指標 非新型數字技術指傳統的數字技術或者數字技術

37、的泛稱。例如，互聯網、寬帶、通信技術、網購、平臺經濟、數字化、數字技術、智能化等提法。Precision度量全部被預測為 Positive類（“是”）的句子中，真的是 Positive類的比例；Recall是模型能夠將一份年報中全部Positive類句子找出來的能力；Accuracy 是度量模型的分類在多大程度上是正確的能力，包括了 Positive 類和 Negative 類（“否”），F1是 Precision和 Recall的調和平均數。假設一份文本中有 100 個句子，其中 10句經人工判斷被認為與數字技術相關，模型預測全文有 12句與數字技術相關，比對后發現模型預測出的 12 句中有

38、 8句與人工判斷的結果一致，則 Precision值為 8/12=0.75，Recall值即為 8/10=0.8，兩個指標的區別主要在于分母，此外該結果說明模型對 90句 Negative 類的判斷有 4句錯誤，對 10句 Positive 類的判斷也有 2句的錯誤，則 Accuracy 即為（10-2）+（90-4）/100=0.94。F1=2*Presicion*Recall/（Precision+Recall）=0.774194。中國上市公司數字化轉型報告 2024 5 基于 ERNIE 大語言模型，我們對 2006-2023 年待預測句庫中的每一句文本進行預測，判斷企業是否使用了數字技

39、術以及使用了何種數字技術。我們分別構造了兩類指標：（1）企業數字化轉型啞變量，即公司在當年只要使用了大數據、人工智能、移動互聯、云計算、區塊鏈和物聯網中的任意某種技術，則指標賦值為 1，反之為 0。（2）企業數字化轉型程度指標，分別從公司使用數字技術的相關句子數量與其占當年年報全部句子數量的比例兩方面衡量?；诖朔椒ㄋ鶚嬙斓臄底只D型指標在最大程度上克服了文本識別不準確的問題，與企業數字技術使用現實高度吻合，具有對象明確、指標齊全、準確度高和可復制的優點，有效克服了現有研究在測度數字化轉型方面所存在的問題（金星曄等，2024）?，F有文獻在測度企業數字化轉型程度時，通常使用了三種方法。第一種方法

40、是客觀數據法，這包括計算本企業與數字技術相關的軟件投資或硬件投資占總資產的比例（Mller et al.，2018；劉飛和田高良，2019；祁懷錦等，2020），基于調查數據度量企業內機器人的使用（Acemoglu&Restrepo，2020）或者分析預測工具的使用（Brynjolfsson et al.，2021），基于行業計算機軟硬件投資額度量行業的信息技術密度（IT Intensity）（Chun et al.，2008）。然而，此方法有兩個缺點。第一，范圍太窄，只適合度量某一種具體的數字技術的非人力成本投入。例如，某個企業招聘了從事數字化轉型的工程師，但是支付給工程師的工資成本并不能體

41、現為數字化硬件或軟件的投入，此時就會被漏記。第二，度量比較粗糙。例如，籠統地統計數字技術硬件或軟件的做法，無法區分不同類型數字技術的應用。第二種方法是問卷法，即使用問卷調查獲取相關數據，通過企業對數字技術使用相關題項的回答來測度其數字技術使用水平。該方法則存在調查成本高、數據量受限、不可復制以及主觀偏誤等問題，且受抽樣方法影響，準確度有待驗證。第三種方法，也是最主流的方法詞典法，即先構建一個包含各種數字技術的關鍵詞詞典，然后根據這些關鍵詞在上市公司年報中“管理層討論與分析”部分出現的次數或比例，構建企業數字化轉型指標。一個上市公司年報中提及數字技術的次數或者比例越高，表示企業的數字化轉型程度越

42、高。很多研究企業數字化轉型的文獻直接使用了 CSMAR 數據庫自帶的數字技術詞頻統計表（例如，黃逵友等，2023；耀友福和周蘭，2023），作為企業數字化轉型程度的指標。CSMAR詞典總共包含了 62個數字技術關鍵詞，例如“機器學習”、“數字貨幣”、“物聯網”和“數據挖掘”，并且分為四類技術：人工智能技術（27 個關鍵詞）、區塊鏈（8個關鍵詞）、云計算（17個關鍵詞）和大數據（10個關鍵詞）。以 CSMAR 為代表的詞典法存在的第一個問題是，詞典構建不完備，即它遺漏了不少屬于數字技術但是未被納入詞典的關鍵詞。在統計學上，這屬于第一類錯誤，即“棄真”。表 4 的一些例句表明，一些明顯屬于數字技術

43、的關鍵詞，例如“云+API”、“OCR”、“小語種識別”和“圖像識別”，均未被收錄到 CSMAR的關鍵詞詞典。表 4 CSMAR詞典的遺漏問題 例句例句 遺漏問題遺漏問題 二是聚焦在出行、醫療、教育等用戶自然生活需求的場景構建，通過“云+API（應用程序編程接口”的方式輸出金融服務能力，提高客戶粘度與產品滲透率）云+API 能夠表示企業使用了云計算等數字技術 利用光學字符識別技術（OCR 賦能證件識別，識別成功率達 98%以上，提升了業務審核效率 OCR是人工智能技術的運用 研發完成通過較小代價提升方言與小語種識別可用性的技術路徑，方言與維語、藏語識別效果大幅提升 小語種識別等關鍵詞也能夠表示

