2025年 中国专精特新企业发展洞察报告 以专注铸专长，以创新赢市场 2025 Insight Report on the Development of China Specialized and Sophisticated Enterprises that Produce New and Unique Products 专精特新 洞察 | 系列研究 专精特新系列 白皮书 | 2025/8 2025/8 摘要  专精特新是中小企业高质量发展的重要举措 当前，专精特新企业培育已上升为国家战 略的重要组成部分，是推动中小企业高质 量发展、构建新发展格局、增强产业链供 应链韧性和竞争力的关键举措。2025年， 国家继续深化专精特新企业培育工作，通 过完善政策支持体系、优化服务体系、强 化创新引领，进一步激发中小企业活力， 推动其向专业化、精细化、特色化、新颖 化方向发展，为实现经济高质量发展和中  专精特新企业培育成果显著 从专精特新概念首度提出到2025年7月底， 中国已累计公示了六批共14,695家的专精 特新“小巨人”企业，专精特新培育工作取 得显著成果，这既得益于国家和地方政策 的持续加码，亦离不开市场参与主体的增 多。国家和地方政府通过认定补贴、上市 辅导等多途径鼓励专精特新企业的认定申 报，与此同时，随着专精特新概念的普及， 企业、金融机构等更多主体将参与到专精 特新培育中去，助力专精特新企业的成长。

专精特新企业融资实践 路径与安全策略报告 （2025） 清华大学五道口金融学院金融安全研究中心 2025年8月 8 课题组简介 编撰单位： 清华大学五道口金融学院金融安全研究中心 组长： 周道许 清华大学五道口金融学院金融安全研究中心主任 课题组参与人员： 清华大学五道口金融学院金融安全研究中心： 周 京 黄旌沛 丁浩洋 沈乐阳 8 目 录 第一章 导论 ：专精特新企业的战略价值与融资困局 1 概念界定：何为“专精特新”？ 1.2 时代坐标： 国家经济转型中的“战略支点” 1.3 核心矛盾：创新价值与融资现实的结构性错配 第二章 宏观框架 ：融资支持政策的演进与体系构建 2.1 政策演进脉络（2011-2025 年） 2.2 核心政策工具箱解析 2.3 政策协同的挑战与展望 第三章 微观透视：企业融资需求、偏好与核心痛点 3.1 企业画像：专精特新企业的核心经营特征 3 融资需求图谱与渠道偏好 3.3 融资困境的根源性剖析 第四章 风险罗盘 ：融资风险的识别、评估与防范 4.1 风险矩阵：专精特新企业融资的核心风险敞口 4.2 传统评估模型的“失焦”与“失效” 4.3 构建新型风险评估框架：从“看过去”到“评未来” 第五章 满足专精特新企业融资需求的路径 5.1 基石之路：内源融资与价值叙事能力建设 5.2 债权融资路径：从传统信贷到创新工具的组合拳 5

目录 一、专精特新 2024 年整体情况概览 .............................................. 6 1.1 重要历史使命 ................................................................................. 6 1.2 指数持续大幅跑赢大盘中盘 .......... .......... 48 引言 在过去五年复杂的发展环境与市场风格切换中，专精特新上市公 司指数表现亮眼。凭借较高的成长性与强劲的创新力，该群体股价持 续大幅跑赢大盘的同时，也超越了同期中盘表现。截至 2025 年 8 月 5 日，专精特新指数较 2021 年初上涨 10.71%，大幅跑赢大盘 32.81 个百分点、跑赢中盘 13.49 个百分点，市场对群体持续给予了较高估 个百分点，市场对群体持续给予了较高估 值溢价。 作为我国广大中小企业的领头羊，下游需求收缩不可避免地传导 至专精特新企业，使其面临的内卷压力逐步加大。专精特新企业，尤 其是上市公司，是研究“科技创新如何引领经济走出内卷”的最佳样 本之一，更是观察新质生产力发展路径的重要窗口——这正是本报告 希望呼应的核心命题。 在“做价值”层面，群体的产业价值创造持续承压：随着企业步 入不同发展阶段，价值

未来产业新赛道研究报告 中国电子信息产业发展研究院 未来产业研究中心 1 2 2. 2 未来产业赛道竞争面临的形势 Ø 引领型国家通过全方位体制机制创新，打造先进制造、人工智能、量子科技、新 一代通信等全面领先优势 3 未来产业新领域新赛道发展意义 p 麦肯锡：2030年人工智能有望 为全球经济贡献25.6万亿美元， 约相当于当前全球GDP总量的 8%。 p GVR：2023年一2030年全球 增材制造 微纳制造 生物制造 原子级制造 人形机器人 下一代机器人 高档数控机床 智能装备与仪器 先进航空航天装备 先进轨道交通装备 节能和新能源汽车 高端/智能加工工艺和装备 长城战略咨询公司 《中国新赛道体系发展报告2024》 腾讯研究院 《数字化转型指数报告2023》 上海中创研究院 《2023未来产业潜力指数报告》 国家工业信息安全发展 研究中心 《“十五五”时期未来产业十大趋势研判》 订单 14 赛道 3：商业航天 世界上第一座为特定目的建造的 商业太空发射场 银河维珍港 þ 提供太空旅游服务，2023年6月29日，维珍银河成功进 行了首次商业太空飞行，成为商业太空旅行新的里程碑。 þ 下一步维珍银河将关注利用其高超音速航天器进行亚轨 道飞行。 建设成为具有全球影响力的商业 航天创新发展高地 北京市 þ 政策先行：《北京市加快商业航天创新发展行动方案 （2024-2028年）》。

