文｜程子芮

当ESG变成一套必须运行的系统

ESG已经不再是企业的“加分项”，而是逐渐进入制度化阶段。

在欧洲，《企业可持续发展报告指令》（CSRD）正式落地，要求企业依据ESRS标准进行结构化披露；美国证券交易委员会（SEC）推进气候信息规则；中国证监会也明确提出分阶段推动上市公司强制性可持续信息披露。香港作为国际金融中心，亦步亦趋——港交所于2024年正式生效优化后的气候信息披露规定，要求上市公司逐步按TCFD框架进行披露，并明确将范围一、范围二及范围三排放纳入监管视野。

问题在于，ESG天然具有高度复杂性。

以碳管理为例，企业进行产品碳足迹核算时，往往需要采用生命周期评价方法，对“从摇篮到大门”或“从摇篮到坟墓”的排放进行系统边界划定。排放计算涉及排放因子匹配、数据质量分级、假设说明等多个技术环节；再以供应链管理为例，大型制造企业往往拥有数百甚至上千家供应商。不同国家、不同标准体系下的数据口径差异，导致企业需要进行多轮数据清洗与交叉校验；此外，多套披露框架并行也成为现实。TCFD、ISSB、ESRS等框架在气候风险披露上逻辑相似，但指标结构与表达方式存在差异。企业往往需要在同一套底层数据基础上完成多版本映射。

更重要的是，监管逐步强调MRV机制（监测、报告与核查）。数据来源是否可追溯、计算方法是否符合标准、假设是否透明，都可能成为审计关注点。

ESG已经从“报告工程”，转变为“数据工程”。在这种背景下，仅依靠人工整合与外包顾问，难以长期支撑高强度披露需求。

AI进入ESG：不仅“更聪明”，更能承载复杂性

如果说ESG是一套高度复杂的系统，那么AI真正改变的，是这套系统的“运行方式”。

1.数据处理能力的跃迁：从人工表格到后台系统

在ESG实践的早期，大量工作集中在“数据搬运”上。财务部整理能源账单，运营部门统计燃料消耗，供应链部门汇总采购信息，最后由ESG团队手动匹配排放因子、填入披露模板。这种方式成本高、效率低、可复制性差。

2022年成立于美国的ESG Flo（后更名为Tracera），便是针对这一痛点而诞生。该公司在2023年10月完成525万美元种子轮融资，定位为“AI驱动的ESG数据基础设施平台”。它的核心能力，并不是写报告，而是解析原始数据。

例如，平台可自动读取公用事业账单，通过自然语言处理与规则识别技术提取电力、燃气等活动数据，并自动计算范围一与范围二排放量。更重要的是，这些结果可以直接映射至GRI、SASB等主流披露框架，减少重复录入。

数据不再是Excel里的静态表格，而成为可调用的底层数据库。

类似的路径也出现在新兴市场。气候科技公司Biocog将AI能力嵌入中小企业场景。其平台可以直接从企业发票和账单中提取数据，实时计算碳排放，并将结果转化为可对接ESG评分与绿色金融产品的碳资产指标。这意味著，一家中小型制造或物流企业，无需专门聘请碳顾问，也可以完成基础核算，并进入绿色融资体系。

在这些案例中，AI并未承担复杂决策角色，而是解决了最具“摩擦成本”的环节——数据整理与计算。

当数据整理这一瓶颈被系统化处理，ESG管理的门槛开始下降。

2.从“生成结论”到“辅助判断”：对“幻觉风险”的回应

随著生成式AI在ESG写作与分析中的应用增加，新的问题也随之出现。在合规披露与审计环境下，AI生成文本如果缺乏真实数据支撑，可能产生所谓“幻觉风险”——即内容看似合理，却无法追溯来源。

这一风险在气候信息披露场景尤为敏感。

例如，在进行气候情景分析或转型风险说明时，数据来源、假设参数与方法学必须清晰记录。

为此，越来越多ESG技术平台引入RAG架构。与单纯依赖大模型不同，RAG将模型输出限定在结构化数据库、原始文件与权威数据源之上。模型在生成文本前，必须“检索”可验证资料，并将引用信息嵌入输出逻辑。

这种架构，本质上是为AI增加“可追溯性”。

在审计逻辑逐步强化的背景下，这类技术设计成为AI能否真正进入合规场景的关键。

AI不再只是写得更快，而是必须“说得有依据”。

3.从单点工具到流程协调：多智能体与系统运行

更进一步，AI在ESG中的角色正在发生结构性变化。

早期应用往往集中在某个单一功能——例如排放计算或报告生成。但随著企业ESG管理复杂度上升，单点工具难以支撑跨部门协同。部分平台开始采用Agentic AI架构。简单来说，不再由一个模型承担全部任务，而是由多个分工明确的智能体协同完成流程。