44、企業使用了人工智能技術 上市公司（股票代碼為 600036）2018年年報。上市公司（股票代碼為 000001）2020年年報。上市公司（股票代碼為 002230）2017年年報。6 配合先進的圖像識別算法可保證圖像識別正確率95%圖像識別能夠表示企業使用了人工智能技術 之所以會出現關鍵詞遺漏，是因為這些關鍵詞都是研究者根據部分文獻人為選定的詞語，而每個人選擇的標準又很難統一。在實踐中，各種數字技術層出不窮，新的名詞不斷涌現，因此用詞典法來測度數字化轉型必然存在“掛一漏萬”和更新遲滯的問題。事實上，除了 CSMAR的關鍵詞詞典，其它文獻使用的關鍵詞詞典也存在明顯的遺漏問題。人為選擇關鍵詞導致的

45、附帶問題是，由于每個研究者的主觀標準不同，選擇范圍不同，這導致不同文獻使用的關鍵詞差異很大，從而基于不同詞典構造的數字化轉型指標缺乏可比性。以公開了關鍵詞詞典的幾篇代表性文章為例。吳非等（2021）的詞典包含了 76 個關鍵詞，李云鶴等（2022）包含了 95 個關鍵詞，楊金玉等（2022）包含了 76 個關鍵詞，方明月等（2022）包含了 112 個關鍵詞。從詞典范圍來看，方明月等（2022）包含的關鍵詞最多，CSMAR 最少，這導致這些詞典之間的重合度不高。例如，CSMAR 詞典與吳非等（2021）、李云鶴等（2022）均有 39個關鍵詞相同，相同的關鍵詞占 CSMAR詞典總數 62個的比

46、例（即重合度）為 63%。不過，吳非等（2021）和李云鶴等（2022）的關鍵詞又不完全相同，后者比前者多了 19 個關鍵詞。此外，詞典個數最多的方明月等（2022）與詞典個數第二多的李云鶴等（2022）有 19 個關鍵詞相同，重合度為 17%。第二個問題是，詞典法存在表意不真實的問題，即錯誤地將一些并不表示企業數字化轉型實踐的內容包括在內，這屬于統計學上的第二類錯誤，即“納偽”。仍以 CSMAR 為例。在一些上市公司的年報中，即便某個句子中包含了數字技術關鍵詞，根據句意也不能判斷該企業進行了數字化轉型。具體來說，這包括三種情況：第一，句子采用了否定表述；第二，公司可能表示將在未來進行數字化而

47、不是現在；第三，企業可能描述的是行業的發展背景而不是自身行動。這些情況都會導致詞典法出現誤判。表 5 提供了這三種情況的一些例子。表 5 CSMAR詞典的表意錯誤問題 例句例句 表意錯誤問題表意錯誤問題 為了避免項目存在的不確定性與技術研發風險，公司暫時將智能教育機器人研發中心項目推進節奏放緩，因此尚未對該項目有較大的投入 企業否定了數字化轉型 未來公司將利用物聯網行業高速發展的有利環境，努力擴大業務規模并提高公司盈利能力 描述的是未來而不是當前 2021 年，公司將穩步拓展大屏與專業顯示器業務，進一步豐富產品品類，充分利用 5G 基站建設、特高壓、城際軌道交通、新能源汽車充電樁、大數據中心、

48、人工智能、工業互聯網七大領域發展帶來的新機遇 描述的是宏觀發展情況，而不是目標企業數字化 三、三、企業數字化轉型現狀企業數字化轉型現狀（一）數字化進程不斷深入：企業數字化比例持續攀升（一）數字化進程不斷深入：企業數字化比例持續攀升 企業數字技術的采納與應用比例呈現出穩步上升的趨勢。企業數字技術的采納與應用比例呈現出穩步上升的趨勢。依據上文所述企業數字化轉型識別策略，圖 1 描繪了利用上市公司數據所做的分年份數字化企業統計圖。新一輪工業革命背景下，我國政府高度重視數字化轉型發展，圍繞加快新型基礎設施建設、推動行業數字化轉型、促進融通發展等方面作出重要部署，數字化進程不斷加快?？傮w而言，從2006

49、 年開始，上市公司中使用數字技術的企業數量與使用數字技術的比例持續上升。至 上市公司（股票代碼為 002767）2017年年報。上市公司（股票代碼為 300010）2019年年報。上市公司（股票代碼為 603236）2019年年報。上市公司（股票代碼為 000727）2020年年報。中國上市公司數字化轉型報告 2024 7 2023年，上市公司中使用數字技術的企業數量上升至 4722家，使用數字技術的比例上升至91%，絕大部分上市公司均使用了數字技術。隨著新冠肺炎疫情的全球蔓延與持續影響，數字化轉型進程顯著加速。隨著新冠肺炎疫情的全球蔓延與持續影響，數字化轉型進程顯著加速。一方面，大量傳統企業

50、加速數字化轉型，以應對疫情帶來的經營壓力和市場變化。另一方面，新興數字化企業也借助疫情帶來的機遇，迅速發展壯大。在 2020-2021 年期間，受新冠肺炎疫情的影響，數字化企業數量和比例增長速率達到高峰。2020年，數字化企業數量為 3112家，數字化比例為 78%；2021年數字化企業數量迅速上升至 4042家，數字化比例高達 88%。圖 1 分年份數字化企業統計圖（二）小型企業數字化轉型：資源與能力瓶頸待突破（二）小型企業數字化轉型：資源與能力瓶頸待突破 在企業數字化進程中，小型企業數字化轉型步伐更慢。在企業數字化進程中，小型企業數字化轉型步伐更慢。大中型企業數字化比例明顯高于小型企業，凸

