磐石·禹衡大模型的技術突破、產業應用與方法學挑戰

一份從技術架構到企業執行的完整分析，兼論它對現行國際碳核算體系的衝擊與局限

2022年，同一個地球，同一批碳排放，中國用生產端口徑算出的數字和用消費端口徑算出的數字相差17.7%，美國換算後上調15.2%，日本上調7.2%。這三個數字不是測量誤差。它們是方法學選擇本身造成的結果。碳核算領域最少被言明的一件事是這個。核算邊界怎麼畫，本身就是一個政治選擇，只是這個選擇過去三十年一直被當成技術預設，沒有被拿出來討論過。

2026年4月8日，中國科學院上海高等研究院發布「磐石·禹衡碳核算大模型」1.0版，定位為全球首個同時覆蓋生產端、消費端與自然源的全景式碳排放核算系統。技術規格是真的：累計匯聚208TB多格式碳數據，服務界面提供320億參數的垂直領域大語言模型，開發了五個具備特定功能的智能體。這篇報告要處理的問題有三個，複述規格不在其中。它在技術上究竟解決了什麼？產業要怎麼實際用它？它對現行國際碳核算體系構成什麼樣的挑戰，又有什麼樣的局限？

結論先講。禹衡真正的突破不在計算能力。它做的是另一件事：把「碳排放責任應該歸屬給誰」這個問題，從一個被隱藏的預設，變成一個可以切換的變數。這件事的產業影響、地緣政治影響，都比208TB這個數字大得多。

壹、核心主張

磐石·禹衡碳核算大模型真正的突破不在計算能力，而在它把「碳排放責任應該歸屬給誰」這個問題，從一個被隱藏三十年的技術預設，變成一個可以切換的變數。生產端與消費端口徑之所以能算出相差17.7%的結果，不是因為誰算錯，而是因為核算邊界怎麼畫本身就是一種責任分配的選擇。禹衡讓生產端、消費端與自然源三種口徑首次得以並排計算、互相校驗，把這個被生產端壟斷三十年的隱性選擇攤開成可討論的變數。但這套系統能否撼動現行國際碳核算秩序，取決於兩個它自己無法單方面決定的條件：企業端的自動核算產出能否通過第三方查證，以及它的方法學與數據能否開放供外部機構對抗性驗證。一把新的尺子，無法靠宣稱自己更準來建立公信，要等別人拿它量過同一個東西、得到一致的結果。

貳、技術架構：三層支撐體系如何運作

禹衡的根本設計目標，是通過生成式人工智慧重構碳核算的作業範式，動態刻畫全球碳流動與碳溯源。整體架構以中國科學院此前開發的「磐石·科學基礎大模型」為地基，往上疊加數據、算法、算力三層。理解這三層各自解決什麼問題，才能判斷這套系統的能力邊界在哪裡。

一、數據層：208TB 背後的五步鏈處理機制

數據層是整個模型的原料庫，採用內外部雙軌並行的建構策略，累計匯聚208TB多格式碳數據。這個數字要放在脈絡裡看。傳統碳核算的困境從來不是缺數據。工廠的能耗報表、海關的貿易數據、衛星的遙感影像、各國的排放因子資料庫，來源多、類型雜、更新頻率不一，格式與口徑全不相同，人工整合的成本高到讓精確核算變成少數大企業才玩得起的事。208TB 的價值不在容量。在治理。在它把這些格式全然不同的異質數據，做了一次統一的清洗與對齊。

內部數據集聚焦生產端、消費端、自然源、碳溯源等關鍵業務場景，外部數據集涵蓋法律法規、核算指南、行業知識及外部資料庫，合計八類自主數據集。這批原始數據要能被 AI 調用，必須先經過一條五步處理鏈：採集、清洗（去噪與去重）、治理（格式標準化與口徑統一）、向量化、結構化入庫。這條鏈的技術關鍵在向量化這一步，它把原本人類才讀得懂的法規文字、報表數字、圖像資料，轉成大語言模型能夠推理的嵌入向量，這是傳統資料庫做不到的，也是為什麼禹衡能用自然語言查詢碳數據，而傳統碳盤查軟體只能填表。

