中國上市公司數(shù)字化轉(zhuǎn)型報(bào)告2024

I摘要當(dāng)今世界，新一輪科技革命和產(chǎn)業(yè)變革加速推進(jìn)，以大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、區(qū)塊鏈、人工智能等為代表的新一代數(shù)字技術(shù)從根本上改變了傳統(tǒng)經(jīng)濟(jì)的生產(chǎn)方式和商業(yè)模式，成為重組全球要素資源、重塑全球經(jīng)濟(jì)結(jié)構(gòu)、改變?nèi)蚋?jìng)爭(zhēng)格局的關(guān)鍵力量。企業(yè)數(shù)字化轉(zhuǎn)型是我國轉(zhuǎn)變發(fā)展方式、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、轉(zhuǎn)換增長(zhǎng)動(dòng)力的重要內(nèi)容，是實(shí)現(xiàn)質(zhì)量變革、效率變革、動(dòng)力變革的關(guān)鍵舉措。在此背景下，精準(zhǔn)把握中國上市公司數(shù)字化轉(zhuǎn)型的現(xiàn)實(shí)情況，明確數(shù)字化轉(zhuǎn)型進(jìn)度與成效，有助于提高數(shù)字化轉(zhuǎn)型的效率和效果，并為后續(xù)的數(shù)字化轉(zhuǎn)型戰(zhàn)略提供重要參考。全面評(píng)估中國上市公司數(shù)字化轉(zhuǎn)型現(xiàn)狀的核心是企業(yè)數(shù)字技術(shù)使用的識(shí)別。而現(xiàn)有研究對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的測(cè)度仍存在著測(cè)度對(duì)象不夠統(tǒng)一明確與測(cè)度方法不夠科學(xué)準(zhǔn)確的問題，難以準(zhǔn)確反映企業(yè)數(shù)字化轉(zhuǎn)型的現(xiàn)實(shí)情況。這導(dǎo)致很多研究結(jié)論不可比較、難以復(fù)制和相互沖突。為了解決上述難題，本報(bào)告使用金星曄等（2024）的做法，利用前沿的機(jī)器學(xué)習(xí)方法和大語言模型，基于2006-2023年中國上市公司年報(bào)文本，立足全面體現(xiàn)各種數(shù)字技術(shù)在企業(yè)中的實(shí)際使用狀況，構(gòu)造了一套新的企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)。該指標(biāo)具有對(duì)象明確、指標(biāo)齊全、準(zhǔn)確度高和可復(fù)制的優(yōu)點(diǎn)。在此基礎(chǔ)上，本報(bào)告對(duì)中國上市公司數(shù)字化轉(zhuǎn)型現(xiàn)狀進(jìn)行了深入首先，本報(bào)告使用金星曄等（2024）的做法，更加準(zhǔn)確地測(cè)度了企業(yè)數(shù)字化轉(zhuǎn)型情況。已有研究常用方法有三種，包括詞頻法、客觀指標(biāo)法與問卷法。這些方法或存在較大測(cè)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(bào)告將數(shù)字技術(shù)具體劃分為大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)、物聯(lián)網(wǎng)、云計(jì)算和區(qū)塊鏈六類，在人工閱讀、標(biāo)注大量上市公司年報(bào)文本構(gòu)建訓(xùn)練集的基礎(chǔ)上，采用百度開發(fā)的中文大語言模型ERNIE（EnhancedRepresentationthro從句子層面判斷企業(yè)數(shù)字技術(shù)應(yīng)用情況。這一方法較好地克服了文本識(shí)別不準(zhǔn)確的問題，字技術(shù)的比例持續(xù)上升。直至2023年，上市公司中使用數(shù)字技術(shù)的企業(yè)數(shù)量上升至4722大中型企業(yè)數(shù)字化比例高于小型企業(yè)，小型企業(yè)仍然存在“不會(huì)轉(zhuǎn)”、“不愿轉(zhuǎn)”、“不敢轉(zhuǎn)”等現(xiàn)實(shí)問題，在數(shù)字化轉(zhuǎn)型中往往陷入自身資數(shù)字化趨勢(shì)顯著：通信、銀行、計(jì)算機(jī)等行業(yè)全面實(shí)現(xiàn)數(shù)字化。數(shù)字化企業(yè)比例最高的五個(gè)行業(yè)是：通信（100%）、銀行（100%）、計(jì)算機(jī)（100%）、傳媒（98%）、電子濟(jì)發(fā)達(dá)省份數(shù)字化進(jìn)程領(lǐng)先。經(jīng)濟(jì)發(fā)達(dá)省份引領(lǐng)數(shù)字化進(jìn)程，多省份數(shù)字化企業(yè)比例超七成，全國數(shù)字化進(jìn)程迅速普及。（7）國企數(shù)字化轉(zhuǎn)型加速：與非國企差距不斷縮小。政策推動(dòng)作用下，國有企業(yè)加快數(shù)字化轉(zhuǎn)型步已經(jīng)接近非國有企業(yè)的數(shù)字化水平。（8）初創(chuàng)企業(yè)積極布局：轉(zhuǎn)型比例高于老牌企業(yè)。化比例領(lǐng)先。上交所科創(chuàng)板企業(yè)與深交所創(chuàng)業(yè)板企業(yè)數(shù)字化比例分別為97%、95%。上交所主板企業(yè)與深交所主板企業(yè)數(shù)字化比例則分別為88%、89%。（10）政化轉(zhuǎn)型：在政府更重視的地區(qū)，企業(yè)數(shù)字化轉(zhuǎn)型比例高。政府重視程度對(duì)國有企業(yè)與非國有企業(yè)數(shù)字化比例均有推動(dòng)作用，在政府重視程度高的地區(qū)，企業(yè)數(shù)字化轉(zhuǎn)型的比例更高。此外，本報(bào)告評(píng)價(jià)了2023年數(shù)字化轉(zhuǎn)型程度最高的二十家公司最后，本報(bào)告提出了推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的政策建議。第一，加強(qiáng)數(shù)字化轉(zhuǎn)型引導(dǎo)，激發(fā)數(shù)字化轉(zhuǎn)型內(nèi)生動(dòng)力。政府應(yīng)分行業(yè)分領(lǐng)域遴選企業(yè)數(shù)字化轉(zhuǎn)型標(biāo)桿、加強(qiáng)企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)政策銜接，并結(jié)合當(dāng)?shù)貙?shí)際出臺(tái)配套措施，針對(duì)“轉(zhuǎn)什么”、“如何轉(zhuǎn)”、“怎么轉(zhuǎn)”等問題加強(qiáng)分類指導(dǎo)和跟蹤服務(wù)。第二，制定有針對(duì)性政策，促進(jìn)數(shù)字化均衡發(fā)展。政府應(yīng)著重支持小型企業(yè)、制造業(yè)及房地產(chǎn)業(yè)、處于經(jīng)濟(jì)發(fā)展水平較低地區(qū)的企業(yè)、國有企業(yè)、成立時(shí)間較久的企業(yè)、主板企業(yè)的數(shù)字化轉(zhuǎn)型，促進(jìn)數(shù)字化均衡發(fā)展。第三，營(yíng)造良好數(shù)字生態(tài)，優(yōu)化數(shù)字化發(fā)展環(huán)境。政府應(yīng)營(yíng)造開放數(shù)字生態(tài)、完善數(shù)據(jù)安全保障體系，強(qiáng)化數(shù)據(jù)安全監(jiān)管，規(guī)范數(shù)字市場(chǎng)行為，確保數(shù)字經(jīng)濟(jì)的健康有序發(fā)展。