人工智能水平｜上市公司年报人工智能73个词频、文本统计（1998-2025年）
根据最新上市公司年报文本整理，数据更新至2025年！
《管理世界》姚加权（2024）采用“人工种子词 + 机器学习扩展 + 人工筛选”的方式最终选取73个人工智能词语，生成人工智能词典，并利用文本分析方法构建企业层面的人工智能指标
团队参考《管理世界》姚加权（2024）的研究思路和方法，以中国沪深A股上市公司为样本，利用Python对上市公司年报文本进行分词处理，对73个人工智能关键词进行文本词频统计，包括精确词汇、扩展词汇两种方式，并将年报人工智能关键词数量加1后取自然对数衡量上市公司人工智能水平，用以刻画企业在人工智能技术应用、战略布局和信息披露层面的相对水平
人工智能词频数据能够为企业层面人工智能应用与技术布局研究提供可量化的微观指标，具有较强的学术拓展价值。该数据既可用于考察人工智能对企业生产效率、创新能力、劳动力结构、公司治理和企业价值的影响，也可与数字化转型、绿色发展、供应链韧性、融资约束和资本市场反应等主题相结合，拓展人工智能在企业微观行为中的作用机制研究。同时，人工智能词频指标还可与人工智能创新发展试验区、智能制造试点、工业互联网政策等准自然实验相结合，用于评估相关政策对企业智能化转型的影响及其经济后果
图1 历年上市公司人工智能词频趋势
相关数据：上市公司MD&A人工智能词频，人工智能企业数据库，数字化转型词频数据，MD&A数字化词频数据
一、数据介绍数据名称：上市公司人工智能-年报73个词频统计数据
数据范围：A股上市公司
数据年份：1998-2025年
样本数量：73948条，85个变量
数据整理：马克数据网
更新时间：2026年6月
数据说明：内含人工智能73个词频、精确和扩展词汇两种方式
二、整理说明➤获取1998-2025年上市公司年报原始文件
➤将原始报告文本整理为面板数据
➤统计年报全文的文本长度
➤统计全文中，中英文部分的文本长度
➤构建人工智能术语词典，将词汇扩充到python的jieba库
➤去除停顿词，统计精确词汇、扩展词汇数目
➤计算两种方式下的人工智能水平
73个人工智能词汇，共计85个指标，指标如下：
| 类别 | 股票代码 | code |
| 公司简称 | 年报标题 | 年份 |
| 行业名称 | 行业代码 | 全文-文本总长度 |
| 仅中英文-文本总长度 | 人工智能水平 | 人工智能-词频和 |
| 人工智能 | 计算机视觉 | 图像识别 |
| 知识图谱 | 智能教育 | 增强现实 |
| 智能政务 | 特征提取 | 商业智能 |
| 智能养老 | 支持向量机|SVM | 知识表示 |
| 模式识别 | 物联网 | 人机对话 |
| AI产品 | 人机交互 | 数据挖掘 |
| 智慧银行 | 智能客服 | 虚拟现实 |
| 自动驾驶 | 无人驾驶 | 智慧金融 |
| 大数据营销 | 长短期记忆|LSTM | 智能芯片 |
| 边缘计算 | 云计算 | 深度神经网络 |
| AI芯片 | 深度学习 | 特征识别 |
| 智能保险 | 智能零售 | 智能医疗 |
| 智能运输 | 智能家居 | 循环神经网络 |
| 大数据风控 | 机器人流程自动化 | 可穿戴产品 |
| 大数据平台 | 增强智能 | 大数据运营 |
| 机器翻译 | 神经网络 | 语音合成 |
| 人机协同 | 智能农业 | 智能音箱 |
| 卷积神经网络 | 问答系统 | 强化学习 |
| 大数据分析 | 自然语言处理 | 大数据管理 |
| 智能计算 | 语音交互 | 机器学习 |
| 生物识别 | 语音识别 | 智能监管 |
| 智能投顾 | 智能语音 | 声纹识别 |
| 人脸识别 | 智能体 | 大数据处理 |
| 分布式计算 | 智能传感器 | 智能搜索 |
| 智能环保 |
1.各年份上市公司数目
2.上市公司年报人工智能词频统计数据-excel版本
3.上市公司年报人工智能词频统计数据-stata版本
注：该数据为高级会员-附赠数据，可在底部自取数据