目

錄一、引言.............................................................................................................................................1二、

企業數智化指標建構..............................................................................................................

2（一）企業數智化指標建構思路............................................................................................

2（二）企業數智化指標建構過程............................................................................................

21.

第一步：不同角度測算數智化投入指標...................................................................

32.

第二步：粗糙集約減數智化投入指標.......................................................................

33.

第三步：DEA-Malmquist

方法測算數智化產出.......................................................

44.

第四步：熵權法指標合成...........................................................................................

4三、

企業數智化相關發現..............................................................................................................

5（一）企業數智化時間趨勢及分解........................................................................................5（二）企業數智化橫向比較及分解........................................................................................71.

企業數智化行業差異...................................................................................................72.

企業數智化產業差異...................................................................................................93.

企業數智化省份差異...................................................................................................94.

企業數智化股權性質差異.........................................................................................

115.

企業數智化規模差異.................................................................................................

126.

企業數智化年齡差異.................................................................................................

137.

企業數智化板塊差異.................................................................................................

15（三）數智化典型企業..........................................................................................................

181.

企業數智化年度前五強.............................................................................................

182.

2023

年度企業數智化行業前五強.............................................................................

203.

2023

年度企業數智化省份前五強.............................................................................

214.

各年度企業數智化板塊前五強.................................................................................

22四、

結論和建議............................................................................................................................

24五、

數據下載與引用....................................................................................................................

26（一）引用方式......................................................................................................................

26（二）數據獲取方式..............................................................................................................

26（三）聯絡方式......................................................................................................................

26六、

致謝.........................................................................................................................................26序“萬物皆數”（畢達哥拉斯），量化世界是科學研究的起點。我們已經身處數字經濟時代。數智化是一個漸進、螺旋式提升的過程，企業數智化亦如此。量化企業的數智化程度，建構一套契合企業數智化實踐的量化指標，是數智化時代包括企業財務、會計等研究的基礎。現有企業數智化度量方法很多，但它們的量化多依據公司對外披露的年報等文本文件，無論是詞頻檢索量化，還是語義測度量化，都是建立在與企業真實情況并不必然相等的“言說”之上，從“聽其言而信其行”到“聽其言而觀其行”，代表著人們可能的“言行不一”。因此，對企業數智化的度量，僅僅依靠企業主動對外發布的年報等文本語料，它所呈現的量化結果，容易陷入“精確的謬誤”，且方法越精致，愈加如此。劉峰等（2025）嘗試在現有文本分析的基礎之上，加入超越企業管理層“言說”的資料，如各類與數智化相關的投入、數智化技術應用、社會宏觀層面數智化環境發展等，從數智化投入和數智化賦能視角，測算評估

2012

年至

2023

年中國上市公司數智化程度，嘗試為企業數智化程度量化提供一個更寬頻、更有代表性的嘗試。具體到指標構建方面，首先，多角度測算數智化指標，在綜合數智化定義、實證文獻基礎上，基于資產投入、人力資本和技術應用等生產要素，以及文本詞頻視角，盡可能使用不同代理變量，測算企業層面數智化投入程度和宏觀層面數智化環境；其次，篩選并剔除冗余指標，使用粗糙集剔除上述代表重復信息的冗余指標；然后，測算企業數智化產出效率，使用

DEA-Malmquist

效率分析方法，逐行業分別測算企業數智化經營效率和創新效率；最后，合成企業數智化指標，使用熵權法，從企業數智化投入、企業數智化賦能產出和宏觀數智化投入環境三大層面，客觀合成企業數智化總指標。基于構建得到的企業數智化總指數、企業數智化投入、企業數智化產出和宏觀數智化投入指標。我們會在聽取讀者朋友的意見后，同時結合我們后續的研究，來持續修訂企業數智化指標體系。基于現有版本的數智化指標體系所計算形成的企業數智化指數，其主要呈現出以下特征：——時間趨勢

企業數智化大致呈現上升趨勢，過程表現出“陣痛期—發展期—整理期—加速期—消化期”的階段性特征。其中，企業數智化投入、宏觀數智化投入呈現持續上升的趨勢，企業數智化產出則體現穩中有升的態勢。——行業差異

電子制造行業、信息業和技術服務業數智化程度和數智化投入較高；采礦業，以及金屬冶煉和加工業等行業數智化程度和數智化投入相對較低；而服務業企業數智化產出相對較高，初級加工業數智化產出相對較低。——產業差異

