企业技能实训与考核系统行业研究报告

基本信息

阅读时间：约 32 分钟

字数：约 16,136 字

摘要：市场担心：企业培训是一笔说不清效果的支出，预算收缩时第一个被砍掉。2024 年中小企业平均培训预算较 2023 年下降，2025 年企培市场总量增速降至 4.7%，68% 的中小企业把单次培训预算控制在 2 万元以内 [15]；与此同时，培训的数字化渗透率已经做到 68.3%，但只有 38% 的企业认为学习效果完成了有效转化，61.8% 的企业给出的评价是「一般」[15]。渗透率与转化率之间的落差，是整条产业链最难解释的部分。

市场担心：企业培训是一笔说不清效果的支出，预算收缩时第一个被砍掉。2024 年中小企业平均培训预算较 2023 年下降，2025 年企培市场总量增速降至 4.7%，68% 的中小企业把单次培训预算控制在 2 万元以内 [15]；与此同时，培训的数字化渗透率已经做到 68.3%，但只有 38% 的企业认为学习效果完成了有效转化，61.8% 的企业给出的评价是「一般」[15]。渗透率与转化率之间的落差，是整条产业链最难解释的部分。

我们认为：真正稀缺的不是课程，也不是平台，而是可以被反复复核的岗位实操通过率。实训与考核系统的定价能力，不取决于通过率数字有多高，而取决于这个数字能在多大程度上解释岗位技能缺口造成的产出损失。把这个关系写成公式：保本归因系数等于人均年培训投入除以单员工年度技能缺口成本。以行业平均人均培训投入 1,278 元计算，若某岗位年人力成本 12 万元、技能缺口造成的产出损失率为 3%，则缺口成本为 3,600 元，保本所需的归因系数为 35.5%（测算）。换句话说，培训必须能解释该岗位技能缺口损失的三分之一以上，企业才有理由把这笔钱从费用支出改记为准资本支出。

1. 在保守归因下，行业平均投入水平根本无法保本。把通过率的基线设为 38%、满分设为 100%，可提升空间是 62 个百分点。归因系数取 30% 时，每 1 个百分点的通过率提升只值 17.42 元，要覆盖 1,278 元的投入需要提升 73.4 个百分点——已经超过 62 个百分点的理论上限（测算）。只有把归因系数提到 50% 以上，所需提升幅度才会降到 44.0 个百分点，进入可执行区间；
2. 通过率数字的口径独立性决定了它的含金量。公开案例的通过率集中在 84% 至 98%，但多数由企业内部组织考核 [8][9][10][11][12]。按内部自评 0.60、内部实操加第三方监考 0.80、第三方职业技能等级认定 1.00 的可信度系数折算，同样 46 个百分点的提升，有效价值分别是 27.6、36.8 与 46.0 个百分点（测算）。把考核交给第三方认定机构，等于在不改产品的前提下把可定价价值提高约 67%；
3. 成本结构决定了这笔生意只能做高危与高价值岗位。当产出损失率从 3% 提到 8% 时，缺口成本从 3,600 元升到 9,600 元，保本归因系数门槛从 35.5% 降到 13.3%（测算）。化工、精密制造、金融合规等岗位的损失率天然高于通用岗位，因而更早越过定价门槛；而通用管理类课程的损失率低且难以计价，这正是大量通用类课程无法按效果收费的根本原因。

讨论这个行业，先要承认一件事：它的规模数字至少有四套口径，彼此相差接近二十倍。企业管理培训口径的 2025 年预计规模为 13,194 亿元，2023 年该口径为 9,981 亿元 [13]；企培市场总量口径的 2025 年规模为 7,908 亿元、同比增长 4.7% [15]；企业级培训口径的 2025 年规模为 830 亿元、同比增长 17% [20]；人才管理培训口径 2024 年为 609 亿元、2025 年预计 662 亿元，而同期人力资源服务整体规模为 32,145 亿元 [14]。四套数字都对，差别在于统计对象：是把企业内部讲师成本、场地与差旅一并计入，还是只统计企业向外部机构采购的支出。

