壹号国际跨境碳管理研究组销售部门收到欧洲客户邮件，要求三周内补充产品碳足迹数据。真正的问题不是找不到计算公式，而是采购、工厂和物流部门的数据根本没有放在一起——原料供应商的数据在采购系统里，工厂能耗数据在生产部门的电表记录里，海运和欧洲仓储的数据分别在物流公司和欧洲分销商手里，没有人事先把这几段拼成一条完整的链条。
材料与制造：边界怎么定，原料和包装怎么算
产品碳足迹的第一步争议，往往不是计算方法，而是"从哪里开始算"。ISO 14067和GHG Protocol的产品生命周期标准里，最常用的两种系统边界是cradle-to-gate（从原料开采到工厂大门，即产品离开工厂前的所有环节）和cradle-to-grave（从原料开采一直算到消费者使用完毕、产品报废处理为止）。默认情况下，完整的生命周期评估更倾向于cradle-to-grave，但在有合理理由和明确说明的前提下，cradle-to-gate也是国际标准允许的做法，尤其是当产品后续用途、使用寿命、处置方式因客户和市场差异很大、难以统一假设的时候。
对一家中国制造商来说，选哪种边界，直接决定了要向哪些部门、哪些供应商要数据。如果只算到工厂大门，需要的是原料采购的排放数据和工厂内部制造环节的排放数据；如果要算到"坟墓"，还需要国际运输、欧洲仓储配送、消费者使用阶段（比如产品是否耗电、耗水）、以及产品最终报废或回收阶段的数据，这几段数据往往分散在物流公司、海外分销商甚至消费者行为调研里，工厂自己完全拿不到。欧洲客户的问卷如果没有明确写清楚要哪一种边界，回复之前第一件事应该是回邮件确认清楚，而不是自己假设一种边界直接开始计算。
边界确定之后，还要明确"功能单位"（functional unit）——碳足迹数字是按每件产品算，还是按每公斤、每箱，或者按某个特定包装规格算，这个单位需要在报告最开头就写清楚，后续所有原料、制造、运输环节的数据分摊，都要围绕同一个功能单位展开。如果销售部门收到的邮件里已经指定了产品型号和包装规格，功能单位相对容易确定；但如果同一款产品有多种包装规格销往不同市场，是分别计算每种规格，还是用一种规格代表整个产品线，需要提前跟客户确认清楚，避免后续被质疑"这个数字到底代表哪个版本的产品"。
假设边界定为cradle-to-gate，第一段要处理的是原料。一件普通消费品的原料可能来自好几家供应商——塑料粒子、金属配件、纺织面料分别由不同工厂生产，每家供应商的能源结构、生产工艺不同，单位重量原料对应的排放也不同。比较严谨的做法是逐个联系一级供应商，索取对应原料的产品碳足迹数据或至少是能源消耗数据；做不到这一点时，通常退而使用行业数据库里的次级数据（secondary data），也就是某类原料的行业平均排放因子，但这种数据的精度天然低于供应商实测的一手数据，报告中需要注明用的是哪一种。原料数据里还有一个容易被忽略的环节，就是原料本身的运输：塑料粒子从化工厂运到零部件加工厂，金属配件从冲压厂运到组装厂，这些供应商之间的中间运输段，如果不主动追问，很多零部件供应商在提供数据时只会给出"生产环节"的排放，不包含他们收货时的入厂运输，导致这一段被两头都漏算。采购团队在向供应商发数据请求时，需要明确写清楚"请包含原料入厂运输"这一项，否则拿到的数字很可能是不完整的。
包装材料常常被忽略，却是实际排放里不小的一块：外包装纸箱、内衬泡沫、塑料收缩膜，都需要单独核算重量和材质对应的排放。制造环节本身，工厂车间的用电和燃气消耗是核心数据来源，需要按产量分摊到每一件产品上，如果同一条产线生产多种型号的产品，还需要按合理的方法（比如按重量或按工时）把总能耗分摊到不同型号，而不是简单平均。工厂内部的边角料和不良品处理方式，也会影响到底该把多少原料损耗计入最终产品的碳足迹。举例来说，一条注塑生产线如果不良品率是百分之五，这部分报废产品消耗的原料和能源理论上应该分摊到最终合格产品的碳足迹里，而不是当作"没有发生过"直接忽略——工厂的生产管理系统里通常有这个数据，但很少有人会主动把它拿出来用在碳足迹计算里，需要生产部门和负责碳核算的人专门对接一次。
运输、仓储与销售：从工厂大门到消费者手上
产品出厂之后，第一段是境内运输——从工厂到港口，通常是公路运输，距离可能只有几十到几百公里；第二段是海运，从中国港口到欧洲港口，航程通常是几周时间；到港之后还有欧洲当地的内陆运输，从港口到分销商的仓库，最后从仓库配送到零售门店或消费者手中。每一段的运输方式、距离、载重都不同，混在一起笼统按"国际运输"填一个数字，容易漏掉境内段和欧洲内陆段这两段本地运输，而这两段虽然单次距离不长，但如果车辆载货率低、里程分摊不合理，占比也不可忽略。海运段本身也不总是一条船直达：不少航线需要在新加坡、鹿特丹或其他枢纽港中转换船，每一次换船都意味着一段新的航程和新的排放因子，如果只按起运港到目的港的直线距离粗略估算，会漏掉中转带来的额外里程；载货率同样重要，同一艘船如果只装到六七成满载，单位货物分摊到的排放会比满载时高出不少，这也是海运排放计算里经常被简化掉、却实际影响不小的一个变量。
