当AI开始接手碳管理，中小企业的“碳门槛”会消失吗？

“会披露的人越来越会，不会披露的人依然无从下手，这个鸿沟没有缩小反而在持续扩大。”

碳阻迹创始人&CEO晏路辉的这个感受，描述的是中国企业碳管理领域当前面临的现实：头部企业和中小企业之间的差距，不是时间差，而是结构性的——它关乎资源、话语权和供应链位势。

而AI正在改变这个格局。近日，碳阻迹发布碳管理AI智能体（Carbon Agent）‌，试图用AI重新定义碳核算的工作方式。当AI长出了能够干活的“手”，中小企业的“碳门槛”会消失吗？

结构性分层与主动布局

晏路辉对第一财经表示，头部企业和大量中小企业、非上市公司的分层并非线性的，而是结构性的。分层的同时，市场需求的变化也在实实在在地发生。和早期更多服务预算充足、战略诉求明确的行业头部品牌不同，他们服务的企业客户正在向下游延伸，“因为链主有了管理供应链碳数据的刚性需求，他们需要工具、方法和第三方支持来帮助供应商完成碳核算和披露，我们自然就跟着进入了第二层、第三层供应商”。

从品牌端向供应链端的迁移，是当前显著的结构性变化，也预示着碳披露正在走向产业生态标配。

“中国市场的一个显著特征是碳管理需求呈现产业链传导特点。”国际第三方认证机构SGS中国区副总裁辛斌也告诉第一财经，企业关注碳管理正从少数大型企业逐步向产业链上下游延伸。然而，大型企业已从“有没有做”进入“如何做得更规范、更高效”的阶段，大量中小企业却仍处于能力建设阶段，正在逐步建立数据采集、碳核算和内部管理体系。

结构性的分层并不等于中小企业可以置身事外。恰恰相反，外部压力正在从多个方向倒逼它们加快碳管理的步伐。

2026年1月1日，欧盟碳边境调节机制（CBAM）正式进入实施阶段，2027年进入财务履约后，没有准备好碳数据的企业将直面碳关税成本。

在晏路辉看来，大量外贸链上的中小企业一定会被倒逼加快进程。然而，同一家企业可能同时面对CBAM、品牌客户供应链要求、国内监管披露三套要求，核算边界、方法学、数据颗粒度都不一样，“如果每个要求都单独核算一次，成本翻倍、效率低下，对于本就资源有限的中小企业来说更是难以承受”。

压力的另一面是动力。根据辛斌的观察，越来越多企业开始意识到，碳数据正在成为供应链竞争力的重要组成部分。不少企业开始主动建设碳管理体系，希望通过标准化的数据管理提升客户认可度。随着国际规则持续完善，以及国内相关政策和行业标准的不断推进，企业着手建立碳管理能力，不仅能够满足当前需求，也是在为未来更广泛的绿色贸易和供应链要求做好准备。

从“手工作坊”到“工业化流水线”

在这样的市场需求转变与AI技术变革下，碳管理行业迎来了“代际转折”。

传统的碳足迹核算，在晏路辉看来本质上是“手工业”——高度依赖资深咨询师的经验和判断，数据收集靠人工翻账单，排放因子匹配靠经验，模型搭建靠Excel表格，一份报告耗时数周、收费数万元。一个资深咨询师一年最多服务几十家企业。“全球数十亿种产品，即使把全世界的碳咨询师集中起来，也永远做不完”。

只要核算还依赖纯人工，碳足迹就永远无法成为产品的标配信息。这样的格局，在AI出现之前根本无解。

这也是晏路辉他们推出碳管理智能体的出发点：用AI替代手工业里重复性的工作，比如数据清洗、因子匹配、模型复用、报告自动生成，把咨询师从案头工作中解放出来，让他们去做真正需要判断力和行业洞察的事情。通过智能体把专业能力放大，让一个人从服务十家企业变成服务一千家，也才能够让碳管理从一个“少数人的奢侈品”变成“每个产品的标配”。

晏路辉解释说，传统模式里，咨询师要亲力亲为地完成全流程，每个环节都是手工活，80%以上的时间花在了重复性的事务工作上。智能体的角色是引导用户一步步完成核算工作，系统会自动匹配排放因子、自动推荐核算路径、自动生成报告。咨询师则从“执行者”变成了“审核者”，过去数周的工作量，被压缩到数十分钟。

“一次核算、多方复用”，则是他们接下来迭代的方向——企业只需要做一次完整的碳核算，就能自动适配欧盟CBAM、不同品牌客户的供应链要求、国内监管披露等多种出口，让数据在不同场景间无缝流转，真正把合规成本降下来、把数据价值释放出来。晏路辉总结称，碳管理正从“人找数据、人填表格”转向“人提目标、Agent执行工作流、专家保障可信”的新模式。

支撑这一产品的，是沉淀了十多年的51万条数据。晏路辉表示，这些数据来自1500多家企业客户的服务场景、近万个真实项目，以及与国家权威机构的联合研发和中国本土碳数据体系的参与。

在他看来，碳管理是最需要垂直智能体的领域之一。原因有四个：不确定性高，不同行业、不同产品的核算边界和方法学差异显著；复杂度高，涉及大量因子库、排放源和供应链嵌套数据；数据私域化，每家企业的生产工艺和能源结构都不相同；结果必须可信，碳足迹结论需要经得起第三方核查。

另一个值得关注的变化是可追溯性。“传统人工核算，很多判断存在咨询师的经验里，换了人可能就说不清楚为什么选了某个因子、为什么用了某个系数。”晏路辉表示，智能体的整个核算过程——排放源识别、活动数据录入、因子选择依据、核算逻辑链条——每一步都可追溯、可复核。碳数据正在从“一次性报告”变成“需要持续管理和审计”的核心资产，可追溯性是信任的基础。

门槛降低，可信度成关键

当AI让碳核算的门槛大幅降低，可信度就成为了关键。

“好的AI产品不是看它有多聪明，而是看它是否可信，过程逻辑符合国际标准，结果才可信。”辛斌表示，碳排放核算的难点在于数据收集和因子选择，好的AI能帮助企业更高效地解决这些问题。然而，对于碳足迹来说，更重要的是数据的可信度。产品碳足迹最终要应用于国际贸易、绿色供应链和ESG披露，企业需要的是符合国际标准、真实、可追溯、可验证的数据成果。

作为国际公认的测试、检验和认证机构，辛斌更关注几个方面：数据来源是否真实可信；计算逻辑是否符合国际标准；数据是否可追溯、可复现；是否能够提供充分的支撑证据。只有具备这些基础，企业的数据才能真正用于国际客户、监管披露以及第三方认证。

“未来碳管理的发展方向是‘AI智能体+第三方认证’。”辛斌说，AI让碳足迹管理更高效，智能体让企业更容易做好碳足迹，而SGS让碳数据真正值得信赖。只有效率和可信度结合，AI才能真正推动碳管理走向规模化应用。