官方口径给出的是一张更硬的底牌。2025 年全年开展补贴性职业技能培训 1,153 万人次，其中培训企业职工 448 万人次，占全部补贴性培训人次的 38.9%（测算）；年末全国共有职业技能等级认定机构 32,227 个、民办培训机构 28,986 所，全年 1,295.6 万人次参加技能人员职业资格评价或职业技能等级认定，998 万人次取得证书，其中 27.3 万人次取得技师及以上证书 [1]。人社部在政策通报中把 2025 年的补贴性培训规模表述为「超过 1,100 万人次」，并提到已建成 230 多条「产教评」技能生态链 [2]。

把评价端的数字和取证端的数字放在一起看，可以读出一个容易被忽略的比例：参加认定的人次中有 77.0% 最终取得证书（测算），而技师及以上的高等级证书只占全部取证人次的 2.7%（测算）。这说明考核体系当前的主要产出是入门与中级资格，高端技能的评价供给仍然稀薄。对实训与考核系统而言，入门与中级层级的评价是规模生意，高等级评价是溢价生意，两者对产品的要求并不相同。

企业数量决定了这门生意的天花板结构。2022 年中国企业法人单位数已超过 3,283 万个 [13]，但培训支出的分布极度不均：2025 年选择内训的中小企业中，85% 年营收在 5,000 万元以上；规模更小的企业更多选择公开课等低成本形式，68% 的中小企业把单次培训预算控制在 2 万元以内 [15]。这意味着所谓的中小企业市场，实际上是一个由少数中型企业贡献绝大多数可支配预算的市场。

需求侧的第一个事实是：企业花在员工身上的学习时间并不少。2025 年中小企业员工年人均总学时为 83.3 小时，其中线上学时 47.2 小时，占总学时的 56.7%（测算）[15]；对照 2023 年的行业调研，企业人均培训费为 1,278 元、同比增长 18.2%，人均学习时长为 43.1 小时、同比增长 11.4%，同时「预算使用率在 80% 以上」的企业占比较上年提升 62.1% [13]。学习时间与预算执行率都在上升，问题不在有没有投入，而在投入之后拿什么证明它有效。

支付方的结构正在发生变化。2025 年补贴性职业技能培训中，企业职工占 448 万人次、农民工占 400 万人次，两类合计占全部人次的 73.5%（测算）[1]。这一结构说明两件事。第一，企业职工培训在相当程度上由公共资金分担，企业的实际支付比例低于名义投入；第二，农民工群体的 400 万人次意味着岗位技能评价的主要对象集中在制造业、建筑业与生活服务业的一线操作岗位，这些岗位的产出可以被计数，因而天然适合用通过率、合格率、事故率这类可计量的指标来验收。

把需求按「产出可计量程度」分为三层，可以解释行业里长期存在的定价分化。第一层是产出直接可计量的岗位，包括设备操作、质量检验、危险作业与合规审核，其技能缺口会直接表现为不良率、停机时长、事故率与处罚金额；第二层是产出间接可计量的岗位，包括销售、客服与运维，其缺口表现为转化率、响应时长与工单返工率；第三层是产出难以计量的岗位，包括通用管理与文化类培训，其缺口很难被单独归因。实训与考核系统在第一层最容易按效果定价，在第三层几乎只能按人天定价。

支付意愿的上限由亏损容忍度决定，而不是由课程质量决定。在第三层岗位，培训支出被归入管理费用，决策依据是预算余额；在第一层岗位，培训支出可以直接与损失削减对账，决策依据是回收周期。后者的预算刚性明显更强——这也是为什么在预算整体收缩的 2024 年至 2025 年，面向产线与设备的实训类支出仍能维持规模。

供给端的集中度低得超出直觉。2025 年企业培训供应商中，54.8% 的供应商员工总数少于 30 人 [15]。超过一半的供给方是小团队，这意味着行业不具备用规模压低获客成本的条件，也意味着任何需要部署硬件、接入生产系统、建立岗位数据链路的方案，在供给端都缺少足够的履约主体。

实训与考核系统与课程平台的根本区别在于交付物的形态。课程平台交付的是内容与学习行为数据，其边际成本接近于零，因此逻辑上必须走订阅制；实训与考核系统交付的是岗位达标状态，需要实操场位、设备、监考与数据接入，边际成本显著更高，但它的产出可以直接与岗位损失对账。这两种交付形态的商业模式不可能收敛：前者必然走向客户数增长与毛利率提升，后者必然走向项目制与按岗位计价。

