企业人工智能落地（ERNIE模型）

字段字典

• Symbol [股票代码] — 六位数字字符串证券代码，保留历史证券代码；空值不转换成代码
• StkName [证券简称] — 按报告年度匹配证券简称，缺当年记录时使用可得档案回填
• Year [报告年度] — 年度报告所属财务年度，非公告年度
• Province [省份] — 公司注册地所在省份
• City [城市] — 公司注册地所在城市
• County [区县] — 公司注册地所在区县
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)；按年度中上协轨迹匹配，缺当年时使用可得行业回填
• IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)；按年度中上协轨迹匹配，缺当年时使用可得行业回填
• MDASentenceCount [管理层讨论与分析总句数] — 参考孔东民、石政（2026），完整管理层讨论与分析或历史经营董事会章按句号、分号切分后含汉字或字母的非空原句数量，单位句，是人工智能落地句子占比的分母。同一文字在不同位置分别计数；统一排版空白、繁转简，不按关键词筛选总句数。章内表格及标题可能随原句计入；原文或章节不可测时缺失。
• AISentenceCount [人工智能落地句数] — 参考孔东民、石政（2026），完整管理层讨论与分析经ERNIE判为本企业实际人工智能技术活动或业务应用的原句数量，单位句。技术、应用互斥，混合句业务应用优先；长句完整分块后每个原句最多计一次，不同位置同文各计。有效全文全判阴性为0；不以关键词未命中直接归0。源、章节或分类无法完整测量时缺失。独立弱监督重建，非人工金标或作者模型同值。
• AITechSentenceCount [人工智能技术落地句数] — 参考孔东民、石政（2026）的技术分项，统计本企业已经或正在开展人工智能算法模型研发、底层能力或技术产品建设，且原句未表述具体业务使用的句数，单位句。实际研发不要求已上线或产生收入，纯未来布局、泛泛技术能力、普通自动化不计。技术与应用的互斥边界为透明重建约定，存在时态、主体和表格混排误差；可靠完整分类无技术阳性为0，不能完整判断时缺失。
• AIAppSentenceCount [人工智能应用落地句数] — 参考孔东民、石政（2026）的应用分项，统计人工智能已用于本企业生产质检、研发辅助、客服营销、风控、数据治理或经营管理等具体业务任务的原句数，单位句。自研或向客户提供相关应用均可计，混合技术与应用句归本项；关键词出现、一般联网或普通控制设备不自动计入。独立重建边界及弱标签存在语义测量误差；可靠完整分类无应用阳性为0，不可完整判断时缺失。
• AI [企业人工智能落地水平] — 参考孔东民、石政（2026），将企业年度人工智能落地句数加1取自然对数，无量纲，数值越大表示相关实际活动披露越多，不等于实际投入、生产率或真实技术效果。使用自建词库与弱监督ERNIE独立重建，全管理层讨论句子预测，非作者同值。可靠完整文本全判阴性为0，原文、章节或分类不可测时缺失。
• AI_tech [企业人工智能技术落地水平] — 参考孔东民、石政（2026）的人工智能技术使用频次分项，按本次明确重建约定将技术落地句数加1取自然对数，无量纲；原文未再次单列该分项的对数公式。反映已开展算法研发与技术能力建设的文本披露，非实际技术质量。分类边界与弱监督效度限制同技术句数；完整可靠文本无技术阳性为0，句数不可完整判断时缺失。
• AI_app [企业人工智能应用落地水平] — 参考孔东民、石政（2026）的人工智能应用使用频次分项，按本次明确重建约定将应用落地句数加1取自然对数，无量纲；原文未再次单列该分项的对数公式。反映AI嵌入具体业务的文本披露，非实际经济效果。技术/应用互斥及弱监督测量限制同应用句数；完整可靠文本无应用阳性为0，句数不可完整判断时缺失。
• AIShare [人工智能落地句子占比] — 参考孔东民、石政（2026）的Ratio稳健性口径，人工智能落地句数除以同一完整管理层讨论与分析总句数，取值0至1、无量纲，0.01表示1%。分子与分母使用相同原句划分，不乘100，不用字符或词频替代句数。可靠完整文本无阳性为0，文本不可测、分类不完整或分母非正时缺失。
• IsAIImplementation [是否披露人工智能实际落地] — 参考孔东民、石政（2026）的Dummy稳健性口径，完整管理层讨论与分析至少有一个被ERNIE判为本企业实际AI技术或业务应用的原句取1，否则取0；文本、章节或分类不可完整测量时缺失。1代表本语义口径下的相关披露，不证明实际效果；0不证明现实绝无AI活动。

