本报告梳理了现行碳数据管理制度体系（统计、核算、管理、评价体系）存在的一些共性问题和 特性问题，针对现行体系的不足有目的地开展园区碳数据管理制度设计，在清晰界定园区碳数据 管理边界和目标的基础上，开展二氧化碳（以下简称“CO ”）排放源活动水平数据的收集、核算、汇 总、报告、核证，综合形成碳总量和强度数据，进一步提升园区碳数据管理体系的实操性。 2 目 录 CONTENTS 01 前言 附件1：园区碳数据补充调查表 园区实现“双碳”工作提 供有力支撑。 形成制度 04 1 2 3 1.2 园区碳数据管理体系框架 05 定义 本报告所述的碳数据，主要是指用于量化CO 排放、移除、抵消的基础数据。 目的 碳数据管理有助于： 1)增强园区CO 量化的完整性； 2)提高CO 量化、监测、报告、验证和确认的可信度、一致性和透明度； 3)通过碳减排、移除和抵消，促进碳管理战略和计划的制定和实施； 4)跟踪管理、动态更新园区在碳数据方面的绩效和进展。 废弃物处理。此外， 碳信用（CCER、碳汇等）和绿电/绿证，可作为信息项进行统计，两者都可实现环境权益价 值。 工业园区温室气体种类分为CO 及非CO 温室气体（CH4、N2O、HFCs、PFCs、SF6等）， 本报告仅针对CO 数据管理进行制度设计。 图1-2 园区碳数据管理边界示意图 1.3 园区碳数据管理边界 08 2 2 2 SF6 2.现行碳数据管理制度体系

D 趋势展望 目录 A 市场概述 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights Reserved. 研究背景  智能驾驶技术正加速从早期“功能验证”向“全域场景”突破，头部整车厂与科技公司大规模投入车规 级大模型、“世界模型”等自动 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的研究背景与定义内涵 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights Reserved.  智驾地图是支撑L2级及以上智能驾驶系统的关键数据基础设施，其核心价值在于补充车载实时感知、提 供超视距信息及优化路径规划。  智 素的“天级/周级”更新成为普遍预期。 核心特征（动态演变中） 智驾地图形态演进示意图 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights Reserved.  两者本质区别在服务对象（机器 vs. 人），区别于传统导航为人类驾驶员提供路径规划和导航提示， 智驾地图则面向自动驾驶系统，提供机器

transition. Emission reductions are delayed by about five years (Highlight 1) and through to 2050 annual CO2 emissions are reset 500 to 1000 Mt higher than we predicted one year ago. — China continues to Emission decline in North America is slowed down by 5 years... HIGHLIGHT 1 | Evolution of energy-related CO2 emissions in North America and in the rest of the world (GtCO2/yr) Block Island Wind Farm – the first and North Africa North America HIGHLIGHT 2 | Effect of energy security policies on energy-related CO2 emissions in year 2040, in selected regions Fossil-fired Nuclear Other RES Wind Solar PV (utility-scale)

and conviction in the generative AI era. IBM Institute for Business Value. May 2024. https:// ibm.co/c-suite-study-ceo 3. Chapter 22, Customer and employee experience. The CEO’s guide to generative and conviction in the generative AI era. IBM Institute for Business Value. May 2024. https://ibm.co/c-suite-study-ceo 5. Ibid. 6. Goldstein, Jill, Chris Havrilla, Chacko Thomas, and Catherine Fillare Revolutionizing work to boost business value. IBM Institute for Business Value. September 3, 2024. https://ibm.co/human-potential-genai 7. Marr, Bernard. “The Third Wave Of AI Is Here: Why Agentic AI Will Transform

Baseline effect 25% 0% Energy Natural gas Coal Electricity CO₂ 多 Cooling degree days in 2023 and 2024 compared with long-term average and contribution 国、中东和印度的消费增加所推动的。 2024 年，全球煤炭排放量增加了 0.9%(1.35 亿 吨 CO2e) 2024 年，天然气排放量增长了约 2 .5%(1. 8 亿 吨 CO2e) 2024 年，全球石油消费量增长了 0 . 8%,, 与石 油 相关的排放量仅增长了 0 .3% 01× 严峻的减碳压力 Change in CO₂emissions from combustion by fuel and 济增长、基建及热浪致用电量增 5%, 虽可再生 能 源新增装机近 35 吉瓦，但仍供不应求，化石 燃料 主导电力结构。 ■ 2000-2024 年各地区 CO2e 排放总量与人均排放量 向 究 CO₂total emissions and CO₂per capita emissions by region,2000-2024 -China ——European