仓储环节同样容易被忽视：产品运到欧洲之后，通常不会立刻配送到终端，而是先进入区域分拨仓库，可能存放几天到几周不等，仓库本身的照明、温控、装卸设备用电，理论上也应该按存放时长和空间占比分摊到经过这里的产品上。多数企业在计算产品碳足迹时，仓储环节要么被完全忽略，要么被简化成一个粗略的固定系数，这跟仓储环节实际的能耗差异（比如是否需要冷链、仓库所在地区电网清洁度）关系不大，属于计算精度上的一个明显短板，如果客户要求的方法学对仓储环节有具体要求，这部分需要单独确认。欧洲分销商如果愿意配合，通常可以提供仓库整体的年度能耗账单和吞吐量数据，按产品在仓库停留的天数和占用的库容比例做分摊，这种做法比用一个固定系数更接近实际情况，但前提是分销商愿意开放这部分运营数据，这在实际合作中并不总能拿到。
如果选择的边界是cradle-to-gate，销售环节以及之后的使用、报废阶段就不在计算范围内，报告里需要明确写清楚这一点，避免客户误以为拿到的是全生命周期数字。如果客户要求的是cradle-to-grave，销售之后还有几个阶段需要处理：零售门店的运营排放要不要分摊到单件产品上（通常按销售额或销售量分摊）、消费者购买后使用产品期间是否耗电耗水（比如电器类产品的使用阶段往往是全生命周期里占比最大的一段，而普通日用品的使用阶段可能几乎没有额外排放）、产品报废后是进入垃圾填埋、焚烧还是回收体系，不同处理方式对应的排放因子差别很大，而且这一段数据高度依赖产品销售所在国家的废弃物处理基础设施，跨国销售的产品很难用同一套假设覆盖所有市场——同一款产品卖到德国和卖到南欧某个国家，当地的垃圾分类和回收体系完全不同，报废阶段的排放假设如果照搬一套标准，跟实际情况可能差距不小。零售门店的运营排放分摊也存在类似的口径问题：一家跨国连锁超市的门店用电，理论上要按销售额或货架空间比例分摊到每一件商品上，但门店运营数据通常掌握在零售商手里，制造商很难直接拿到，往往需要依赖行业平均值做替代估算。使用阶段的假设同样需要谨慎：一款需要充电的电子产品，使用寿命按两年算还是按五年算、平均每天使用几个小时，这些假设直接决定使用阶段排放在全生命周期里占多大比例，如果客户没有给出具体假设条件，报告里必须明确写出自己采用的假设参数，方便对方核实和质疑，而不是把一个隐藏的假设直接嵌进最终数字里。
实际操作中，很多制造企业会先向欧洲客户提供cradle-to-gate的数字，说明使用阶段和报废阶段的数据需要客户方或第三方机构补充，因为这两段更贴近产品在当地市场的实际使用场景，制造商本身很难独立取得可靠数据。这也是为什么产品碳足迹经常需要供应链上下游多方共同拼接完成，而不是单靠工厂一方就能算全。销售部门在回复欧洲客户邮件时，比较稳妥的做法是先说明目前能提供的边界范围（比如cradle-to-gate的原料和制造段数据），同时列出使用阶段和报废阶段还需要哪些额外信息、由哪一方提供更合适，而不是为了赶三周的截止日期，用未经核实的假设把整条链条硬凑成一个完整数字交出去。
生命周期数据拼起来之后，谁来对边界和口径负责
把材料、制造、运输、仓储、销售各段数据都收集齐之后，还有一步容易被忽略：确认各段数据的统计口径是否一致——原料供应商给的是不是同一个计量单位（每公斤还是每件），物流公司给的排放因子是按什么标准计算的（比如是否符合ISO 14083或GLEC框架），使用的排放因子数据库版本是不是同一年份的。这些口径差异如果不核对，即便每一段数据本身都是真实的，拼接起来的总数也可能因为口径不统一而失真。实际操作中，比较可行的做法是在项目启动阶段就建一张"数据责任清单"，逐段列出原料、制造、境内运输、海运、欧洲仓储、销售各环节由哪个部门或哪一方外部合作方负责提供数据、用什么单位、参照哪个标准，清单确认好之后，再分头去收集，收集回来的数据先核对单位和口径是否符合清单要求，再进入汇总计算，而不是等所有数据都收集回来之后才发现某几段口径对不上，需要推倒重来。
PACT（Partnership for Carbon Transparency）等行业协作机制近年在推动的，正是供应链上下游之间标准化交换产品碳足迹数据的技术规范，目的是减少每次拼接数据都要重新协调口径的成本，并鼓励用一手实测数据替代行业平均值。这类机制目前仍在推广阶段，多数中小制造企业还没有完全接入，实际操作中仍然依赖人工邮件和表格在供应商、工厂、物流商、分销商之间来回核对，一款产品的碳足迹数据从发起请求到最终汇总成一份可以对外提交的报告，往往需要跨越好几个部门、来回沟通好几轮，才能把边界、单位和口径真正对齐。AI可以帮助的部分，是把这些分散在不同格式表格里的数据按统一模板汇总、按已知的排放因子批量计算、标记出某一段数据缺失或异常的地方；但原始的能源账单、供应商提供的实测数据、物流单据这些基础信息，仍然只能来自实际业务环节，AI没有办法替代供应商和工厂提供真实数据，也不能替代企业对系统边界的选择和披露责任——边界要划到工厂大门还是划到产品报废，本质上是一个业务和合规判断，需要结合客户要求、目标市场规则和企业自身数据可得性来决定，这类判断目前仍然由企业和熟悉方法学的团队来做，模型只能在边界确定之后帮助把数据算清楚、算一致。类似壹号国际这样处理跨境物流碳排放和产品碳足迹数据的平台，通常会把"边界确认"作为计算之前必须先完成的一步，而不是等数据都收集完了才回头讨论这个问题。
