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。
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。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:

相关数据
<span]相关数据
<span]股票代码 年份 生成式人工智能水平 kw_sum LLM T5 mPLUG-Owl OpenFlamingo ChatGPT Caffe2 Large AI KOSMOS-2 MXNet Catalyst Flow-based Models 混元大模型 Caffe 通义千问 EfficientNet 自然语言处理 TensorFlow DALL-E Keras 多模态生成架构 讯飞星火大模型 CTRL Bloom 生成对抗网络 Pythia 生成式AI ResNet 知识图谱 流模型 胶囊网络 Autoregressive Models AIGC 生成式人工智能 Mobilenet 盘古大模型 MPT CPT Lenet GRU LSTM 变分自编码器 自回归模型 百川大模型 VAEs pytorch 扩散模型 Bert CPM LLaMA OPT GAN DETR ImageBind Luminous DGL GLM 大语言模型 PaddlePaddle Horovod XLM Large model Diffusion Models Torch GPT 文心一言 Transformer 架构 人工智能基础模型 Vit AlexNet transformers NLP 预训练模型 ERINE Generative AI Pretrained Model TFX
]]股票代码 年份 生成式人工智能水平 kw_sum ChatGPT 自然语言处理 LSTM Lenet ImageBind Pythia 大语言模型 Bert 预训练模型 Large AI 盘古大模型 CPT ERINE XLM 生成对抗网络 CPM Keras T5 DALL-E Autoregressive Models KOSMOS-2 Caffe2 NLP Generative AI PaddlePaddle 多模态生成架构 TFX GRU 混元大模型 MPT Bloom DGL 文心一言 GLM transformers VAEs 讯飞星火大模型 OPT CTRL 通义千问 人工智能基础模型 Large model GPT Luminous DETR 知识图谱 MXNet GAN AlexNet EfficientNet Pretrained Model AIGC TensorFlow 胶囊网络 生成式AI LLaMA Horovod OpenFlamingo Flow-based Models mPLUG-Owl LLM Vit Transformer 架构 ResNet Diffusion Models Caffe 自回归模型 扩散模型 流模型 变分自编码器 pytorch Catalyst Mobilenet Torch 百川大模型 生成式人工智能
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.