AI产业技术融合(IPC共现法)
「AI产业技术融合(IPC共现法)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 70,955。 衡量制造业企业人工智能与产业技术的融合水平。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 70,955 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 年份。面板骨架为企业当年存续并披露年报的年度，技术耦合专利按专利申请年归集至该年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- AITC [AI与产业技术融合水平] — 参考叶阳平等(2025, 中国工业经济)的方法，计算公式为：ln(1+技术耦合专利数)。技术耦合专利指同一发明专利中同时包含人工智能技术IPC与非AI技术IPC。人工智能技术IPC集合依据《PATENTSCOPE Artificial Intelligence Index》《战略性新兴产业分类与国际专利分类参照关系表(2021)》《关键数字技术专利分类体系(2023)》三份文件结合界定，取至少2份文件同时命中的IPC，按小类/大组/小组三层语义匹配。覆盖全部A股上市公司，企业当年无技术耦合专利(含当年无发明专利)时取0。用作研究变量，越大代表AI与产业技术融合程度越高
- AITCCount [技术耦合专利数] — 参考叶阳平等(2025, 中国工业经济)的方法，统计企业年度同时包含人工智能技术IPC与非AI技术IPC的发明专利数量。人工智能技术IPC集合依据《PATENTSCOPE Artificial Intelligence Index》《战略性新兴产业分类与国际专利分类参照关系表(2021)》《关键数字技术专利分类体系(2023)》三份文件结合界定，取至少2份文件同时命中的IPC，按小类/大组/小组三层语义匹配。单位：件
- NAITC [新引入AI技术融合] — 参考叶阳平等(2025, 中国工业经济)的方法，计算公式为：ln(1+NAITCCount)。NAITC专利指技术耦合专利中至少1个AI IPC不在企业前5年AI IPC池中的专利，代表新引入AI技术的融合
- NAITCCount [新引入AI融合专利数] — 参考叶阳平等(2025, 中国工业经济)的方法，统计含有新AI IPC(不在企业前5年AI IPC池AIIPC5Y中)的技术耦合专利数量。单位：件
- EAITC [既有AI技术融合] — 参考叶阳平等(2025, 中国工业经济)的方法，计算公式为：ln(1+EAITCCount)。EAITC专利指技术耦合专利中AI IPC全部包含于企业前5年AI IPC池中的专利，代表既有AI技术的深化融合
- EAITCCount [既有AI融合专利数] — 参考叶阳平等(2025, 中国工业经济)的方法，统计AI IPC全部包含于企业前5年AI IPC池(AIIPC5Y)中的技术耦合专利数量。单位：件
常见问题
- 「AI产业技术融合(IPC共现法)」是什么数据集？
- AI产业技术融合(IPC共现法)，隶属数字化转型与人工智能。衡量制造业企业人工智能与产业技术的融合水平。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：AI与产业技术融合水平、技术耦合专利数、新引入AI技术融合、新引入AI融合专利数、既有AI技术融合、既有AI融合专利数。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 70,955 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在衡量上市公司人工智能（AI）与产业技术的融合水平，其核心思想是通过分析企业发明专利中AI技术分类（IPC）与非AI技术分类的共现关系来识别技术耦合。该方法参考了叶阳平等（2025，《中国工业经济》）的研究。原文指出，当产业技术专利IPC与人工智能技术专利IPC在同一专利中共现时，表明两类技术间存在实质性融合和重组。 研究样本覆盖全部A股上市公司（全行业），使用其发明专利（含公开与授权记录，同一申请号的A/B记录已合并）进行分析。技术耦合专利被定义为同一项发明专利中同时包含至少一个AI技术IPC和至少一个非AI技术IPC。企业年度内所有此类专利的数量即为技术耦合专利数（AITCCount）。为了平滑分布并处理零值，核心指标AI与产业技术融合水平（AITC）的计算公式为： $$AITC = \ln(1 + AITCCount)$$ 其中$AITCCount$为年度技术耦合专利数。 为了进一步区分融合的性质，研究将技术耦合专利细分为新引入融合与既有融合。为此，为每个企业在每一年构建一个前向滚动五年的AI技术IPC池（AIIPC5Y），该池包含了企业在该五年窗口期内所有引用过的AI专利所涉及的AI技术IPC。对于每一项技术耦合专利，检查其包含的所有AI技术IPC：若这些IPC全部包含于企业当前的AIIPC5Y池中，则该专利被归类为既有AI技术融合专利（EAITCCount）；若其中至少有一个AI技术IPC不在当前的AIIPC5Y池中，则该专利被归类为新引入AI技术融合专利（NAITCCount）。基于此，新引入AI技术融合水平（NAITC）和既有AI技术融合水平（EAITC）分别通过对对应的专利数量加1取自然对数得到，即$NAITC = \ln(1 + NAITCCount)$，$EAITC = \ln(1 + EAITCCount)$。