1 香港製造業發展研究報告 報告摘要 隨著「新質生產力」成為國家推動高質量發展的內在要求和重要著力點，全球發達經濟體也在佈 局國家級的產業化戰略，香港如何能跟上科技創新、綠色製造、客製化等趨勢，轉型並升級本地 製造業？ 為探討香港製造業的未來發展方向，香港生產力促進局（生產力局）於 2024 年開展《香港製造 型的路徑、方向、挑戰及機遇。本研究亦就香港製造業的未來發展提出七大行動建議，以煥發香 港製造新動能。 香港製造業有悠久歷史，隨著經濟轉型，表面上已外流境外，但綜合調研結果顯示，部份香港製 造企業的總部職能仍然留港，轉型成「製造服務業」。適逢國家 2023 年提出「新質生產力」， 香港必須發展高質量的綠色製造業，推動產業創新及升級轉型。 在全球製造業重塑的挑戰下，香港製造業面對的四大挑戰，包括：競爭日益激烈、全球供應鏈重 塑、消費者需求趨向小批量與客製化，以及可持續發展勢成新趨勢。為此，香港製造業業界必須 把握自身在綠色製造、客製化的獨特優勢，尤其香港的國際化人才供應豐富、具與國際標準接軌 的能力，以及健全的知識產權保護和高效物流基礎。 為了解香港製造業現況，生產力局成功訪問 288 間本港從事製造業務的企業，研究結果重點如下 : • 69%企業認同款多量少是製造業新趨勢 • 81%企業表示未引入智能化方案應對客製化新趨勢 • 6

图书在版编目（CIP）数据 模式5：低碳经济带来的新商业机会/林伟贤，杨屯山著.—北京： 中国人民大学出版社,2013.1 ISBN 978-7-301-21192-2 Ⅰ.①模…Ⅱ.①林…②杨…Ⅲ.①商业模式－研究Ⅳ.①F270②F71 中国版本图书馆CIP数据核字（2012）第210820号 出版发行：中国人民大学出版社 定 价：39.90元 目录 封面 版权页 序 第一章 低碳时代的大幕徐徐开启 中国钢铁工业占 全国二氧化碳排放总量的12%左右，因此钢铁企业承担节能减排任务 责无旁贷，并肩负巨大的减排压力； 欧盟提出“碳足迹税”，将对纺织服装产品碳足迹和排放量进行标 识追踪，与之相对应新贸易壁垒就是，对超过排放量的纺织服装产品 将课以重税。 中小企业同样面临着节能方面的瓶颈。 70%以上的中国中小企业认为：目前实现“低能耗、低污染、低排 放”的主要瓶颈，一是资金缺乏，包括市场融资困难和政府的支持力度 果还能在出力的同 时获取一定的益处，那就是个富有智慧的人。无数案例证明，只有顺 应潮流，才能成为时代的宠儿。 可见，无论是哪个层次，都需要一种新的理念：低碳理念；无论 什么地位的人，都需要一种新的态度：低碳态度；无论是国家、企 业、个人，都需要一个新的模式：低碳商业模式。 依靠低碳商业模式成功的企业案例有很多： 蒙牛通过全新的模式把牛粪这一污染源变成一个黄金产业链； 沃尔玛通过打造绿色产业链的众多举措，不仅每年节约数亿美元

解码 DeepSeek, 构建医药⾏业新质⽣产⼒ 07 • 从 DeepSeek 看⼈⼯智能发展趋势 • ⼤模型及 DeepSeek 潜在应⽤场景探 索 ⽬录 从 DeepSeek 看⼈⼯智能发展趋 势 AI 离我们越来越近，越来越密集的“加速”信 号 Alpha, ⼤战李世⽯ “AI” 概念⾯世 DS,“Aha” 时刻 CNN, ⼈脸识 别 Chatgpt, C 端破 圈 1950s 下滑 • 居民医保：收⽀失衡加剧 ⽀出增速 收⼊增速 2023 14.1% 7.9% 2024 5.5% 4.4% 新⽣产要素在数据，“问数据，要数字” 研发回报下滑 6 • 研发成本激增 亿美元 21.7% 11.9% 2010 2018 单个创新药上市成本 医院 • 患者⾏为“消费者化”：医疗信息透明化，患者 • 电⼦病历和数据管理⾰新 有更多主动权

模型的研究人员 提供了能源使用和碳排放的详细摘要 他们的工作 ， 指出为什么外部研究人员的估计是错误的。 实际排放量比先前研究的估计值小 88 倍。17 不幸的是 ， 大众媒体很少注意纠正 记录或注意新的发现 ， 所以最初的印象 住在。 研究人员在随后的几年中发表了多项研究 估算训练许多知名 AI 模型所需的能量 作为他们的碳排放量。如表 1,虽然更大的模型 通常需要比较小的能源使用更多的能源 ， 倍 能量训练。18 最后 ， 用于为数据中心供电的能源组合 开发人员训练 AI 模型会影响其碳排放。对于 例如 ， BLOOM 的开发人员使用法国的数据中心 核能 ， 减少了碳足迹。19 尽管有了新的研究 ， 但批评人工智能的团体一再引用 最初的不正确研究他们要求决策者减少 对大规模计算资源的投资。例如 ， 美国 公民自由联盟 （ ACLU ） 致信科学和 2021 年 10 月的技术政策 (OSTP) 最后 ， Meta 研究人员的一项研究指出 ， 确切的分解 训练与推理之间的差异在不同的用例中有所不同。对于 LLM ， 他们 估计推断与 65% 的碳有关 足迹 ， 但对于参数必须为的推荐模型 根据新数据经常更新 ， 他们估计平均分裂 在训练和推理之间。35 多个因素影响推理过程中使用的能量 ， 包括任务类型和 AI 模型。如表 2,能源 推理的要求可能因任务而异。例如 ， 使用 AI 模型对文本进行分类通常计算强度较低