借鉴乔朋华等（2025）在《生成式人工智能如何提升制造业企业韧性？》研究中构建的文本分析框架，本研究采用企业年报文本词频分析法，以生成式人工智能相关术语的年度出现频次作为量化企业技术应用程度的核心指标。具体操作流程包括：首先获取目标样本企业的完整年报文本数据，经标准化处理后形成结构化语料库；其次基于既有文献构建包含”生成式AI””扩散模型””预训练语言模型”等核心术语的专业词库；最后通过Python编程实现文本分词处理，结合正则表达式精准抓取特征词并统计其年度出现频次，最终形成企业技术应用水平的量化评估体系。
生成式人工智能作为人工智能的关键技术方向，依托深度学习模型实现对多模态数据（文本、图像、音频、代码等）的模式识别与规律学习，具备自主内容生成能力。该技术不仅能够完成文本创作、图像生成、代码编写、音乐合成及视频制作等多样化任务，更在科学研究、教育培训、金融服务、创意设计等领域展现出显著的智能化赋能效应。
数据标准化处理，对统计词频进行加一平滑处理，取自然对数转换。观测值68471条，原始数据来源于上市公司MD&A管理层讨论与分析。
数据指标
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