數據層還有一個容易被忽略的設計，是它透過與政府部門、行業機構的協同對接，實現數據高頻更新。這意味著禹衡是一個持續刷新的活資料庫，不會停留在某次訓練完成的那個時點。對碳核算來說這點很重要，因為排放因子、法規門檻、配額規則都在動，用兩年前的因子算今天的碳足跡，數字再精確也是錯的。

二、算法層：多口徑方法學為何是真正的技術難點

算法層是模型會思考的核心，包含兩個關鍵設計，多口徑碳核算方法學與多智能體協作架構。這兩者當中，前者才是禹衡最難、也最具原創性的部分。

傳統碳核算只有 IPCC 生產端的單一口徑。禹衡要同時支持生產端、消費端、貿易碳轉移、生命週期四種口徑，並讓它們互相協同對比，這在全球尚屬首次。難點在哪裡？難點在這裡。同一批底層數據，要能同時支撐四種邏輯完全不同的責任歸屬計算。四種口徑，四套邏輯，一個資料底座。生產端問的是「這個排放發生在哪裡」，消費端問的是「這個排放為誰而發生」，生命週期問的是「這個產品從搖籃到墳墓總共排了多少」。同一噸鋼的碳排放，在四種口徑下會被歸給四個不同的主體。要讓一套系統同時算出這四個答案，還要保持彼此一致，資料模型的複雜度遠高於任何單口徑系統。這是工程難題，不只是概念問題。

第二個設計是多智能體協作架構。它的運作邏輯類似專科醫生的會診制度，每個智能體是某個領域的垂直專家，面對複雜問題時由一個協調智能體統籌調度，讓各專科智能體分工協作、交叉驗證，最後整合出完整答案。這個架構相較於單一大模型端到端處理，在複雜場景下的核算精度更高，原因是碳核算牽涉的專業知識跨度太大，工業製程、國際貿易、生態科學、統計方法，硬要一個模型全包，反而每一項都做不精。把任務拆開，讓專家各管一段，再交叉驗證。這是用架構設計換精度。

三、算力層：混合架構的效率與數據安全權衡

算力層採用內部自有加外部雲端的混合架構，通過構建高性能內部服務器集群並與外部算力中心協同，實現算力資源的全局優化與彈性供給。這個設計的實質考量是兩件事的平衡。日常核算任務跑內部集群，速度快而且數據不出場，這對涉及企業商業機密與國家排放數據的碳核算尤其重要。遇到大規模模擬或批量國別計算時，再動態調配外部算力擴容。效率歸內部集群，安全歸數據不出場。兩者在這個架構裡是分層處理的。

參、五大智能體的技術原理與產業對應

禹衡的服務界面開發了五個具備特定功能的智能體。把它們理解成功能選單是誤讀。這五個智能體，各自對應碳核算領域一個長期被承認、卻始終沒被解決的操作瓶頸，每一個都有明確的輸入、處理邏輯與輸出。以下逐一拆解，並說明它對應的產業應用。

智能體一　工業流程仿真：把事後核算變成事前決策

傳統碳核算的根本限制是它永遠是事後統計。工廠這一季的排放，要等這一季結束、報表匯總之後才算得出來，此時任何調整都已來不及影響已經發生的排放。工業流程仿真智能體的突破，是把生產流程在數位環境中重建成數字孿生，模擬不同工藝路徑、原材料組合、能源結構下的碳排放量。輸入是工廠工藝參數與能源結構，輸出是各種假設情境下的排放預測。對鋼鐵、水泥、化工這類資本密集且減排路徑複雜的行業，這個智能體的產業價值最直接：企業在花錢改造產線之前，就能量化每一種方案的減排效果。

智能體二　貿易碳核算：Scope 3 最難的那一塊

跨國貿易隱含碳排放轉移的核算，追蹤的是供應鏈每一環節的隱含碳，這正是企業 Scope 3 揭露裡最難量化的部分。現行做法是向供應商逐層索取自報數據，越往上游，數據越稀薄、品質越不可控，而且缺乏系統性稽核手段。貿易碳核算智能體的處理邏輯是從貿易數據層直接建構碳流向，計算出哪個國家、哪家企業因為消費而真正承擔了多少碳責任，繞開了逐層蒐集的瓶頸。它對應的是供應鏈碳管理與國際碳責任重分配。消費端口徑真正發揮作用的地方，就在這裡。

