一、体系总览

1.1 出台背景与命题

2025年，中国制造业数字化转型走过了一个关键拐点。全国规模以上工业企业中，开展数字化改造的比例已达89.6%，数字化生产设备普及率达到57.7%，超过24.8万家规上工业企业完成了数字化转型评估换算。这些数字标志着一个时代的结束和另一个时代的开始——当"做不做数字化"不再是问题，"做到什么程度、改造成效如何"便成为新的核心命题。

回顾中国制造业数字化转型历程，可总结为两个截然不同的阶段。首先，是"试点探索阶段"，评价的核心是"技术可行性"——关注数字技术能不能用、单个场景能不能跑通。然后才进入"规模普及阶段"，这时候评价逻辑发生了根本性转变，需要回答四个问题：企业整体数字化达到什么水平？改造成效好不好、经济价值高不高？地区和行业整体推进到了什么程度？政策投入是否形成实际成效？

正是在这一背景下，为摸清全国制造业数字化转型底数，推进规上工业企业实现数字化改造全覆盖，工业和信息化部制定了《制造业数字化转型通用评估体系（试用）》。这套体系不是又一套评价工具的简单叠加，而是对过去十余年中国制造业数字化转型实践的系统性总结与方法论升华。其关键词是"通用"——在其推出之前，两化融合评价、智能制造能力成熟度、中小企业数字化水平评测、数字化转型成熟度等多套体系各有侧重，造成了"评价语言不统一"的问题。通用评估体系采用"继承—吸收—提炼"的做法，目标是让"标准统一、数据可比、成效可见、决策有据"。

通用评估体系要解决三个核心问题：

第一，摸清底数。企业处在哪一等级？一个地区整体数字化水平如何？哪些领域仍然薄弱？这是政策制定的基础。

第二，看清价值。质量有没有改善？效率有没有提升？效益是否增加？能源利用是否改善？数字化不是目的，提质、增效、降本、绿色才是目的。

第三，支撑工作。支撑政策制定与工作推进、识别企业共性短板、明确改造方向、持续跟踪推进成效。

1.2  "支撑—应用—成效"三层闭环架构

通用评估体系的核心设计思路是构建"支撑—应用—成效"闭环。这一架构的精妙之处在于，它既看企业"有没有基础"，也看数字化"用到了哪里"，还看"最终产生什么结果"。

支撑能力回答"转型有没有基础"：投入、网络安全、数据、组织人才等为数字化转型提供基础支撑。

应用能力回答"数字化真正用到了哪里、做到了什么程度"：研发、生产、管理、营销、供应链等业务应用能力。

转型成效回答"最终产生什么结果"：提质、增效益、提效率、绿色低碳等反映数字化转型带来的实际价值。

三者形成闭环：成效反馈→识别短板→下一轮投入和改造。这意味着评价不是一次性的"考试"，而是持续改进的"仪表盘"。体系设计遵循四大原则：系统性、简洁性、延续性、科学性——既确保覆盖全面，又避免指标冗余；既保持与已有体系的衔接，又反映技术发展的最新趋势。

1.3  17项指标全景图

在这一架构下，体系共设置3个一级指标、17个二级指标，分为两大类：

能力水平评估（13项指标）形成企业综合能力得分，包括应用能力9项和支撑能力4项。应用能力中，6项为业务应用指标（研发设计、生产作业、生产管理、经营管理、营销服务、产业链供应链协同数字化水平），3项为量化应用指标（数字化生产设备普及率、关键工序数控化率、数字化研发设计工具普及率）。支撑能力包括数字化投入规模、网络与安全、数据要素、组织战略人才4项。

转型成效评估（4项指标）用于观察数字化转型结果，不参与综合能力得分计算：产品质量合格率、销售利润率、全员劳动生产率、单位产值综合能耗。

这一设计体现了深刻的方法论思考：13项能力指标回答"企业能做什么、做到什么程度"，4项成效指标回答"数字化最终产生了什么结果"。能力与成效分开计算，既避免了"以成效论英雄"的短视（因为成效受行业周期、市场环境等多种因素影响），又确保了转型方向不偏离价值创造的根本目标。

二、等级评价机制

2.1 L0-L5六级模型

能力水平评估指标划分为L0-L5共6个等级，分别代表企业未开展数字化转型、起步建设、重点改造、综合集成、优化创新和智能引领。这五级模型不是简单的"分数越高越好"，而是描绘了一条清晰的转型路径：从基础准备到单点应用，从集成贯通到综合优化，最终迈向智能跃迁。每一级之间都存在质的飞跃，而非量的累积。

