上市公司数字技术使用、数字化转型（2006-2025）| ERNIE模型测算
数据简介
在企业数字化转型研究中，如何准确衡量企业的数字技术使用一直是一个基础但又十分关键的问题。过去较为常见的做法，是从上市公司年度报告中提取“大数据”、“人工智能”、“云计算”、“区块链”、“数字化”等关键词，通过关键词是否出现或出现频次构造企业数字化转型指标。这种方法操作简单、可复制性较强，也因此被大量实证研究采用。然而，随着数字化转型研究不断深入，单纯依赖关键词词频的局限也越来越明显。
一个最直观的问题是：年报中出现数字技术关键词，并不意味着企业真正使用了这项技术。例如，“公司目前尚未应用人工智能技术”、“未来计划加快大数据平台建设”、“人工智能技术正在推动行业快速发展”等表述都可能命中“人工智能”、“大数据”等关键词，但第一句话属于明确的否定表达，第二句话描述的是未来规划，第三句话反映的只是行业发展趋势。如果简单统计关键词词频，这些句子都可能被计入企业数字化转型指标，从而产生一定程度的误识别。除此之外，数字技术关键词还可能出现在政策文件、风险提示、客户需求、供应商介绍、竞争对手分析等语境中。传统词频方法能够判断企业“有没有提到数字技术”，却很难进一步判断“是谁在使用”“是否已经使用”、“使用了什么技术”。这也意味着，同样出现10次“人工智能”，背后的实际含义可能完全不同。因此，数字化转型的文本测度正在从简单的“数关键词”进一步转向理解句子语义。金星晔等（2024）发表于《经济研究》的《企业数字化转型的测度难题：基于大语言模型的新方法与新发现》，正是从这一问题出发，引入语言模型识别企业数字技术的实际使用情况。具体测算流程如下：
①原始数据使用上市公司年度报告文本构建企业数字技术使用。数据主要包括上市公司年报中的管理层讨论与分析（MDA）文本，并补充年报前置部分中“目录、释义及重大风险提示”等章节。整体测算参考金星晔等（2024）《企业数字化转型的测度难题：基于大语言模型的新方法与新发现》的研究思路，按照“年报文本清洗与分句—关键词筛选—语义标注—ERNIE模型预测—企业年度汇总”的流程识别企业数字技术实际使用情况。原始文本按照证券代码和报告年份进行匹配，完成特殊字符和格式清理后，根据句号、分号、问号、感叹号及换行等进行分句；同一企业同一年度不同文本来源中完全相同的句子仅保留一条。最终完整预测句库包含15842736条句子。
②在数字技术关键词构建方面，首先建立数字技术候选词表，用于筛选可能涉及数字技术的年报句子。参考吴非等（2021）、赵宸宇等（2021）、甄红线等（2023）的企业数字化转型关键词口径，并结合姚加权等（2024）的人工智能关键词，对技术名称、技术工具、应用场景和数字基础设施相关词语进行归并、去重和补充，最终形成311个数字技术关键词，主要覆盖大数据、人工智能、移动互联、云计算、物联网、区块链等类别。需要说明的是，关键词只用于筛选候选句和构建标注样本，并不直接作为企业数字技术使用的判定依据，从而避免将政策背景、行业趋势、未来规划等包含数字化关键词的表述误识别为企业实际使用数字技术。
③在数字技术识别方面，采用“通用语言模型辅助标注+ERNIE全量预测”的方式进行句子级分类。对2006—2025年的候选句按照扩展方案抽取约20%，使用QWEN3模型进行语义标注，同时加入一定比例的非关键词句作为训练样本。按照大数据、人工智能、移动互联、云计算、物联网、区块链、非新型数字技术和非数字技术八个类别进行标注，核心判断标准是句子是否明确体现本企业已经实施、正在使用、已经上线、部署、接入或建设相关技术。如果仅涉及未来计划、政策背景、行业趋势、客户或供应商行为，或者只是出现技术名称但不能体现本企业实际应用，则不认定为相应的新型数字技术使用。在获得语义标注结果后，使用ERNIE中文预训练模型进行八分类微调，再利用训练后的模型对完整年报句库逐句预测，得到每条句子的技术类别及预测概率。
④经过上述处理，最终形成2006-2025年上市公司数字技术使用面板数据。参考文献主要采用0/1变量衡量企业是否使用数字技术，即企业当年至少存在1条数字技术实际使用句时取1，否则取0。在此基础上，本数据进一步保留更加详细的企业年度数字技术使用句子数。具体而言，分别统计同一企业同一年度被ERNIE识别为大数据、人工智能、移动互联、云计算、物联网和区块链六类新型数字技术实际应用的句子数量，并加总得到企业年度数字技术使用句子总数。相较于仅使用0/1变量，句子数保留了更多原始识别信息，既可以直接用于衡量企业年度数字技术使用情况，也可以进一步计算各类数字技术句子数、数字技术句子占比及技术多样性等指标。如需按照参考文献构造0/1变量，可直接根据句子数自行计算：企业年度数字技术使用句子数大于0时取1，否则取0；各类数字技术0/1变量也可按照相同方法分别构造。
由于参考文献未公开具体关键词口径，因此，本数据在参考已有文献数字化转型和人工智能关键词构建思路的基础上，对相关文献中可公开获取的关键词进行整理，并结合上市公司年报中实际出现的数字技术术语进行补充、归并和去重，最终形成311个数字技术关键词。需要说明的是，该关键词词表属于基于参考文献研究思路进行的重新构建，并非参考文献原始词表的完全复制，具体关键词范围及识别结果可能与原文存在一定差异。
数据示例
参考文献
[1]金星晔,左从江,方明月,李涛,聂辉华.企业数字化转型的测度难题——基于大语言模型的新方法与新发现[J].经济研究,2024,59(3):34-53.
[2] 吴非,胡慧芷,林慧妍,任晓怡.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界,2021,37(7):130-144.
[3] 赵宸宇,王文春,李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济,2021,42(7):114-129.
[4] 甄红线,王玺,方红星.知识产权行政保护与企业数字化转型[J].经济研究,2023,58(11):62-79.
[5] 姚加权,张锟澎,郭李鹏,冯绪.人工智能如何提升企业生产效率——基于劳动力技能结构调整的视角[J].管理世界,2024,40(2):101-116.