企業數智化程度、企業數智化投入和數智化產出，由高至低依次排序為，第三產業、第二產業和第一產業。——省份差異 北京市、上海市、廣東省和福建省等東部地區企業數智化總指數較高，12青海省、云南省、山西省和內蒙古自治區等中西部地區企業相對較低。——股權性質差異

非國有企業數智化總指數和數智化投入均高于國有企業，在數智化產出層面則不存在明顯差異。——規模差異

小規模和大規模企業數智化程度和數智化產出相對較高，中規模企業則位于二者之后。——年齡差異 成立

26

年以上的老牌企業數智化程度最高，然而成立時間越短的企業數智化投入越大，且各年齡階段企業的數智化投入和數智化水平呈現逐年提升趨勢。——板塊差異

科創板企業體現除顯著的科創屬性，數智化水平和數智化投入顯著最高，其次為創業板企業，最后為主板企業。——數智化典型企業方面 本報告根據企業數智化總指數、數智化投入和數智化產出，提取出歷年數智化前五強企業；區分證監會不同行業、不同省份和不同板塊，提取

2023

年數智化前五強企業。量化的過程是人類科學進步的過程。公元前

270

年，古希臘天文學家阿里斯塔克斯（Aristarchus）通過觀測月相計算日地距離；1543

年，哥白尼提出用行星軌道相對位置計算日地距離；1619

年，開普勒第三定律確立了行星公轉周期與軌道半長軸的數學關系，可用以精確計算行星與太陽的相對距離；1672

年，法國天文學家卡西尼（GiovanniCassini）在開普勒定律之上，通過觀測推算出日地距離約

1.4

億公里；19

世紀現代物理學方法引入，對日地距離測量更加精確；2012

年，國際天文聯合會將日地距離定義為精確的

149597870.7公里，并將之作為常數使用。但實際上，地球與太陽之間的距離是動態變化的，比如，近日點與遠日點相差約

500

萬公里；軌道離心率、地軸傾角、歲差、行星引力、太陽質量等都會程度不同地影響到日地距離。“在真理的認知上，科學如同一個人試圖理解一座封閉鐘表的內部機制。他永遠無法打開表蓋，只能通過觀察指針運動和聆聽滴答聲，逐漸構建出接近真相的模型。”（愛因斯坦，1936）企業數智化的量化，也是一種科學認識不斷變化、演進的過程。歡迎瀏覽、引用這份數智化報告或數據，我們也將持續聽取讀者朋友的意見及后續研究，來持續修訂迭代這套企業數智化指標體系。劉峰2025

年

5

月

8

日歡迎引用：劉峰,劉充,翟偉歡,林熹,孫澤楠,屠雨澤.中國上市公司數智化報告[R].廈門:廈門大學管理學院,2025.或：劉峰,劉充,翟偉歡.企業數智化度量：綜合數智化投入和賦能視角[J].廈門大學學報(哲學社會科學版),2025,75(02):56-69.中國上市公司數智化報告（2012

年至

2023

年）中國上市公司數智化報告一、引言企業數智化轉型受到實務界和理論界高度關注。自數據被列入第五大生產要素，黨中央高度重視數字經濟發展。《“十四五”數字經濟發展規劃》提出，“大力推進產業數字化轉型，同時加快推動數字產業化”；黨的二十大報告強調，“加快發展數字經濟，促進數字經濟和實體經濟深度融合”。作為宏觀經濟的重要微觀載體，數智化轉型同樣作用于企業層面。根據《數字中國發展報告（2023