五级进阶中存在四次质的跨越：L1到L2是从"准备"到"启动"的跨越，L2到L3是从"单点"到"集成"的跨越，L3到L4是从"集成"到"优化"的跨越，L4到L5是从"优化"到"智能"的跨越。

2.2  判级方法论

如何判断企业处于哪一等级？体系给出了明确的方法论。判断等级时重点抓四类信息：

第一，关键动作——企业实际做没做。例词包括采集、联网、集成、仿真、预测、优化、协同、AI应用。这是判级的基础，没有实际动作就没有对应的等级。

第二，覆盖范围——数字化覆盖到哪里。演进路径为单环节→多环节→跨部门→全业务→产业链。覆盖范围的扩展是等级提升的重要标志，单个车间的先进应用不代表全企业达到该等级。

第三，数据利用程度——数据发挥多大作用。演进路径为记录→可视→分析→预测→决策。数据从被动记录到主动决策的跃升，是数字化深化的核心体现。

第四，实际业务效果——应用有没有真正跑起来。例词包括缩短研发周期、减少人工、提升效率、降低库存、提高响应速度。技术应用必须转化为业务效果，否则只是"花架子"。

体系特别警示：不能只抓一个"AI""MES""数字孪生"等技术名词直接判等级，要结合原文完整要求。有MES不等于L3，有AI项目不等于L5，关键要看技术是否真正融入业务流程、是否产生实际效果。

企业判级采用"三步法"：

第一步，先确定最匹配的L1-L5等级——逐级阅读，企业当前稳定运行的实际能力与哪一级核心描述最接近？

第二步，找实际依据——准备系统截图、设备清单、数据采集情况、系统接口、业务流程、管理制度、运行记录、分析模型、应用效果等。

第三步，判断符合程度——在所选等级内，结合覆盖范围、稳定运行程度和业务效果，判断基本符合、比较符合还是非常符合。

2.3  评分区间设计

在确定等级和符合程度后，体系将其映射为0-100分的单项得分。依据企业与该等级描述的符合程度，每个等级参照"基本符合""比较符合"和"非常符合"分为3个小段，结合企业实际确定得分。

值得注意的是，不同等级之间存在"断层"——L1最高分不到20分，L2最低分是20分；L2最高分不到40分，L3最低分是40分。这种设计确保了等级之间的清晰区分，避免了"低等级高分超过高等级低分"的模糊地带。同时，同一等级内，符合程度越高得分越高，为企业提供了在当前等级内持续改进的激励。

2.4  综合能力等级与数字化改造认定

10个能力水平评估指标（注：体系中能力水平评估含应用能力6项业务指标+支撑能力4项，共10项参与加权计算；3项量化应用指标与4项成效指标用于观测）得分加权计算，得到企业综合能力得分，通过分段对应明确企业综合能力等级。

规模以上工业企业实现数字化改造标准（满足以下任意一条）界定为：

（1）企业综合水平达到L2级及以上，认定为实现数字化改造；

（2）企业综合水平为L1级，同时近三年"数字化投入规模"、"数字化生产设备普及率"均有明显增长，视为实现数字化改造。

三、应用能力指标详解（9项）

3.1  六大业务应用指标

（1）研发设计数字化水平（权重11.5%）

反映企业研发设计工具应用及研发模式创新等方面的数字化能力和应用水平。该指标看研发工具、研发数据和研发模式三个层面，升级方向是从数字化设计逐步走向知识沉淀、模型驱动和智能研发。

L0：企业以传统手工方式绘制产品图纸与设计工艺流程，以纸质文档方式管理产品相关的信息。

L1：企业已经运用数字化研发工具（如离散行业的二维或三维CAD，或流程行业的产品配方信息化建模工具等）辅助进行产品研发或工艺设计，并以电子文档等方式初步开展产品、工艺数据文档化管理。

L2：企业在运用数字化研发工具的基础上，部署实施PDM/PLM类系统，实现产品、工艺数据集成和研发过程管理。

L3：企业开始积累沉淀设计组件库或工艺知识库，能够进行产品功能、性能仿真分析或工艺仿真分析，实现覆盖产品生命周期关键环节的数据贯通和初步业务协同。

L4：企业以模型为核心开展覆盖产品全生命周期的集成应用，打造基于行业特色的内部协同研发模式；或能够实现跨区域、跨领域的网络化协同设计。

L5：企业打造产品数字孪生，以高精度、高保真的虚拟试验替代传统实物验证过程，对包括产品研发全过程在内的全生命周期进行分析预测；或运用人工智能大模型技术开展创成式设计。