51、顯了規模優勢在推動數字技術應用上的重要作用。根據國家統計局印發的統計上大中小微型企業劃分辦法（2017）對大中小微型企業的劃分方法，我們把數據庫中的企業劃分為大型企業、中型企業、小型企業三類。這三類企業中數字化企業數量和比例情況如圖 2 所示。大型企業中數字化企業數量和比例最高，其次是中型企業，最后是小型企業。大型企業中2006-2023年數字化企業總量高達17610家，數字化企業比例為67%。中型企業中 2006-2023年數字化企業總量為 11217家，但由于基數比較小，其數字化企業比例高達66%。最后是小型企業，其中2006-2023年數字化企業總量僅為917家，數字化企業比例為 52%

52、。企業數字化轉型是涉及生產經營模式的全方位系統性變革，需投入大量人力物力資源?？梢钥闯?，大中型企業是數字化轉型的主力軍。小型企業仍然存在“不會轉”、“不愿轉”、“不敢轉”等現實問題，在數字化轉型中往往陷入自身資源與能力不足的困境。0%10%20%30%40%50%60%70%80%90%100%0500100015002000250030003500400045005000當年上市公司中使用數字技術的企業數量使用數字技術的比例（右）8 圖 2 分規模數字化企業統計圖（三）服務行業數字化趨勢顯著：通信、銀行、計算機等行業實現全面數字化（三）服務行業數字化趨勢顯著：通信、銀行、計算機等行業實現全面

53、數字化 服務行業邁向全面數字化新時代，通信、銀行及計算機等行業作為先鋒，已率先實現服務行業邁向全面數字化新時代，通信、銀行及計算機等行業作為先鋒，已率先實現全面數字化轉型。全面數字化轉型。依據申萬行業分類標準對數據庫中的企業進行行業劃分，得到 2023 年分行業數字化企業統計情況（見表6）。如表6所示，服務業相關的企業數字化比例較高，制造業、房地產業的數字化比例較低。數字化企業比例最高的五個行業是：通信（100%）、銀行（100%）、計算機（100%）、傳媒（98%）、電子（97%）。數字化企業比例最低的五個行業是：石油石化（81%）、有色金屬（81%）、基礎化工（80%）、煤炭（72%）、房

54、地產（69%）。表 6 分行業數字化企業統計表（2023 年）行業名稱 數字化企業數量 數字化企業比例 通信(申萬)127 100%銀行(申萬)26 100%計算機(申萬)323 100%傳媒(申萬)125 98%電子(申萬)447 97%家用電器(申萬)84 97%汽車(申萬)247 96%國防軍工(申萬)129 96%機械設備(申萬)481 96%非銀金融(申萬)59 95%食品飲料(申萬)111 95%社會服務(申萬)66 94%電力設備(申萬)324 94%0%10%20%30%40%50%60%70%80%020004000600080001000012000140001600018

55、00020000大型企業中型企業小型企業20062023年數字化企業總量數字化企業比例（右）中國上市公司數字化轉型報告 2024 9 環保(申萬)122 94%建筑裝飾(申萬)144 92%輕工制造(申萬)140 92%美容護理(申萬)28 90%商貿零售(申萬)89 90%紡織服飾(申萬)93 89%交通運輸(申萬)103 89%綜合(申萬)18 86%醫藥生物(申萬)398 86%公用事業(申萬)102 84%鋼鐵(申萬)37 84%建筑材料(申萬)62 84%農林牧漁(申萬)84 83%石油石化(申萬)35 81%有色金屬(申萬)106 81%基礎化工(申萬)311 80%煤炭(申萬)2

56、6 72%房地產(申萬)71 69%（四）新冠疫情助推：商貿零售業數字化轉型實現躍進（四）新冠疫情助推：商貿零售業數字化轉型實現躍進 新冠新冠肺炎肺炎疫情背景下，數字化轉型成為商貿零售業發展的新出路。疫情背景下，數字化轉型成為商貿零售業發展的新出路。受新冠肺炎疫情的影響，商貿零售類企業的數字化比例在2020-2021年期間大幅提升，從82%上升至90%（見圖 3）。新冠肺炎疫情改變了消費者的購物習慣和行為模式。商貿零售類企業作為距離消費者比較近的行業，受到較大的疫情沖擊，但同時也促使了它們加速數字化轉型的進程。為了保持業務運營和滿足消費者需求，在疫情期間保持競爭力，其不得不加快數字化轉型的步伐

57、，提升線上銷售和服務的能力。圖 3 商貿零售行業數字化比例統計圖 50%55%60%65%70%75%80%85%90%95%商貿零售行業內數字化的比例10 （五）新能源車崛起：引領汽車相關行業數字化比例激增（五）新能源車崛起：引領汽車相關行業數字化比例激增 新能源車的強勢崛起重塑了汽車行業的競爭格局，成為推動汽車產業全面擁抱數字時新能源車的強勢崛起重塑了汽車行業的競爭格局，成為推動汽車產業全面擁抱數字時代的關鍵力量。代的關鍵力量。如圖 4 所示，2020-2021 年，隨著新能源車零售量的顯著增加，汽車相關行業數字化比例大幅提高。隨著全球對環保和可持續發展的重視，消費者對新能源車的接受度越來

58、越高，市場需求不斷增長。這一趨勢凸顯了車企部署新能源戰略的重要性與必要性，并為數字技術的廣泛應用提供了新的推動力。2020 年，汽車相關行業數字化比例僅為 79%。2021 年，汽車相關行業數字化比例迅速上升至 94%。隨著新一輪科技革命和產業變革的推進，新能源交通產業正邁入加速發展的新階段。為適應這一變化趨勢，車企加速布局新能源領域，加快新能源車的研發和生產，而數字化技術在此過程中扮演著重要角色，進而推動車企在技術創新、產品升級和市場拓展等方面的全面數字化轉型。圖 4 新能源車年零售量與汽車相關行業數字化比例統計圖（六）地區差異顯現：經濟發達省份數字化進程領先（六）地區差異顯現：經濟發達省份

