📊 数据核心速览

• 数据编号：2115
• 时间跨度：1991–2024
• 样本范围：全部 A 股上市公司
• 测算文本：上市公司年报全文 + MD&A 管理层讨论与分析双版本
• 测算依据：乔朋华等（2025）《科学学与科学技术管理》顶刊范式
• 数据格式：Excel 企业 - 年度面板

🎯 指标构建逻辑（可直接写入论文）

参考顶刊研究，基于三大层级关键词词典做年报文本词频统计：

1. 概念基础层：生成式 AI、AIGC、大语言模型、预训练模型、LLM 等
2. 主要技术层：NLP、知识图谱、Transformer、GAN、扩散模型、多模态等
3. 模型生态层：GPT、ChatGPT、文心一言、讯飞星火、GLM、LLaMA、盘古大模型等

以关键词总频次 kw_sum为基础，可对数化处理构建企业生成式 AI 水平指标，完美衡量企业生成式 AI 应用与布局程度。

📋 数据字段

股票代码、年份、kw_sum（生成式 AI 关键词总频次）分维度词频：ChatGPT 相关词频、自然语言处理相关词频等细分指标

🔍 适用研究方向

1. 生成式人工智能对企业韧性、经营绩效、全要素生产率影响
2. 生成式 AI 与数字化转型、创新产出、研发效率
3. 大模型应用对公司治理、信息披露、资本市场定价
4. 行业 / 产权 / 区域异质性差异、技术赋能机制检验
5. AI 政策冲击下企业生成式技术布局的动态演化

数据简介

在当前市场易变、不确定、复杂、模糊的环境下，企业面临着关键技术依赖强、产品附加值待提升、自动化水平不足等韧性短板，如何提升自身韧性成为其生存与发展的核心关键，而生成式人工智能（GPT）作为新一代技术，具备自适应性、运转性、并行性及多模态协同等特征，相较传统人工智能的规则驱动与单一任务处理能力，在应对企业面临的复杂资源配置、动态决策需求上适配性更强、效率提升潜力更大，有望成为企业提韧新动能。

而当前学界对生成式人工智能与企业韧性关系的直接研究较少，生成式人工智能的新技术特征尚未形成成熟理论与分析框架，缺乏对其统计数据及应用程度的测算，二者关系的研究“黑箱”未揭开，且现有数字技术、传统人工智能与企业韧性相关研究虽有借鉴意义，但难以充分解释生成式人工智能的独特赋能价值；同时，探究生成式人工智能对企业韧性的影响，既能从理论层面丰富生成式人工智能经济后果与企业韧性相关研究，构建生成式人工智能水平测度方法，又能从实践层面为企业借助生成式人工智能实现数智化转型、优化运营管理体系、提升抗风险与可持续发展能力提供科学策略，还能为政府制定推动生成式人工智能与制造业融合的政策提供实证依据，因此研究企业的生成式人工智能水平具有重要的理论价值与迫切的现实意义。

本团队参考乔朋华等（2025）的文章，通过筛选企业年报中的生成式人工智能关键词数量（取对数）衡量企业的生成式人工智能水平。本团队使用的数据为上市公司官方发布的年报，时间跨度为1991-2024，并提供年报文本与MD&A文本两个版本的数据。筛选使用的关键词如下：

数据展示

kw_sum为关键词总数

参考文献

[1]乔朋华,杜鑫,韩先锋.生成式人工智能如何提升制造业企业韧性？[J/OL].科学学与科学技术管理,1-22[2025-10-11].https://doi.org/10.20201/j.cnki.ssstm.20250827.001.