年）》，2023

年我國數字經濟核心產業增加值占國民生產總值比重達

10%，其中，關鍵工序數字化、研發工具數字化普及率分別達

62.2%和

79.6%①；上市公司財務報告中提及數智技術的平均總詞頻數，由

2012

年的

1.90

次上漲至

2022

年的6.69

次。理論研究方面，截止

2023

年末，約有

1200

余篇文獻對企業數智化的前因后果展開實證討論②。刻畫企業數智化程度是評估企業數智化轉型、展開相關研究的基礎。然而，已有企業數智化度量可能存在“言行不一”、主觀性強和樣本缺失嚴重等問題（曹雅楠等，2023；金星曄等，2024；楊彥欣、高敏雪，2024；劉峰等，2025），例如，基于文本詞頻得到的企業數智化指數，可能存在企業數智化文本詞頻同實際數智化投入相悖的信息披露操縱現象（曹雅楠等，2023；黃哲等，2025；劉毛桃和方徐兵，2025）；而基于企業數智化資產投入刻畫的企業數智化指數，受限于無形資產披露規則的進一步規范，同樣難以全面刻畫大多數企業數智化水平（楊彥欣、高敏雪，2024）。因此，本報告使用劉峰等（2025）的做法，沿襲“文獻—理論—數據”的邏輯演繹框架，在充分回顧企業數智化文獻、歸納企業數智化概念演進、界定企業數智化概念和綜述數智化已有度量方式的基礎上，基于企業年度財務報告、政府工作報告、中國統計年鑒等多方數據，綜合粗糙集、DEA-Malmquist

和熵權法，嘗試構建

2012年至

2023

年企業數智化指標。上述整體思路如圖

1，具體而言③，第一，收集企業數智化實證文獻。通過手工檢索

Webof

Science核心合集和

CNKI

數據庫的

CSSCI類別中的企業數智化實證研究，以進行文獻收集和計量分析，為建構度量方式奠定文獻支撐。第二，概念梳理和界定。該部分對企業數智化概念進行梳理以確定企業數智化度量邊界，研究發現企業數智化轉型不僅為數智要素投入結果，更為將數智技術融入經營的整合過程。第三，總結數智化已有度量方式。在進行數智化概念界定基礎上，概述已有度量方式和優缺點，為構建企業數智化新指標提供方向。文章認為類似于企業數智化概念，企業數智化指標應同時反映數智化投入和數智化產出（劉峰等，2025）。①國家數據局：《數字中國發展報告（2023

年）》，https:///2024/szzg/xyzx/202406/P020240630600725771219.pdf。②上市公司數智技術詞頻和企業數智化實證文獻數量數據為團隊整理得到，整理依據和過程，正文未予展示，歡迎索取。③企業數智化文獻回顧、企業數智化概念演進、概念界定、對企業數智化已有度量方式總結，以及對企業數智化指標驗證的具體內容，詳見以下文章，劉峰,劉充,翟偉歡.企業數智化度量：綜合數智化投入和賦能視角[J].廈門大學學報(哲學社會科學版),2025,75(02):56-69。1中國上市公司數智化報告（2012

年至

2023

年）第四，構建企業數智化指標。在數智化概念界定和已有度量評析基礎上，這部分嘗試構建企業數智化新指標。即首先，參考已有研究，分別從數智化微觀企業和宏觀環境視角，基于資產投入、人力資本、技術應用和文本詞頻等維度，多角度測算數智化子指標；其次，以粗糙集方法篩選企業數智化投入指標；之后，以

DEA-Malmquist

效率分析方法計算企業數智化產出指標，熵權法最終合成本文企業數智化指標。第五，指標驗證。結合企業數智化概念，通過企業數智化新指標描述性統計和回歸分析，驗證企業數智化指標的合理性。圖

1企業數智化指標建構思路二、企業數智化指標建構（一）企業數智化指標建構思路基于劉峰等（2025）對企業數智化文獻回顧、企業數智化概念演進、概念界定和對企業數智化已有度量方式總結，本報告構建的企業數智化指數對已有企業數智化度量方式，進行了以下改進：第一，考慮數智化過程。綜合對于企業數智化定義的討論看，企業數智化并非僅為技術、資本等要素的瞬時投入時點變量，而是服務自身經營戰略轉型的時期變量，故企業數智化度量應綜合考慮數智化投入結果與數智化賦能產出過程。第二，考慮企業數智化“言過于行”。相較數智化技術或資產投入，企業在年度財務報告中增加數智化相關詞匯的成本較低，因此應避免僅使用數智化文本詞頻度量企業數智化程度。第三，考慮推動企業數智化的外部因素。依據資源依賴理論和制度基礎理論，基礎設施、制度政策等宏觀數智生態體系，是推動微觀企業數智化進程的重要外部環境（Pfeffer

和

Salancik，1978；Peng

和

Health，1996；羅進輝等，2024）。結合以上，有必要在考慮企業數智化過程、企業數智化過度披露，以及結合宏觀外部環境支持的基礎上，重新設計并測算企業數智化轉型指數。（二）企業數智化指標建構過程研究報告建立的企業數智化指標的具體過程如圖