解读要点：

有CAD/三维设计软件通常只能说明具备L1重要特征；建立三维模型本身也不等同于L4的"以模型为核心"。工具的使用不等于能力的跃升，关键在于数据是否贯通、知识是否沉淀、模式是否创新。

（2）生产作业数字化水平（权重16.5%）

反映企业自动化生产、柔性生产及智能化生产等方面的数字化能力和应用水平。评价生产现场设备、工序、产线从自动化逐步走向联网化、柔性化和自主化的水平。

L0：企业生产设备操作高度依赖人工，关键生产作业环节未实现自动化。

L1：企业开展关键生产工序自动化改造，关键工序数控化率大于30%，实现部分生产作业环节的自动化。

L2：企业规模化推动"哑"设备数字化改造升级，50%以上设备实现数据采集上传和互联互通，实现生产作业过程可视化。

L3：企业基于设备数据采集和网络化连接实现不同生产工序之间的自动衔接和集中控制，打造全自动化产线或车间。

L4：企业能够进行生产工艺和流程的自动切换，实现混线柔性生产；或能够实现设备租赁、产能共享等协同制造新模式。

L5：企业基于人工智能、数字孪生、工业元宇宙等技术，打造至少一个无人化产线或黑灯工厂，实现生产全过程自感知、自学习、自决策、自执行、自适应。

解读要点：

该指标设置了明确的量化门槛：L1要求关键工序数控化率大于30%，L2要求50%以上设备实现数据采集上传和互联互通。但30%、50%是重要门槛，不能单独决定等级；设备接入网络不等于互联互通。

L4对离散制造和流程制造给出了不同的描述：离散制造强调混线柔性生产、设备租赁、产能共享等协同制造新模式；流程制造强调全流程智能控制、跨环节协同优化、跨厂区产能调度。

（3）生产管理数字化水平（权重14.9%）

反映企业在生产计划、设备管理、质量管理、能耗管理和安全管理等方面的数字化能力和应用水平。该指标关注企业"怎么管生产"，升级过程体现为数据从记录、监控逐步进入分析、协同和优化决策。判级逻辑可以用一句话概括：有记录→L1；看得见→L2；会分析→L3；能协同→L4；会优化→L5。

L0：企业应用纸质工单进行生产管理，手动制定生产计划，生产管理过程依赖人工经验，尚未对生产关键数据进行采集记录。

L1：企业应用电子表格或小程序等简易数字化工具开展无纸化工单流转，辅助制定生产计划，提升生产管理基础水平，并对设备、质量、能源等某一领域进行关键数据采集记录。

L2：企业应用MES系统等专业工业软件（包括云化软件）开展可视化、精益化生产管理，如主生产计划自动生成，开展设备、质量、能源关键领域的生产参数监控。

L3：企业开展涵盖计划排产、设备管理、质量管理、能耗管理等生产现场全过程综合管控，并开展生产管理数据分析应用，在设备故障运维、质量在线检测、质量追溯、能耗管控、安全生产等方面打造至少一个典型应用。

L4：企业实现生产管理环节与其他运营管理环节集成，生产制造管理系统与企业研发管理、企业资源计划、仓储管理、安全运营管理等至少一个系统进行数据打通，在企业内部更大范围开展业务协同，如设计制造一体化、产供销一体化、精准物料配送、安全应急处置等。

L5：企业在生产管理中应用大数据分析、人工智能等技术，构建系统级生产运行实时模型，面向计划排产、设备、质量、能源关键领域开展综合数据分析与全局决策优化。

解读要点：

MES不是等级本身；只做电子工单和计划通常更接近L1。上了MES系统不等于实现了数字化生产管理，关键要看系统是否真正运行、数据是否真正流动、决策是否真正数据驱动。

（4）经营管理数字化水平（权重10.7%）

反映企业在办公、财务、人力、采购等日常经营管理方面的数字化能力和应用水平。重点看采购、财务、人力等经营数据能否从分散记录逐步打通，并真正支撑管理决策。

L0：企业采用纸质化、经验化等方式在办公、财务、采购、人力等领域进行经营管理，未使用数字化工具。

L1：企业在日常经营管理活动中，在办公、财务、采购、人力等至少一个领域应用部署数字化软件工具，实现该领域标准化、规范化管理。

L2：企业部署应用ERP类软件产品，实现采购、财务、人力等多个领域的综合性规范管理。

L3：企业构建商业BI系统，打通采购、财务、人力等各类数据，实现关键经营指标统计分析，辅助企业管理人员决策。

L4：企业基于统一技术底座实现企业各业务领域数字化管理和信息互通，并提供数据驱动的决策建议。

L5：企业采用人工智能大模型技术实现预测分析和智能化决策，优化经营管理，创新商业模式和创造新价值。

解读要点：

ERP装了多少模块不是等级本身；L2解决"多个领域都数字化"，L3进一步解决"这些领域的数据打通了"，L4还要实现全业务信息互通并提供决策建议。从工具上线到数据打通，从信息互通到智能决策，是经营管理数字化的深化路径。