智能體三　生命週期評價（LCA）：自動化程度最高的一個

這是五個智能體裡自動化程度最高、也最可能直接改變產業實務的一個。它能自主完成目標與範圍確定、清單分析、核算、結果解析的全流程。傳統 LCA 需要專業工程師耗費數週手動填報數據、選取排放因子、界定邊界條件，LCA 智能體把這個流程壓縮到可以自動化完成。這裡有一個必須講清楚的分界：自動完成產出，跟這份產出能不能被第三方查證機構承認，是兩件不同的事。前者是效率問題，後者才是這份報告能不能拿去做 ISO 14067 認證、能不能用於 CBAM 申報的關鍵。自動化解決成本。查證解決效力。這是兩件事。

智能體四　自然源核算：補上被工業框架忽略的一塊

自然源核算智能體整合遙感衛星、生態模型與大氣觀測數據，對森林、海洋、土地等自然碳匯進行動態量化。自然源在傳統工業導向的核算框架裡長期是邊緣角色，森林吸碳、濕地排甲烷、海洋碳匯，這些非人為的碳流動要嘛被獨立處理、要嘛被忽略。這個智能體的意義，是讓碳帳本真正覆蓋完整的地球碳循環，而不只是人為活動的部分。對國家清單編制與碳匯交易來說，這塊拼圖不能缺。

智能體五　不確定性分析：讓系統知道自己有多可靠

這是整個系統的後設層。任何核算都存在數據缺失、方法選擇差異、假設條件不同帶來的不確定性，這個智能體對每一份核算結果標注置信區間、誤差來源與敏感性分析。在國際氣候談判與商業查驗的語境裡，「我們算出這個數字」和「我們算出這個數字，誤差範圍在此，主要不確定性來自這裡」，是說服力層次完全不同的兩種主張。這個智能體的存在，是禹衡能不能被當成嚴肅科學工具、而不只是宣傳計算器的分野。

肆、產業如何實際導入：從需求到可查證輸出

理解技術架構之後，真正的問題是企業要怎麼把它用起來。禹衡透過兩大接口層對外提供服務，對話接口供不具技術背景的管理層與政策研究者用自然語言查詢，編程接口 API 供開發者與企業系統整合、支持批量核算與自動化報告，此外也允許針對特定場景單獨調用某一智能體。但接入方式只是第一步，實際的執行流程會依企業規模分流，走出完全不同的路徑。

這張流程圖裡最該被注意的，是倒數第二層那道第三方查證關卡。禹衡能自動產出報告，但自動產出不等於能被承認。一份碳足跡報告要能用於 CBAM 抵扣、ESG 揭露或綠色採購資格審查，必須先通過具公信力的第三方查證。這道關卡最常被跳過。所有把 AI 碳核算講得無所不能的宣傳，都略過了它。而它恰恰是實務上決定這套工具到底有沒有用的分水嶺。

伍、關鍵數據及其方法學前提

禹衡發布時提出了一批具體數字。這些數字要能支撐論點，前提是理解它們各自的方法學基礎。以下把報告中的核心數據逐一列出，並附上判讀時必須留意的前提。

一、國別排放調整：17.7% 背後是口徑之爭

以2022年為例，在禹衡的新核算體系下，主要國家溫室氣體排放量相較於傳統 IPCC 生產端結果出現顯著調整。這組數字是整份報告最有政治重量的部分。但它有一個前提。它的成立完全建立在「改用消費端口徑」上，脫離這個前提，數字就失去意義。

判讀這組數字的關鍵是：它們不是說中國的實際排放變少了，而是說如果改用「誰消費誰負責」的邏輯來記帳，責任的分配會這樣移動。生產端和消費端沒有哪一個絕對正確，它們回答的是不同的問題。禹衡的貢獻是讓兩種答案能並排呈現。爭議也在這裡。選擇哪一種口徑當基準，直接決定了誰的減排責任比較重，而這件事沒有純技術的答案。