同時(shí)，政府應(yīng)加大新型基礎(chǔ)設(shè)施建設(shè)力度，優(yōu)化中小企業(yè)數(shù)字化轉(zhuǎn)型外部環(huán)境，降低企業(yè)數(shù)字化轉(zhuǎn)型的門檻和成本，為企業(yè)數(shù)字化轉(zhuǎn)型提供有本報(bào)告的媒體引用方式：李濤、聶輝華、金星曄、左從江、方明月，2024，《中國上作者簡(jiǎn)介李濤，中央財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院教授、博士生導(dǎo)師。中央財(cái)經(jīng)大學(xué)副校長(zhǎng)。國家級(jí)高層次人才項(xiàng)目入選者，“新世紀(jì)百千萬人才工程”國家級(jí)人選，國務(wù)院政府特殊津貼獲得者，教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃人選，北京市卓越青年科學(xué)家項(xiàng)目人選；中國商業(yè)史學(xué)會(huì)副會(huì)長(zhǎng)，中國職業(yè)技術(shù)教育學(xué)會(huì)常務(wù)理事。主要研究方向?yàn)閿?shù)字經(jīng)濟(jì)、文化與經(jīng)濟(jì)等。在《經(jīng)濟(jì)研究》、《管理世界》、AmericanJournalofAgriculturalEconomics等中英文權(quán)威期聶輝華，中國人民大學(xué)經(jīng)濟(jì)學(xué)院教授、中國人民大學(xué)企業(yè)與組織研究中心執(zhí)行主任，先后入選教育部青年長(zhǎng)江學(xué)者項(xiàng)目、國家萬人計(jì)劃哲學(xué)社會(huì)科學(xué)領(lǐng)軍人才項(xiàng)目以及北京高校卓越青年科學(xué)家項(xiàng)目。他近期主要關(guān)注政企關(guān)系和數(shù)字化治理，在ReviewofEconomicsandStatistics、JournalofDevelopmentEconomis、《中國社會(huì)科學(xué)》、《經(jīng)濟(jì)研究》等國內(nèi)外頂級(jí)刊物上發(fā)表了幾十篇學(xué)術(shù)論文。他向中央提交的多篇內(nèi)參獲得了黨和國家領(lǐng)導(dǎo)人的重要金星曄，中央財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院副教授，中央財(cái)經(jīng)大學(xué)青年龍馬學(xué)者，中國互聯(lián)網(wǎng)經(jīng)濟(jì)研究院研究員，清華大學(xué)中國經(jīng)濟(jì)思想與實(shí)踐研究院研究員，全國數(shù)字經(jīng)濟(jì)教育發(fā)展聯(lián)盟秘書長(zhǎng)。他近期主要關(guān)注數(shù)字化轉(zhuǎn)型、企業(yè)ESG發(fā)展主持北京市社會(huì)科學(xué)基金項(xiàng)目，擔(dān)任國家社科基金重大項(xiàng)目子課題負(fù)責(zé)人。獲北京市第十經(jīng)濟(jì)等。研究成果發(fā)表于《經(jīng)濟(jì)研究》等期刊。獲上海市優(yōu)秀畢業(yè)生、北京市優(yōu)秀畢業(yè)生方明月，中國農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院副教授、博士生導(dǎo)師，擔(dān)任國家自然科學(xué)基金項(xiàng)目通訊評(píng)審專家、教育部學(xué)位中心論文評(píng)審專家、中國數(shù)量經(jīng)濟(jì)學(xué)會(huì)理事，兼任中國人民大學(xué)企業(yè)與組織研究中心研究員、中央財(cái)經(jīng)大學(xué)中國互聯(lián)網(wǎng)經(jīng)濟(jì)研究院特聘研究員。主要研究方向?yàn)楣窘鹑凇⒕G色金融、數(shù)字經(jīng)濟(jì)，在《經(jīng)濟(jì)研究》、《管理世界》、《世界經(jīng)濟(jì)》、ReviewofDevelopmentEconomics等國內(nèi)外重要學(xué)術(shù)刊物上發(fā)表了三十余篇論文。 1 1 6 6 7（三）服務(wù)行業(yè)數(shù)字化趨勢(shì)顯著：通信、銀行、計(jì)算機(jī) 8 9 10 10 13（九）高成長(zhǎng)性與創(chuàng)新性驅(qū)動(dòng)：科創(chuàng)板與創(chuàng)業(yè) 13（十）當(dāng)?shù)卣匾暥扰c數(shù)字化轉(zhuǎn)型：政府重 14 16 17 18 19 20 21 21 211一、數(shù)字化轉(zhuǎn)型背景在大數(shù)據(jù)、人工智能、區(qū)塊鏈等數(shù)字技術(shù)加速創(chuàng)新，日益融入經(jīng)濟(jì)社會(huì)發(fā)展各領(lǐng)域背景下，數(shù)字技術(shù)賦能實(shí)體經(jīng)濟(jì)創(chuàng)新發(fā)展，成為實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要著力點(diǎn)。黨的十八大以來，黨中央高度重視發(fā)展數(shù)字經(jīng)濟(jì)，將其上升為國家戰(zhàn)略。習(xí)近平總書記在十九屆中央政治局第三十四次集體學(xué)習(xí)時(shí)亦強(qiáng)調(diào)：“發(fā)展數(shù)字經(jīng)濟(jì)意義重大，是把握新一輪科技革命和產(chǎn)業(yè)變革新機(jī)遇的戰(zhàn)略選擇。”經(jīng)過數(shù)年發(fā)展，數(shù)字經(jīng)濟(jì)成為中國國民經(jīng)濟(jì)的重要組成部分。中國信通院發(fā)布的《中國數(shù)字經(jīng)濟(jì)發(fā)展研究報(bào)告（2023）》指出：2022年中國39.9%。與傳統(tǒng)經(jīng)濟(jì)相比，數(shù)字經(jīng)濟(jì)借助大數(shù)據(jù)、區(qū)塊鏈等數(shù)字技術(shù)，不斷釋放數(shù)據(jù)要素價(jià)值，引發(fā)了生活生產(chǎn)方式與治理方式的全方位變革，從根本上改變了當(dāng)下經(jīng)濟(jì)發(fā)展方式在數(shù)字經(jīng)濟(jì)快速發(fā)展的背景下，數(shù)字化轉(zhuǎn)型已成為我國應(yīng)對(duì)國內(nèi)外環(huán)境重大變化復(fù)雜局面，搶占未來競(jìng)爭(zhēng)制高點(diǎn)的戰(zhàn)略選擇。而企業(yè)作為國民經(jīng)濟(jì)和社會(huì)發(fā)展主力軍，是數(shù)字化轉(zhuǎn)型的重要主體。我國政府高度重視企業(yè)數(shù)字化轉(zhuǎn)型的發(fā)展，從《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》到《中小企業(yè)數(shù)字化賦能專項(xiàng)行動(dòng)方案》，一系列政策文件相繼出臺(tái)，為上市“加快傳統(tǒng)產(chǎn)業(yè)和中小企業(yè)數(shù)字化轉(zhuǎn)型，著力提升高端化、智能化、綠色化水平。”企業(yè)數(shù)字化轉(zhuǎn)型是我國轉(zhuǎn)變發(fā)展方式、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、轉(zhuǎn)換增長(zhǎng)動(dòng)力的重要內(nèi)容，是實(shí)現(xiàn)質(zhì)量變革、效率變革、動(dòng)力變革的關(guān)鍵舉措。所謂數(shù)字化轉(zhuǎn)型，是企業(yè)借助數(shù)字技術(shù)變革其生產(chǎn)方式、經(jīng)營(yíng)模式與管理方式，重構(gòu)商業(yè)模式的過程。