NAITC反映了企业将新的AI技术引入现有技术体系进行融合创新的程度，而EAITC则反映了企业对已掌握的AI技术进行深化应用和拓展融合的程度。 人工智能技术专利IPC集合的界定 原文（第156页）明确以三份文件"结合"界定人工智能技术的专利 IPC 集合：《PATENTSCOPE Artificial Intelligence Index》（世界知识产权组织）、《战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）》（国家知识产权局，国知办函规字〔2021〕121号）、《关键数字技术专利分类体系（2023）》（国家知识产权局，国知办发规字〔2023〕36号）。本数据集从三份文件的官方原件逐条解析 IPC，与同源数据集"AI技术关联度"共用同一集合： - PATENTSCOPE AI Index：取"AI techniques""AI functional applications""General AI"三张表。该索引的第四张表"AI application fields"给出的是人工智能的应用领域（农业 A01、生命医学 A61、娱乐 A63，以及物理科学与工程的 C、D、E、F 等整部整类），并非"人工智能技术"本身，若纳入会使被判定为AI的发明专利比例由 39.01% 升至 65.79%，故予以排除。 - 战略性新兴产业参照关系表（2021）：取"1.5 人工智能"类目全部条目，并执行该表声明的括号排除规则。 - 关键数字技术专利分类体系（2023）：取该体系七个技术分支中的"人工智能"分支全部条目。 IPC 匹配采用三层语义：四位小类前缀匹配、大组（含"/00"与带星号写法）匹配该大组及其下全部小组、明确小组精确匹配。 "结合"口径的确定。 原文只写"结合"，未说明是取并集还是取共识。本数据集对三种可能读法逐一实现并校准，以本数据集核心指标 AITC 对照原文制造业 2008—2021 年子样本的描述性统计（均值 0.295、标准差 0.729）： | 结合口径 | 被判定为AI的发明专利占比 | AITC均值 | AITC标准差 | |---|---|---|---| | 并集（任一文件命中） | 39.01% | 0.539 | 0.926 | | 至少2份文件同时命中 | 10.62% | 0.303 | 0.738 | | 三份文件全部命中 | 4.33% | 0.144 | 0.506 | 本数据集制造业 2008—2021 年子样本共 25897 个观测，比原文（15677 个观测）大约 65%，多出的观测以零值为主，方向上会压低均值；在此不利条件下，"至少2份文件同时命中"仍同时对齐了原文的均值与标准差两个矩，而并集口径高出近一倍、交集口径明显偏低。据此确定至少2份文件同时命中为原文的识别口径。 AIIPC5Y 对比池按原文"基于四位数专利IPC"的声明，将命中的 AI 技术 IPC 折叠至四位小类后构建。 面板构造与零值处理 面板骨架取自企业当年存续并披露年报的企业-年组合（依据中上协行业分类轨迹表），而非"当年有发明专利"的企业-年。企业当年没有任何发明专利，与企业当年有发明专利但不存在AI技术耦合，在经济含义上同为"AI与产业技术融合水平为零"，因此二者一律取值0而非留作缺失。行业分类采用逐年动态匹配口径，与数据集内的IndustryCode列口径一致。骨架之外的专利申请年份（主要为企业上市或首次披露之前的追溯申请，以及退市后年份）不构成有效面板观测，不予保留。 补充说明 - 样本范围覆盖全部A股上市公司。原文研究对象为制造业企业，如需还原原文口径，按IndustryCode列首字母为C筛选即可。IPC共现法本身不依赖行业，非制造业门类同样具有区分度（信息传输软件业非零比例约49%、科学研究服务业约43%、采矿业约22%，与制造业约20%相当）。 - 仅使用发明专利数据，实用新型和外观设计专利不计入。 - 技术耦合专利按专利申请年归集至企业-年度。受专利公开滞后（约18个月）影响，最新申请年份的专利数据仍不完整，数据集统一截断至上一自然年。 - 原文在构建融合指标前还有两个步骤本数据集未复现：一是基于年报经营范围、用BERT语言模型识别并剔除自身即从事人工智能业务的制造业企业（以体现"跨技术领域"特征）；二是以《国际专利分类与国民经济行业分类参照关系表（2018）》界定制造业技术IPC集合，本数据集以"非AI技术IPC"作为共现对手方。使用者如需严格还原原文口径，可在此基础上自行施加上述两项限定。 - 原文的融合行为还要求技术耦合专利的引用中包含人工智能专利，本数据集的 AITC 仅基于 IPC 共现识别，未叠加引用条件。 参考文献 [1]叶阳平,马文聪,吴小节,等.人工智能与产业技术融合对制造业企业产品创新绩效的影响研究[J].中国工业经济,2025(11):150-168. [2]WIPO. PATENTSCOPE Artificial Intelligence Index[EB/OL]. Geneva: World Intellectual Property Organization. [3]国家知识产权局办公室.战略性新兴产业分类与国际专利分类参照关系表(2021)(试行)[Z].国知办函规字〔2021〕121号,2021. [4]国家知识产权局办公室.关键数字技术专利分类体系(2023)[Z].国知办发规字〔2023〕36号,2023.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。