数据驱动持续发展,赋能企业绿色转型
碳核算实战:81%的同行都选对了路,为何还有 AI 在“指鹿为马”?
碳核算实战:81%的同行都选对了路,为何还有 AI 在“指鹿为马”?

碳核算实战:81%的同行都选对了路,为何还有 AI 在“指鹿为马”?

我在之前的一篇文章中发起了一个关于“Scope 2 外购电力排放如何计算”的小调研。

见:Scope 2 变天?GHG Protocol Scope 2 最新要求,你的碳核算方法可能全要改!

结果也确实是意料之中,本次就仅针对是否计算LBM和MBM方面来聊一下。

一、 行业共识已呈压倒性优势

在双重汇报方面,81%的专业人士选择了“难但正确”的路,在参与投票的朋友中:

  • 68.75% 的人选择了同时汇报 LBM+MBM;
  • 另有 12.5% 的人是同时报LBM和MBM,但因子略有不同,我也跟这两位朋友详细聊了下,观点还是比较一致的,但下次再说(可能会选择写篇长的报告?不知道有没有大佬赞助一下)。

这意味着 81.25% 的同行都非常清楚 GHG Protocol 双重汇报的要求。

这是一个了不起的行业共识。它说明在专业的 ESG 和碳管理圈层,大家已经达成一致:即便企业没有购买绿电,也不能简单地“只报一个数”,必须区分物理排放(基于位置, Location-based)和市场选择(基于市场, Market-based)

然而,当我把这道“81% 通过率”的基础题抛给几个 AI 大模型后,它们的表现却让我大跌眼镜。

如果一个新手完全依赖 AI 做咨询,他很可能会犯下原则性错误。


二、 AI 压力测试:谁能通过“81%金线”?

我选取了海外的 Gemini、ChatGPT,以及国内的 豆包、通义千问、Kimi 五款AI中相对基础的模型,都用了默认配置,在大众常用的网页端进行操作,没有开DeepResearch等高级功能,给到了《GHG Protocol Scope 2 Guidance》PDF文档,并输入了同样的 Prompt:

“我的公司在中国运营,但在本报告期内,我们没有任何绿电采购行为,100% 使用的是电网统配电力。

根据文档,简洁明了的回答以下两个核心问题:

1. 关于双重汇报的要求: 在这种情况下(市场有机制但企业未参与),我们是否仍然必须同时计算并披露“基于位置(Location-based)”和“基于市场(Market-based)”两个数据?还是说因为没有合同工具,我们只需要披露“基于位置”的数据即可?

2. 关于排放因子的选择: 如果必须计算“基于市场”的排放量,既然我手中没有绿证,我应该使用什么具体的排放因子来计算这个数值?”

测试结果如下:

AI 选手是否通过核心表现非专家点评
Gemini✅ 通过逻辑极其清晰。直接判定“必须双重汇报” ,并指出了无绿证时应使用剩余组合因子 。最佳副驾驶。 它就像一个资深的项目经理,回答简洁有力,没有废话,完美契合我们投票中那 81% 的主流共识。
豆包✅ 通过数据惊人一致。它不仅逻辑对,还直接给出了剩余组合因子 0.5856本土化专家。 豆包给出的数值,在基于市场的计算中与投票中那 68.75% 的企业保持一致。
ChatGPT✅ 通过逻辑严密,引用详实,但过于冗长 。学院派。 它懂规则,引用了大量英文原文,但像在写论文。在咨询实战中,不如 Gemini 高效,尤其是Prompt中明确要求 简洁明了的情况下,更加不想让人看。
通义千问❌ 失败摇摆不定。被反问一句“确定吗”,就立刻改口说“不需要强制披露” 。实习生水平。 立场不坚定,容易为了讨好用户而牺牲专业性,存在合规风险 。
Kimi❌ 失败直接判断错误。认为“没有合同工具”就“不必双重汇报” 。严重误导。 它犯了那 81% 的同行绝对不会犯的错误——把“没买绿电”等同于“不用汇报市场排放” 。


三、 深度复盘:为什么必须坚持“双重汇报”?

为什么那 81.25% 的人是对的?

很多企业(以及 Kimi 这样的 AI)有一个误区:“我没买绿电,Market-based 跟我没关系。”

错!

GHG Protocol 规定,只要你身处一个有绿电交易机制的市场(比如中国),“不买绿电”本身就是一种市场选择 。

  • LBM 告诉公众:我在中国用电,中国电网/或者区域电网平均一度电排多少碳。
  • MBM 告诉公众:因为我没有购买零碳的绿电,所以我使用的是被别人挑剩下的、含碳量更高的“剩余电力” 。

看到区别了吗?

如果您只汇报 LBM,您就掩盖了“未通过市场行为减排”的事实。

只有像那 81% 的投票同行一样,同时列出 LBM 和 MBM,才是对规则最透彻的理解,也是对利益相关方最诚实的交代。


四、 AI+ESG的建议

  1. 专业判断不可替代: AI 可以作为工具,但绝不能作为最终决策者。
  2. 工具要选对:
    • 还是要安利一下 Gemini,更理性、克制
    • 豆包是我没有想到的,前段时间的使用中感觉它还只能作为翻译辅助,但这次让我对他刮目相看,没条件用Gemini的可以试一下豆包。

致正在学习的同行: 拥抱 AI,但请握紧你手中的“判卷笔”。


五、 写在最后:从“知道”到“做到”的距离

虽然我们的投票显示 81% 的同行都掌握了正确的合规逻辑,但我必须诚实地指出一个略显尴尬的现状:

在目前公开的中国上市公司或企业 ESG 报告中,真正严格执行“双重汇报”的并不多。

很多企业即便懂规则,依然选择只披露基于位置(LBM)的数据。为什么?

  • 是因为数据获取太难? 
  • 是因为 MBM 算出来的排放量太高(通常 MBM > LBM),数据不好看? 
  • 还是担心披露两套数据会让公众困惑? 
  • 抑或是觉得相关方没要求,多一事不如少一事? 

“懂规则”是一回事,“敢披露”是另一回事。

目前的低披露率,究竟是合规意识的滞后,还是企业基于现实考量的博弈?这背后有更深层的行业潜规则和实操难点。

关于这个现象,后续再表。