二、綠色產品減排貢獻：1:175 這個比例怎麼來的

2024年中國出口的風機和光伏產品，生產階段產生約200萬噸碳排放，運行階段為全球貢獻了約3.5億噸碳減排收益，比例高達1:175。這個數字的方法學前提是全生命週期視角。在生產端框架下，只看得到那200萬噸排放。看不到的是產品在使用年限內因為替代化石能源而避免掉的那3.5億噸。這正是禹衡想凸顯的框架盲點：一個只算生產、不算使用效益的體系，會把綠色產品的製造國記成排放者，而看不見它同時是減排的貢獻者。這個論點在方法學上站得住腳，但要注意3.5億噸是運行階段的累計推估，涉及產品壽命、發電替代基準等假設，屬於情境估算，不是實測值。

三、CBAM 默認值偏差：20 倍差距的實務意義

禹衡發現，CBAM 的默認排放因子系統性地高估了中國產品的排放因子。以鋼鐵品項為例，採用本土化排放因子與直接套用 CBAM 默認值，兩種計算路徑下的應付碳稅金額差距懸殊，在某些品項下倍數差距可超過20倍。這個差距不是邊際調整。它直接決定一家出口商的成本結構，甚至決定某些品項還值不值得繼續出口到歐盟。這裡要補充一個報告未展開、但對台灣與中國出口商同等重要的技術細節：CBAM 的計算本身還有簡化係數法與 FAA 基準法（依 IR 2025/2620）兩種路徑，兩者算出的應課徵嵌入排放量差異極大，方法選擇本身就是企業必須管理的變數。禹衡的本土化因子庫，正是對這種預設偏高的直接回應，但能不能被歐盟承認，仍取決於查證程序，因子庫本身做不到這件事。

四、技術規格數字：208TB 與 32B 的意義與限制

208TB 多格式碳數據與320億參數的垂直領域模型，是禹衡的兩個核心規格。判讀這兩個數字要避免一個常見誤解：規模不等於準確。這是兩回事。208TB 說明的是數據覆蓋的廣度與治理的工程量，320億參數說明的是模型的推理能力上限，但核算結果準不準，取決於底層排放因子的品質與方法學的正確性，而不是參數多寡。這也是為什麼不確定性分析智能體的存在如此重要，它是唯一能告訴使用者「這個數字可信度多高」的機制。

陸、與現存主流碳核算體系的深度比較

要判斷禹衡的定位，必須把它放進現存的方法學版圖裡。全球碳核算目前由三大體系主導，各自服務不同對象、各自有明確的方法學缺口。

• IPCC 國家溫室氣體清單指南：國家層級履約的基礎框架，以生產端境內排放為核算邊界，服務對象是締約國政府。
• GHG Protocol：全球應用最廣的企業碳核算標準，將排放分為 Scope 1 直接排放、Scope 2 外購電力、Scope 3 供應鏈間接排放，服務對象是企業組織。
• 歐盟 CBAM 碳邊境調節機制：貿易碳關稅機制，申報人若無實測數據，默認採用歐盟同類產品中排放最差10%設施的平均值。

一、GHG Protocol 的彈性，同時是它的弱點

GHG Protocol 的設計初衷是發揮指導作用，本來就不打算強制約束，這給了企業必要的操作彈性，但也留下了漏洞。大型跨國公司可以利用規則的靈活性，在邊界設定、排放因子選取上做對自己有利的選擇，使得不同公司的數據實質上不具可比性。禹衡的多智能體架構採用統一方法學強制執行，理論上從制度設計上壓縮了選擇性核算的空間。但這裡有個張力值得指出：強制統一方法學提升了可比性，卻也犧牲了 GHG Protocol 刻意保留的彈性，而那份彈性在面對千差萬別的產業實況時，有時是必要的。

二、CBAM 默認值的系統性偏差，是設計選擇不是技術缺陷

CBAM 規定無法提供可靠數據時，默認值採歐盟該類產品中性能最差10%設施的平均排放強度。要公允地說，這不是 CBAM 的技術失誤，而是刻意的政策設計，目的是用懲罰性默認值逼出真實數據申報。問題是這個設計的成本分配不對稱，有能力舉證的大企業可以避開，無力舉證的中小出口商只能承受。禹衡自主構建的本土化因子庫，是對這種技術性不公平的直接回應，讓被高估的出口商有了申訴的科學依據。