通過數(shù)字化轉(zhuǎn)型升級(jí)生產(chǎn)方式、管理模式和組織形式、提高企業(yè)生產(chǎn)效率，亦是企業(yè)打造核心競(jìng)爭(zhēng)力、實(shí)現(xiàn)高質(zhì)量發(fā)展的必然選擇。然而，企業(yè)數(shù)字化轉(zhuǎn)型是涉及生產(chǎn)經(jīng)營(yíng)模式的全方位系統(tǒng)性變革，需投入大量人力物力資源，是涉及未來發(fā)展方向的重大戰(zhàn)略抉擇，可能存在著“不會(huì)轉(zhuǎn)”、“不愿轉(zhuǎn)”、“不敢轉(zhuǎn)”等現(xiàn)實(shí)問題。在此背景下，多角度分析中國上市公司數(shù)字化轉(zhuǎn)型現(xiàn)狀，全面把握中國數(shù)字化轉(zhuǎn)型發(fā)展進(jìn)程，有助于科學(xué)高效推進(jìn)上市公司全面數(shù)字化轉(zhuǎn)型，并為后續(xù)企業(yè)數(shù)字化發(fā)展推進(jìn)戰(zhàn)略提供支撐。精準(zhǔn)識(shí)別企業(yè)數(shù)字技術(shù)使用情況是全面評(píng)估中國上市公司數(shù)字化轉(zhuǎn)型現(xiàn)狀的關(guān)鍵。而現(xiàn)有研究在企業(yè)數(shù)字化轉(zhuǎn)型的測(cè)度上尚未達(dá)成共識(shí)，且均存在著測(cè)度對(duì)象不夠統(tǒng)一明確與測(cè)度方法不夠科學(xué)準(zhǔn)確的問題。這導(dǎo)致很多研究結(jié)論不可比較、難以復(fù)制和相互沖突。在充分揚(yáng)棄現(xiàn)有研究利弊的基礎(chǔ)上，本報(bào)告使用金星曄等（2024）的做法，利用前沿的機(jī)器學(xué)習(xí)方法和大語言模型，基于2006-2023年中國上市公司年報(bào)文本，立足全面體現(xiàn)各種數(shù)字技術(shù)在企業(yè)中的實(shí)際使用狀況，構(gòu)造了一套新的數(shù)字化轉(zhuǎn)型指標(biāo)。該指標(biāo)具有對(duì)象明確、指標(biāo)齊全、準(zhǔn)確度高和可復(fù)制的優(yōu)點(diǎn)。在此基礎(chǔ)上，二、數(shù)字化轉(zhuǎn)型識(shí)別策略由于數(shù)字化轉(zhuǎn)型涉及企業(yè)組織結(jié)構(gòu)、內(nèi)部管理、業(yè)務(wù)流程等方方面面的變革，難以在財(cái)務(wù)指標(biāo)中完整顯示，但上市公司有強(qiáng)烈的意愿在年報(bào)中披露，以獲得資本市場(chǎng)的青睞，因此文獻(xiàn)中通常使用基于年報(bào)的文本分析法來衡量數(shù)字化轉(zhuǎn)型水平（方明月等，2022）。借鑒已有文獻(xiàn)的做法，本報(bào)告同樣采用上市公司年報(bào)作為企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)的文本基礎(chǔ)。2本報(bào)告通過爬蟲和手動(dòng)整理收集了上市公司年報(bào)，來源包括Wind、巨上市公司年報(bào)進(jìn)行分析。在年報(bào)中，“管理層討論與分析”（MD&A）分析了企業(yè)在報(bào)告期內(nèi)的經(jīng)營(yíng)情況、描述未來的發(fā)展戰(zhàn)略并披露公司所面臨的風(fēng)險(xiǎn)狀況。因此，已有文獻(xiàn)幾乎都選擇這個(gè)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、釋義及重大風(fēng)險(xiǎn)提示”中披露公司可能面臨的風(fēng)險(xiǎn)，其中也可能包含企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)信息。因此本報(bào)告選擇“管理層討論與分析”和“目錄、釋義及重大風(fēng)本報(bào)告先將全部文本按照句號(hào)和分號(hào)分割，得到待預(yù)測(cè)句庫。由于年報(bào)中大多數(shù)句子與數(shù)字化轉(zhuǎn)型無關(guān)，如果完全隨機(jī)抽取句子進(jìn)行閱讀，得到的大多數(shù)標(biāo)簽都將與數(shù)字技術(shù)無關(guān)，為了提高人工閱讀的效率并防止上下文對(duì)人工閱讀產(chǎn)生干擾，需要使用關(guān)鍵詞抽取具有不同代表性的年報(bào)句子，并與隨機(jī)抽取的句子一起構(gòu)成待標(biāo)記句庫（金星曄等，在定義數(shù)字技術(shù)時(shí)，我們首先考慮政策口徑。國家統(tǒng)計(jì)局在《數(shù)字經(jīng)濟(jì)及其核心產(chǎn)業(yè)統(tǒng)計(jì)分類（2021）》中提到，產(chǎn)業(yè)數(shù)字化代表性技術(shù)為物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)、云計(jì)算、移動(dòng)互聯(lián)等數(shù)字技術(shù)。國務(wù)院和工信部等部門多次出臺(tái)政策文件，提出了促進(jìn)大數(shù)據(jù)、人工智能、云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)和區(qū)塊鏈等數(shù)字技術(shù)發(fā)展的指導(dǎo)意見。其次是企業(yè)移動(dòng)互聯(lián)、云計(jì)算、大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈等數(shù)字技術(shù)不斷突破和融合發(fā)展，推動(dòng)了數(shù)字經(jīng)濟(jì)快速發(fā)展（Maetal.，2021）。綜合以上定義，本報(bào)告將數(shù)字技術(shù)分為六種類型：大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)、云計(jì)算、物聯(lián)網(wǎng)和區(qū)塊鏈（金星曄等，2024）。表①通過構(gòu)建關(guān)鍵詞詞典縮小隨機(jī)閱讀的范圍，這種做法在類似研究中也經(jīng)常使用。例如，Chenetal.（2019）使用有監(jiān)督的機(jī)器學(xué)習(xí)方法對(duì)金融科技相關(guān)專利文本進(jìn)行分類。在人工閱讀之前，他們基于自行構(gòu)造的金融詞典，在原文本庫的基礎(chǔ)3在定義了六類數(shù)字技術(shù)后，本報(bào)告基于政策文本、研究報(bào)告和已有文獻(xiàn)，并結(jié)合人工含10個(gè)及以上不同關(guān)鍵詞的年報(bào)文本①,并取出其中含有關(guān)鍵詞的句子。同時(shí)，為了提高模型對(duì)不含關(guān)鍵詞句子的預(yù)測(cè)能力，我們又隨機(jī)抽取了年報(bào)中的其他句子。