2，包括“多視角測算指標—篩選剔除冗余指標—測算產出效率—合成數智化指標”四部分。首先，多視角測算指標。綜合數智化已有文獻，基于技術應用、資產投入等盡可能多的視角，分別測算微觀企業層面和宏觀層面數智化投入程度。其次，篩選剔除冗余指標。考慮到上述數智化指標可能存在信息冗余，這一步使用粗糙集方法，

剔除存在重復信息的冗余指標。然后，

測算產出效率。使用DEA-Malmquist

效率分析方法，分行業計算企業數智化經營效率和創新效率。最后，合成數收集數智化實證文獻文獻計量分析數智化概念梳理和界定確定數智化度量邊界總結數智化已有度量概述優缺點確定新指標方向構建數智化度量指標基于概念界定和已有度量數智化指標驗證2描述性統計和回歸分析驗證中國上市公司數智化報告（2012

年至

2023

年）智化指標，這一步基于熵權法，進行企業數智化指標合成。本報告測算得到樣本為

2012

年至

2023

年中國

A

股上市公司①。圖

2企業數智化指標建立具體過程1.

第一步：不同角度測算數智化投入指標首先，本文盡可能從不同視角計算數智化投入指標。由上文企業數智化度量方法總結可知，企業數智化測度囊括多種視角。因此，參考前文分類和趙濤等關于數字經濟的測度體系（趙濤等，202），本文分別就城市層面和企業層面，按照技術應用、資產投入、人力資本和文本詞頻等視角②，依次計算得到表

1列（3），粗糙集篩選前微觀企業和宏觀環境層面數智化指標，總共

16種不同度量方式。指標具體定義方式見表

3

列（1）至列（3）。表

1企業數智化投入指標（粗糙集篩選前和篩選后）（1） （2）度量主體 度量分類（3）粗糙集篩選前指標（4）粗糙集篩選后指標數智化資產投入數智無形資產占無形資產比重、研發投入占營業收入比重研發投入占營業收入比重、非常規高技能勞動微觀企業人力資本非常規高技能勞動力占比、研究生及以上占比、技術力占比、除

MDA

外年指標人員占比報提及技術應用詞頻、技術應用除

MDA

外年報提及技術應用詞頻年報數智化詞頻的自然文本詞頻年報數智化詞頻的自然對數、MDA

數智化詞頻占比對數資產投入長途光纜線密度、人均互聯網寬帶接入端口人均互聯網寬帶接入端數智化人力資本計算機服務和軟件從業人員占比口、計算機服務和軟件宏觀環境政策詞頻政府報告數字經濟詞頻從業人員占比、政府工指標用戶基數每百人移動電話用戶數、人均電信業務總量、每百人互聯網用戶數作報告數字經濟詞頻、每百人移動電話用戶數金融支持數字普惠金融指數2.

第二步：粗糙集約減數智化投入指標其次，篩選剔除冗余指標。不同視角計算得到的微觀企業和宏觀環境層面數智化指標間，可能存在信息冗余。本部分使用粗糙集方法，對數智化冗余指標加以篩選并剔除處理。粗糙①由于企業人力資本投入數據的最早年份為

2011

年，且

DEA-Malmquist

方法為后一年企業產出減去前一年企業產出。因此，樣本期間為

2012

年開始。②在這一步中，為充分囊括企業數智化技術詞匯，在原有參考吳非等（2021）的數字技術詞典的基礎上，本報告根據金星曄等（2024）的數字技術關鍵詞詞典，重新測算了技術應用和文本詞頻兩大分類的三個子指標。因此，同劉峰等（2025）測算得到的數智化指數略有差異。多視角計算數智化投入指標準備可篩選的數智化投入指標粗糙集篩選指標剔除代表重復信息的數智化投入指標計算企業數智化產出效率DEA-Malmquist效率分析合成企業數智化指標3使用熵權法合成企業數智化指標中國上市公司數智化報告（2012

年至

2023

年）集是一種在保持信息分類能力不變情況下，確定并刪除信息冗余變量，以進行指標約簡的數據處理方法（Pawlak，1982），其主要通過計算知識表達系統

S

(U

,

C,

D,V

,

f

)