常见问题

「企业人工智能落地（ERNIE模型）」是什么数据集？

企业人工智能落地（ERNIE模型），隶属数字化转型与人工智能。企业人工智能落地衡量上市公司在技术研发、底层能力建设及具体生产经营场景中实际开展人工智能活动的披露程度。

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 20 个变量。核心指标包括：管理层讨论与分析总句数、人工智能落地句数、人工智能技术落地句数、人工智能应用落地句数、企业人工智能落地水平、企业人工智能技术落地水平、企业人工智能应用落地水平、人工智能落地句子占比、是否披露人工智能实际落地。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 69,432 条观测。

数据是如何测算/获取的？

测算方法 企业人工智能落地衡量人工智能从一般性技术提及走向企业实际技术活动和业务使用的程度。参考孔东民、石政（2026），本数据集从上市公司年报管理层讨论与分析中识别已经开展的人工智能研发、能力建设及具体业务应用，形成总体及技术、应用两个分项。指标反映文本披露代理量，不直接代表真实投入、技术质量或生产率效果。 一、整理完整管理层讨论文本 根据真实章节标题识别完整管理层讨论与分析。历史年报使用具有经营讨论内容的正式董事会报告、联合董事会与管理层讨论章或公司业务回顾章，以相应正式后章为边界，不将章节识别失败回退为年报全文。保留完整父章内容，不因某一子节没有关键词而删除。 统一排版空白并将繁体转为简体，按句号、中文及英文分号切分，保留含汉字或字母的非空原句。同一文字在不同位置出现时分别计数。章内标题、表格及清单可能与邻近叙述组成原句，总句数不按关键词筛选。 二、构建训练词库与弱监督语料 论文的人工智能词典未完整公开。本数据集参照已有人工智能和生成式人工智能研究词库及政策术语整理种子，在本地年报管理层讨论语料上训练Skip-gram词向量，再对相似词进行有限语义筛选。不为贴近论文强行固定词数，重建词表不等于作者原词表。 词库仅用于选取标注样本：采用最长非重叠匹配，英文要求完整字母数字边界；从管理层讨论文本关键词频次超过十次的报告中抽取含词句，并按年份均衡，固定抽取29282句，其中约20%为未命中关键词的对照句。该条件不限制正式样本或最终预测范围。 使用同一本地语言模型的两个任务提示核验目标句内的企业主体、已发生或正在开展的状态、人工智能技术及业务用途证据，形成弱监督标签；提示间不一致或证据不足的样本排除训练。结合有限独立代理语义审查完善标签，不将其称为人工金标准或作者的双模型加人工复核语料。 三、识别技术活动与业务应用 实际技术活动是指企业已经或正在开展人工智能算法模型研发、训练、底层技术或技术产品能力建设。实际研发不要求已经上线或产生收入。实际业务应用是指人工智能已用于生产质检、研发辅助、客服营销、风控、数据安全治理或经营管理等具体任务，包括自研后使用和向客户提供相关应用。混合句以业务应用优先，两类互斥。 纯未来计划、行业政策、他人活动、名词标题或项目名录不视为企业实际活动。普通联网软件、数据采集、传统机械自动化、PID反馈控制及一般制冷散热技术，不仅因“智能”等词而视为人工智能。上下文仅帮助判断主体与时态，不能将邻句的人工智能事实搬给目标句。 以弱监督语料微调中文ERNIE 3.0三分类模型，区分非实际人工智能活动、技术活动、业务应用。训练、验证与测试按公司隔离，排除跨组相同或高度相似模板；固定训练三轮，由弱验证结果选择检查点。测试结果衡量与弱标签的一致性，不是人工准确率。 