由于上市公司總數(shù)逐年增加，如果直接在上述兩部分句子中進(jìn)行隨機(jī)標(biāo)注，將導(dǎo)致大部分被標(biāo)注的句子靠近當(dāng)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(chǔ)上，我們按照年份分組，在每個(gè)年份中取出相同數(shù)量的句子，再從這部分均勻分布的句子中進(jìn)行不放回的隨機(jī)抽取，得到本研究的待標(biāo)記句庫、鍵值數(shù)據(jù)庫、批量計(jì)算、時(shí)序數(shù)據(jù)庫、數(shù)據(jù)脫敏、數(shù)據(jù)挖掘、數(shù)據(jù)資源、圖數(shù)據(jù)庫、文檔數(shù)據(jù)庫、AI、人的智能、人類能力、人類智能、機(jī)器學(xué)習(xí)理、人機(jī)交互、計(jì)算機(jī)視覺、生物特征識(shí)別、虛擬現(xiàn)實(shí)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、遷徙學(xué)經(jīng)網(wǎng)絡(luò)、量子計(jì)算、認(rèn)知計(jì)算、機(jī)器智能、增強(qiáng)智能、機(jī)機(jī)器人等）、計(jì)算機(jī)視覺、計(jì)算成像學(xué)、圖像理解、三碼、情感交互、體感交互、腦機(jī)交互、自然語言生成、義理解、問答系統(tǒng)、支持向量機(jī)、決策樹、深度置信、環(huán)神經(jīng)、粒子群優(yōu)化、多目標(biāo)演化、身份識(shí)別、CIMS、人證核移動(dòng)上網(wǎng)設(shè)備、LBS、移動(dòng)支付、移動(dòng)導(dǎo)航、移支付寶、移動(dòng)辦公、移動(dòng)即時(shí)通信、APP、手機(jī)音機(jī)訂單、滴滴打車、移動(dòng)電子政務(wù)、公眾號(hào)、微店、手機(jī)布式并行編程模式、分布式存儲(chǔ)、分布式云、分級(jí)存有云、混合云、基礎(chǔ)設(shè)施即服務(wù)（IaaS）、作系統(tǒng)、云儲(chǔ)存、云存儲(chǔ)、云端、云端化、云端數(shù)據(jù)管理、云數(shù)據(jù)加密、云數(shù)據(jù)中心、云搜索、云物描器、條碼、條形碼、紅外掃描、識(shí)讀器、微機(jī)電系統(tǒng)識(shí)、磁卡識(shí)別、PML、射頻標(biāo)簽、GPS、全M2M、NB-IoT、車聯(lián)網(wǎng)、可穿戴設(shè)備、在線監(jiān)測(cè)、定位追溯、遠(yuǎn)程控制、無線pos待預(yù)測(cè)句庫中找含有關(guān)鍵詞的句子是因?yàn)?，直接抽取句子?huì)導(dǎo)致句子的來源難以確定。而先抽取年報(bào)再取句子不僅可4機(jī)、遠(yuǎn)程監(jiān)控、物聯(lián)網(wǎng)、工業(yè)物聯(lián)網(wǎng)、嵌入式系統(tǒng)、邊緣計(jì)構(gòu)、去中心化、信息不可篡改、共識(shí)機(jī)制、對(duì)等式網(wǎng)絡(luò)鏈?zhǔn)綌?shù)據(jù)、梅克爾樹、工作量證明、數(shù)字貨幣、許人工標(biāo)注的思路是，先判斷企業(yè)使用了哪種/哪幾種數(shù)字技術(shù)，進(jìn)而判斷企業(yè)是否進(jìn)行了數(shù)字化轉(zhuǎn)型。人工標(biāo)注的目的是形成訓(xùn)練集、測(cè)試集和驗(yàn)證集，為后面的機(jī)器學(xué)習(xí)打下我們將24位研究人員分為12組，每組兩人定期輪在正式打標(biāo)簽之前，我們多次講解打標(biāo)簽任務(wù)的詳情，并對(duì)容易混淆的標(biāo)簽進(jìn)行了重點(diǎn)講解和示范。明晰標(biāo)準(zhǔn)后，我們進(jìn)行了充分的打標(biāo)簽訓(xùn)練，并對(duì)標(biāo)注過程中發(fā)現(xiàn)的難點(diǎn)和疑點(diǎn)定期商討。正式標(biāo)注時(shí)，待標(biāo)記句庫中的每個(gè)句子都會(huì)被兩位研究成員標(biāo)記。如果雙方標(biāo)注結(jié)果一致，則句子標(biāo)簽被記錄；對(duì)存在分歧的句子，經(jīng)過全部成員討論后確定其標(biāo)簽；對(duì)難以確定標(biāo)簽的句子，不納入訓(xùn)練集。最后，所有待標(biāo)記句庫中的句子被分類至八個(gè)標(biāo)度量數(shù)字化轉(zhuǎn)型的關(guān)鍵步驟是訓(xùn)練機(jī)器學(xué)習(xí)模型，讓人工智能技術(shù)替代人工來判別文本中包括數(shù)字技術(shù)關(guān)鍵詞是否意味著真正進(jìn)行了數(shù)字化轉(zhuǎn)型，從而避免第二類統(tǒng)計(jì)錯(cuò)誤（納偽）。參考金星曄等（2024）的研究，我們使用百度開源的、內(nèi)嵌了ERNIE的PaddleHub框架來開展模型訓(xùn)練，用其內(nèi)置的tokenizer函數(shù)快證集。同時(shí)，為了比較不同模型之間的分類性能，我們也訓(xùn)練了SVM（支持向量機(jī)）和機(jī)器學(xué)習(xí)的主要目的是識(shí)別文本是否以及體現(xiàn)了哪種數(shù)字技術(shù)。對(duì)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(xùn)練集各類型標(biāo)簽數(shù)量分布不均，通常使用標(biāo)上都是最佳，這也是本報(bào)告最終選擇使用ERNIE模型的原因。NeuralNetworks①非新型數(shù)字技術(shù)指?jìng)鹘y(tǒng)的數(shù)字技術(shù)或者數(shù)字技術(shù)的泛稱。例如，互聯(lián)網(wǎng)、寬帶、通信技術(shù)、網(wǎng)購、平臺(tái)經(jīng)濟(jì)、數(shù)字化、數(shù)字②Precision度量全部被預(yù)測(cè)為Positive類（“是”）的句子中，真的是PosiPositive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），（Precision+Recall）=0.75判斷企業(yè)是否使用了數(shù)字技術(shù)以及使用了何種數(shù)字技術(shù)。我們分別構(gòu)造了兩類指標(biāo)1）企業(yè)數(shù)字化轉(zhuǎn)型啞變量，即公司在當(dāng)年只要使用了大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)、云計(jì)算、區(qū)塊鏈和物聯(lián)網(wǎng)中的任意某種技術(shù)，則指標(biāo)賦值為1，反之為0。（2）企業(yè)數(shù)字化轉(zhuǎn)型程度指標(biāo)，分別從公司使用數(shù)字技術(shù)的相關(guān)句子數(shù)量與其占當(dāng)年年報(bào)全部句子數(shù)量的比例兩基于此方法所構(gòu)造的數(shù)字化轉(zhuǎn)型指標(biāo)在最大程度上克服了文本識(shí)別不準(zhǔn)確的問題，與企業(yè)數(shù)字技術(shù)使用現(xiàn)實(shí)高度吻合，具有對(duì)象明確、指標(biāo)齊全、準(zhǔn)確度高和可復(fù)制的優(yōu)點(diǎn)，有效克服了現(xiàn)有研究在測(cè)度數(shù)字化轉(zhuǎn)型方面所存在的問題（金星曄等，2現(xiàn)有文獻(xiàn)在測(cè)度企業(yè)數(shù)字化轉(zhuǎn)型程度時(shí)，通常使用了三種方法。第一種方法是客觀數(shù)據(jù)法，這包括計(jì)算本企業(yè)與數(shù)字技術(shù)相關(guān)的軟件投資或硬件投資占總資產(chǎn)的比例（Mülleretal.，2018；劉飛和田高良，2019；祁懷錦等，2020），基于調(diào)查數(shù)據(jù)度量企業(yè)內(nèi)機(jī)器人的使用（Acemoglu&Restrepo，2020）或者分析預(yù)測(cè)工具的使用（Brynjolfssonetal.，2021），基于行業(yè)計(jì)算機(jī)軟硬件投資額度量行業(yè)的信息技術(shù)密度（ITIntensity）（Chunetal.，2008）。然而，此方法有兩個(gè)缺點(diǎn)。第一，范圍太窄，只適合度量某一種具體的數(shù)字技術(shù)的非人力成本投入。例如，某個(gè)企業(yè)招聘了從事數(shù)字化轉(zhuǎn)型的工程師，但是支付給工程師的工資成本并不能體現(xiàn)為數(shù)字化硬件或軟件的投入，此時(shí)就會(huì)被漏記。