（5）营销服务数字化水平（权重9.3%）

反映企业在营销管理、线上营销、售后服务、需求预测等方面的数字化能力和应用水平。等级提高的核心变化，是营销数据从支持"卖产品"逐步进入研发、采购、生产、物流和服务全过程。

L0：企业采用线下、电话、邮件等传统方式开展销售和服务，销售信息和客户信息以纸质文档方式管理。

L1：企业运用小程序等轻量化软件工具辅助开展基本营销、售后管理；或开始探索电子商务、直播带货等互联网营销模式。

L2：企业部署专业化市场营销管理软件，对营销及服务流程与数据进行规范化管理；或互联网营销成为企业主要营销渠道之一。

L3：企业运用数字化工具进行销售需求分析，辅助生成销售计划，能够根据客户需求拉动采购、生产和物流计划，初步实现产供销协同；或企业内部系统与电商平台数据打通，实现销售与服务线上线下协同；或产品具有数据采集、存储、网络通信等功能，实现状态远程监测。

L4：企业能够对客户信息进行深度挖掘、分析，建立并优化客户需求预测模型，能够根据需求变化动态调整研发、采购、生产、物流，提供主动式精准服务；或依托电商数据开展大数据分析，进行客户精准画像，实现精准营销；或搭建产品服务平台，提供远程运维或预测性运维服务。

L5：企业深度挖掘用户个性化需求，整合跨区域、跨界服务资源，深化产供销协同应用，打造规模化定制新模式，构建服务生态；或运用人工智能大模型、虚拟现实等技术打造智能客服助手，实现自然语言交互和智能化服务。

解读要点：

做电商或直播更多体现L1-L2；从L3开始关键是客户数据反向驱动内部业务。不是把销售渠道搬到线上，而是让客户数据成为驱动整个价值链运转的核心引擎。

（6）产业链供应链协同数字化水平（权重12.7%）

反映企业在内部采购、入库、厂内物流和出库管理和外部产业链供应链协同等方面的数字化能力和应用水平。这个指标最明显的升级特征是评价边界不断向外扩展：企业内部→供应商→上下游产业链→智能供应链。

L0：企业采用纸质文档进行仓储和物流的人工盘点，未使用数字化工具。

L1：企业应用感知设备进行仓储、物料数字化盘点，利用轻量化软件工具辅助进行库存管理。

L2：企业应用数字化设备实现半自动或自动化出入库，并部署仓储管理系统，实现库存信息与采购信息拉通，能够基于物料消耗情况发起采购需求；或建立罐区管理系统，实现储罐中介质相关数据的采集和监控，进行介质存储状态可视化管理。

L3：企业以库存和订单、采购、生产信息的打通支撑采购计划和生产计划自生成，并与供应商实现系统集成打通，开展供货计划协同；或将罐区相关信息自动采集至罐区管理系统，在储罐状态异常时可自动报警，避免冒罐事故发生。

L4：企业能够与上下游企业在产品设计、生产作业、质量管控、物流运输、绿色低碳等某个或多个领域开展深度协同，打造产业链供应链协同新模式。

L5：企业广泛汇聚产业数据，运用人工智能大模型技术进行实时预测分析，实现供应链风险预警并自动生成解决方案。

解读要点：

关键分界点在L3：L2主要还是企业内部库存与采购联动，L3开始出现与供应商的数据贯通。L4不是简单联网，而是设计、生产、质量、物流、绿色低碳等多领域协同。未来的竞争不是企业与企业之间的竞争，而是供应链与供应链之间的竞争。

3.2  三项量化应用指标

（7）数字化生产设备普及率

反映了企业在所有生产设备中，数字化生产设备所占比重，表现企业生产设备的数字化水平及提升情况。计算公式：

数字化生产设备普及率 = 数字化生产设备数量 ÷ 企业生产设备总数 × 100%

其中，数字化生产设备是指能够采集和监测性能参数、运行状态等数据，并可通过开放的网络接口根据使用需求上传至控制系统或管理系统，实现数据打通的生产设备。既包含企业直接部署的具备数字化能力的生产设备，也包含企业对传统生产设备进行数字化改造。