中，條件屬性

C

的任意子集

E

的重要性

E，若其越小則表明為冗余屬性并予以刪減①。其中，

E的計算方式為：經過上述粗糙集指標篩選過程，原有表

1

列（3）16種數智化投入指標，經粗糙集方法約減為表

1

列（4）8

種指標。此外，經相關系數檢驗，約減后的數智化微觀企業子指標、數智化宏觀環境子指標，以及微觀企業和宏觀環境子指標間相關系數較低，證明粗糙集方法在刪減冗余指標的同時，提供了差異性增量信息②。第三步：DEA-Malmquist

方法測算數智化產出基于前文企業數智化概念演進和界定，企業數智化不僅為數智要素投入結果，也是企業借助數智技術賦能自身經營的過程。因此，企業數智化測度體系還應體現數智化對企業生產模式和業務流程的重組變革過程（楊彥欣和高敏雪，2024）。本文使用

DEA-Malmquist

方法測算企業數智化產出過程。原因在于，DEA-Malmquist方法是一種結合

DEA

數據包絡分析和

Malmquist指數時間序列分析的方法，其優勢在于無需預設生產函數形式，可處理多投入和多產出數據，且適用于面板數據跨期動態研究（F?re等，1994）。具體而言，投入指標選取層面，本文選取第一步經粗糙集約減后，表

1

列（4）企業層面

4

大數智化投入指標作為投入變量。產出指標選取層面，企業數智化轉型的核心價值在于價值和技術雙重屬性，即傳統業態轉型和產品服務創新（楊彥欣和高敏雪，2024），因此，參考王核成等的理念（王核成等，2021），將產出指標劃分為經營產出和創新產出。其中，經營產出方面，供應鏈管理和跨區經營為企業經營管理的關鍵內容和核心競爭優勢（馬為彪和吳玉鳴，2023），數智化通過降低信息不對稱，極大降低了企業縱向供應鏈上下游和橫向異地子公司間溝通成本，故縱向供應鏈管理和橫向異地經營是衡量數智化賦能企業經營的重要指標（王核成等，2021）。參考巫強和姚雨秀（2023），本文以供應鏈供需偏離水平，以及企業跨省經營總公司數量的自然對數參考作為經營產出變量。創新產出方面，本文選取同數智化直接相關的數智化專利數量、數智化論文數量的自然對數作為創新產出變量。此外，考慮到企業數智化投入賦能經營和創新產出具有時滯性和行業差異性，

故計算DEA-Malmquist

效率時，本文對數智化投入指標均滯后一期處理，且按證監會行業分類，分行業測算企業數智化經營和創新效率。第四步：熵權法指標合成①此處為粗糙集篩選的主要依據，關于其具體步驟，篇幅所限，正文未予展示，留存備索。②此處為本文對粗糙集篩選后的指標進行相關系數檢驗，結果表明，系數相關性均較低。篇幅所限，（1）

E

C

D

C

E正文未予展示，留存備索。4

D

POSC

D

POSC

E

D

U U中國上市公司數智化報告（2012

年至

2023

年）經過粗糙集約減數智化投入指標，DEA-Malmquist

方法計算企業數智化經營和創新產出，本文對應得到

4

種企業數智化投入指標、4種城市數智化投入指標和

2種企業數智化產出指標。相較層次分析法、等權重法和主成分分析法，熵權法優勢在于客觀性、變異性和避免信息損失。因此，本文相應使用熵權法進行指標合成，最終得到

2012

年至

2023年中國

A

股上市公司數智化程度“年度—個體”觀測值。三、企業數智化相關發現（一）企業數智化時間趨勢及分解企業數智化總指數大致呈現持續上升趨勢，過程表現出“陣痛期—發展期—整理期—加速期—消化期”的階段性特征。圖

3、圖

4

和表

2

為按年度匯總的，數據庫內上市公司數智化總指數的中位數和平均值時間趨勢情況。考慮到新上市企業的影響，圖

4

和表

2

也提供按年度匯總的，數據庫內

2012

年至

2023

年均存在企業數智化總指數樣本（平衡面板）的中位數和平均值時間趨勢情況。圖

5

則為數據庫內所有上市公司數智化總指數，以及企業微觀數智化投入、數智化產出和宏觀數智化投入

3

大分項指標的時間變化趨勢。2012

年至

2013

年企業數智化總體呈現波動的陣痛期。一方面，從技術基礎看，構成企業數智化聯通能力的

4G

高速移動網絡，尚未得到普及商用；同時，構成企業數智化技術底座的大數據、人工智能和云計算等數智技術，缺乏高速傳輸介質、移動終端等基礎設施，因此相關技術基礎處于探索開發階段。另一方面，分解數智化構成看，宏觀數智化環境、企業數智化投入和產出共同構成了企業數智化總指數，盡管宏觀數智化環境和企業數智化投入在這一階段分別呈現優化和增長趨勢，然而，在企業數智化產出方面，企業業務層面嵌入數智技術，改造原有業務和形成新業務增長點仍需調整時間。因此，在數智技術探索、數智投入增加，以及數智產出調整的共同作用下，這一階段企業數智化總指數呈現波動的陣痛期特征。2013