三、傳統 LCA 的人工瓶頸，是成本問題也是普及障礙

傳統排放因子法受技術水平、工藝過程影響，不確定性較大；物料衡算法雖然科學，但工作量大、需要詳細的生產過程數據、適用範圍受限。兩種傳統方法的共同問題是都極度依賴人力，這讓完整的 LCA 成為一件昂貴的事。禹衡的 LCA 智能體把這個需要專業工程師數週的流程自動化，真正的意義不只是替大企業省錢，而是可能讓碳足跡核算從大企業的合規動作，變成中小企業負擔得起的標配工具。前提，仍然是自動產出能通過查證。

柒、適用對象與差異化應用

禹衡的應用場景橫跨政府、學術、企業與金融機構。不同對象因為需求、資源、能力不同，用到的智能體與獲得的價值也完全不同。以下依主要對象分層說明。

捌、使用後的效應：大型企業與中小企業的分野

禹衡對不同規模企業產生的效應，截然不同卻互補。同一套工具，在資源充足的跨國企業手上是策略武器，在資源有限的中小企業手上是生存工具。以下分別深入。

一、具有跨國供應鏈的大型企業

大型企業通常已有內部碳管理部門，有能力建構本土化數據並完成查證程序，因此他們用到的是禹衡最複雜的幾個智能體。第一，把 CBAM 從被動成本變成可管理的策略變數：過去無法提供本土數據就只能被動接受歐盟最差10%設施的默認因子，現在可透過 LCA 智能體生成符合國際標準的本土化報告，向 CBAM 申報機構申請適用實際排放因子。第二，Scope 3 供應鏈排放的系統性可視化：貿易碳核算智能體直接追蹤供應鏈各節點隱含碳，企業不需逐一向供應商索取數據，就能獲得有科學基礎的 Scope 3 結果，大幅提升 GRI、CSRD 等 ESG 報告的可信度。第三，工業製程的前瞻性碳優化：仿真智能體讓鋼鐵、水泥企業在評估電弧爐替換高爐之前，就能量化碳成本節省，為投資委員會提供決策依據。第四，強化談判話語權：附有置信區間認定的碳足跡報告，在面對歐美買家的供應鏈盡職調查時，比傳統人工核算更站得住腳。

二、中小型企業

中小企業面對的問題更直接，也更關乎生存。第一，打破碳核算的專業壁壘：傳統完整 LCA 需委外顧問、耗時數週、成本高昂，中小企業幾乎無力負擔，禹衡的 LCA 智能體讓企業只需輸入基本產品資訊，就能獲得符合 ISO 14067 的碳足跡報告，把時間成本從數週壓縮到數小時。第二，回應大客戶的供應鏈碳透明化要求：當 Apple、IKEA、Nike 這類品牌商要求供應商提交碳足跡或碳標籤時，缺乏工具的中小製造商面臨失去訂單的風險，禹衡讓他們能低成本快速出具證明，鞏固供應鏈地位。第三，CBAM 申報的低門檻路徑：出口歐盟的鋼鐵配件、鋁製品、化工原料製造商，無需聘請昂貴顧問就能自主生成申報所需的排放核算，並以本土化因子替代歐盟默認值。第四，識別高碳環節輔助精準投資：資源有限的中小企業無法全面減排，仿真與 LCA 智能體能標示產品生命週期中碳排最高的環節，讓有限的綠色投資花在刀口上。

三、兩者對比：同一工具的兩種角色

玖、對國際格局的影響與待解的挑戰

一、重塑國際氣候談判的話語權

過去中國在氣候談判中長期處於用別人的尺子量自己的被動局面。禹衡提供了一套中國主導、科學論證的替代數據體系，在兩個議題上獲得科學武器。碳排放責任重分配上，2022年中國調整−17.7%、美國調整＋15.2%，若被國際社會接受，將從根本上改變各國歷史減排責任的認定基礎。綠色出口貢獻量化上，光伏與風機產品的全球減排貢獻有了具體數字，可成為爭取氣候貢獻認定的核心論據。