企业判断的"三问"：能不能采集运行数据？数据能不能通过网络接口上传？数据能不能进入控制或管理系统实现打通？

常见误区：只有数显屏、操作面板，不代表一定是数字化生产设备；老旧设备经过传感器、采集网关等改造后，如满足采集与上传要求，也可计入。

（8）关键工序数控化率

反映了样本工业企业关键工序数控化率均值。该指标区分离散制造和流程制造：

流程行业关键工序数控化率是关键工序中过程控制系统（例如PLC、DCS、PCS等）的覆盖率；

离散行业关键工序数控化率是关键工序中数控系统（例如NC、DNC、CNC、FMC等）的覆盖率。

易错点：不能用"数控设备数量除以所有生产设备数量"作为口径，本指标关注的是关键工序，而不是全部设备。设备的数控化率和工序的数控化率是两个不同的概念，后者更能反映生产过程的自动化水平。

（9）数字化研发设计工具普及率

反映了应用数字化研发工具的工业企业占总样本工业企业的比例。数字化研发设计工具是指辅助企业开展产品设计，实现数字化建模、仿真、验证等功能的软件工具，包括CAD、CAE、CAM、PLM/PDM、EDA、仿真分析软件、数字化验证工具等。

该指标不是企业内部"软件数量占比"，也不是员工使用次数占比，而是先判断企业是否应用了符合定义的数字化研发设计工具，再在地区/行业汇总后形成普及率。体现了"企业层面判断有无、行业层面计算普及"的双层逻辑。

四、支撑能力指标详解（4项）

（10）数字化投入规模（权重5.8%）

反映了企业在各类数字化系统和设备的总投入金额，表现出企业推进数字化转型的意愿和力度。数字化投入规模指企业近十年来（自2014年以来），在数字化改造方面采购软件系统、解决方案和硬件设备的总金额（不含研发人员费用）。

这是唯一采用L0等级的指标，也是唯一直接按金额映射等级的指标。后台判级规则如下：

设计逻辑：投入是转型的基础，没有投入就没有转型；但投入只是必要条件而非充分条件，因此该指标属于支撑能力而非应用能力。

（11）网络与安全（权重6.0%）

反映企业在网络建设及信息安全方面的能力情况，衡量企业开展数字化转型的基础支撑能力水平。该指标同时评价"网络连到什么范围"和"安全做到什么程度"，两条能力要同步提升。

L0：企业尚未接入网络或应用局域网开展业务，极少部署防火墙、杀毒软件等基础网络安全防护措施，内部尚未形成网络安全管理规范。

L1：企业已建成企业级网络，部署应用防火墙、杀毒软件等基础网络安全防护措施，并制定明确的网络信息安全管理规范。

L2：企业通过工业通信协议实现若干生产设备之间局部网络互联，初步具备隔离防护、访问控制、身份认证等基础工控安全防护功能。

L3：企业网络能够满足跨部门的工业控制与数据集成需求，在工业主机及关键信息系统上安装工业防病毒软件和工业防火墙，定期开展信息安全风险评估、安全配置和补丁管理等常态化安全管理。

L4：企业网络可实现IT/OT融合，满足企业内部以及产业链企业间的业务低延时协同需求，可实时获取并自动响应安全威胁情报，并通过数据模型动态研判信息安全态势。

L5：企业建成分布式工业控制网络和基于SDN（软件定义网络）的敏捷网络，实现多种网络的融合和网络资源的智能化配置，应用人工智能等新技术探索应用具备自学习、自优化功能的安全防护措施。

解读要点：

办公网络覆盖全厂不等于L2，L2强调生产设备通过工业通信协议互联；L4的IT/OT融合需要业务和数据协同，不只是物理连通。网络连接范围和安全防护能力必须同步提升，不能偏废。

（12）数据要素（权重7.3%）

反映企业在数据采集、共享、应用方面的能力情况，用以评估企业数据要素体系建设的情况。评价的不是企业"有多少数据"，而是数据能否从采集逐步发展为共享、分析和智能应用。