59、數字化進程領先 經濟發達省份引領數字化進程，多省份數字化企業比例超七成，全國數字化進程迅速經濟發達省份引領數字化進程，多省份數字化企業比例超七成，全國數字化進程迅速普及。普及。除中國港澳臺地區外，中國其他各省份數字化企業數量如圖 5 所示。從圖中可以看出，經濟發達的省份，例如廣東、浙江、江蘇、北京、上海，數字化企業數量最多；經濟發展水平較低的省份，例如青海、寧夏、西藏、內蒙古、海南，數字化企業數量較少。由于不同地區上市企業總量存在差異，中國各省份數字化企業比例與數字化企業數量的分布存在部分差異。如圖 6 所示，2021 年-2023 年數字化企業比例最高的五個地區是北京（94%）、廣東（93%

60、）、上海（93%）、陜西（91%）、浙江（91%）。2021 年-2023 年數字化比例最低的五個地區是青海（56%）、西藏（69%）、內蒙古（74%）、海南（76%）、甘肅（78%）?？梢钥闯?，除青海與西藏外，其余省份數字化企業比例均超過70%，數字化進程在全國范圍內得到迅速發展和廣泛普及。0%20%40%60%80%100%01,000,0002,000,0003,000,0004,000,0005,000,0006,000,0007,000,0008,000,0009,000,000新能源車年零售量（乘聯會數據）汽車相關行業數字化比例（右）中國上市公司數字化轉型報告 2024 11 圖

61、5 中國各省份數字化企業總量統計圖（港澳臺地區除外）圖 6 中國各省份數字化企業比例統計圖（港澳臺地區除外）（七）國企數字化轉型加速：與非國企差距不斷縮?。ㄆ撸﹪髷底只D型加速：與非國企差距不斷縮小 不同所有制企業數字化進程存在差異，非國有企業數字化進程顯著領先于國有企業。不同所有制企業數字化進程存在差異，非國有企業數字化進程顯著領先于國有企業。按照企業的所有制類型，我們將數據庫中的企業劃分為國有企業與非國有企業兩大類。國有企業與非國有企業中數字化企業總量與比例統計情況如圖 7 所示?？偟膩砜?，2006-2023年期間國有企業的數字化企業總量與比例較低，非國有企業的數字化企業總量與比例遠高于

62、國有企業。2006-2023 年，非國有企業中數字化企業總量為 33035 家，數字化企業比例為72%；而國有企業中數字化企業總量僅為 17630家，數字化企業比例僅為 55%。排名 省份數字化企業總量 排名 省份數字化企業總量1廣東224917天津1832浙江175618重慶1673江蘇168119新疆1414北京119420吉林1135上海110721云南1056山東74922黑龍江1017四川44823廣西958安徽43024山西949福建42925貴州9310湖南36226甘肅7911湖北34827海南6412河南27228內蒙古5713江西21229西藏4514遼寧19830寧夏37

63、15陜西19731青海1516河北1942021-2023排名 省份數字化企業比例 排名 省份數字化企業比例1北京94%17云南87%2廣東93%18河南87%3上海93%19湖北86%4陜西91%20新疆85%5浙江91%21重慶84%6江西90%22廣西83%7江蘇90%23遼寧83%8黑龍江90%24寧夏80%9四川90%25吉林80%10天津90%26山西78%11河北89%27甘肅78%12貴州89%28海南76%13福建88%29內蒙古74%14安徽88%30西藏69%15山東88%31青海56%16湖南88%2021-202312 圖 7 分所有制數字化企業統計圖 政策推動作用下

64、，國有企業加快數字化轉型步伐。政策推動作用下，國有企業加快數字化轉型步伐。如圖 8 所示，分年份來看，2020 年以前，非國有企業數字化比例一直領先于國有企業。2020 年后，國有企業加速數字化進程，已經接近非國有企業的數字化水平。2023 年，非國有企業數字化比例為 91%，而國有企業數字化比例上升至 89%。2020 年 8 月，國務院國資委發文關于加快推進國有企業數字化轉型工作的通知，就推動國有企業數字化轉型做出全面部署。國有企業的數字化轉型的這一趨勢可能與該政策相關。圖 8 非國有企業數字化比例與國有企業數字化比例統計圖 0%10%20%30%40%50%60%70%80%050001

65、0000150002000025000非國有企業國有企業20062023年數字化企業總量數字化企業比例（右）0%10%20%30%40%50%60%70%80%90%100%非國有企業數字化比例國有企業數字化比例中國上市公司數字化轉型報告 2024 13 （八）初創企業積極布局：轉型比例高于老牌企業（八）初創企業積極布局：轉型比例高于老牌企業 企業年齡與數字化比例之間呈現負相關關企業年齡與數字化比例之間呈現負相關關系。系。本報告將所有樣本企業按照年齡分為三組：1-15年、16-25年、26年及以上，各個年齡階段的企業數字化轉型的統計情況如圖 9所示。從圖 9 可以看出，隨著企業年齡的增長，數字

66、化企業比例越來越低。成立 1-15 年的企業中，有 94%的企業進行了數字化轉型；成立 16-25 年的企業中，有 91%的企業進行了數字化轉型；成立 26年及以上的企業中，有 88%的企業進行了數字化轉型。初創企業的數字化比例要高于成立時間較久的企業。初創企業更樂于擁抱數字化轉型的趨勢，并積極布局數字化轉型。圖 9 分年齡數字化企業統計圖（九）高成（九）高成長性與創新性驅動：科創板與創業板企業數字化比例領先長性與創新性驅動：科創板與創業板企業數字化比例領先 相較于主板上市企業，科創板與創業板企業的數字化進程顯著領先。相較于主板上市企業，科創板與創業板企業的數字化進程顯著領先。根據企業的上市板