二、對 CBAM 碳關稅的分階段衝擊

三、三個無法迴避的挑戰

禹衡要在國際碳治理中取得份量，有三道關卡繞不過去。第一是科學公信力的建立需要時間。禹衡的結論對中國有利，這個利益與結論方向一致的事實本身，就會讓國際社會提高審查標準，方法學再嚴謹也無法自動消除質疑。第二是方法論分歧的政治化風險。消費端與生產端核算是學術界長期爭論的議題，兩種口徑各有其合理性，一旦口徑選擇被外界看成政治操作，不再被當成科學判斷，反而會削弱這套系統的話語權。第三是數據共享的對等性困境。全景式核算需要各國的貿易、能源、工業數據深度共享，而各國對數據主權的保護意識日益增強，跨國數據獲取的壁壘可能成為模型精度的天花板。

拾、結論：一把新尺子的公信力，要靠別人來確認

回到開頭那三個數字。中國−17.7%、美國＋15.2%、日本＋7.2%，它們揭示的重點不在誰算錯，而在碳核算這件事從來沒有一個中立的原點。核算邊界怎麼畫，決定了責任怎麼分，而這個選擇過去被生產端口徑壟斷了三十年。禹衡的技術突破，是第一次讓多種口徑能夠並排計算、互相校驗，把一個被隱藏的預設，攤開成一個可以被討論、被選擇的變數。

但技術突破是一回事，被國際社會接受是另一回事。禹衡要在國際氣候治理的討論中取得真正的份量，路徑只有一條，就是讓方法學開放給外部機構驗證，讓數據集可以被獨立研究者重複使用，讓核算結果能夠接受與 IPCC 框架並排的直接比較與挑戰。這不是公關工程，是科學程序。一把新的尺子，不會因為製造它的人宣稱它更準就變準，它要等別人拿它量過同一個東西、得到一致的結果，公信力才算真正建立。

對台灣的企業與政策制定者而言，禹衡的意義不在選邊站。它預示的是一個方向：碳核算的方法學競爭已經開始，未來 CBAM 抵扣、供應鏈盡職調查、ESG 揭露所依據的排放數字，會越來越取決於用哪一套方法學、哪一批因子算出來的。看懂這場方法學之爭，比接受任何單一結論都重要。這是這份報告想留下的判斷。

參考資料

1. 中國科學院. (2026, 4月9日). 中國發布全球首個全景式碳排放核算大模型 精準服務應對氣候變化. 中國科學院. https://www.cas.cn/cm/202604/t20260409_5106337.shtml
2. 中國科學院上海高等研究院. (2026, 4月8日). 磐石·禹衡碳核算大模型（1.0版）[大型語言模型]. 中國科學院上海高等研究院.
3. 國家能源局. (2026, 4月10日). 我國發布全球首個全景式碳排放核算系統. 國家能源局. https://www.nea.gov.cn/20260410/d5a2ddf7e0df4d628be6cdb7c514eb31/c.html
4. European Commission. (2023). Regulation (EU) 2023/956 of the European Parliament and of the Council of 10 May 2023 establishing a carbon border adjustment mechanism. Official Journal of the European Union, L 130, 52–104. http://data.europa.eu/eli/reg/2023/956/oj
5. European Commission. (2025). Commission Implementing Regulation (EU) 2025/2620 laying down rules for the application of Regulation (EU) 2023/956 as regards the determination of embedded emissions. Official Journal of the European Union.
6. Intergovernmental Panel on Climate Change. (2006). 2006 IPCC guidelines for national greenhouse gas inventories (H. S. Eggleston, L. Buendia, K. Miwa, T. Ngara, & K. Tanabe, Eds.). Institute for Global Environmental Strategies.
7. Intergovernmental Panel on Climate Change. (2019). 2019 refinement to the 2006 IPCC guidelines for national greenhouse gas inventories. IPCC.
8. International Organization for Standardization. (2018). Greenhouse gases — Part 1: Specification with guidance at the organization level for quantification and reporting of greenhouse gas emissions and removals (ISO 14064-1:2018). ISO.
9. International Organization for Standardization. (2018). Greenhouse gases — Carbon footprint of products — Requirements and guidelines for quantification (ISO 14067:2018). ISO.
10. World Resources Institute, & World Business Council for Sustainable Development. (2004). The greenhouse gas protocol: A corporate accounting and reporting standard (Rev. ed.). WRI & WBCSD.