中国企业改革与发展研究会第一副会长 2025 年 9 月 序言二：行稳致远——构建新一代供应链金融安全体系 作为连接产业血脉与金融“活水”的关键枢纽，供应链金融在推动实体经济 转型升级、纾解中小企业融资困境方面，正以前所未有的深度与广度，重塑着产 业生态的格局。然而，当发展的浪潮奔涌向前，我们亦须以清醒的目光审视浪潮 之下潜藏的暗流与礁石。若说第一篇序言描绘了供应链金融“行疾”的宏图，本 善自身现金流。这种资金在产业链内部的高效流转，打破了传统融资模式下的资 金壁垒，极大地提升了整个供应链的运营效率，减少了资金闲置和机会成本，使 供应链各环节更加顺畅地运转，从而增强了整条供应链的敏捷性和市场竞争力。 （二）增强中小企业融资能力，促进产业升级 供应链金融为长期面临“融资难、融资贵”困境的中小微企业提供了全新的、 可行的融资渠道。中小微企业通常因自身规模小、信用记录不足、缺乏合格抵押 物等原因，难以从传统金融机 有效控制风险，同时为企业提供稳定的资金支持。然而，银行主导模式也存在一 定的局限性，其服务重心偏向大型企业，对中小企业的覆盖相对不足，且流程相 对僵化。 随着市场的发展和金融监管的变化，核心企业主导模式开始兴起。大型核心 企业，特别是制造业和零售业巨头，凭借自身在产业链中的信用优势和信息优势， 纷纷成立金融部门或与金融机构合作，为上下游中小企业提供融资支持。以通用 电气（GE）为例，其成立了 GE Capital，为上下游企业提供应收账款融资和库

............................................................................. 38 图表 39：2024 年我国中小企业特色产业集群区域分布（单位：个） ............................................................................. 39 28%的 GDP，单位面积产值超 过 45 亿元/平方公里，培育出电子信息、高端装备、生物医药等千亿级产业集群，华为、阿里巴巴、腾 讯等龙头企业的区域总部与研发中心高度集聚，形成“龙头企业+中小企业+创新平台”的智慧化产业生 态。东部智慧园区单位用地税收强度达到 1200 万元/平方公里，是全国平均水平的 3.5 倍，战略性新兴 产业占比超过 65%，研发投入强度普遍高于 3.5%，显著高于全国 6 轮，合作伙伴遍布全国，参与了智慧园区的标准制定，研发人员占公司人数比重超过 客观 中性 建设性 -22- 智慧园区白皮书 60%，是 2024 省级创新型中小企业、2024 国家级科技型中小企业，打造的 MyBay 成为深圳湾标杆品 牌；万翼科技母公司为港交所上市公司万物云，有较好的资金规模优势，制定了《绿色智慧产业园区评 价标准》，专利申请高达 385 项，自主研发了

力，发展成为行业性数据资源汇聚枢纽。三是鼓励互联网平 12 台企业继续发挥多源数据资源集聚融合的优势，不断引领技 术发展和商业模式创新，同时，鼓励平台企业成立独立的数 据业务板块或组建专业数据公司，为中小企业和其他社会机 构提供数字化转型服务；鼓励企业间按照市场化方式授权使 用数据、共同分享收益，推动数据资源企业跨行业发展；支 持企业加强高质量数据集建设，为人工智能技术创新与应用 提供有力支撑。 务， 从而解决复杂的商业和社会问题的企业，包括基础大模型 企业、垂直大模型企业、智能体企业、智能算法企业、智 能芯片企业等。 5.数智生态 数智生态是指在产业上下游链条上、大中小企业之间， 或一个区域内，数据资源、数智技术、数智产品、数智企业 等数据产业各环节间，所形成的相互依存、相互支撑的产业 体系，包括数据资源生态、数智技术生态、数智企业生态和 数智产业生态等四种类型。 在成为全球主流的数据技术生态。DeepSeek 采用的 MOE 等 技术创新和模型开源策略，正在构建起以开源为主要特征的 新型技术生态。数智企业生态主要指以大型龙头企业为牵引， 全面赋能中小企业，而形成的一种数智企业协同发展体系。 数智产业生态是指充分发挥不同地区的资源禀赋优势，形成 的协同创新、错位发展的数智产业发展格局。当前，国家层 面的数据智业生态构建的重点任务是，持续优化数智产业东

