文｜程子芮

當ESG變成一套必須運行的系統

ESG已經不再是企業的“加分項”，而是逐漸進入制度化階段。

在歐洲，《企業可持續發展報告指令》（CSRD）正式落地，要求企業依據ESRS標準進行結構化披露；美國證券交易委員會（SEC）推進氣候信息規則；中國證監會也明確提出分階段推動上市公司強制性可持續信息披露。香港作為國際金融中心，亦步亦趨——港交所於2024年正式生效優化後的气候信息披露規定，要求上市公司逐步按TCFD框架進行披露，並明確將範圍一、範圍二及範圍三排放納入監管視野。

問題在於，ESG天然具有高度複雜性。

以碳管理為例，企業進行產品碳足跡核算時，往往需要採用生命周期評價方法，對“從搖籃到大門”或“從搖籃到墳墓”的排放進行系統邊界劃定。排放計算涉及排放因子匹配、數據質量分級、假設說明等多個技術環節；再以供應鏈管理為例，大型製造企業往往擁有數百甚至上千家供應商。不同國家、不同標準體系下的數據口徑差異，導致企業需要進行多輪數據清洗與交叉校驗；此外，多套披露框架並行也成為現實。TCFD、ISSB、ESRS等框架在氣候風險披露上邏輯相似，但指標結構與表達方式存在差異。企業往往需要在同一套底層數據基礎上完成多版本映射。

更重要的是，監管逐步強調MRV機制（監測、報告與核查）。數據來源是否可追溯、計算方法是否符合標準、假設是否透明，都可能成為審計關注點。

ESG已經從“報告工程”，轉變為“數據工程”。在這種背景下，僅依靠人工整合與外包顧問，難以長期支撐高強度披露需求。

AI進入ESG：不僅“更聰明”，更能承載複雜性

如果說ESG是一套高度複雜的系統，那麼AI真正改變的，是這套系統的“運行方式”。

1.數據處理能力的躍遷：從人工表格到後台系統

在ESG實踐的早期，大量工作集中在“數據搬運”上。財務部整理能源賬單，運營部門統計燃料消耗，供應鏈部門匯總採購信息，最後由ESG團隊手動匹配排放因子、填入披露模板。這種方式成本高、效率低、可複製性差。

2022年成立於美國的ESG Flo（後更名為Tracera），便是針對這一痛點而誕生。該公司在2023年10月完成525萬美元種子輪融資，定位為“AI驅動的ESG數據基礎設施平台”。它的核心能力，並不是寫報告，而是解析原始數據。

例如，平台可自動讀取公用事業賬單，通過自然語言處理與規則識別技術提取電力、燃氣等活動數據，並自動計算範圍一與範圍二排放量。更重要的是，這些結果可以直接映射至GRI、SASB等主流披露框架，減少重複錄入。

數據不再是Excel裡的靜態表格，而成為可調用的底層數據庫。

類似的路徑也出現在新興市場。氣候科技公司Biocog將AI能力嵌入中小企業場景。其平台可以直接從企業發票和賬單中提取數據，實時計算碳排放，並將結果轉化為可對接ESG評分與綠色金融產品的碳資產指標。這意味著，一家中小型製造或物流企業，無需專門聘請碳顧問，也可以完成基礎核算，並進入綠色融資體系。

在這些案例中，AI並未承擔複雜決策角色，而是解決了最具“摩擦成本”的環節——數據整理與計算。

當數據整理這一瓶頸被系統化處理，ESG管理的門檻開始下降。

2.從“生成結論”到“輔助判斷”：對“幻覺風險”的回應

隨著生成式AI在ESG寫作與分析中的應用增加，新的問題也隨之出現。在合規披露與審計環境下，AI生成文本如果缺乏真實數據支撐，可能產生所謂“幻覺風險”——即內容看似合理，卻無法追溯來源。

這一風險在氣候信息披露場景尤為敏感。

例如，在進行氣候情景分析或轉型風險說明時，數據來源、假設參數與方法學必須清晰記錄。

為此，越來越多ESG技術平台引入RAG架構。與單純依賴大模型不同，RAG將模型輸出限定在結構化數據庫、原始文件與權威數據源之上。模型在生成文本前，必須“檢索”可驗證資料，並將引用信息嵌入輸出邏輯。

這種架構，本質上是為AI增加“可追溯性”。

在審計邏輯逐步強化的背景下，這類技術設計成為AI能否真正進入合規場景的關鍵。

AI不再只是寫得更快，而是必須“說得有依據”。

3.從單點工具到流程協調：多智能體與系統運行

更進一步，AI在ESG中的角色正在發生結構性變化。

早期應用往往集中在某個單一功能——例如排放計算或報告生成。但隨著企業ESG管理複雜度上升，單點工具難以支撐跨部門協同。部分平台開始採用Agentic AI架構。簡單來說，不再由一個模型承擔全部任務，而是由多個分工明確的智能體協同完成流程。

