6 月 17 日，《2022 中国 100 家海外上市公司碳排名分析报告》（以下简称《报告》）在 2022 全球可持续发展论坛上正式发布。
该《报告》由香港中文大学（深圳）、深圳市人工智能与机器人研究院、深圳数据经济研究院、香港中文大学（深圳）理工学院以及 ESG（可持续金融，Environmental、Social、Governance）未来基金会共同研究。
根据《报告》结果，中国 100 家海外上市公司中的碳排名的前 10 家公司是：小米集团-W、碧桂园、中升控股、周大福、万科企业、中国平安、恒生银行、农业银行、中国海外发展、李宁。
图丨碳排名前 10 家公司（来源：《2022 中国 100 家海外上市公司碳排名分析报告》）
DeepTech 与香港中文大学（深圳）理工学院长聘副教授、深高金能源市场与金融实验室主任、深圳市人工智能与机器人研究院（Shenzhen Institute of Artificial Intelligence and Robotics for Society，AIRS）群体智能中心研究员赵俊华进行了深入交谈，共同就企业碳排名的重要性、评估企业碳排名的科学途径、双碳的未来发展等问题进行讨论。
从四个维度构建指标体系，形成 100 家上市公司的碳排名
目前，海外证券交易所对上市公司的 ESG 信息提出强制的披露要求，而碳排放是其中最重要的维度之一。
赵俊华指出，“在以往研究中我们发现，目前在 ESG 相关信息中，数据披露的频率与质量都有很大的问题。尤其是在中国更倾向于进行定性、而非定量的数据披露。因此，我们希望结合各种数据源，并充分利用 AI 的手段，对企业的碳排放进行评估。”
（来源：赵俊华）
企业碳排名是对各企业对应碳排放的范围进行测算并排序。其中，碳排放的范围包括企业直接温室气体排放，如燃料燃烧、公司所有车辆逸散性排放等企业拥有或控制的排放源产生的直接排放量；间接温室气体排放，核算企业所消耗的外购电力、外购热力产生的温室气体排放，基于热力/电力消耗量和对应排放因子核算具体排放量；其他间接温室气体排放，包含企业所有的其他间接排放，如供应链、价值链、产业链排放等。
图丨碳排名评分体系覆盖行业类型及所属公司数量（来源：《2022 中国 100 家海外上市公司碳排名分析报告》）从企业的研究范围看，该团队选定中国在海外上市（包括香港交易所、纳斯达克、纽约证券交易所）企业中，包括 11 个行业在内的、市值最高的前 100 家进行评估和排名。与此同时，利用该团队长期积累的用电量、物流、卫星等数据，对数据进行了融合、比对与矫正。
在指标选择上，《报告》参考了国际上权威的 ESG 排名指标 MSCI 国家指数（摩根士丹利资本国际公司，Morgan Stanley Capital International）、金融市场数据和基础设施提供商路孚特（Refinitive）指标体系。
该团队重点结合各企业发布公开的 2019-2021 年年度财务报告、年度社会责任 ESG 报告、可持续发展报告等公开报告、碳排放专项披露报告和温室气体排放相关计算数据等，从各公司的实际碳排放量、实际减排效果、碳信息披露质量、未来减排计划四个维度构建指标体系，进而测算排名。
图丨100 家上市公司各项排放数据平均披露率及 100 家上市公司各项能源数据平均披露率（来源：《2022 中国 100 家海外上市公司碳排名分析报告》）
碳计量的难点在于数据的收集与数据融合。由于不同数据之间为互补关系，它们在融合过程中存在很多障碍，包括数据质量、数据粒度的不匹配等问题。为解决该问题，该团队在碳计量的过程中采用多种技术手段，包括联邦学习、计算机视觉、超分辨率感知等。
实际上，ESG 是金融评级体系系统性变化的体现，评估企业的整体发展状况不再单纯地通过企业的财务情况。该团队分别观察这 100 家公司中排名前 10 和后 10 名的企业，结合富时中国 A50 指数分析，他们发现排名靠前的企业其股价走势优于市场的基准；反之，排名越靠后的企业，其股价走势则表现不佳。
图丨2021 年 A50 指数与股票组合净值图（来源：《2022 中国 100 家海外上市公司碳排名分析报告》）为保证学术严谨性，《报告》的学术委员会由 AI、能源、金融行业的资深专家担任，包括香港中文大学（深圳）理工学院副教授、深圳市人工智能与机器人研究院研究员赵俊华，香港中文大学（深圳）经管学院校长讲席教授、深圳高等金融研究院副院长张博辉，深圳数据经济研究院智能网络与清洁能源中心主任吴海峰教授，香港中文大学（深圳）理工学院副院长、校长讲席教授黄建伟、香港中文大学（深圳）经管学院教授叶立新、新加坡南洋理工大学首席教授、IEEE Fellow 董朝阳，浙江大学教授、IEEE Fellow 文福拴，澳大利亚阿林塔能源集团董事董朝晖等。
通过 AI 赋能大规模分布式低碳系统，加速碳中和进程
赵俊华指出，国家的低碳转型从本质上来说是能源和产业两个方面的转型。从能源角度看，全球二氧化碳排放的排放约 80%-90% 来源于化石能源的消费。因此，碳达峰、碳中和与能源行业密不可分。
从产业角度看，双碳问题并不是单纯的环境问题，低碳转型还涉及能源转型、国家未来长期的产业和经济的竞争力等。因此，低碳转型是一个复杂的、全社会的系统工程。