福建省科学技术进步三等奖等荣誉 创始人及首席顾问 — 郑甫弘 博格中国、格局资本董事长 博士、 CMC 、 PTT 国际认证职业培训师、 MAP 国际认证导师 工信部首批国家中小企业管理专家库成员 厦门市政 府特聘 中小企业管理专家 2016 年度致敬厦门商业领袖 中卡介绍 合作伙伴 ... CONTENTS 03 项目优势  经营模式  中卡优势  社会效益 项目优势 经营模式

“智云上海”的城市级云网平台有力推动了上海本地产业创新生态的发展，其弹性算力网络能 够帮助企业获得用得上、用得起、用得好的算力服务。“智云上海”提供的普惠算网和宽带连 接也能使广大市民消费者和中小企业更为便捷的接入信息网络，获得“类内网”的服务体验， 成为先进数字产品和服务的潜在用户。在此基础之上，“智云上海”有望成为上海本地科创企 业及其潜在用户的对接平台，赋能创新生态的成长。 作为全 上网安全。 企业信息服务 依托“智云上海”提供的先进数字基础设施，上海电信积极发展政企宽带和算力服务业务，不断 推出新的服务组合，助力上海企业的数智化发展。 面向其服务的 20 万中小企业客户，上海电信推出了针对性设计的资费套餐，内容涵盖企业 Wi-Fi 覆盖、SD-WAN 组网等多项服务内容，为企业用户提供了灵活多样的产品与服务组合， 助力其信息化建设和数字化转型。 上海电 目前，上海电信已经建立起由超过 2000 名客户经理和超过 3000 名装维工程师组成的专业团 队，在绿色能源、智慧城市、工业互联网、低空经济、公共服务、智能交通等领域服务超过 1000 家头部企业，及 20 余万家中小企业客户。2024 年 5 月，上海电信与中兴、华为、烽 火、金山云、东方明珠、东方网、芒果、腾讯、商汤等企业进行签约合作，进一步推动战略合 作，显示出上海电信培育 “智云上海”生态圈，助力上海提升城市核心竞争力的坚定决心。

复合人才短缺 追逐快速回报 原创研发乏力 链路协同不足 综合效率：劳动生产率仍有倍数差距 数字化深度：中小企业数字化渗透率低 根据中国电子技术标准化研究院的《中小企业数字 化转型分析报告（2021）》与欧盟委员会《根据 欧盟委员会《2022年数字经济与社会指数（DESI） 报告》，中国79%的中小企业仍处于数字化转型初 步的‘探索阶段’，而欧盟范围内约有34%的中型 制造企业已使用ERP系统整合业务流程，28%已采

产效率和服务质量；加强人工智能的研究 开发，提高技术水平。� 《通过机器人促进 社会变革委员会报 告》� ���� 年� � 月� 日本经济 产业省� �、标准化业务流程和数据链接，助 机器人技术在中小企业推广，与地方政府 及金融机构合作建生态系统。� �、促产业界与学术界合作，建人力 资源开发框架，包括教育支持与技能标准 国际发布。� �、配合产业界建立研发结构，促基 础与应用研究及人工智能跨领域合作。� 行前沿技术研究。诞生了全球知名的协作机器人制造商，如丹麦的 ��、德国的 ���� 和瑞典的 ��� 等。这些公司在协作机器人技术创新和市场扩张方面起到引 领作用。� 产业需求：欧洲制造业企业（尤其是中小企业）对自动化升级的意愿强烈， 且员工对人机协作的接受度较高—这与企业长期的技术培训体系、工会对“技术 提升而非替代人力”的认知有关（协作机器人更多被视为“助手”，而非威胁）。� 图 40 2024 旨在为美国机器人产业发展提供建议，促进机器人产业发展。� 美国制造业面临着提高生产效率、降低成本和应对劳动力短缺等挑战，这促 使许多企业对协作机器人的需求不断增加。其中中小企业（����）在美国经济中 占有重要地位，许多中小企业开始采用协作机器人来提高生产效率和灵活性。随 着制造业回流进程的持续推进，未来美国协作机器人市场将保持较为稳定的增长。� 加拿大的协作机器人发展相对较晚，其协作机器人领域的发展虽然不如美国