例如：

一個智能體負責數據採集與校驗

一個智能體負責排放計算與因子匹配

一個智能體負責框架映射與指標整理

另一個智能體則負責情景分析與風險提示

這些模塊通過自動化流程連接，形成“閉環運行”的系統。

ESG管理因此從“模塊化處理”，走向“系統級協調”。

當企業需要同時管理碳核算、供應鏈盡調、風險分析與多框架披露時，多智能體架構開始展現優勢。

它不只是提升效率，而是在技術層面模擬企業內部的協同結構。

中國實踐：以AI驅動碳足跡與供應鏈管理——香港連結視角

在中國市場，部分企業正在探索“AI+碳管理”的系統化路徑，其中香港作為國際樞紐，在標準對接與綠色金融聯通中扮演關鍵角色。

以上海寶碳為例，其AI碳足跡管理平台以企業真實業務流程為核心，構建了覆蓋組織層面與產品層面的雙維度管理體系。平台通過智能建模技術，對產品、工序與供應商排放進行拆解，形成結構化排放清單。

在技術層面，系統引入參數化建模邏輯，將生產活動數據與排放因子庫進行動態匹配；同時通過算法對缺失數據進行合理估算，並保留數據質量分級標籤，滿足後續審計與核查需求。

在供應鏈場景中，平台支持對不同供應商的碳強度進行橫向比較。例如，在同類原材料採購中，企業可以基於單位產品排放強度進行排序分析；在技術改造情景下，可對不同設備能效方案進行減排績效模擬。

這意味著，企業不僅能夠完成範圍一至三排放核算與披露，還能夠在採購決策、產線優化與技術升級中嵌入碳約束邏輯。

ESG管理因此從“合規任務”轉向“經營變量”。

平台化的優勢也體現在全球合規兼容能力上。通過內置多框架映射規則與多語言接口，企業可以在同一數據底座上完成境內外披露要求，減少重複建設成本——這對香港總部統籌、大灣區設廠的企業尤為重要。許多企業正面臨同時應對港交所氣候披露要求、內地監管要求與國際供應鏈客戶要求的挑戰，一體化平台成為解決方案。

在這種模式下，合規與賦能實現統一。

香港角色：“超級聯繫人”與“綠色金融樞紐”

香港在“AI+ESG”的生態系統中，具備獨特定位：

監管先行者：港交所於2024年推出的氣候信息披露規定，強化了上市公司對範圍三排放的管理要求，直接推動企業對AI碳管理工具的需求。

綠色金融紐帶：香港作為亞洲綠色債券樞紐，2023年綠色及可持續債務工具發行總額超過300億美元。ESG數據的準確性與透明度，直接影響綠色融資的成本與可信度。AI平台提供的可追溯數據，可作為金融機構審核綠色資產的技術基礎。

標準對接平台： ISSB（國際可持續準則理事會）於2023年發布的S1、S2準則，與香港緊密連結。財經事務及庫務局明確表示香港將全面對接ISSB框架，這使得“AI+ESG”平台成為企業實現多標準兼容的技術支撐。

大灣區協同：香港總部+大灣區生產基地的企業結構，需要一套系統同時處理內地生產數據與香港披露要求。AI平台在數據匯聚、因子匹配與框架映射上的能力，直接回應這一區域化需求。

規模化應用：從工具到基礎設施

AI+ESG的應用正在進入規模化階段。

在電力與公用事業領域，部分企業已利用AI系統自動整合電網數據與設備運行數據，進行實時排放測算。

在製造業，AI被用於能源管理系統與生產執行系統數據對接，通過算法優化生產參數，實現節能降耗。

在金融行業，銀行利用AI模型對企業氣候風險進行壓力測試，並將碳強度指標納入授信評估模型。香港金管局亦推動銀行業氣候風險壓力測試，AI系統成為數據匯總與風險模擬的關鍵工具。

同時，中小企業也開始使用自動化碳核算工具參與綠色供應鏈評級或申請綠色融資。

從趨勢看，AI+ESG正在由“前沿嘗試”轉向“行業標配”。

技術的邊界

需要強調的是，AI並不能替代企業的戰略判斷。排放因子選擇、系統邊界劃定、減排路徑優先級排序，仍然需要專業判斷與治理決策。算法可以計算結果，但不能定義企業的價值取向。技術提升效率，但制度與責任決定方向。

展望：系統能力的競爭——香港的橋樑使命

未來，企業之間的差距或許不再體現在報告厚度，而體現在系統穩定性與數據透明度。

當ESG成為一套持續運行的管理體系，AI不再只是工具，而成為支撐企業長期競爭力的基礎設施。

對於香港而言，這套基礎設施的意義不止於工具層面。在國際標準與中國實踐之間，在綠色資本與實體資產之間，在監管要求與技術解決方案之間——香港正在成為AI+ESG生態系統中不可或缺的連接樞紐。

從“寫報告”到“管系統”，從單點工具到系統能力，從區域合規到全球對接：這正是AI+ESG帶給企業的結構性變革，也是香港在新一輪綠色轉型中的關鍵角色所在。

（本文作者係錦鯉國際控股集團聯席主席、香港大學榮譽研究員，文章僅代表個人觀點）