第二，度量比較粗糙。例如，籠統(tǒng)地統(tǒng)計(jì)數(shù)字技術(shù)硬件或軟件的做法，無法區(qū)分不同類型數(shù)字技術(shù)的應(yīng)第二種方法是問卷法，即使用問卷調(diào)查獲取相關(guān)數(shù)據(jù)，通過企業(yè)對(duì)數(shù)字技術(shù)使用相關(guān)題項(xiàng)的回答來測(cè)度其數(shù)字技術(shù)使用水平。該方法則存在調(diào)查成本高、數(shù)據(jù)量受限、不可復(fù)制以及主觀偏誤等問題，且受抽樣方法影響，準(zhǔn)確度有待第三種方法，也是最主流的方法——詞典法，即先構(gòu)建一個(gè)包含各種數(shù)字技術(shù)的關(guān)鍵詞詞典，然后根據(jù)這些關(guān)鍵詞在上市公司年報(bào)中“管理層討論與分析”部分出現(xiàn)的次數(shù)或比例，構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)。一個(gè)上市公司年報(bào)中提及數(shù)字技術(shù)的次數(shù)或者比例越高，表示企業(yè)的數(shù)字化轉(zhuǎn)型程度越高。很多研究企業(yè)數(shù)字化轉(zhuǎn)型的文獻(xiàn)直接使用了CSMAR數(shù)據(jù)庫自帶的數(shù)字技術(shù)詞頻統(tǒng)計(jì)表（例如，黃逵友等，2023；耀友福和周蘭，2023），作為企業(yè)數(shù)字化轉(zhuǎn)型程度的指標(biāo)。CSMAR詞典總共包含了62個(gè)數(shù)字技術(shù)關(guān)鍵詞，例如“機(jī)器學(xué)以CSMAR為代表的詞典法存在的第一個(gè)問題是，詞典構(gòu)建屬于數(shù)字技術(shù)但是未被納入詞典的關(guān)鍵詞。在統(tǒng)計(jì)學(xué)上，這屬于第一類錯(cuò)誤，即“棄真”。二是聚焦在出行、醫(yī)療、教育等用戶自然生活需求的場(chǎng)景構(gòu)建，通過“云+API（應(yīng)用程序編程接口”的方式輸出金融服務(wù)能力，提高客戶粘度與產(chǎn)品滲透率）①利用光學(xué)字符識(shí)別技術(shù)（OCR賦能證件識(shí)別，識(shí)別成功率達(dá)98%以研發(fā)完成通過較小代價(jià)提升方言與小語種識(shí)別可用性的技術(shù)路徑，方言小語種識(shí)別等關(guān)鍵詞也能夠表示企業(yè)使用了人工智能技術(shù)6圖像識(shí)別能夠表示企業(yè)使用之所以會(huì)出現(xiàn)關(guān)鍵詞遺漏，是因?yàn)檫@些關(guān)鍵詞都是研究者根據(jù)部分文獻(xiàn)人為選定的詞語，而每個(gè)人選擇的標(biāo)準(zhǔn)又很難統(tǒng)一。在實(shí)踐中，各種數(shù)字技術(shù)層出不窮，新的名詞不斷涌現(xiàn)，因此用詞典法來測(cè)度數(shù)字化轉(zhuǎn)型必然存在“掛一漏萬”和更新遲滯的問題。事實(shí)上，人為選擇關(guān)鍵詞導(dǎo)致的附帶問題是，由于每個(gè)研究者的主觀標(biāo)準(zhǔn)不同，選擇范圍不同，這導(dǎo)致不同文獻(xiàn)使用的關(guān)鍵詞差異很大，從而基于不同詞典構(gòu)造的數(shù)字化轉(zhuǎn)型指標(biāo)缺乏可比性。以公開了關(guān)鍵詞詞典的幾篇代表性文章為例。吳非等（2021明月等（2022）包含了112個(gè)關(guān)鍵詞。從詞典范圍來看，方明月等（2022）包含的關(guān)鍵詞最多，CSMAR最少，這導(dǎo)致這些詞典之間的重合度不高。例如，CSMAR詞典與吳非等個(gè)的比例（即重合度）為63%。不過，吳非等（2021）和李云鶴等（2022）的關(guān)鍵詞又不第二個(gè)問題是，詞典法存在表意不真實(shí)的問題，即錯(cuò)誤地將一些并不表示企業(yè)數(shù)字化轉(zhuǎn)型實(shí)踐的內(nèi)容包括在內(nèi)，這屬于統(tǒng)計(jì)學(xué)上的第二類錯(cuò)誤，即“納偽”。仍以CSMAR為例。在一些上市公司的年報(bào)中，即便某個(gè)句子中包含了數(shù)字技術(shù)關(guān)鍵詞，根據(jù)句意也不能判斷該企業(yè)進(jìn)行了數(shù)字化轉(zhuǎn)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(jìn)行數(shù)字化而不是現(xiàn)在；第三，企業(yè)可能描述的是行業(yè)的發(fā)展背景而不是自身行動(dòng)。這些情況都會(huì)導(dǎo)致詞典法出現(xiàn)誤判。表5提供了這三種情況的一些為了避免項(xiàng)目存在的不確定性與技術(shù)研發(fā)風(fēng)險(xiǎn)，公司暫器人研發(fā)中心項(xiàng)目推進(jìn)節(jié)奏放緩，因此尚未未來公司將利用物聯(lián)網(wǎng)行業(yè)高速發(fā)展的有利環(huán)境，努力擴(kuò)大業(yè)務(wù)規(guī)2021年，公司將穩(wěn)步拓展大屏與專業(yè)顯示器業(yè)務(wù)，進(jìn)一步豐富產(chǎn)品品樁、大數(shù)據(jù)中心、人工智能、工業(yè)互聯(lián)網(wǎng)七大描述的是宏觀發(fā)展情況，而三、企業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀企業(yè)數(shù)字技術(shù)的采納與應(yīng)用比例呈現(xiàn)出穩(wěn)步上升的趨勢(shì)。依據(jù)上文所述企業(yè)數(shù)字化轉(zhuǎn)型識(shí)別策略，圖1描繪了利用上市公司數(shù)據(jù)所做的分年份數(shù)字化企業(yè)統(tǒng)計(jì)圖。新一輪工業(yè)革命背景下，我國政府高度重視數(shù)字化轉(zhuǎn)型發(fā)展，圍繞加快新型基礎(chǔ)設(shè)施建設(shè)、推動(dòng)行業(yè)數(shù)字化轉(zhuǎn)型、促進(jìn)融通發(fā)展等方面作出重要部署，數(shù)字化進(jìn)程不斷加快?？傮w而言，從2006年開始，上市公司中使用數(shù)字技術(shù)的企業(yè)數(shù)量與使用數(shù)字技術(shù)的比例持續(xù)上升。至72023年，上市公司中使用數(shù)字技術(shù)的企業(yè)數(shù)量隨著新冠肺炎疫情的全球蔓延與持續(xù)影響，數(shù)字化傳統(tǒng)企業(yè)加速數(shù)字化轉(zhuǎn)型，以應(yīng)對(duì)疫情帶來的經(jīng)營(yíng)壓力和市場(chǎng)變化。另一方面，新興數(shù)字化企業(yè)也借助疫情帶來的機(jī)遇，迅速發(fā)展壯大。在2020-2021年期間，受新冠肺炎疫情的5000450040003500300025002000500090%80%70%60%50%40%30%20%10%0%當(dāng)年上市公司中使用數(shù)字技術(shù)的企業(yè)數(shù)量——使用數(shù)字技術(shù)的比例（右）在企業(yè)數(shù)字化進(jìn)程中，小型企業(yè)數(shù)字化轉(zhuǎn)型步伐更慢。大中型企業(yè)數(shù)字化比例明顯高于小型企業(yè)，凸顯了規(guī)模優(yōu)勢(shì)在推動(dòng)數(shù)字技術(shù)應(yīng)用上的重要作用。根據(jù)國家統(tǒng)計(jì)局印發(fā)的《統(tǒng)計(jì)上大中小微型企業(yè)劃分辦法（2017）》對(duì)大中小微型企業(yè)的劃分方法，我們把數(shù)據(jù)庫中的企業(yè)劃分為大型企業(yè)、中型企業(yè)、小型企業(yè)三類。這三類企業(yè)中數(shù)字化企業(yè)數(shù)量和比例情況如圖2所示。