平台型公司正在用收购与产品线延伸补齐第二类交付物。北森在 2025 财年完成对酷学院的收购，学习云年度经常性收入同比增长 371% [6]；其云端人力资本管理解决方案收入 7.22 亿元、同比增长 14.2%，占总收入的 76.4%，经营性净现金流由负转正至约 0.77 亿元 [7]。这条路径的本质是把学习模块挂接到已经打通的人事、绩效与薪酬数据上，从而让「培训是否有效」这个问题可以用同一个人力系统内的绩效与留存数据来回答。

独立学习平台的选择恰好相反：主动放弃中小企业客户，转向大客户与人工智能产品。绚星（原云学堂）2025 年订阅客户数为 2,301 家，较上年的 2,405 家净减少 104 家，公司把这解释为战略性转向大企业与中小客户预期流失的结果 [3]。客户数下降的同时，订阅客户净收入留存率稳定在 101.4%、毛利率升至 68.3% [3][4]。这是一种用客户结构换收入质量的策略，但它也把一个约束条件摆到了台面上：效果定价所要求的数据打通，只有在客户足够大、系统足够全的情况下才做得到。

这个行业最刺眼的两个数字放在一起是：68.3% 与 38%。2025 年国内企业培训数字化渗透率达到 68.3%，但只有 38% 的企业认为数字化学习完成了效果转化，61.8% 的企业对效果的评价是「一般」，同期欧美市场的效果转化率为 62% [15]。渗透率是供给侧指标，转化率是需求侧指标，两者之间的 30.3 个百分点落差（测算）就是实训与考核系统当前全部的机会空间。

落差的成因在公开案例里可以找到直接的对照。某制造企业把师徒制改造为云端协作系统后，每位导师可同时指导 6 名学员的虚拟操作，系统自动记录交互数据以量化评估指导效果；在冲压车间的试点中，技能传承效率提升 3 倍 [16]。更关键的是基于 12 个维度的胜任力评估模型：在注塑成型岗位的试点中，该模型预测员工上岗后废品率的准确度达到 91% [16]。当考核结果可以预测产出缺陷时，通过率就不再是一个培训指标，而成为一个生产指标。

把实操与岗位数据接进来之后，指标改善的幅度是可测的。同一批公开案例显示：通过云平台培训的员工前三个月产品不良率比传统培训员工低 2.3 个百分点；移动端扫码调取装配指引使新产品导入培训时间减少 76%、产线切换速度提升 40%；跨岗轮训员工提出的流程优化建议数量是单一岗位员工的 2.8 倍，某总成车间的工序衔接时间因此缩短 22% [16]。这些数字的共同特征是它们都不是学习指标，而是产出指标。

国际案例给出的改善幅度更大，但归因链条也更长。某企业把人工智能教育、虚拟现实训练与自动认证组合起来后，核心技能资格的取得时间从 8 天缩短到 3 天、缩短 63%，供应链多技能工人增加 6%，离职率从 16.5% 降到 9.9% [19]。海信日立的自动化生产现场让员工先在培训道场练习作业，业务适性匹配率提升到 98%、标准训练周期缩短 32%；联想墨西哥蒙特雷工厂引入生成式人工智能制造管理塔后，每小时平均生产量增加 42%、平均修理时间缩短 95% [19]。这些数字的量级提示了一个方向：当考核数据与生产系统实时连通时，岗位达标与产出改善之间的时滞可以被压缩到接近于零，而这正是本报告第六章所说的归因系数得以抬升的技术前提。

经济性也已经被算过。某制造企业的财务部门测算，云平台培训的投入在 9.7 个月后开始产生净收益，来源包括培训耗材年节约 12 万元、废品损失年降低 78 万元、生产效率提升折算年价值 143 万元，综合为每 1 元培训成本产生 2.3 元收益 [16]。另一家装备制造企业的培训投入为 175 万元、产生直接效益约 800 万元，投入产出比为 4.57 比 1，其中受训岗位不良率从试产初期的 8% 降至 3%、设备利用率提升 12%、年节约运维成本约 50 万元 [18]。注意这些数字全部来自企业内部测算，没有得到独立审计。