67、塊，我們將數據庫中的企業劃分為上交所科創板企業、深交所創業板企業、上交所主板企業、深交所主板企業。各個板塊企業的數字化轉型企業統計情況如圖 10 所示?？梢钥闯?，科創板和創業板企業的數字化比例要高于主板的企業。上交所科創板企業與深交所創業板企業數字化比例分別為 97%、95%，即絕大部分企業均進行了數字化轉型。上交所主板企業與深交所主板企業數字化比例則分別為 88%、89%?？苿摪搴蛣摌I板的企業普遍具有更高的成長性和創新性，它們更愿意嘗試新技術、新模式來推動業務發展?？苿摪逯饕劢褂谛乱淮畔⒓夹g、生物醫藥、高端裝備制造等科技前沿領域。這些行業高度依賴于信息技術的支持，具有更高的數字化需求。創

68、業板同樣以創新創業型企業為主，其中不乏在數字技術領域具有競爭優勢的企業。這些企業往往更注重通過數字化轉型來提升業務效率和市場競爭力。85%86%87%88%89%90%91%92%93%94%95%050010001500200025003000115162526數字化企業數量數字化企業比例（右）14 圖 10 分板塊數字化企業統計圖（十）當地政府重視度與數字化轉型：政府重視程度高促進企業（十）當地政府重視度與數字化轉型：政府重視程度高促進企業轉型轉型 政策環境在企業數字化轉型中起到重要推動作用，政府重視程度高的地區數字化進程政策環境在企業數字化轉型中起到重要推動作用，政府重視程度高的地區數字

69、化進程領先。領先。分地級市重視程度的數字化企業統計情況如圖 11 所示。地級市重視程度指的是地級市政府對數字技術的重視程度，這個指標用地級市政府工作報告中包含大數據、人工智能、移動互聯、云計算、區塊鏈和物聯網這六類詞語的句子數量來度量。與數字技術相關的句子數量越多，認為地級市政府越重視數字技術發展。我們將樣本內所涉及的地級市分為重視程度較高、較低兩類。若地級市對數字技術的重視程度大于當年所有地級市的平均水平，則該地級市較為重視數字技術發展，視為政府重視程度較高。反之，則視為該地級市重視程度較低。從圖中可以看出，當地政府對于數字技術的重視能夠促進企業數字化轉型。在當地政府重視程度較高的地區中，企

70、業數字化比例更高。82%84%86%88%90%92%94%96%98%100%上交所科創板深交所創業板上交所主板深交所主板中國上市公司數字化轉型報告 2024 15 圖 11 分政府重視程度數字化企業統計圖 政府重視程度高對國有企業與非國有企業數字化均有推動作用。政府重視程度高對國有企業與非國有企業數字化均有推動作用。地方政府對數字技術的重視將從政策、基礎設施、國有企業示范、公平競爭環境、人才培養和引進、市場需求以及產業鏈協同等多個方面推動當地企業的數字化轉型，不僅限于國有企業，也包括非國有企業。分地級市重視程度的國有企業數字化統計情況與非國有企業數字化統計情況如圖12、圖 13 所示?？梢?/p>

71、看出，地方政府對數字技術的重視，不僅會促進地方國有企業的數字化，還會促進非國有企業的數字化。在政府重視程度較高的地區中，國有企業與非國有企業的數字化比例都更高。圖 12 分政府重視程度國有企業數字化統計圖 0%10%20%30%40%50%60%70%80%90%100%所在地級市重視程度較低-比例所在地級市重視程度較高-比例0%10%20%30%40%50%60%70%80%90%100%所在地級市重視程度較低-國有企業所在地級市重視程度較高-國有企業16 圖 13 分政府重視程度非國有企業數字化統計圖（十一）數字化轉型領軍：（十一）數字化轉型領軍：轉型程度轉型程度前二十強前二十強 2023

72、 年數字化轉型程度最高的二十家公司均屬計算機、國防軍工、通信、電子行業，年數字化轉型程度最高的二十家公司均屬計算機、國防軍工、通信、電子行業，與數字技術密切相關。與數字技術密切相關。按數字化轉型程度排序的企業統計情況如表 7 所示。企業數字化轉型程度指標使用企業年報中包含大數據、人工智能、移動互聯、云計算、區塊鏈和物聯網這六類數字技術的句子的數量來度量。企業年報中與數字技術相關的句子數量越多，則企業數字化轉型程度越高。2023 年，數字化轉型程度最高的二十家公司為：科大訊飛、云從科技、縱橫股份、大華股份、東方國信、?？低?、螢石網絡、南威軟件、云天勵飛、賽為智能、千方科技、東軟集團、達實智能、

73、格靈深瞳、萬集科技、潤建股份、新開普、虹軟科技、瑞芯微、優刻得。其所屬行業為計算機、國防軍工、通信、電子，主營業務均與數字技術密切相關。表 7 按數字化轉型程度排序的企業統計表（2023 年）排名 公司代碼 企業名稱 所屬行業 排名 公司代碼 企業名稱 所屬行業 1 002230 科大訊飛 計算機 26 300418 昆侖萬維 傳媒 2 688327 云從科技 計算機 27 002362 漢王科技 計算機 3 688070 縱橫股份 國防軍工 28 300279 和晶科技 電子 4 002236 大華股份 計算機 29 688227 品高股份 計算機 5 300166 東方國信 計算機 30