大型企業(yè)中數(shù)字化企業(yè)數(shù)量和比例最高，其次是中型企業(yè)，最后是比例為52%。企業(yè)數(shù)字化轉(zhuǎn)型是涉及生產(chǎn)經(jīng)營(yíng)模式的全方位系統(tǒng)性變革，需投入大量人力物力資源?？梢钥闯?，大中型企業(yè)是數(shù)字化轉(zhuǎn)型的主力軍。小型企業(yè)仍然存在“不會(huì)轉(zhuǎn)”、“不愿轉(zhuǎn)”、“不敢轉(zhuǎn)”等現(xiàn)實(shí)問題，在數(shù)字化轉(zhuǎn)型中往往陷入自身資源與能力不足的困境。8200000服務(wù)行業(yè)邁向全面數(shù)字化新時(shí)代，通信、銀行及計(jì)算機(jī)等行業(yè)作為先鋒，已率先實(shí)現(xiàn)全面數(shù)字化轉(zhuǎn)型。依據(jù)申萬行業(yè)分類標(biāo)準(zhǔn)對(duì)數(shù)據(jù)造業(yè)、房地產(chǎn)業(yè)的數(shù)字化比例較低。數(shù)字化企業(yè)比例最高的五個(gè)行業(yè)是：通信（100%）、銀行（100%）、計(jì)算機(jī)（100%）、傳媒（98%）、電子（97%）。數(shù)字化企業(yè)比例最低的五個(gè)行業(yè)是：石油石化（81%）、有色金屬（81%）、基礎(chǔ)化工（80%）、煤炭（72%）、9新冠肺炎疫情背景下，數(shù)字化轉(zhuǎn)型成為商貿(mào)零售業(yè)發(fā)展的新出路。受新冠肺炎疫情的影響，商貿(mào)零售類企業(yè)的數(shù)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(fèi)者的購物習(xí)慣和行為模式。商貿(mào)零售類企業(yè)作為距離消費(fèi)者比較近的行業(yè)，受到較大的疫情沖擊，但同時(shí)也促使了它們加速數(shù)字化轉(zhuǎn)型的進(jìn)程。為了保持業(yè)務(wù)運(yùn)營(yíng)和滿足消費(fèi)者需求，在疫情期間保持競(jìng)爭(zhēng)力，其不得不加快數(shù)字化轉(zhuǎn)型95%90%85%80%75%70%65%60%55%50%——商貿(mào)零售行業(yè)內(nèi)數(shù)字化的比例新能源車的強(qiáng)勢(shì)崛起重塑了汽車行業(yè)的競(jìng)爭(zhēng)格局，成為推動(dòng)汽車產(chǎn)業(yè)全面擁抱數(shù)字時(shí)業(yè)數(shù)字化比例大幅提高。隨著全球?qū)Νh(huán)保和可持續(xù)發(fā)展的重視，消費(fèi)者對(duì)新能源車的接受度越來越高，市場(chǎng)需求不斷增長(zhǎng)。這一趨勢(shì)凸顯了車企部署新能源戰(zhàn)略的重要性與必要性，進(jìn)，新能源交通產(chǎn)業(yè)正邁入加速發(fā)展的新階段。為適應(yīng)這一變化趨勢(shì)，車企加速布局新能源領(lǐng)域，加快新能源車的研發(fā)和生產(chǎn)，而數(shù)字化技術(shù)在此過程中扮演著重要角色，進(jìn)而推動(dòng)車企在技術(shù)創(chuàng)新、產(chǎn)品升級(jí)和市場(chǎng)拓展等方面的全面數(shù)字化轉(zhuǎn)型。9,000,0008,000,0007,000,0006,000,0005,000,0004,000,0003,000,0002,000,0001,000,000080%60%40%20%0%新能源車年零售量（乘聯(lián)會(huì)數(shù)據(jù)）——汽車相關(guān)行業(yè)數(shù)字化比例（右）經(jīng)濟(jì)發(fā)達(dá)省份引領(lǐng)數(shù)字化進(jìn)程，多省份數(shù)字化企業(yè)比例超七成，全國數(shù)字化進(jìn)程迅速普及。除中國港澳臺(tái)地區(qū)外，中國其他各省份數(shù)字化企業(yè)數(shù)量如圖5所示。從圖中可以看出，經(jīng)濟(jì)發(fā)達(dá)的省份，例如廣東、浙江、江蘇、北京、上海，數(shù)字化企業(yè)數(shù)量最多；經(jīng)濟(jì)發(fā)展水平較低的省份，例如青海、寧夏、西藏、內(nèi)蒙古、海南，數(shù)字化企業(yè)數(shù)量較少。由于不同地區(qū)上市企業(yè)總量存在差異，中國各省份數(shù)字化企業(yè)比例與數(shù)字化企業(yè)數(shù)量的分布存在部分差異。如圖6所示，2021年-2023年數(shù)字化企業(yè)比例最高的五個(gè)地區(qū)是北京（94%）、廣東（93%）、上海（93%）、陜西（91%）、浙江（91%）。2021年-2023年數(shù)字化比例最低的五個(gè)地區(qū)是青海（56%）、西藏（69%）、內(nèi)蒙古（74%）、海南（76%）、甘肅（78%）?？梢钥闯?，除青海與西藏外，其余省份數(shù)字化企業(yè)比例均超過2021-2023數(shù)字化企業(yè)總量1234205216227238249252627282930312021-2023數(shù)字化企業(yè)比例數(shù)字化企業(yè)比例123456789不同所有制企業(yè)數(shù)字化進(jìn)程存在差異，非國有企業(yè)數(shù)字化進(jìn)程顯著領(lǐng)先于國按照企業(yè)的所有制類型，我們將數(shù)據(jù)庫中的企業(yè)劃分為國有企業(yè)與非國有企業(yè)兩大類。國年期間國有企業(yè)的數(shù)字化企業(yè)總量與比例較低，非國有企業(yè)的數(shù)字化企業(yè)總量與比例遠(yuǎn)高于國有企業(yè)。2006-2023年，非國有企業(yè)2500020000150001000050000非國有企業(yè)國有企業(yè)2006~2023年數(shù)字化企業(yè)總量數(shù)字化企業(yè)比例（右）80%70%60%50%40%30%20%0%轉(zhuǎn)型工作的通知》，就推動(dòng)國有企業(yè)數(shù)字化轉(zhuǎn)型做出全面部署。國有企業(yè)的數(shù)字化轉(zhuǎn)型的——非國有企業(yè)數(shù)字化比例——國有企業(yè)數(shù)字化比例企業(yè)年齡與數(shù)字化比例之間呈現(xiàn)負(fù)相關(guān)關(guān)系。本報(bào)告將所有樣本企業(yè)按照年齡分為三化比例要高于成立時(shí)間較久的企業(yè)。初創(chuàng)企業(yè)更樂于擁抱數(shù)字化轉(zhuǎn)型的趨勢(shì)，并積極布局300095%94%250093%200092%91%150090%89%88%50087%86%085%1~1516~2526~數(shù)字化企業(yè)數(shù)量數(shù)字化企業(yè)比例（右）相較于主板上市企業(yè)，科創(chuàng)板與創(chuàng)業(yè)板企業(yè)的數(shù)字化進(jìn)程顯著領(lǐng)先。根據(jù)企業(yè)的上市板塊，我們將數(shù)據(jù)庫中的企業(yè)劃分為上交所科創(chuàng)板企業(yè)、深交所創(chuàng)業(yè)板企業(yè)、上交所主板科創(chuàng)板和創(chuàng)業(yè)板企業(yè)的數(shù)字化比例要高于主板的企業(yè)。上交所科創(chuàng)板企業(yè)與深交所創(chuàng)業(yè)板企業(yè)數(shù)字化比例分別為97%、95%，即絕大部分企業(yè)均進(jìn)行了數(shù)字化轉(zhuǎn)型。上交所主板企業(yè)與深交所主板企業(yè)數(shù)字化比例則分別為88%、89%?？苿?chuàng)板和創(chuàng)業(yè)板的企業(yè)普遍具有更高的成長(zhǎng)性和創(chuàng)新性，它們更愿意嘗試新技術(shù)、新模式來推動(dòng)業(yè)務(wù)發(fā)展?？