公开案例里的通过率看上去很漂亮。温州聚星科技的模具工职业技能等级自主认定项目中，参训 50 名员工的总体考核通过率为 84%，员工岗位标准操作执行率从 75% 提升至 95% [12]；湖南三特机械的新型学徒制数控车工高级班 27 人取得证书，通过率 90% [10]；株洲万得把 12 项核心工艺拆解成 28 个可量化操作任务，技能等级认定通过率 92%，相关环节残次品率平均下降 18% [10]；丽水贝妮菲特的车间实训覆盖 187 人次，核心岗位技能考核通过率提升至 94% [8]；皓尊生物合成车间的工匠培训站累计培养 500 余人次，技能提升过关率 98% [9]。另有卷包车间的 8 名青年职工以 88.89% 的通过率高分通过三五级技能理论鉴定，高出公司平均水平 23.09 个百分点 [11]。

这些数字的问题不在高低，而在出具方。上述六个案例中，只有职业技能等级自主认定与等级认定属于第三方或准第三方口径，其余多为企业内部组织的实操考核与理论测试。内部考核的通过率会受到样本选择、题目难度与考核目的的共同影响：当考核同时承担激励功能时，通过率会向有利于组织氛围的方向偏移。

把可信度系数代回通过率，同样是从 38% 提升到 84% 的 46 个百分点，在内部自评口径下的有效价值是 27.6 个百分点，在第三方认定口径下是 46.0 个百分点（测算），两者相差 67%。这意味着企业如果打算按效果付费，最便宜的做法不是压供应商的价格，而是把考核环节交给第三方认定机构——在不改变培训内容的前提下，可定价价值就能提高约三分之二。

值得补充的是，第三方认定并非只是换个章。2025 年末全国职业技能等级认定机构已达 32,227 个、考评人员 84.7 万人，全年 998 万人次取得证书 [1]。供给端已经具备承接规模化考核的能力，真正的约束在于企业是否愿意把「谁能判定我的员工合格」这件事交出去。

要把「培训有没有用」变成一个可以计算的问题，需要先把一个员工的技能缺口折算成钱。方法是从岗位年人力成本出发，乘以技能缺口造成的产出损失率。以制造业一线技术岗位为例，年人力成本按 12 万元估算（含工资、社保与用工间接成本），技能缺口造成的产出损失率按 3% 估算，则单员工年度技能缺口成本为 3,600 元（测算）。这个数字的取值区间很宽：损失率取 1% 时为 1,200 元，取 8% 时为 9,600 元。

有了缺口成本，就可以定义这个行业最核心的一个比率。设归因系数为培训能够解释的技能缺口损失比例，基线通过率为 38%、满分为 100%，可提升空间为 62 个百分点，则每 1 个百分点的通过率提升对应的可定价价值为缺口成本乘以归因系数再除以可提升空间。在缺口成本 3,600 元下，归因系数 15%、30%、50%、70% 分别对应8.71 元、17.42 元、29.03 元与 40.65 元（测算）。

把这个价值与人均培训投入相比，就得到保本条件。保本归因系数等于人均年培训投入除以单员工年度技能缺口成本。以 2023 年行业调研的人均培训费 1,278 元代入，保本所需归因系数为 35.5%（测算）。若企业把人均投入提高到 3,200 元——这是制造业与物流行业在数字营销等新兴技能领域年度人均培训投入的量级 [20]——门槛随即升到 88.9%（测算）。这解释了一个反直觉的现象：越是新兴、越贵的培训，越难按效果定价，因为它的投入已经接近甚至超过了岗位缺口成本本身。

这张表给出了本报告最有操作性的一个结论：按效果定价的实训系统，只应该出现在产出损失率能够被证明高于 3% 的岗位上。化工与危险作业、精密加工、质量检验与金融合规属于这一类；通用管理与通识类培训不属于这一类。当供应商试图把通用课程包装成效果付费产品时，缺口成本不足以支撑定价，最终一定会退回到按人天结算。

把归因系数设成三个情景，就能看出这门生意在什么条件下才成立。保守情景把归因系数设为 15%，对应培训只能解释很小一部分损失，此时每 1 个百分点的通过率提升只值 8.71 元，要覆盖 1,278 元的投入需要提升 146.8 个百分点——超过 62 个百分点的理论上限一倍以上，在这个情景下按效果定价不成立（测算）。中性情景把归因系数设为 30%，所需提升幅度为 73.4 个百分点，仍然越界。乐观情景把归因系数设为 50%，所需提升幅度降到 44.0 个百分点，占可提升空间的 71.0%，这是一个可以谈判的区间（测算）。