L0：企业生产过程中关键环节数据零散分布，尚未应用数字化工具对其进行整理与汇总。

L1：企业能够以报表等方式对生产过程中关键设备的基础数据进行采集、汇总与统计。

L2：企业能够实现包含生产过程在内的多个业务场景数据采集与存储，并基于信息系统和人工经验进行数据处理，满足特定范围的数据使用需求。

L3：企业建立企业级统一数据字典、信息模型标准、数据交换格式和规则，实现跨部门、跨系统的数据交换和使用，并开始构建数据模型算法，支持特定业务分析优化。

L4：企业通过数据中心、数据中台、数据湖等任一形式，进行企业内部数据的集成管理与开放共享，并积累形成数据模型库、算法库，开展单一业务深度分析或多项业务关联分析。

L5：企业综合应用人工智能大模型、数字孪生等先进技术，针对复杂业务开展预测性分析，实现数据驱动的自适应、自学习智能应用。

解读要点：

有一个名为"数据中台"的系统不等于L4，还要看数据是否真正集中管理、开放共享，并形成模型库和实际分析应用。L2与L3的关键差异是是否建立统一标准并实现跨部门、跨系统交换。很多企业建了数据中台但数据仍然孤岛化，有了数据湖但仍然"存而不用"。

（13）组织战略人才（权重5.3%）

反映企业在数字化团队建设、数字化战略编制实施和数字化人才培养等方面的情况。该指标看数字化转型有没有从"某几个IT人员负责"逐渐变成企业级组织能力。

L0：企业无数字化专职人员，没有开展数字化转型的明确计划。

L1：企业已有数字化专职岗位，明确数字化转型目标。

L2：企业建立数字化部门，明确权属职责，拥有数字化转型计划，建立数字化人才培养机制。

L3：企业设立专职高级数字化管理人员，构建跨部门的数字化转型团队，制定面向未来三到五年的数字化转型战略，明确转型重点方向及任务，具备专业人才队伍支撑推动数字化项目实施。

L4：企业有序推进数字化转型战略落地实施，培育若干既懂数字化又懂业务的复合型人才，并通过建立知识管理平台实现知识数字化与软件化。

L5：企业具备数字变革组织和治理体系，基于数字化转型战略实施带动组织变革和业务创新，培育行业数字化转型顶尖专家。

解读要点：

有一份数字化战略文件不等于L3，L3实际上要求高级管理人员、跨部门团队、3-5年战略和专业人才队伍共同具备；L4关键不是再写一份战略，而是战略真正实施并形成复合型人才与知识沉淀机制。技术可以外购，但组织能力必须内生；转型的终极瓶颈不是技术，而是人和组织。

五、转型成效评估指标（4项）

四项成效指标分别从质量、效益、效率、绿色四个维度衡量数字化转型的实际价值。值得注意的是，这四项指标不参与综合能力得分计算，而是用于"观测数字化转型结果"。这一设计非常审慎：一方面确保评价体系不偏离价值创造的目标；另一方面避免将受多种外部因素影响的经营指标直接等同于数字化能力，防止了"行业景气时数字化得分高、行业下行时数字化得分低"的评价扭曲。

（14）产品质量合格率

反映了企业某批次产品抽样中，质量合格产品样本数占总样本数比例，表现数字化转型对企业产品质量提升的带动作用。

产品质量合格率 = 质量合格产品样本数量（批次）÷ 抽样样本总数量（批次）× 100%

口径说明：统计的是实际产品检验结果，不是客户满意度、返修率或其他自定义口径，填报时做到产品范围、抽样范围、合格判定标准"三个一致"。

（15）销售利润率

反映了企业利润总额与净销售收入的比值，表现数字化转型对企业经营效益的提升带动作用。

销售利润率 = 利润总额 ÷ 净销售收入 × 100%

易错点：不同会计期间数据混用、收入口径与平台定义不一致。

（16）全员劳动生产率

反映了企业全年累计增加值与企业平均从业人员的比值，表现数字化转型对企业生产效率的提升带动作用。

全员劳动生产率 = 企业全年累计增加值（万元）÷ 企业平均从业人员（人）

口径说明：企业全年累计增加值是指上一年度按照生产法或收入法计算得出的增加值；企业平均从业人员由单位实际月平均人数计算得到，不得用期末人数替代。"从业人员"指在本企业实际从事生产经营活动的全部人员，包括在岗职工（合同制职工）、临时工及其他聘用、留用的人员，以及与法人单位签订劳务派遣合同的人员。

（17）单位产值综合能耗

反映了企业一定时期（季度或年）内能源消费总量与工业总产值的比值，表现数字化转型在绿色低碳方面的带动作用。数值越低表示能源利用效率越高。

单位产值综合能耗 = 能源消费总量（吨标准煤）÷ 工业总产值

能源范围按照GB/T 2589-2020《综合能耗计算通则》的要求，涵盖原煤、原油、天然气、电力、热力以及新水、氧气、压缩空气等主要耗能工质。易错点是只统计电力或单一主要能源，会导致综合能耗口径失真。