例如：

一个智能体负责数据采集与校验

一个智能体负责排放计算与因子匹配

一个智能体负责框架映射与指标整理

另一个智能体则负责情景分析与风险提示

这些模块通过自动化流程连接，形成“闭环运行”的系统。

ESG管理因此从“模块化处理”，走向“系统级协调”。

当企业需要同时管理碳核算、供应链尽调、风险分析与多框架披露时，多智能体架构开始展现优势。

它不只是提升效率，而是在技术层面模拟企业内部的协同结构。

中国实践：以AI驱动碳足迹与供应链管理——香港连结视角

在中国市场，部分企业正在探索“AI+碳管理”的系统化路径，其中香港作为国际枢纽，在标准对接与绿色金融联通中扮演关键角色。

以上海宝碳为例，其AI碳足迹管理平台以企业真实业务流程为核心，构建了覆盖组织层面与产品层面的双维度管理体系。平台通过智能建模技术，对产品、工序与供应商排放进行拆解，形成结构化排放清单。

在技术层面，系统引入参数化建模逻辑，将生产活动数据与排放因子库进行动态匹配；同时通过算法对缺失数据进行合理估算，并保留数据质量分级标签，满足后续审计与核查需求。

在供应链场景中，平台支持对不同供应商的碳强度进行横向比较。例如，在同类原材料采购中，企业可以基於单位产品排放强度进行排序分析；在技术改造情景下，可对不同设备能效方案进行减排绩效模拟。

这意味著，企业不仅能够完成范围一至三排放核算与披露，还能够在采购决策、产线优化与技术升级中嵌入碳约束逻辑。

ESG管理因此从“合规任务”转向“经营变量”。

平台化的优势也体现在全球合规兼容能力上。通过内置多框架映射规则与多语言接口，企业可以在同一数据底座上完成境内外披露要求，减少重复建设成本——这对香港总部统筹、大湾区设厂的企业尤为重要。许多企业正面临同时应对港交所气候披露要求、内地监管要求与国际供应链客户要求的挑战，一体化平台成为解决方案。

在这种模式下，合规与赋能实现统一。

香港角色：“超级联系人”与“绿色金融枢纽”

香港在“AI+ESG”的生态系统中，具备独特定位：

监管先行者：港交所于2024年推出的气候信息披露规定，强化了上市公司对范围三排放的管理要求，直接推动企业对AI碳管理工具的需求。

绿色金融纽带：香港作为亚洲绿色债券枢纽，2023年绿色及可持续债务工具发行总额超过300亿美元。ESG数据的准确性与透明度，直接影响绿色融资的成本与可信度。AI平台提供的可追溯数据，可作为金融机构审核绿色资产的技术基础。

标准对接平台： ISSB（国际可持续准则理事会）于2023年发布的S1、S2准则，与香港紧密连结。财经事务及库务局明确表示香港将全面对接ISSB框架，这使得“AI+ESG”平台成为企业实现多标准兼容的技术支撑。

大湾区协同：香港总部+大湾区生产基地的企业结构，需要一套系统同时处理内地生产数据与香港披露要求。AI平台在数据汇聚、因子匹配与框架映射上的能力，直接回应这一区域化需求。

规模化应用：从工具到基础设施

AI+ESG的应用正在进入规模化阶段。

在电力与公用事业领域，部分企业已利用AI系统自动整合电网数据与设备运行数据，进行实时排放测算。

在制造业，AI被用于能源管理系统与生产执行系统数据对接，通过算法优化生产参数，实现节能降耗。

在金融行业，银行利用AI模型对企业气候风险进行压力测试，并将碳强度指标纳入授信评估模型。香港金管局亦推动银行业气候风险压力测试，AI系统成为数据汇总与风险模拟的关键工具。

同时，中小企业也开始使用自动化碳核算工具参与绿色供应链评级或申请绿色融资。

从趋势看，AI+ESG正在由“前沿尝试”转向“行业标配”。

技术的边界

需要强调的是，AI并不能替代企业的战略判断。排放因子选择、系统边界划定、减排路径优先级排序，仍然需要专业判断与治理决策。算法可以计算结果，但不能定义企业的价值取向。技术提升效率，但制度与责任决定方向。

展望：系统能力的竞争——香港的桥梁使命

未来，企业之间的差距或许不再体现在报告厚度，而体现在系统稳定性与数据透明度。

当ESG成为一套持续运行的管理体系，AI不再只是工具，而成为支撑企业长期竞争力的基础设施。

对于香港而言，这套基础设施的意义不止于工具层面。在国际标准与中国实践之间，在绿色资本与实体资产之间，在监管要求与技术解决方案之间——香港正在成为AI+ESG生态系统中不可或缺的连接枢纽。

从“写报告”到“管系统”，从单点工具到系统能力，从区域合规到全球对接：这正是AI+ESG带给企业的结构性变革，也是香港在新一轮绿色转型中的关键角色所在。

（本文作者系锦鲤国际控股集团联席主席、香港大学荣誉研究员，文章仅代表个人观点）