74、002766 索菱股份 汽車 6 002415 ?？低?計算機 31 300608 思特奇 計算機 7 688475 螢石網絡 計算機 32 688592 司南導航 通信 8 603636 南威軟件 計算機 33 002467 二六三 通信 9 688343 云天勵飛 計算機 34 603171 稅友股份 計算機 10 300044 賽為智能 計算機 35 300479 神思電子 計算機 11 002373 千方科技 計算機 36 000938 紫光股份 計算機 12 600718 東軟集團 計算機 37 003005 競業達 計算機 13 002421 達實智能 計算機 38 600797

75、 浙大網新 計算機 0%10%20%30%40%50%60%70%80%90%100%所在地級市重視程度較低-非國有企業所在地級市重視程度較高-非國有企業中國上市公司數字化轉型報告 2024 17 14 688207 格靈深瞳 計算機 39 688528 秦川物聯 機械設備 15 300552 萬集科技 計算機 40 002609 捷順科技 計算機 16 002929 潤建股份 通信 41 688326 經緯恒潤 計算機 17 300248 新開普 計算機 42 688228 開普云 計算機 18 688088 虹軟科技 計算機 43 300513 恒實科技 通信 19 603893 瑞芯微

76、電子 44 300212 易華錄 計算機 20 688158 優刻得 計算機 45 688287 觀典防務 國防軍工 21 000409 云鼎科技 計算機 46 688191 智洋創新 電力設備 22 002368 太極股份 計算機 47 835305 云創數據 計算機 23 688051 佳華科技 計算機 48 300638 廣和通 通信 24 000555 神州信息 計算機 49 603082 北自科技 機械設備 25 002869 金溢科技 電子 50 300609 匯納科技 計算機 （十二）行業數字化先鋒：轉型標桿前五強（十二）行業數字化先鋒：轉型標桿前五強 數字化轉型程度與企業所屬行

77、業特性密切相關。各行業內數字化轉型最為突出的五家領軍企業能夠反映當前行業數字化轉型的最新趨勢和前沿方向，為同行業企業提供了可借鑒的模板和路徑。2023年不同行業數字化程度最高的五家公司如表 8所示。表 8 不同行業的數字化程度前五企業統計表（2023 年）行業名稱（申萬）第一第一 第二第二 第三第三 第四第四 第五第五 傳媒傳媒 昆侖萬維 天娛數科 智度股份 神州泰岳 掌趣科技 電力設備電力設備 智洋創新 申昊科技 新聯電子 杭州柯林 金智科技 電子電子 瑞芯微 金溢科技 和晶科技 遠望谷 寒武紀 房地產房地產 電子城 特發服務 市北高新 新湖中寶 上海臨港 紡織服飾紡織服飾 酷特智能 飛亞達

78、 歌力思 萊紳通靈 紅豆股份 非銀金融非銀金融 拉卡拉 亞聯發展 東方財富 海德股份 仁東控股 鋼鐵鋼鐵 杭鋼股份 南鋼股份 寶鋼股份 八一鋼鐵 中南股份 公用事業公用事業 迪森股份 林洋能源 深圳燃氣 深圳能源 新奧股份 國防軍工國防軍工 縱橫股份 觀典防務 北斗星通 國?？萍?合眾思壯 環保環保 力合科技 聚光科技 先河環保 碧興物聯 盈峰環境 機械設備機械設備 秦川物聯 北自科技 博實股份 安培龍 埃夫特 基礎化工基礎化工 金奧博 華峰超纖 英力特 新開源 雪峰科技 計算機計算機 科大訊飛 云從科技 大華股份 東方國信 ?？低?家用電器家用電器 美的集團 石頭科技 石頭科技 四川九洲

79、創維數字 建筑材料建筑材料 方大集團 羅普斯金 寧夏建材 三棵樹 中鐵裝配 建筑裝飾建筑裝飾 深城交 深桑達 A 羅曼股份 東易日盛 華設集團 交通運輸交通運輸 海晨股份 保稅科技 飛力達 恒基達鑫 東方嘉盛 煤炭煤炭 電投能源 平煤股份 物產環能 中煤能源 兗礦能源 美容護理美容護理 力合科創 青島金王 丸美股份 上海家化 水羊股份 農林牧漁農林牧漁 亞盛集團 大禹節水 中水漁業 生物股份 牧原股份 汽車汽車 索菱股份 華培動力 光庭信息 華安鑫創 通達電氣 輕工制造輕工制造 安妮股份 麒盛科技 東港股份 好太太 樂歌股份 商貿零售商貿零售 海寧皮城 青木股份 天虹股份 華凱易佰 愛嬰室 社

80、會服務社會服務 創業黑馬 零點有數 中國高科 全通教育 科銳國際 石油石化石油石化 和順石油 潛能恒信 海油發展 中海油服 貝肯能源 食品飲料食品飲料 三只松鼠 來伊份 蓮花控股 絕味食品 良品鋪子 通信通信 潤建股份 司南導航 二六三 恒實科技 廣和通 醫藥生物醫藥生物 天智航 樂心醫療 美年健康 康眾醫療 麥克奧迪 18 銀行銀行 廈門銀行 華夏銀行 上海銀行 蘇農銀行 興業銀行 有色金屬有色金屬 曉程科技 福達合金 明泰鋁業 豐華股份 屹通新材 綜合綜合 綜藝股份 悅達投資 南京公用 特力 A 南京新百（十三）（十三）數字化轉型黑馬數字化轉型黑馬：進步幅度前五十強：進步幅度前五十強 數字