把归因系数与人均投入同时变动，可以得到一张二维敏感性表。表的读数方式是：单元格里的数字代表在该投入水平与该归因系数下，通过率必须提升多少个百分点才能保本；凡是大于 62 的单元格，都意味着条件在当前口径下不可能满足。表中只有归因系数 50% 与 70% 两行、且投入不超过 1,278 元的单元格落在可行区间（测算）。

敏感性分析给出的判断是：降低人均投入的效果远好于提高通过率。在归因系数 30% 下，投入从 1,278 元降到 800 元，所需提升幅度从 73.4 个百分点降到 45.9 个百分点（测算），直接进入可执行区间；而通过率本身最多只能再提升 62 个百分点，没有压缩空间。这也是为什么现实中有效的实训项目往往先把课程做薄、只保留与岗位产出直接相关的模块，而不是继续增加学习时长。

另一条降低门槛的路径是提高可提升空间本身的起点。如果基线通过率不是 38% 而是 20%，可提升空间扩大到 80 个百分点，在归因系数 30%、投入 1,278 元下所需提升幅度降到 56.9 个百分点（测算），同样进入可行区间。这解释了为什么实训系统在技能基础薄弱的新建产线、新进入行业的员工群体上更容易做出效果——不是培训更好，而是起点更低。

政策改变了企业的现金流门槛，但没有改变效果口径。企业新型学徒制的中级工培训补贴为每人每年 6,000 元、高级工为每人每年 8,000 元，且开班前可预拨不超过补贴总额 50% 的资金，显著减轻了企业的垫资压力 [10]。把这个额度与人均培训费 1,278 元 [13]对照，补贴金额已是人均投入的 4.7 倍（测算），但补贴的发放条件通常与培训过程挂钩，而非与岗位产出改善挂钩。换言之，企业可以靠补贴覆盖成本，却无法靠补贴证明培训有效。

补贴的另一层影响发生在供给结构上。技能提升补贴标准为初级不超过 1,000 元、中级不超过 1,500 元、高级不超过 2,000 元，而中小微企业失业保险稳岗返还比例按不超过 60% 执行，返还资金可用于转岗培训与技能提升培训等支出 [15]。这些资金的存在降低了企业尝试实训系统的试错成本，也使得大量供给方转向以申报补贴为核心的合规型培训产品，而非以岗位产出改善为核心的效果型产品。

自主认定的推广进一步放大了这个问题。2025 年全年 1,295.6 万人次参加技能人员职业资格评价或职业技能等级认定，998 万人次取得证书 [1]，其中相当一部分由企业自主实施。自主认定让考核更贴近真实岗位，但也让通过率的出具方与培训的提供方在同一个主体内部重合。这正是本报告在第五章设置可信度折价的原因：当考核与培训同源时，通过率的证据强度必须相应下调。

两家上市公司的数据可以互相校验行业的真实处境。绚星（原云学堂）2025 年总收入 3.402 亿元、同比增长 2.7%，毛利率从 61.8% 升至 68.3%、提升 6.5 个百分点，订阅客户净收入留存率稳定在 101.4%，订阅式企业学习解决方案收入 3.174 亿元、同比增长 5.2%，占培训业务总收入的 94% [3][4]。同期经调整净亏损 1.466 亿元、同比收窄 26.4%，账面现金及短期投资 1.35 亿元 [5]。

北森的路径是另一条。2025 财年整体收入 9.45 亿元、同比增长 10.6%，股东应占亏损 1.47 亿元、同比收窄 95.41%，经调整息税折旧摊销前利润 2,890 万元，订阅收入留存率保持在 106%，累计服务超过 6,000 家中大型企业，其中包括 70% 的《财富》中国 500 强企业 [6]。人工智能产品方面，截至 2025 年 3 月 31 日人工智能产品线客户数超过 300 家、年度经常性收入超过 600 万元 [6][7]。

