Project Symbiosis 是由 BIS 创新枢纽香港中心和香港金融管理局 (HKMA) 联合开展的应用技术研究项目，旨在探索人工智能 (AI) 及相关技术如何帮助企业和金融机构更准确地计算和报告范围 3 排放，并识别和利用减排机会，从而加速气候转型。
核心观点：
- 范围 3 排放挑战： 范围 3 排放占企业总排放量的 90% 以上，尤其对金融行业而言，超过 95% 的排放集中在范围 3 类别 15（来自投资的排放）。当前的计算方法，如基于支出的方法，缺乏精度，难以识别实际的排放热点和为减排提供有效指导。
- AI 的潜力： AI 和相关技术有潜力通过提高数据收集的速度、广度和质量，生成灵活的环境影响结果，以及识别可融资的减排机会，来改善现状。
- Project Symbiosis 的目标：
- 利用先进的数据技术和 AI 更准确地收集、解释和计算企业供应链中的范围 3 排放和其他影响数据。
- 探索 AI 如何根据这些数据识别减排机会，为减少范围 3 排放奠定基础。
- 探索如何利用排放和减排数据来匹配供应商和资金来源，以实现供应链脱碳。
- 关键发现：
- 数据收集： 供应链数据的碎片化给碳会计带来了挑战。项目探索了标准化软件方法、API 和数据格式转换等方法，但 AI 在数据分析和转换方面的性能仍有待提高。
- 计算和报告： 项目探索了一种灵活的建模方法，利用 Neo4j 图数据库和高级统计建模技术，能够根据不同的数据可用性场景进行准确的计算。
- 减排分析： 项目开发了 NEMO 软件，利用大型语言模型 (LLM) 识别减排措施。NEMO 提供了两种路径：“匹配器”路径和“生成器”路径。匹配器路径准确性高，但完整性不足；生成器路径准确性、具体性和适用性强，接近人类专家水平。
- 应用案例： 项目以消费品行业为例，展示了如何利用 AI 进行计算和匹配，并说明了技术方法的应用。
研究结论：
- AI 和相关技术有潜力帮助弥合当前阻碍气候转型资金提供的知识差距。
- AI 在改善数据收集、生成准确的影响结果和识别减排机会方面具有巨大潜力。
- NEMO 软件展示了 AI 在识别减排措施方面的有效性，但仍需 LCA 专家的持续参与和改进。
- AI 技术自身的环境影响需要进一步研究。
下一步：
- 进一步探索 AI 在改善供应链数据收集和标准化方面的应用。
- 开发准确和可操作的减排路线图，供大型跨国公司、中小企业和金融机构使用。
- 研究 AI 在识别和匹配减排措施与融资机会方面的应用。
- 关注 AI 技术自身的环境影响。