81、化轉型黑馬企業中，多數屬于計算機、通信、傳媒等與數字技術密切相關的行業。數字化轉型黑馬企業中，多數屬于計算機、通信、傳媒等與數字技術密切相關的行業。在數字化轉型浪潮中，一批企業加速數字化發展，成為“數字化轉型黑馬”。我們使用2018-2023 年企業年報中數字技術相關句子數量占比變化的百分點度量企業數字化轉型進步幅度，排名前五十的企業名單列表如表 9 所示。從行業分布來看，計算機、通信、傳媒等行業占據著主導地位。同時，社會服務、輕工制造、機械設備等行業也在逐步加強數字化轉型的力度，以適應數字化時代的發展趨勢。值得注意的是，盡管汽車行業僅有華培動力一家企業進入數字化轉型進步幅度前五十企業列表，但

82、其以顯著的成績位列第四，遠超多數企業。表 9 數字化轉型進步幅度前五十企業統計表（2018-2023 年）排名 股票代碼 企業名稱 所屬行業 排名 股票代碼 企業名稱 所屬行業 1 000409 云鼎科技 計算機 26 002414 高德紅外 國防軍工 2 002415 ?？低?計算機 27 603297 永新光學 電子 3 002236 大華股份 計算機 28 300729 樂歌股份 輕工制造 4 603121 華培動力 汽車 29 603220 中貝通信 通信 5 002362 漢王科技 計算機 30 300663 科藍軟件 計算機 6 002929 潤建股份 通信 31 000555

83、神州信息 計算機 7 300418 昆侖萬維 傳媒 32 000727 冠捷科技 電子 8 300513 恒實科技 通信 33 002615 哈爾斯 輕工制造 9 002230 科大訊飛 計算機 34 600730 中國高科 社會服務 10 000503 國新健康 計算機 35 600215 派斯林 機械設備 11 000063 中興通訊 通信 36 002681 奮達科技 電子 12 002467 二六三 通信 37 300290 榮科科技 計算機 13 603636 南威軟件 計算機 38 300036 超圖軟件 計算機 14 002712 思美傳媒 傳媒 39 603516 淳中科技 計

84、算機 15 300578 會暢通訊 通信 40 600877 電科芯片 電子 16 000004 國華網安 計算機 41 002214 大立科技 國防軍工 17 300339 潤和軟件 計算機 42 000801 四川九洲 家用電器 18 000676 智度股份 傳媒 43 300627 華測導航 通信 19 603855 華榮股份 機械設備 44 603679 華體科技 電子 20 300353 東土科技 通信 45 002413 雷科防務 國防軍工 21 300688 創業黑馬 社會服務 46 300691 聯合光電 計算機 22 300315 掌趣科技 傳媒 47 002933 新興裝備

85、 國防軍工 23 300638 廣和通 通信 48 300590 移為通信 通信 24 000988 華工科技 機械設備 49 300098 高新興 計算機 25 300442 潤澤科技 通信 50 300364 中文在線 傳媒 中國上市公司數字化轉型報告 2024 19 四、四、結論結論與政策建議與政策建議 本報告較為全面地分析了企業數字化轉型現狀?？偟膩碚f，我國上市公司數字化進程不斷深入，企業數字化比例持續攀升至 91%。但其內部存在著數字化發展不均衡等問題。分規?？?，大中型企業數字化比例高于小型企業，是數字化轉型的主力軍。小型企業仍然存在“不會轉”、“不愿轉”、“不敢轉”等現實問題，在數

86、字化轉型中往往陷入自身資源與能力不足的困境。分行業看，服務業相關的企業數字化比例較高，制造業、房地產業的數字化比例較低。分地區看，經濟發達省份數字化進程領先。分所有制看，非國有企業數字化進程顯著領先國有企業。但在政策推動作用下，國有企業數字化轉型加速，與非國企差距逐步縮小。分年齡看，初創企業更樂于擁抱數字化轉型的趨勢，數字化比例顯著高于成立時間較久的企業。分上市板塊看，科創板與創業板上市企業數字化進程顯著領先于主板上市企業。分政府重視程度看，相較于政府重視程度較低的地區，在政府重視程度較高的地區中，數字化企業比例較高。為進一步全面推進企業數字化發展，科學高效推進上市公司全面數字化轉型，本報告提

87、出以下政策建議：第一，加強數字化轉第一，加強數字化轉型引導，激發數字化轉型內生動力。型引導，激發數字化轉型內生動力。政府應根據行業特點、企業規模、轉型階段等因素，建立國家級、省級、市級等多層次的數字化轉型標桿企業評選體系，分層次分行業分領域遴選企業數字化轉型標桿，總結其轉型過程中的成功經驗、創新模式、技術路徑等，打造一批可復制、可推廣的數字化轉型案例集，通過發揮引領示范作用帶動更多企業數字化發展。加強企業數字化轉型相關政策銜接，結合當地實際出臺配套措施，針對“轉什么”、“如何轉”、“怎么轉”等問題加強分類指導和跟蹤服務。鼓勵數字化服務商研發和推廣適合各類企業的數字化產品和解決方案，滿足其不同場

88、景、不同級別的數字化轉型需求。政府可發放數字化轉型專項服務消費券，鼓勵企業購買數字化轉型相關的咨詢、培訓和技術服務，降低其轉型成本。通過外部專業咨詢和培訓支持緩解企業在數字化轉型中所面臨的“不會轉”、“不愿轉”、“不敢轉”等現實問題，助力其在數字化轉型中走出自身資源與能力不足的困境。第二，制定針對性政策，促進數字化均衡發展。第二，制定針對性政策，促進數字化均衡發展。針對目前所存在的數字化發展不均衡問題，政府應加大對數字化轉型的重視程度，有針對性地推出數字化轉型鼓勵政策。具體而言，政府應著重支持小型企業、制造業及房地產業、處于經濟發展水平較低地區的企業、國有企業、成立時間較久的企業、主板企業的數