苿?chuàng)板主要聚焦于新一代信息技術(shù)、生物醫(yī)藥、高端裝備制造等科技前沿領(lǐng)域。這些行業(yè)高度依賴于信息技術(shù)的支持，具有更高的數(shù)字化需求。創(chuàng)業(yè)板同樣以創(chuàng)新創(chuàng)業(yè)型企業(yè)為主，其中不乏在數(shù)字技術(shù)領(lǐng)域具有競(jìng)爭(zhēng)優(yōu)勢(shì)的企業(yè)。這些企業(yè)往往更注重通過數(shù)字化轉(zhuǎn)型來提升業(yè)務(wù)效率和98%上交所科創(chuàng)板深交所主板上交所主板深交所創(chuàng)業(yè)板96%94%92%90%88%86%84%82%上交所科創(chuàng)板深交所主板上交所主板深交所創(chuàng)業(yè)板政策環(huán)境在企業(yè)數(shù)字化轉(zhuǎn)型中起到重要推動(dòng)作用，政府重視程度高的地區(qū)數(shù)字化進(jìn)程市政府對(duì)數(shù)字技術(shù)的重視程度，這個(gè)指標(biāo)用地級(jí)市政府工作報(bào)告中包含大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)、云計(jì)算、區(qū)塊鏈和物聯(lián)網(wǎng)這六類詞語的句子數(shù)量來度量。與數(shù)字技術(shù)相關(guān)的句子數(shù)量越多，認(rèn)為地級(jí)市政府越重視數(shù)字技術(shù)發(fā)展。我們將樣本內(nèi)所涉及的地級(jí)市分為重視程度較高、較低兩類。若地級(jí)市對(duì)數(shù)字技術(shù)的重視程度大于當(dāng)年所有地級(jí)市的平均水平，則該地級(jí)市較為重視數(shù)字技術(shù)發(fā)展，視為政府重視程度較高。反之，則視為該地級(jí)市重視程度較低。從圖中可以看出，當(dāng)?shù)卣畬?duì)于數(shù)字技術(shù)的重視能夠促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。在90%80%70%60%50%40%30%20%10%0%——所在地級(jí)市重視程度較低-比例——所在地級(jí)市重視程度較高-比例政府重視程度高對(duì)國有企業(yè)與非國有企業(yè)數(shù)字化均有推動(dòng)作用。地方政府對(duì)數(shù)字技術(shù)的重視將從政策、基礎(chǔ)設(shè)施、國有企業(yè)示范、公平競(jìng)爭(zhēng)環(huán)境、人才培養(yǎng)和引進(jìn)、市場(chǎng)需求以及產(chǎn)業(yè)鏈協(xié)同等多個(gè)方面推動(dòng)當(dāng)?shù)仄髽I(yè)的數(shù)字化轉(zhuǎn)型，不僅限于國有企業(yè)，也包括非國有企業(yè)。分地級(jí)市重視程度的國有企業(yè)數(shù)字化統(tǒng)計(jì)情況與非國有企業(yè)數(shù)字化統(tǒng)計(jì)情況如圖化，還會(huì)促進(jìn)非國有企業(yè)的數(shù)字化。在政府重視程度較高的地區(qū)中，國有企業(yè)與非國有企90%80%70%60%50%40%30%20%10%0%所在地級(jí)市重視程度較低-國有企業(yè)所在地級(jí)市重視程度較高-國有企業(yè)90%80%70%60%50%40%30%20%10%0%——所在地級(jí)市重視程度較低-非國有企業(yè)所在地級(jí)市重視程度較高-非國有企業(yè)與數(shù)字技術(shù)密切相關(guān)。按數(shù)字化轉(zhuǎn)型程度排序的企業(yè)統(tǒng)計(jì)情況如表7所示。企業(yè)數(shù)型程度指標(biāo)使用企業(yè)年報(bào)中包含大數(shù)據(jù)、人工智能、移動(dòng)互聯(lián)、云計(jì)算、區(qū)塊鏈和物聯(lián)網(wǎng)這六類數(shù)字技術(shù)的句子的數(shù)量來度量。企業(yè)年報(bào)中與數(shù)字技術(shù)相關(guān)的句子數(shù)量越多，則企業(yè)數(shù)字化轉(zhuǎn)型程度越高。2023年，數(shù)字化轉(zhuǎn)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(wǎng)絡(luò)、南威軟件、云天勵(lì)飛、賽為智能、千方科技、東軟集團(tuán)、達(dá)實(shí)智能、格靈深瞳、萬集科技、潤(rùn)建股份、新開普、虹軟科技、瑞芯微、優(yōu)刻得。其所屬行業(yè)為計(jì)算機(jī)、國防軍工、通信、電子，主營(yíng)業(yè)務(wù)均與排名公司代碼企業(yè)名稱所屬行業(yè)排名公司代碼企業(yè)名稱所屬行業(yè)1002230科大訊飛計(jì)算機(jī)26300418昆侖萬維傳媒2688327云從科技計(jì)算機(jī)27002362漢王科技計(jì)算機(jī)3688070縱橫股份國防軍工28300279和晶科技4002236大華股份計(jì)算機(jī)29688227品高股份計(jì)算機(jī)5300166東方國信計(jì)算機(jī)30002766索菱股份汽車6002415?？低曈?jì)算機(jī)31300608思特奇計(jì)算機(jī)7688475螢石網(wǎng)絡(luò)計(jì)算機(jī)32688592司南導(dǎo)航通信8603636南威軟件計(jì)算機(jī)33002467二六三通信9688343云天勵(lì)飛計(jì)算機(jī)34603171稅友股份計(jì)算機(jī)300044賽為智能計(jì)算機(jī)35300479神思電子計(jì)算機(jī)002373千方科技計(jì)算機(jī)36000938紫光股份計(jì)算機(jī)600718東軟集團(tuán)計(jì)算機(jī)37003005競(jìng)業(yè)達(dá)計(jì)算機(jī)002421達(dá)實(shí)智能計(jì)算機(jī)38600797浙大網(wǎng)新計(jì)算機(jī)688207格靈深瞳計(jì)算機(jī)39688528秦川物聯(lián)機(jī)械設(shè)備300552萬集科技計(jì)算機(jī)40002609捷順科技計(jì)算機(jī)002929潤(rùn)建股份通信41688326經(jīng)緯恒潤(rùn)計(jì)算機(jī)300248新開普計(jì)算機(jī)42688228開普云計(jì)算機(jī)688088虹軟科技計(jì)算機(jī)43300513恒實(shí)科技通信603893瑞芯微44300212易華錄計(jì)算機(jī)20688158優(yōu)刻得計(jì)算機(jī)45688287觀典防務(wù)國防軍工21000409云鼎科技計(jì)算機(jī)46688191智洋創(chuàng)新電力設(shè)備22002368太極股份計(jì)算機(jī)47835305云創(chuàng)數(shù)據(jù)計(jì)算機(jī)23688051佳華科技計(jì)算機(jī)48300638廣和通通信24000555神州信息計(jì)算機(jī)49603082北自科技機(jī)械設(shè)備25002869金溢科技50300609匯納科技計(jì)算機(jī)數(shù)字化轉(zhuǎn)型程度與企業(yè)所屬行業(yè)特性密切相關(guān)。