7.6
深览指数
商业虎嗅·陈玉立··AI 生成
AI杀进ESG
本文核心判断是：AI+ESG最先跑通的商业化场景，不会是泛泛的ESG全流程智能化，而是碳核算、能源优化、电力调度和交易这些离钱最近、数据最重、计算最频繁的环节。文章通过采访阳光慧碳、研华科技等企业，用具体案例（如高铁产品碳足迹核算从4-5个月缩短至19小时）和一线从业者判断，论证了ESG正从“合规披露”转向“经营压力”，推动企业必须算清“碳账”、“订单账”和“电费账”。适合关注ESG商业化落地、企业数字化转型及碳管理的从业者阅读。原文 ↗
核心观点
- ▍AI+ESG最先跑通的商业化场景，不会是泛泛的ESG全流程智能化，而是碳核算、能源优化、电力调度和交易这些离钱最近、数据最重、计算最频繁的环节。
- ▍ESG正在从“合规披露”变成“经营压力”，具体表现为影响企业出海、客户采购和供应链准入的“三笔账”：出海账、订单账和电费账。
- 01以中车长春轨道客车为例，其产品碳足迹物料清单约3万条，人工匹配因子需4-5个月，而阳光慧碳的AI平台iCarbon可在19小时内完成一键建模和因子匹配。
- 02研华科技蔡奇男指出，许多制造企业做产品碳足迹的第一大驱动力来自客户和市场，如苹果供应链已把产品碳排放纳入供应链准入标准。
- 03阳光慧碳琚洋认为，随着电力市场化推进，电力交易从过去一年13次变为理论上每天都要做，交易品种也扩展到辅助服务、需求响应、虚拟电厂等，使AI+调度和AI+交易成为高频刚需。
- 04研华昆山工厂通过AI系统融合光伏、储能、用电需求和生产排程，做“最佳化的充放电管理”，在峰谷电价价差下可以直接影响电费。
- 05在AI+能源优化中，程序控制层面的改善可节能3%-8%，结合AI控制策略可达10%-20%，甚至更高。
反方 / 局限
- — AI不能凭空制造真实数据，尤其是范围三排放数据，若供应商未提供真实数据，AI无法解决供应链碳账可信度问题，目前更成熟的方式仍是SaaS收集供应链数据。
- — AI+EM（能源管理）不会一上来就全面接管生产主线，在化工、石化、半导体等行业，生产线停机的风险远大于节能收益，更现实的路径是从低风险、可量化、对生产影响较小的环节切入。
- — AI+ESG全面重塑的前提是数据采集、设备接入、现场执行和管理配合，若企业连基础能源可视化和高耗能电机更换都未完成，算法很难直接产生价值。
14 分钟 · 4 卡片 · 9 资料
读原文 →