2025-2016年上市公司企业人工智能技术暴露度数据、企业人工智能技术暴露度

xiaoniu666 · 发表于 2026-6-21 09:35:48

本帖最后于 2026-11-06 更新

1、资料名称：2025-2016年上市公司企业人工智能技术暴露度数据、企业人工智能技术暴露度

2、测算方式：参考《管理世界》张丹丹老师的做法，通过上市公司在线招聘岗位的岗位名称与职位描述，测算企业层面的人工智能技术暴露度（AI Exposure）。具体而言，以 O*NET 的 2087 个详细工作活动（DWA）为最小工作内容单元，用大语言模型对每个 DWA 的暴露度进行打分（0~1）；再把每条招聘岗位的职位描述与全部 DWA 做中文语义匹配，筛选出岗位所包含的 DWA 及其在该职位工作中的重要性权重，按重要性加权求和得到岗位层面的暴露度；最后在企业-年度层面取均值，得到企业人工智能技术暴露度。指标取值在 0~1 之间，数值越大表示该企业的工作内容越容易被大语言模型加速。

3、资料范围：5,589家上市公司，49,129个企业-年度观测值，包括原始数据、计算代码（真实代码，每一步都可以复现和做重复实验）及最终结果（最终结果格式是excel电子表格格式，非常方便大家导入到自己数据里面），每个原始数据及过程都清晰可查（非主观编造），大家可以验证一下确保准确性！原始招聘数据来自招聘平台发布的在线招聘信息，覆盖 2016-2025 年。

需要说明的是，我们这个资料做的是非常严谨的，从O*NET数据库、招聘数据、大语言模型、 DWA 打分模型，并且附带相关原始数据和代码，是把这个事情说的清楚真正做全了。真正做过大语言模型的用户都知道，这个耗费时间长且及其复杂，我们没有对模型进行删减。原始数据保证真实，就算数据源获取成本很高，也不删减简化；数据加工的每一步质控，绝不图省事偷减工序。修合无人见，存心有天知！

4、参考文献：张丹丹, 于航, 李力行, 胡佳胤, 莫怡青, 李泓孛. 中国人工智能技术暴露度的测算及其对劳动需求的影响——基于大语言模型的新证据[J]. 管理世界, 2025, (7): 59-83.

此数据为科研课题组自用数据，根据真实的数据一步步做出来的，每一步都可以复现和做重复实验，非仅仅只有一堆文件胡编乱造（根据参考文献瞎编结果根本就没有研究价值，不能反映真正的人工智能渗透水平，实证围绕着错的结果根本就毫无意义浪费大家时间），真正的原创一手认真整理数据。