两家公司的共同点是收入质量在改善、规模增速在放缓。绚星的收入增速 2.7% 与北森的 10.6% 之间，差着一个数量级的客户结构：前者在主动缩减中小客户，后者依托一体化人力系统做交叉销售。两者的订阅留存率都在 100% 以上，说明存量客户的粘性尚可，但 100% 出头的留存率本身也意味着靠存量扩张的空间有限，增长必须来自客户数或者客单价。而在效果无法被独立复核之前，客单价的提升空间受制于本报告第六章给出的那道门槛。

本报告识别的风险按重要性排列如下。

1. （一）效果口径无法第三方复核。公开案例的通过率多由企业内部出具，外部无法验证题目难度、样本选择与考核动机，按效果定价的合同因此难以在争议时被裁定；
2. （二）岗位产出难以单独归因。不良率、停机时长与事故率同时受设备、原料、排班与管理水平影响，要在这条因果链上切出培训的份额，需要额外的对照设计，而多数企业不具备这样的数据条件；
3. （三）补贴退坡冲击支付能力。补贴与预拨资金是中小企业尝试实训系统的主要缓冲，一旦申领条件收紧或额度下调，边际客户的支付意愿会直接下降；
4. （四）平台订阅续费率下滑。头部平台的净收入留存率在 101% 至 106% 区间，缓冲极薄，一次大客户流失就可能把留存率压到 100% 以下；
5. （五）实训硬件投入回收期拉长。实操场位、设备复刻与监考人力的边际成本显著高于纯线上交付，若订单密度不足，回收周期会被拉长到无法覆盖折旧；
6. （六）考核数据涉及员工隐私。把考核结果与产出、薪酬、晋升数据打通，会触及个人信息的收集与使用边界，合规成本随数据维度增加而上升。

需要持续跟踪的指标分三组。需求侧关注中小企业平均培训预算同比、补贴性培训人次与企业职工参训占比、以及第一层岗位在培训支出中的份额变化。供给侧关注数字化渗透率与效果转化率之间的差值、供应商员工规模分布、以及第三方认定在总考核量中的占比。交付侧关注人均培训投入、岗位实操通过率及其出具方、以及实训类项目的设备与人力成本占比。

最后需要说明本报告的适用范围。本报告讨论的是企业技能实训与考核系统的可定价性，不涉及任何具体公司的估值判断，也不构成对培训效果的保证。所有标注「测算」的数字均为本报告基于外部锚参数推算的结果，推算公式与参数取值在正文中逐项给出；凡无法获得可靠外部锚的参数，本报告一律标注为数据缺口并降级为定性讨论。

本报告共设八条可证伪链，覆盖效果定价的归因机制、市场规模口径分歧、支付来源的迁移、数字化落差的定价含义、通过率的可信度分级、保本门槛、补贴对效果口径的无关性，以及头部企业收入质量与效果定价的脱节。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件，读者可按证伪条件自行验证判断的有效性。台账如下：

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：政府部门统计公报、上市公司定期报告披露数据，可直接复核；
• [T2]机构二手口径：权威媒体转引的官方数据、证券公司或研究机构整理的经营数据，口径可能存在差异；
• [T3]媒体转引口径：媒体报道与行业研究资料，未经独立审计，仅作量级参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或采用保守假设并明确标注。

需要特别说明五处口径限制。其一，企业培训市场存在 830 亿元至 13,194 亿元的四套口径，差异接近二十倍，本报告在正文中并列列出全部口径且不做跨口径加总。其二，本报告使用的基线通过率 38% 原为数字化学习的效果转化率口径，与岗位实操通过率并非同一指标，本报告仅将其作为基线取值的量级参照，并在正文与台账中明确标注这一口径错配。其三，归因系数与验收可信度系数均为本报告设定的参数，用于说明相对关系与临界条件，不代表任何官方评级、监管认定或行业标准。其四，岗位年人力成本、产出损失率、可提升空间等参数在多数行业没有公开披露值，本报告按制造业一线技术岗位的量级假设，并以敏感性表覆盖参数区间；相关数值一律标注为测算。其五，公开案例中的不良率、事故率、停机时长等改善幅度均由企业内部测算或媒体报道给出，未经独立审计，本报告在使用时保留原始表述而未做二次加工。

所有标注「测算」的数字，均为本报告基于外部锚参数推算的结果，推算公式与参数取值在正文中逐项给出；测算值与外部锚存在偏差时，均在正文标注对账结果。不同研究机构与统计部门因口径差异，同一指标可能存在数值差异，以原始统计口径为准。