年至

2016

年企業數智化總體呈現持續發展的發展期。這主要得益于企業數智投入和宏觀數智化投入增加，以及數智化產出改善。具體而言，企業數智化投入方面，伴隨著大數據、云計算和人工智能等數智底層技術的發展，以及高速移動互聯網絡的成熟，企業數智化投入從局部試點走向全局部署。宏觀數智化投入方面，智慧城市、寬帶中國試點和高鐵開通等新型基礎設施建設，以及《“互聯網+”行動計劃》《中國制造

2025》等政策的持續推開，為企業數智化構建了有利外部環境。數智化產出方面，數智技術應用場景的不斷明晰，也為企業數智化賦能實際業務流程提供了具體方向。2016

年至

2019

年企業數智化總體呈現穩定的整理期。結合圖

5

企業數智化分項指標看，企業和宏觀數智化投入和基礎設施建設漸趨平緩，企業逐漸進入前期數智化投入的消化期；同時，企業數智化產出進入“深水區”，企業數智化應用邁過“單點突破”階段，進入打通“業務系統”的瓶頸階段。2019

年至

2022

年企業數智化總體呈現快速發展的加速期。受到衛生事件的影響，非接觸式線上辦公模式、供應鏈不確定性因素提升，倒逼企業擴大數智化投入，拓寬數智化業務5中國上市公司數智化報告（2012

年至

2023

年）場景和數智化效能；同時，5G

技術引入的低延遲、高帶寬工業互聯網，為企業數智化帶來的有利宏觀環境。2022

年至

2023

年企業數智化總體呈現穩定的消化期。宏觀數智化投入逐漸走向平穩，由硬件投資走向數據開放、標準制定等隱性能力提升；同時，Chatgpt

為代表的生成式人工智能的崛起，在推動數智化投資范式革命的同時，推動企業醞釀次時代數智化投資方向；此外，2022

年應急響應轉入常態化，企業依托數智設備進行遠程辦公需求可能相應降低。圖

3

上市公司年度數智化總指數變化情況圖

4

平衡面板下上市公司數智化總指數變化情況表

2

上市公司數智化總指數變化情況數據庫內所有上市公司數智化總指數 平衡面板下上市公司數智化總指數年份平均值中位數觀測值平均值中位數觀測值2012

年0.2270.21511310.2260.2159902013

年0.2030.19213210.1990.1879902014

年0.2180.20514040.2160.2039900.2400.22717320.2320.2199902015

年6中國上市公司數智化報告（2012

年至

2023

年）2016

年0.2550.24019710.2440.2319902017

年0.2510.23922000.2430.2329902018

年0.2560.24425590.2460.2359902019

年0.2570.24426490.2470.2379902020

年0.2710.25727570.260.2479902021

年0.2960.27830700.2850.2699902022

年0.2970.28032390.2820.2679902023

年0.2930.27235190.2860.266990圖

5上市公司年度數智化總指數及其分項變化情況（二）企業數智化橫向比較及分解1.

企業數智化行業差異表

3

至表

5

分別為數據庫內數智化總指數、企業數智化投入和企業數智化產出中位數排名前五大行業和后五大行業①。其中，企業數智化總指數方面，電子制造行業和技術服務業大多數智化程度較高，采掘業大多數智化程度較低。具體而言，信息傳輸、軟件和信息技術服務業、科學研究和技術服務業、儀器儀表制造業、計算機、通信和其他電子設備制造業，以及建筑業企業數智化總指數較高；有色金屬冶煉和壓延加工業、采礦業、化學纖維制造業、黑色金屬冶煉和壓延加工業，以及石油加工、煉焦和核燃料加工業企業數智化總指數較低。企業數智化投入行業分布情況基本類似。具體而言，信息傳輸、軟件和信息技術服務業、科學研究和技術服務業、儀器儀表制造業、計算機、通信和其他電子設備制造業，以及醫藥制造業企業數智化投入較高；化學纖維制造業、黑色金屬冶煉和壓延加工業、采礦業、交通運輸、倉儲和郵政業，以及石油加工、煉焦和核燃料加工業企業數智化投入較低。企業數智化產出方面，服務業大多數智化產出較高，初級加工行業數智化產出相對較①由于制造業行業企業較多，因此，依據證監會《上市公司行業分類指引（2012