常见能源折算系数表：

六、与现有评价体系的映射关系

通用评估体系采用"继承—吸收—提炼"的思路，与四套现有评价体系建立了映射关系，确保企业已有的评价结果可以换算到通用评估体系下，避免重复评价。

6.1  两化融合评估规范指标映射

两化融合评估规范指标生成报告中单项应用、综合集成和协同创新三个维度下所有与能力指标相关的单项得分与通用评估体系建立映射关系、赋予映射系数。并根据该领域描述的能力水平能达到的最高等级，设置相应修正系数。

映射系数表（通用指标 ← 两化融合指标）：

修正系数表（根据两化融合对应通用评估指标中的最高等级设置）：

6.2  智能制造能力成熟度模型指标映射

依据智能制造能力成熟度模型的能力域，识别与其核心业务流程相关的各个子域。针对每个子域的具体情况和重要性，分配相应的权重，并计算加权得分总和，以此综合得分来确定该业务流程的成熟度等级。选取智能制造能力成熟度报告中相关能力子域得分，对五分制的能力子域得分进行加权，形成该项能力的最终得分，并以1分为梯度，对应通用评估指标体系的5个等级。

6.3  中小企业数字化水平评测指标映射

将中小企业数字化水平评测指标（2022年版）问卷中的各题项，依据题项内容与通用评估能力指标各维度相关联，对通用评估能力指标下每一维度对应的中小企业数字化水平评测指标百分制题项赋予映射系数，加权求和形成该能力指标的百分制得分，对应通用评估指标体系的等级。

6.4  数字化转型成熟度指标映射

将数字化转型成熟度模型的评价指标维度与通用评估评价指标体系维度相关联，选取关键维度下的问卷题目，综合各题目选项内容，以及"五级十档"成熟度水平档次与通用评估指标体系五个等级之间的对应关系，直接生成各指标的等级结果。总体等级在提取企业数字化转型成熟度总体水平档次结果的基础上，按照对应关系形成通用评估指标体系下的总体等级。

等级对应关系与转化公式：

七、实践应用与展望

7.1  全国制造业数字化转型现状

根据体系应用数据，截至2025年12月，全国制造业数字化转型呈现出清晰的阶段性特征。全国规上工业企业开展数字化改造的比例达89.6%，说明数字化改造已经从"选择题"变成了"必答题"。数字化生产设备普及率达57.7%，超半数设备已经改变原有"哑设备"或离线状态，大量生产数据可实现设备间流转。已有超24.8万家规上工业企业根据通用评估指标体系完成评估换算。

等级分布：

从等级分布上看，制造业数字化转型正从重点环节改造向集成化智能化阶段升级。等级分布呈现"中间大、两头小"的橄榄型结构——大量企业处于L2-L3阶段，L4-L5的企业仍然是少数（最高等级仅占约1.0%）。这说明中国制造业整体已经跨越了"有没有"的门槛，但在"好不好""强不强"的道路上仍有很长的路要走。

区域分布：

呈现出"沿海集群智能引领、中西部规模筑基"的转型格局。浙江、安徽、江苏、辽宁、广东、湖南、山东、湖北、北京、河北等省份的数字化改造覆盖率各有差异，沿海省份在深度和广度上领先，中西部省份在普及规模上快速追赶。

行业梯队：

重点行业转型形成两大梯队。第一梯队为电子信息制造业和装备制造业，其中汽车（94.4%）、船舶（94.2%）和电子信息制造业（93.9%）开展数字化改造的企业比例最高。电子信息制造业兼具普及广度与创新深度，已全面进入深度集成与智能化跃升期；装备行业整体迈入成熟应用阶段，汽车行业围绕大规模产品定制需求实现柔性生产与虚拟验证，船舶行业围绕复杂系统工程需求实现设计建造一体化与全生命周期管理。

第二梯队为消费品行业（87.3%）和原材料行业（85.9%）。消费品行业数字化基础不断夯实，纺织服装行业探索"零库存"与"快时尚"的制造模式，医药行业聚焦研发创新与质量管控；原材料工业以本质安全和绿色低碳引领，石化化工行业以提升本质安全水平为核心推进数字技术深化应用，有色金属行业聚焦节能降耗、绿色低碳和新材料研发需求。

