讨论产业升级，最容易犯的错是拿一个总量指标下结论：高技术制造业增速高于整体，就认为升级顺利；某个传统行业增速回落，就判定它在退场。公开数据的结构信息远比总量丰富，关键在于读哪一层、按什么顺序读，以及哪些结论根本不该由这组数据承担。把这三个问题先想清楚，同一张表就能读出不同的东西。

先看结构，再看总量

升级首先表现为构成的变化，而不是总量的高低。同样一个增长率，如果增量集中在少数几个高附加值环节，含义与平均分布完全不同。读的时候可以把增加值、出口、用电、利润四组数据按行业拆开，观察高附加值环节的占比是否在抬升，以及抬升是来自新产能投产，还是来自存量改造。前者看投资完成额与设备到位情况，后者看单位产出的能耗与人工投入。

三个容易被过度解读的信号

其一是增速差。高技术行业基数小，同样的增量会表现出更高的增速，直接用增速差衡量升级幅度会高估。其二是出口结构。出口中的高技术占比上升，可能只是加工组装环节转移，附加值仍留在境外，需要结合进口中间品的数据一起看。其三是利润集中。利润向少数环节集中，有时是技术壁垒的体现，有时只是阶段性的价格错配，两者的政策含义截然相反。分辨的办法是看这种集中能否持续两个以上的价格周期，以及新进入者是否在增加。

别用总量数据回答结构问题

常见的误读是把宏观指标当成企业层面的结论。比如用规模以上工业的利润变化推断中小企业的处境，用全国产能利用率判断某个集群的开工情况。统计口径、样本范围、权重分布都不一样，跨层推断很容易得出反向结论。更稳妥的方式是找到同口径的分项数据，找不到就承认不确定，而不是用相邻指标替代。承认不知道，往往比给出一个看似精确的答案更有价值。

升级是一个过程，过程的证据往往藏在细节里：设备投资中自动化与检测环节的比重、研发支出中试验发展部分的增速、熟练工种的缺口。这些数据不显眼，却比总量更接近真实的变化。读数据的能力，说到底是在众多指标中保持克制，知道哪些能说、哪些只能说一半。把这种克制变成团队的习惯，比多买几份报告更能提高判断质量。