年修訂）》的行業劃分方法，除制造業外，其他行業均只保留字母。同時，考慮到各行業企業觀測值差異，這一排名只囊括觀測值大于

100

的行業。7中國上市公司數智化報告（2012

年至

2023

年）低。具體而言，其他制造業、房地產業、租賃和商務服務業、水利、環境和公共設施管理業，以及文化、體育和娛樂業企業數智化產出相對較高；酒、飲料和精制茶制造業、橡膠和塑料制品業、造紙和紙制品業、綜合業，以及家具制造業企業數智化產出相對較低。表

3

企業數智化總指數前五大行業和后五大行業（2012

年至

2023

年）面板

A：企業數智化總指數前五大行業行業名稱中位數平均值觀測值信息傳輸、軟件和信息技術服務業0.3820.3902108科學研究和技術服務業0.3310.336366儀器儀表制造業0.3180.327409計算機、通信和其他電子設備制造業0.2940.3083094建筑業0.2710.272697面板

B：企業數智化總指數后五大行業行業名稱中位數平均值觀測值有色金屬冶煉和壓延加工業0.1940.206623采礦業0.1930.203576化學纖維制造業0.1900.197180黑色金屬冶煉和壓延加工業0.1850.190316石油加工、煉焦和核燃料加工業0.1750.178148表

4

企業數智化投入前五大行業和后五大行業（2012

年至

2023

年）面板

A：企業數智化投入前五大行業行業名稱中位數平均值觀測值信息傳輸、軟件和信息技術服務業0.2170.2202108科學研究和技術服務業0.1700.168366儀器儀表制造業0.1630.160409計算機、通信和其他電子設備制造業0.1290.1443094醫藥制造業0.1190.1281917面板

B：企業數智化投入后五大行業行業名稱中位數平均值觀測值化學纖維制造業0.0580.060180黑色金屬冶煉和壓延加工業0.0560.057316采礦業0.0540.066576交通運輸、倉儲和郵政業0.0520.057459石油加工、煉焦和核燃料加工業0.0450.050148表

5

企業數智化產出前五大行業和后五大行業（2012

年至

2023

年）面板

A：企業數智化產出前五大行業行業名稱中位數平均值觀測值其他制造業0.0710.075141房地產業0.0700.0792948中國上市公司數智化報告（2012

年至

2023

年）租賃和商務服務業0.0680.080228水利、環境和公共設施管理業0.0680.077351文化、體育和娛樂業0.0680.076328面板

B：企業數智化產出后五大行業行業名稱中位數平均值觀測值酒、飲料和精制茶制造業0.0640.071388橡膠和塑料制品業0.0640.070666造紙和紙制品業0.0640.071248綜合業0.0640.073129家具制造業0.0620.0721562.

企業數智化產業差異表

6

至表

8

分別為數據庫內各產業企業數智化總指數、企業數智化投入和企業數智化產出分布情況。以中位數為例，企業數智化總指數方面，第三產業企業數智化總指數最高，其次為第二產業，最后為第一產業；企業數智化投入和企業數智化產出方面，呈現類似特征。產業名稱表

6

企業數智化總指數產業分布（2012年至

2023

年）中位數 平均值觀測值第一產業0.2040.208319第二產業0.2420.25322169第三產業0.3060.3175064產業名稱表

7

企業數智化投入產業分布（2012

年至

2023年）中位數 平均值觀測值第一產業0.0580.070319第二產業0.0940.10322169第三產業0.1370.1505064產業名稱表

8

企業數智化產出產業分布（2012

年至

2023年）中位數 平均值觀測值第一產業0.0660.074319第二產業0.0660.07322169第三產業0.0670.076506493.