2175 云，人力资源数智化解决方案 第 16 页 共 37 页 认知困境：管理层对数字化的理解停留在“买软件、上系统”层面，缺乏顶层设计。 资金压力：高昂的初期投入令其望而却步，尤其对于中小企业，ROI 难以衡量是最大顾虑。 人才真空：严重缺乏甚至没有专业的数字化团队，现有员工技能老化，抵触情绪普遍。 2.1.2 探索者（占比约 40%）：单点应用的试水者 特征：这是当前最普遍的群体。企业已初步完成财务、OA 20 页 共 37 页 受阻。各种工业通信协议国际标准的存在，也加剧了设备互联的复杂性。 AI 模型落地成本高：大模型训练和推理需要强大的算力支持，意味着巨额硬件投入和持 续的能源消耗，对中小企业构成严峻的成本压力。 2.3.2 组织层面：结构、人才与文化的“三重阻力” 传统组织架构壁垒：59.7%的企业面临业务与技术部门的协同障碍，传统的金字塔式组织 无法适应敏捷、跨部门的团队协作要求。

就绪的劳动力队伍”。 面对 AI 带来的就业结构变化， 涌现了大量旨在提升现有劳动力技能的公私合作项目。例如，谷歌等科技巨头发 起的“AI Works for America”计划，与地方政府和社区合作，为小企业主和工人 提供免费的 AI 技能培训。同时，政府内部也设有“AI 政府领导力计划”等项目， 旨在提升公务员队伍的 AI 素养和管理能力。 欧洲 欧洲推动人工智能发展的核心路径，是建立一个清晰、全面的监管框架，以 的信任度不足，尤其在涉及安全规范的场景中，如核电厂设备运维，不可解释的 推荐往往被直接弃用，阻碍规模化应用。 4.3 效率与成本挑战 工程智能的规模化推广面临显著的效率瓶颈与成本压力，尤其在中小企业中 表现突出。 从数据环节看，工程数据的采集、清洗与标注成本高昂。工程数据分散在设 计、施工、运营等全生命周期各个环节，且往往在格式上存在显著差异（包括但 不限于：CAD 图纸、BIM 模型、IoT 元，且需持续多月的稳定采集才能形成有效数据集；而标注 BIM 模型中的构件 属性（如材料强度、防火等级），需具备建筑专业背景的技术人员标注，标注 1 万平方米建筑模型的人工成本可达数万元。这种高成本导致许多中小企业仅能对 核心环节数据进行有限处理，难以支撑全流程工程智能应用。 从系统部署看，工程领域现有工具链（如 CAD、CAE、ERP 系统）中，部 分老旧系统仍为封闭架构，或开放接口未适配工程智能模型的标准化调用需求

中心服务器的平 均算力利用率仅为 5%-10%，异构架构复杂性和资源分配僵化导致算力利用率与投资 回报率（ROI）显著下降。 ● 高门槛、重复投入与供需错位是中小企业算力的成本困境。单个大模型训练成本 达百万美元级，中小企业难以负担。共享生态的缺乏导致模型重复开发，资源浪费严重。 仍有大量智算中心闲置，“资源闲置”与“算力难求”并存，供需失衡凸显系统性短板。 35 34 ALIBABA 型构建开放生态。阿里云百炼平台集成上百款大模型 API，支持 serverless 化计费模式， 实现一键开通、按需分配。这套体系已支撑电商、自动驾驶等场景实现万亿参数模型 的高效部署，使中小企业能够以更低门槛获取顶尖 AI 能力。 阿里云的企业级 AI 基础设施 43 42 ALIBABA CLOUD MODEL STUDIO SECURITY WHITE PAPER 安全 可信的