最终使用冻结ERNIE对完整管理层讨论的全部原句预测，包括未命中词库的句子。标注与分类使用相同的有限上下文编码。长原句以重叠窗口完整覆盖，任一窗口识别为业务应用时归应用，否则有技术窗口时归技术；每个原句最多计一次，重叠窗口不增加句数。 四、汇总公司年度研究指标 设公司为$i$，报告年度为$t$，管理层讨论原句集合为$S{it}$，总句数为$M{it}$。令$Ts$和$As$分别表示原句被识别为实际技术活动和业务应用时取1，否则取0。 $$ N^{tech}{it}=\sum{s\in S{it}}Ts,\qquad N^{app}{it}=\sum{s\in S{it}}As $$ 技术与应用互斥，因此总体落地句数为： $$ N{it}=N^{tech}{it}+N^{app}{it} $$ 总体人工智能落地水平按论文的加一自然对数定义： $$ AI{it}=\ln(1+N{it}) $$ 两个分项采用同样的加一自然对数重建约定： $$ AI^{tech}{it}=\ln(1+N^{tech}{it}),\qquad AI^{app}{it}=\ln(1+N^{app}{it}) $$ 同时提供原始句数及总句数，便于复核公式。数值越大表示相关活动披露越多，句数不是独立项目数量。 论文的文本占比和二元稳健性指标分别为： $$ Ratio{it}=\frac{N{it}}{M{it}},\qquad Dummy{it}=\mathbf{1}(N{it}0) $$ 占比取值0至1，0.01代表1%；不乘100，不用字符数或词频替代总句数。可靠完整文本全部判为阴性时，句数、对数、占比和二元指标均为零。原文或章节无法可靠测量时保留缺失；重算发生分类执行失败时中止，不能用失败结果填零。 补充说明 作者未公开完整词库、标注规则、训练语料与权重。本数据集采用独立种子与Skip-gram、单模型双提示弱监督、中文ERNIE及透明的互斥分类和长句汇总规则，不保证作者同值。原文未再次单列两个细分指标的对数公式，本数据集明确采用与总体一致的变换。 技术研发与业务应用的边界存在判断空间；未来计划、主体归属、通用自动化与人工智能的区分、跨列表格及混合长句仍可能造成误报、漏报和分项互换。有限语义复核已观察到实际活动被误作未来计划、普通数字处理被误作人工智能、参股主体被误作本企业，以及研发阶段与实际应用混淆等问题。上述误差尚未被独立人工金标验证和消除。技术类弱监督样本较少，模型对该稀少类别的识别能力较弱，尤其应谨慎解释技术分项。两个分项的独立构念效度不能由计算恒等式或总体弱标签一致率证明。长句任一应用窗口阳性时整句归应用，也会受到混合叙述影响。 历史董事会经营章范围可能宽于现代管理层讨论章。年报模板调整使业务概要等内容在章内外的位置变化，早年原件稀疏、损坏、标点丢失、文字乱序及章节未识别会影响跨期可比性。原件缺少句号分号且无法可靠恢复原句时保缺，不把整章当成一句。对已逐份核查、句末标点大部分损毁且只残存少数分隔符的原件，同样按原件内容指纹保缺，不把残存分隔形成的整章长块视为可靠原句；不单凭句数少或章节长自动删除报告。零值只表示本测量口径下未识别到实际活动，不证明现实中没有人工智能应用；未识别章节不能解释为企业未披露。 参考文献 孔东民,石政.人工智能落地对企业全要素生产率的影响——基于大语言模型的文本分析证据[J].山西大学学报(哲学社会科学版),2026,49(5):136-152.DOI:10.13451/j.cnki.shanxi.univ(phil.soc.).2026.05.016.

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。