全球 500 强企业 AI 亲和指数：评分方法

1. 母样本与榜单边界

母样本是 2026 Fortune Global 500 的全部 500 家企业。Fortune 名次按营收排列，只作为对照字段，不进入 AI 亲和评分。

• 500 家企业完成官网入口、公开页面与有界端点的基线筛查。
• 175 家公开证据充分的企业进入完整五维复核。
• 本期发布全部达标企业，共 108 家；门槛为 60 分。

2. 60 分基准线

企业须有已部署 AI 的第一方公开证据，规模化运营采用不低于 15/25、证据质量不低于 7/10，并达到总分 60/100。

• 90–100：前沿平台。模型、Agent/接口、运营和研究均有高质量公开证据。
• 75–89：领先者。具备多条生产能力和规模化采用证据。
• 60–74：达到 AI 亲和基准。已有部署和可复核证据，但开放度或研究深度较弱。

3. AI agent 评估流水线

• 母样本锁定：读取 Fortune 官方 2026 榜单，保存企业名称、营收名次、行业、国家/地区与 Fortune 企业页面。
• 证据发现：只在企业官网、官方开发者站、官方研究站、官方新闻室与官方开源组织中发现候选证据。
• 有界探查：检查官网首页、robots.txt、sitemap、llms.txt、常见 MCP/OAuth 发现路径及与 AI/Agent 相关的公开页面。
• 逐维评分：按同一 rubric 对五个维度打分；没有公开证据不得用行业声誉补分。
• 复核与定版：检查分项上限、总分、证据链接、基准门槛、排序和并列规则，再冻结版本与审计日期。

4. 五维评分

5. 证据规则与排除项

• 优先采用 2025–2026 年第一方材料；较早证据仅在仍代表当前能力时保留。
• 第三方媒体、供应商客户案例、招聘广告和未经企业确认的传闻只能用于发现线索，不能单独得分。
• 购买模型、拥有数据或处于科技行业不会自动得高分；必须看到可识别的产品、接口、运营或研究证据。
• 没有发现公开 MCP 或 Agent 接口只影响开放度维度，不能证明企业内部没有私有系统。

6. 排序、并列与名次跃升

先按总分降序；同分时保留本版冻结审计顺序（本版不声明任何未实现的次级判据）。Fortune 名次不参与并列裁决。名次跃升 = Fortune 名次 − AI 名次，仅用于解释两种排序差异。

7. 已知限制

• 公开证据会低估保密、受监管或主要在内网运行的 AI 能力。
• 跨语言网站、地区站点、动态页面、访问控制和反爬机制会影响证据可发现性。
• 分数是审计日快照，不预测未来采用、商业结果、安全性或投资回报。
• 本榜与 Fortune 及任何上榜企业无关联，不构成认可、合作、客户或投资建议。

8. 可复现性与过程溯源

过程分两个阶段，分开披露。**基线阶段**由 Codex CLI with gpt-5.6-sol (azure provider) 完成：母样本基线筛查，以及最初的 100 家企业版本。 这是发布方陈述，早于本仓库中可核验的产物。**复核阶段**由 DeepSeek Harness (DSH) with deepseek/deepseek-v4.1-flash (commandcode provider) 完成：重建候选池，逐条复核第一方证据链接，按同一套确定性 rubric 重算全部条目分数，并改为发布全部达标企业。 这一阶段可由仓库中已提交的产物完整复现。

披露工具是因为它决定了流程，而不是决定了分数：一家企业的公开得分来自其证据 profile 与本文件中的 rubric，两者均已公开。模型归属取自**当次会话自身的记录**，而不是本机配置——配置会随时间变化：产出最初版本的 Codex 会话记录为 gpt-5.6-sol，复核阶段的默认模型为 deepseek/deepseek-v4.1-flash。第二阶段可由仓库中已提交的产物完整复现；第一阶段早于这些产物。

复现方式：克隆本仓库，在 plugins/longarena-investor 下依次执行下列命令。候选池生成与评分是确定性的；证据 profile 的撰写依赖判断，因此完全一致的复现要求使用同一份 pool/profiles/。

• 以下环节可精确复现：
• · Cohort fields: rank, name, sector, country/region, Fortune page slug and official site, read from the Fortune Global 500 payload.
• · Bounded baseline screen: fixed path list, 12s timeout, no crawling; every probe recorded with status and outcome.
• · Agent-discovery verification: a bare HTTP 200 is not accepted; JSON content-type or an OAuth/MCP marker is required.
• · Candidate-pool inclusion: three documented routes, applied by script, with the reason recorded per company.
• · Scoring: five dimensions computed from an evidence profile by fixed anchors; the evidence-quality dimension is measured, not supplied by a reviewer.
• · Publication gates and the published set: score >= 60, operating adoption >= 15, evidence quality >= 7, no slot cap.
• · Every acceptance gate: structure invariants, reproducible tie-breaks, cohort cross-check, per-link reachability and content quality.
• 以下环节依赖判断（可复核，但不能保证逐字一致）：
• · Evidence discovery and the content of each evidence profile (which first-party page best represents a company, and how many named products or quantified metrics it supports).
• · Frontier-model tier, granted centrally from a reviewed list rather than by each profile.
• · Registered exceptions where a cited page blocks automated clients or cannot be reached from the reviewer network.
• · Exclusions: a company whose own properties cannot be read is removed and disclosed rather than scored at zero.
• 复现时必须预期以下差异：
• · Live pages change: a reproduction run on a later date may find dead links, or different evidence, and therefore different scores.
• · Network egress matters: bot walls (403/406/412), regional blocks and DNS interception change what a reviewer can read; the committed run records each such case.
• · Client-rendered corporate sites return little static text; rendering is required before concluding a page is empty.
• · Screen recall is limited (measured against known-good companies it re-found only 47 of 100), which is why the candidate pool is a union of three routes rather than the screen alone.
• · Brand and ownership traps exist: similarly named but unrelated companies, and AI that belongs to a subsidiary rather than the parent, both distort scoring if missed.
• 命令：
• $ npm --prefix plugins/longarena-investor run refresh:scan
• $ npm --prefix plugins/longarena-investor run refresh:queue
• $ # review agents write pool/profiles/<rank>-<slug>.json, one per candidate
• $ npm --prefix plugins/longarena-investor run refresh:finalize
• $ npm --prefix plugins/longarena-investor run refresh:gate
• 校验：复现结果应与 ranking.json 的漏斗字段（screenedCompanies / candidatePoolSize / fullReviewCompanies / publishedCompanies）和门槛（60 / 15 / 7）一致；再对整份结果运行 eval 门禁。