89、字化轉型，給予相應的政策傾斜與資金扶持，促進數字化均衡發展。政府可實施針對數字化轉型的減稅優惠政策，降低上述企業的稅負，并設立專項資金，支持其在技術研發、設備購置、人才培訓等方面的投入。此外，政府可引導上述企業基于數字化轉型進行業務模式和流程再造。如推動制造業企業建設智能工廠和數字化車間、支持工業互聯網平臺發展，為制造業企業提供數字化、網絡化、智能化服務，推動產業鏈上下游企業協同轉型、加快“數字住建”建設，推動房地產領域的數字化應用，提升行業管理和服務水平。第三，營造良好數字生態，優化數字化發展環境。第三，營造良好數字生態，優化數字化發展環境。政府應進一步減少數字領域的壁壘和限制，推動數據、技

90、術、資本等要素的自由流動，營造開放數字生態。建議工信部牽頭，制定并完善要素資源數據目錄，將不同類型與來源的要素資源進行整合，構建全局層、區域層、可用分區層等大數據中心核心層，并與各級數字云平臺對接，實現省市縣三級聯動對接與數據開放共享。同時，政府應建立健全相關法律法規，完善數據安全保障體系，強化數據安全監管，規范數字市場行為，確保數字經濟的健康有序發展。此外，政府應加大工業互聯網、人工智能、5G、大數據等新型基礎設施建設力度，設立數字信息基礎設施專項建設資金，加快構建高速、安全、穩定的智能數據網絡傳輸體系。這將優化中小企業數20 字化轉型外部環境，降低企業數字化轉型的門檻和成本，為企業數字化轉

91、型提供有力支撐。參考文獻參考文獻 車萬翔、崔一鳴、郭江，2021，自然語言處理：基于預訓練模型的方法，電子工業出版社。方明月、林佳妮、聶輝華，2022：數字化轉型是否促進了企業內共同富裕?來自中國 A 股上市公司的證據，數量經濟技術經濟研究第 11 期。黃逵友、李增福、倪江崴，2023：企業數字化轉型與勞動收入份額，經濟評論第 2期。金星曄、左從江、方明月、李濤、聶輝華，2024：企業數字化轉型的測度難題：基于大語言模型的新方法與新發現，經濟研究第 3 期。李云鶴、藍齊芳、吳文鋒，2022：客戶公司數字化轉型的供應鏈擴散機制研究，中國工業經濟第 12 期。李舟軍、范宇、吳賢杰，2020：面向自

92、然語言處理的預訓練技術研究綜述，計算機科學第03期。劉飛、田高良，2019：信息技術是否替代了就業基于中國上市公司的證據，財經科學第7 期。祁懷錦、曹修琴、劉艷霞，2020：數字經濟對公司治理的影響基于信息不對稱和管理者非理性行為視角，改革第 04 期。吳非、胡慧芷、林慧妍、任曉怡，2021：企業數字化轉型與資本市場表現來自股票流動性的經驗證據，管理世界第 07期。楊金玉、彭秋萍、葛震霆，2022：數字化轉型的客戶傳染效應供應商創新視角，中國工業經濟第 08 期。耀友福、周蘭，2023：企業數字化影響關鍵審計事項決策嗎？，審計研究第 1 期。袁淳、肖土盛、耿春曉、盛譽，2021：數字化轉型與企

93、業分工：專業化還是縱向一體化，中國工業經濟第 09 期。趙宸宇、王文春、李雪松，2021：數字化轉型如何影響企業全要素生產率，財貿經濟第 07期。Acemoglu D.,and P.Restrepo,2020,“Robots and Jobs:Evidence from US Labor Markets”,Journal of Political Economy,128(6),21882244.Brynjolfsson E.,W.Jin,and K.McElheran,2021,“The power of prediction:predictive analytics,workplace co

94、mplements,and business performance”,Business Economics,56(4),217239.Chun H.,J.-W.Kim,R.Morck,and B.Yeung,2008,“Creative destruction and firm-specific performance heterogeneity”,Journal of Financial Economics,89(1),109135.Mller O.,M.Fay,and J.vom Brocke,2018,“The Effect of Big Data and Analytics on F

95、irm Performance:An Econometric Analysis Considering Industry Characteristics”,Journal of Management Information Systems,35(2),488509.Sun Y.,S.Wang,Y.Li,S.Feng,X.Chen,H.Zhang,X.Tian,D.Zhu,H.Tian,and H.Wu,2019,“ERNIE:Enhanced Representation through Knowledge Integration”,ArXiv:1904.09223 Cs.中國上市公司數字化轉

96、型報告 2024 21 數據下數據下載載 本報告使用金星曄等（2024）的做法，利用前沿的機器學習方法和大語言模型測度了2006-2023年中國上市公司數字化轉型情況。如需使用此數據，請引用以下論文：金星曄、左從江、方明月、李濤、聶輝華，2024：企業數字化轉型的測度難題：基于大語言模型的新方法與新發現，經濟研究第 3期。對于此數據的詳細描述以及數據下載，請訪問以下網址：https:/ 或掃描二維碼訪問上述網址：媒體聯絡媒體聯絡 聯系人：左從江 郵箱：zuocj_ 本報告的媒體引用方式本報告的媒體引用方式：李濤、聶輝華、金星曄、左從江、方明月，2024，中國上市公司數字化轉型報告 2024，中央財經大學中國互聯網經濟研究院研究報告。致謝致謝 感謝國家社科基金重大項目（22&ZD070、22ZDA043）、國家自然科學基金項目（72002213，72273144）、北京市社會科學基金規劃項目（23JJB019）、北京高校卓越青年科學家項目、中央財經大學青年科研創新團隊支持計劃、科教融合研究生學術新星孵化計劃、中央財經大學-電子科技大學聯合數據研究中心特色關鍵數據指標數據庫項目的支持。