各行業(yè)內(nèi)數(shù)字化轉(zhuǎn)型最為突出的五家領(lǐng)軍企業(yè)能夠反映當(dāng)前行業(yè)數(shù)字化轉(zhuǎn)型的最新趨勢(shì)和前沿方向，為同行業(yè)企業(yè)提供了可借行業(yè)名稱（申萬）第一第二第三第四第五傳媒昆侖萬維天娛數(shù)科智度股份神州泰岳掌趣科技電力設(shè)備智洋創(chuàng)新申昊科技新聯(lián)電子杭州柯林金智科技瑞芯微金溢科技和晶科技遠(yuǎn)望谷寒武紀(jì)房地產(chǎn)特發(fā)服務(wù)市北高新新湖中寶上海臨港紡織服飾酷特智能飛亞達(dá)歌力思萊紳通靈紅豆股份非銀金融拉卡拉亞聯(lián)發(fā)展東方財(cái)富海德股份仁東控股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(yè)迪森股份林洋能源深圳燃?xì)馍钲谀茉葱聤W股份國防軍工縱橫股份觀典防務(wù)北斗星通國?？萍己媳娝?jí)循h(huán)保力合科技聚光科技先河環(huán)保碧興物聯(lián)盈峰環(huán)境機(jī)械設(shè)備秦川物聯(lián)北自科技博實(shí)股份安培龍埃夫特基礎(chǔ)化工金奧博華峰超纖英力特新開源雪峰科技計(jì)算機(jī)科大訊飛云從科技大華股份東方國信海康威視家用電器美的集團(tuán)石頭科技石頭科技四川九洲創(chuàng)維數(shù)字建筑材料方大集團(tuán)羅普斯金寧夏建材三棵樹中鐵裝配建筑裝飾深城交深桑達(dá)A羅曼股份東易日盛華設(shè)集團(tuán)交通運(yùn)輸海晨股份保稅科技飛力達(dá)恒基達(dá)鑫東方嘉盛煤炭電投能源平煤股份物產(chǎn)環(huán)能中煤能源兗礦能源美容護(hù)理力合科創(chuàng)青島金王丸美股份上海家化水羊股份農(nóng)林牧漁亞盛集團(tuán)大禹節(jié)水中水漁業(yè)生物股份牧原股份汽車索菱股份華培動(dòng)力光庭信息華安鑫創(chuàng)通達(dá)電氣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(mào)零售海寧皮城青木股份天虹股份華凱易佰愛嬰室社會(huì)服務(wù)創(chuàng)業(yè)黑馬零點(diǎn)有數(shù)中國高科全通教育科銳國際石油石化和順石油潛能恒信海油發(fā)展中海油服貝肯能源食品飲料三只松鼠來伊份蓮花控股絕味食品通信潤(rùn)建股份司南導(dǎo)航二六三恒實(shí)科技廣和通醫(yī)藥生物天智航樂心醫(yī)療美年健康康眾醫(yī)療麥克奧迪銀行廈門銀行華夏銀行上海銀行蘇農(nóng)銀行興業(yè)銀行有色金屬曉程科技福達(dá)合金明泰鋁業(yè)豐華股份屹通新材綜合綜藝股份悅達(dá)投資南京公用特力A南京新百數(shù)字化轉(zhuǎn)型黑馬企業(yè)中，多數(shù)屬于計(jì)算機(jī)、通信在數(shù)字化轉(zhuǎn)型浪潮中，一批企業(yè)加速數(shù)字化發(fā)展，成為“數(shù)字化轉(zhuǎn)型黑馬”。我們使用2018-2023年企業(yè)年報(bào)中數(shù)字技術(shù)相關(guān)句子數(shù)量占排名前五十的企業(yè)名單列表如表9所示。從行業(yè)分布來看，計(jì)算機(jī)、通信、傳媒等行業(yè)占據(jù)著主導(dǎo)地位。同時(shí)，社會(huì)服務(wù)、輕工制造、機(jī)械設(shè)備等行業(yè)也在逐步加強(qiáng)數(shù)字化轉(zhuǎn)型的力度，以適應(yīng)數(shù)字化時(shí)代的發(fā)展趨勢(shì)。值得注意的是，盡管汽車行業(yè)僅有華培動(dòng)力一家企業(yè)進(jìn)入數(shù)字化轉(zhuǎn)型進(jìn)步幅度前五十企業(yè)列表，但其以顯著的成績(jī)位列第四，遠(yuǎn)超多數(shù)企業(yè)。排名股票代碼企業(yè)名稱所屬行業(yè)排名股票代碼企業(yè)名稱所屬行業(yè)1000409云鼎科技計(jì)算機(jī)26002414高德紅外國防軍工2002415?？低曈?jì)算機(jī)27603297永新光學(xué)3002236大華股份計(jì)算機(jī)28300729樂歌股份輕工制造4603121華培動(dòng)力汽車29603220中貝通信通信5002362漢王科技計(jì)算機(jī)30300663科藍(lán)軟件計(jì)算機(jī)6002929潤(rùn)建股份通信31000555神州信息計(jì)算機(jī)7300418昆侖萬維傳媒32000727冠捷科技8300513恒實(shí)科技通信33002615哈爾斯輕工制造9002230科大訊飛計(jì)算機(jī)34600730中國高科社會(huì)服務(wù)000503國新健康計(jì)算機(jī)35600215派斯林機(jī)械設(shè)備000063中興通訊通信36002681奮達(dá)科技002467二六三通信37300290榮科科技計(jì)算機(jī)603636南威軟件計(jì)算機(jī)38300036超圖軟件計(jì)算機(jī)002712思美傳媒傳媒39603516淳中科技計(jì)算機(jī)300578會(huì)暢通訊通信40600877電科芯片000004國華網(wǎng)安計(jì)算機(jī)41002214大立科技國防軍工300339潤(rùn)和軟件計(jì)算機(jī)42000801四川九洲家用電器000676智度股份傳媒43300627華測(cè)導(dǎo)航通信603855華榮股份機(jī)械設(shè)備44603679華體科技20300353東土科技通信45002413雷科防務(wù)國防軍工21300688創(chuàng)業(yè)黑馬社會(huì)服務(wù)46300691聯(lián)合光電計(jì)算機(jī)22300315掌趣科技傳媒47002933新興裝備國防軍工23300638廣和通通信48300590移為通信通信24000988華工科技機(jī)械設(shè)備49300098高新興計(jì)算機(jī)25300442潤(rùn)澤科技通信50300364中文在線傳媒四、結(jié)論與政策建議本報(bào)告較為全面地分析了企業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀。總的來說，我國上市公司數(shù)字化進(jìn)程不斷深入，企業(yè)數(shù)字化比例持續(xù)攀升至91%。但其內(nèi)部分規(guī)模看，大中型企業(yè)數(shù)字化比例高于小型企業(yè)，是數(shù)字化轉(zhuǎn)型的主力軍。小型企業(yè)仍然存在“不會(huì)轉(zhuǎn)”、“不愿轉(zhuǎn)”、“不敢轉(zhuǎn)”等現(xiàn)實(shí)問題，在數(shù)字化轉(zhuǎn)型中往往陷入自身資源與能力不足的困境。分行業(yè)看，服務(wù)業(yè)相關(guān)的企業(yè)數(shù)字化比例較高，制造業(yè)、房地產(chǎn)業(yè)的數(shù)字化比例較低。分地區(qū)看，經(jīng)濟(jì)發(fā)達(dá)省份數(shù)字化進(jìn)程領(lǐng)先。分所有制看，非國有企業(yè)數(shù)字化進(jìn)程顯著領(lǐng)先國有企業(yè)。但在政策推動(dòng)作用下，國有企業(yè)數(shù)字化轉(zhuǎn)型加速，與非國企差距逐步縮小。分年齡看，初創(chuàng)企業(yè)更樂于擁抱數(shù)字化轉(zhuǎn)型的趨勢(shì)，數(shù)字化比例顯著高于成立時(shí)間較久的企業(yè)。分上市板塊看，科創(chuàng)板與創(chuàng)業(yè)板上市企業(yè)數(shù)字化進(jìn)程顯著領(lǐng)先于主板上市企業(yè)。分政府重視程度看，相較于政府重視程度較低的地區(qū)，在政府重視程度較高的地區(qū)中，數(shù)字化企業(yè)比例較高。為進(jìn)一步全面推進(jìn)企業(yè)數(shù)字化發(fā)展，科學(xué)高效推進(jìn)上市公司全面數(shù)字化轉(zhuǎn)型，本報(bào)告提出以下政策第一，加強(qiáng)數(shù)字化轉(zhuǎn)型引導(dǎo)，激發(fā)數(shù)字