企業數智化省份差異表

9

至表

11

分別為數據庫內數智化總指數、企業數智化投入和企業數智化產出中位數排名前五大省份和后五大省份。企業數智化總指數方面，北京市、上海市、廣東省、福建省和湖北省企業數智化總指數較高，青海省、云南省、山西省、內蒙古自治區和寧夏回族自治區相對較低；企業數智化投入方面，北京市、廣東省、湖北省、天津市和湖南省較高，青海中國上市公司數智化報告（2012

年至

2023

年）省、甘肅省、廣西壯族自治區、山西省和寧夏回族自治區較低；企業數智化產出方面則呈現差異性，其中，新疆維吾爾自治區、陜西省、海南省、黑龍江省和重慶市部分中西部地區相較較高，河北省、山西省、吉林省、內蒙古自治區和廣西壯族自治區則較低。表

9

企業數智化總指數前五大省份和后五大省份（2012

年至

2023

年）面板

A：企業數智化總指數前五大省份省份名稱中位數平均值觀測值北京市0.3020.3142419上海市0.2950.3072082廣東省0.2890.3014879福建省0.2690.304995湖北省0.2490.261780面板

B：企業數智化總指數后五大省份省份名稱中位數平均值觀測值青海省0.1920.21788云南省0.1860.200246山西省0.1840.189342內蒙古自治區0.1830.197184寧夏回族自治區0.1710.17698表

10

企業數智化投入前五大省份和后五大省份（2012年至

2023

年）面板

A：企業數智化投入前五大省份省份名稱中位數平均值觀測值北京市0.1440.1592419廣東省0.1110.1244879湖北省0.1090.119780天津市0.1050.114416湖南省0.1040.109840面板

B：企業數智化投入后五大省份省份名稱中位數平均值觀測值青海省0.0740.08288甘肅省0.0710.078263廣西壯族自治區0.0670.086119山西省0.0590.065342寧夏回族自治區0.0580.05998表

11

企業數智化產出前五大省份和后五大省份（2012

年至

2023

年）面板

A：企業數智化產出前五大省份省份名稱中位數平均值觀測值新疆維吾爾自治區0.06820.0754234陜西省0.06720.075737410中國上市公司數智化報告（2012

年至

2023

年）海南省0.06710.0732184黑龍江省0.06690.0749265重慶市0.06670.0758385面板

B：企業數智化產出后五大省份省份名稱中位數平均值觀測值河北省0.06430.0732506山西省0.06430.0747342吉林省0.06430.0746304內蒙古自治區0.06430.0745184廣西壯族自治區0.06420.07411194.

企業數智化股權性質差異圖

6

至圖

9

分別為國有企業和非國有企業，數智化總指數、數智化投入和數智化產出指數年度變化情況。總體而言，其基本與圖

3

至圖

5，數智化總指數和各分項指標年度變化趨勢一致。其中，非國有企業數智化總指數和數智化投入，在

2012

年至

2023

年間均高于國有企業，而數智化產出則不存在明顯差異，說明非國有企業對數智化的投資強度高于國有企業，然而，其對數智化的實際使用程度有待匹配其投資強度。圖

6

不同股權性質上市公司年度數智化總指數中位數變化圖

7

不同股權性質上市公司年度數智化投入中位數變化11中國上市公司數智化報告（2012

年至

2023

年）圖

8不同股權性質上市公司年度數智化產出中位數變化5.

企業數智化規模差異表

12

至表

14

分別為大、中和小規模上市公司的數智化總指數、數智化投入和數智化產出分布情況①。以中位數為例，企業數智化總指數方面，小規模和大規模企業相較較高；分解數智化總指數看，企業數智化投入方面，呈現企業數智化投入與企業規模正向相關的關系，即大規模企業數智化投入最高，其次是中規模企業，最后是小規模企業；數智化產出方面，則呈現同數智化總指數的分布特征，即小規模和大規模企業相較較高。表

12

規模差異下企業數智化總指數分布（2012

年至

2023

年）產業名稱 中位數 平均值觀測值小規模企業0.2510.2669371中規模企業0.2490.2649188大規模企業0.2500.2638993產業名稱表

13

規模差異下企業數智化投入分布（2012年至

2023

年）中位數 平均值觀測值小規模企業0.0970.1129371中規模企業0.0970.1129188大規模企業0.0990.1108993產業名稱表

14

規模差異下企業數智化產出分布（2012年至

2023

年）中位數 平均值觀測值小規模企業0.06610.07389371中規模企業0.06570.07299188大規模企業0.06590