AI风险观察台：年报AI披露的大规模LLM分析

社会韧性研究依赖有用且可操作的数据，这引出本文的主要问题：用LLM大规模处理年报，能否为企业在AI方面如何披露应对措施提供有用信号？我们对1362家英国上市公司2020-2025年（含2026年部分数据）的9821份年报应用可复现的两阶段分类管道。先以474条人工标注段落验证方法，得到高召回与中等的标签级一致性；随后报告三个经验模式：(i)2020至2025年，提及AI风险的报告占比从2.8%升至41.2%，AI采用披露从13.8%升至45.2%，具名厂商提及集中于以微软为首的少数主要供应商；(ii)披露在关键国家基础设施部门与市场板块间差异显著：AIM板块的AI风险披露率远低于主板，能源与数据基础设施等板块落后；(iii)危害披露几乎缺位（全语料仅7份）。我们进一步开发实质性分类来评估披露质量，发现多数AI风险披露不具实质性：2025年41.2%的报告提及AI风险，但只有4.3%包含我们判定为实质性的AI风险披露。