7.2  对企业的实践启示

对于制造业企业而言，这套指标体系不仅是一个"评价工具"，更是一张"转型路线图"。

第一，对标找差距。企业可以对照17项指标的L1-L5标准，逐项评估自身当前所处的等级，识别短板领域。这种"全面体检"比零散的项目评估更能揭示企业的真实转型水平。

第二，分级定路径。不同等级的企业有不同的转型重点。L1-L2企业应聚焦基础能力建设和重点环节突破；L3企业应着力跨环节集成和数据贯通；L4企业应探索智能决策和模式创新；L5企业应引领AI深度融合和商业模式重构。企业不应盲目追求"高大上"的技术，而应在当前等级的基础上稳步进阶。

第三，重效不重名。体系反复强调"不能只抓技术名词判等级"，这提醒企业：上了MES不等于实现了数字化生产管理，建了数据中台不等于实现了数据要素价值，有AI项目不等于进入了智能化阶段。关键要看技术是否真正融入业务、数据是否真正流动、决策是否真正数据驱动、价值是否真正创造。

第四，持续做评估。体系建议企业每年定期评估，持续跟踪数字化改造前后变化，形成改进证据链。数字化转型不是一次性项目，而是持续演进的过程；评价也不是一次性考试，而是持续改进的仪表盘。

7.3  对政策制定者的启示

对于政策制定者而言，这套体系提供了精准施策的"导航系统"。

摸清底数，精准滴灌——通过统一的评价体系，政策制定者可以准确掌握地区和行业的数字化转型水平，识别共性短板和薄弱环节，从而实现从"大水漫灌"到"精准滴灌"的政策转变。

分类指导，因业施策——不同行业、不同规模、不同等级的企业有不同的转型需求和痛点，政策制定者可以基于评价结果实施差异化支持。

跟踪成效，优化政策——4项成效指标为政策效果评估提供了客观依据，政策制定者可以跟踪企业在质量、效益、效率、绿色等方面的变化，评估政策投入是否形成实际成效。

7.4  实施挑战与未来展望

实施挑战：

数据质量挑战。评价结果的准确性取决于企业填报数据的真实性和准确性。体系设计了"自评承诺"机制和详细的填报口径说明，但如何确保企业"实事求是"地填报，仍然需要配套的核查机制和信用体系。填报完成后，体系提醒企业自查四类常见错误：系统名称代替实际能力、试点应用代替企业整体水平、设备与工序概念混淆、量化指标统计口径不统一。

行业适配挑战。虽然体系在生产作业、营销服务、产业链供应链等指标中区分离散制造和流程制造，但制造业内部行业差异巨大——从精密电子到重型化工，从批量生产到单件定制，一套"通用"体系如何兼顾行业特性，仍需要在实践中不断优化。

动态演进挑战。数字化技术日新月异，大模型、数字孪生、工业元宇宙等新技术不断涌现。指标体系如何保持"延续性"与"科学性"的平衡，既不频繁变动导致企业无所适从，又不僵化滞后于技术发展，是一个长期挑战。

未来展望：

从"评价工具"到"改进平台"。体系不仅用于评价企业当前水平，更将与诊断咨询、解决方案匹配、政策支持等服务衔接，形成"评价—诊断—改进—提升"的完整服务闭环。企业通过综合信息服务平台完成在线自评后，可以查看评估报告、下载评估结果、对比历次评估、跟踪能力提升变化。

从"静态快照"到"动态监测"。随着企业数字化水平的提升和数据采集能力的增强，评价有望从"年度自评"向"实时监测"演进，为企业提供持续的转型仪表盘。当企业的生产设备、管理系统、业务流程都实现了数据贯通，评价数据就可以自动采集、实时更新。

从"国内标准"到"国际对话"。随着中国制造业数字化转型实践的深入，这套基于中国实践的评价体系有望为全球制造业数字化转型提供"中国方案"，在国际标准制定中发出中国声音。中国拥有全球最完整的制造业体系和最丰富的数字化转型场景，基于这些实践提炼的评价体系具有天然的实践基础和推广价值。

结语

制造业数字化转型通用评价指标体系的推出，标志着中国制造业数字化转型进入了"以评促建、以评促改、以评促转"的新阶段。它不仅是一套评价工具，更是一面镜子——照出企业转型的真实水平；一张地图——指明转型的进阶路径；一把尺子——衡量转型的实际成效。

在89.6%的普及率背后，是中国制造业从"有没有"到"好不好"的深刻转型。在L1到L5的五级进阶中，是中国制造业从自动化到智能化的持续攀登。在17项指标的精细设计中，是"技术为体、价值为魂"的方法论自觉。

对于每一家制造业企业而言，真正重要的不是在评价中得到多少分，而是通过评价看清自己、找到方向、持续改进。正如体系设计所体现的"支撑—应用—成效"闭环——数字化转型永远在路上，评价只是起点，改进才是目的。