值得关注的是，在国家发展低碳转型的过程中，已经促进了新能源、电动汽车等 10 万亿元市场体量的行业蓬勃发展。赵俊华表示，“这些新兴产业在未来的 10-20 年非常有发展前景，很大程度上将替代部分传统的高碳产业。”
图丨分行业碳评分表现（来源：《2022 中国 100 家海外上市公司碳排名分析报告》）从实际落地来看，AI 在低碳转型发展的过程中可在以下环节中解决其核心问题。
第一，解决碳计量、碳感知的问题。如何制定国际低碳经济发展途径、分配碳排放权和核实碳排放量，是全球各国共同推动应对气候变化行动需要解决的首要问题，其中贯穿全流程的一项重要工作便是温室气体的计量，即开展碳计量工作。
全面地评估气候变化、碳排放、减碳转型等问题的前提条件是，必须准确地了解相关的企业、行业、区域内的二氧化碳排放量。但碳计量是个复杂的问题，其难点在于二氧化碳为气体，碳计量的结果往往较为粗糙。
在这样的条件下如何准确地评估二氧化碳排放量，实现科学的能源转型呢？赵俊华表示，碳计量的研究本质上是数据分析问题，需要收集大量的、不同环节的与二氧化碳排放相关的数据，然后进行整合与分析。
而电力数据具有普适性高、采样频率相对较高、数据质量高的“三高”特点。因此，AIRS 团队聚焦于电力行业的研究。实际上，电力行业碳排放的体量大约占到中国碳排放的总体量的 45%。在电力行业数据的基础上，通过多元大数据融合，再与交通等其他领域的公开数据结合。
碳排放感知方面，他们将电力传感器数据、图像数据、卫星数据、烟气排放连续监测系统（Continuous Emission Monitoring System，CEMS）、无人机航拍数据等通过 AI 算法融合，以此解决碳排放感知的问题。
第二，解决企业的碳交易问题和碳管理问题，包括内部流程优化、资源配置、碳资产和碳负债管理（智能决策）等。
2021 年 7 月 16 日，全国碳排放市场交易正式开启。截至目前，虽然仅有电力行业发电企业被纳入碳交易市场，但根据第 26 届联合国气候变化大会和“1+N”双碳政策体系，未来包括石化、化工、建材、钢铁、有色金属、造纸、国内民用航空等七大高耗能、高排放行业也将逐步加入到全国碳交易体系，越来越多的企业需要承担过量排放带来的经济和环境成本。因此，如何管理碳资产、碳负债需要更加科学的决策，而 AI 在智能决策方面具备突出优势。
图丨赵俊华（来源：赵俊华）
该团队在基于历史的数据分析的时候，发现了一个很有意思的现象。碳市场交易的活跃度在一年的大部分时间都偏低（交易少），而在年底的一两个月异常活跃。赵俊华
表示，“这说明我们国家的实体企业对于整个碳交易、碳管理的意识不足，规划性较差。”
第三，碳市场建设。为利用科学的量化手段对能源经济、环境经济进行研究，AIRS 团队提出了“人机混合实验”，将传统的多代理仿真与实验经济学方法的优点结合，并通过机器学习从人机混合实验当中提取相关特征。
利用大数据和 AI 技术，预测未来碳市场的走势
在国家双碳战略背景下，AIRS 凝聚了香港中文大学（深圳）多个学院的优势研究力量，设立了“智能低碳”研究项目，提出 AIRS 碳中和创新方案——通过 AI 赋能大规模分布式低碳系统来加速碳中和进程，主要立足低碳经济、能源产业、交通产业等三个方面，旨在探究人工智能加速碳中和进程的技术路径。
近日 ，AIRS 团队在业内首次提出利用高频电力数据进行实时碳计量，相关论文在 IEEE Transactions on Industrial Informatics上发表[1]。他们利用超分和非侵入式负荷监测技术，实现基于高频电力数据对企业生产状况的辨识。在此基础上，利用不同流程的排放因子，计算出企业的实时总排放（分钟级）。同时，他们也是最早将超分辨率技术由计算机视觉领域引入能源与减碳研究的团队。
目前，该团队与国家电网、中国南方电网等中国大型能源企业积极合作，承接碳计量相关的研究课题，例如通过人机混合实验等技术对碳交易及中国碳市场进行模拟仿真研究。
另一方面，他们还与阿里云、华夏银行等单位长期合作，积累了大量与减排相关的数据，利用内部数据与企业公开披露的数据进行交叉验证，确保排名数据的准确性。
AI 在能源行业与低碳转型中的应用，其核心方向包括碳计量（企业碳计量和区域碳计量）、碳交易与碳管理。
赵俊华表示，目前这三个方向的研究尚处于初期阶段。碳计量要解决如何实现实时碳计量的问题。而碳市场仿真的研究首先要做行业碳计量，弄清供需关系，其次是做市场主体的行为研究。
面对未来，该如何建立碳市场仿真模型，为金融机构提供碳市场交易决策呢？目前，基于碳市场仿真有两种技术路径，一个是基于对企业微观行为的模拟。另一个是基于多源大数据融合的宏观仿真模拟研究。“这样的研究中，考虑到建模的实际困难，不会细到单个企业，而是采取先划分行业，再对行业内企业分层来构建模型。”赵俊华说。
另一个关键性的技术是企业的行为建模，其包括几类不同的技术手段，例如基于历史交易行为数据建机器学习模型、基于历史的价格数据建时间序列模型、人机混合实验等。
赵俊华表示：“从我们目前的研究结果看，中国碳市场由于市场集中度高、政策性较强、不确定性较小，做中短期预测相对容易。而长期预测由于受到各种政策不确定性的影响，可基于各类政策场景去做市场推演（仿真）。”