排放与巴黎协定目标差距仍然存在。 将变暖限制在2°C以内： • 2030年的年碳排放量需要减少14亿吨CO2e，低于 当前无条件NDCs（国家自主贡献）声明 • 2035年的年碳排放量需要减少14亿吨CO2e 将变暖限制在1.5°C以内： • 2030年的年碳排放量需要减少18亿吨CO2e • 2035年的年碳排放量需要减少29亿吨CO2e 为实现巴黎协定的2℃和1.5℃温控目标，2035年全 球温室气体排放需较2019年水平分别减少 California Compliance Offset Program 03 碳嵌入机制 • • (BAU) (RBCF) 03 碳嵌入机制 • • 03 碳嵌入机制 • • • CO2 CO2 • • • • • • • • CCER 5% • K-ETS 10% 2021 5% • EU ETS CDM 2021 CCUS • GX-ETS CDR 2023 2024 06 绿色实践案例 • • 资料来源：《中通快递2024社会责任报告》 指标 目标类型 基准年 2024 年现状 2028 年目标 单件快件温室气体排放强 度（千克 CO₂当量 / 件） 强度 2023 0.056 减少 20% 2023 2024 • ₂ • ₂ 06 绿色实践案例 • • 资料来源：《中通快递2024社会责任报告》 ◼

是核心驱动力，彻底重塑了制药行业的 研发模式。 认知数字大脑深入各个层面，开启新纪元 认知数字大脑的应用场景和表现形式因层级而 异，但其核心目标是一致的：增强能力和提升自主性。 对个人而言，认知数字大脑如同 co-pilot（副驾驶） 或智能助手，了解我们的工作，学习我们的喜好，通 过互动持续加深对我们的了解，帮助我们成为更好的 自己。对企业而言，认知数字大脑类似中枢神经系统， 能够优化企业架构，捕捉集体智慧，识别差异化优势， 3. T·博韦（T. Bove）（2023年5月3日），“谷歌DeepMind首席执行官称，‘只需几 年时间’，人工智能就能达到人类智力水平”，《财富》杂志：https://fortune. co��2023�05�03��oo��e-�ee��in�-ceo-a�i-arti�cia�-inte��i�ence� 4. 微软与领英联合发布的《2024年工作趋势指数年度报告》（2024年5月8日），“AI 月1日），英矽智能公司：htt�����in�i�ico.co����o���r�t��ha�e2 12. C·罗克（C. Roark）、S·贾米森（S. Jamison）等人（2024年），“生产力新范式：生 成式AI重塑竞争优势”，埃森哲：https://www.accenture.com/content/dam/ accenture��na��accenture-co���ocu�ent-3��ccen¬

（ LLM ） - 发出 数据创新中心 2 约 1, 438 磅二氧化碳 (CO2) 在 79 小时的 使用 64 个高级图形处理单元 (GPU) 、芯片进行培训 通常用于训练 AI 模型 ， 因为它们具有优越的并行性 处理能力。从这个角度来看 ， 往返航班从 纽约到旧金山可产生约 2, 000 磅的 CO2 每位乘客的排放量。研究人员还估算了碳 用于训练用于神经架构搜索 (NAS) 的 AI 计算最复杂的体系结构之一 机器学习中的问题。具体来说 ， 他们评估了能量 使用 NAS 来创建更好的英语 - 德语机器 翻译模型。11 研究人员估计 ， 训练模型 问题产生了 626, 155 磅的 CO2排放量 (大致相当于 从东海岸到西海岸的 300 个往返航班) 。12 毫不奇怪 ， 鉴于新闻业倾向于负面 科技报道 ， 几乎所有流行媒体的头条新闻都集中在 尽管它的用例狭窄 ， 但在后一种估计上。13 需要大量的能源消耗 ， 产生巨大的碳 足迹和颠覆数字化的绿色效应。 “21 在每种情况下 ， 尽管有大量证据表明他们是 误导和夸大。 数据创新中心 4 表 1 ： 训练各种 AI 模型的估计能源需求 CO2 排放量 (公制 Tons) # of 芯片 能源 (MWh) Estimate 来源 模型 BERT 参数 (型号 x #) Hours 79 Strubell 等 Al. ， 201922

图8：Vattenfall公司温室气体排放和脱碳路径图 图片来源：Vattenfall38 图片来源：Vattenfall39,40 CO2e Mtonnes g/kWh 5 30 10 20 120 15 90 25 150 CO2e 百万吨 gCO2e/kWh 百万吨 2018 2020 2022 0 0 2019 2021 60 符合且一致 符合但未完全一致 运营支出 资本支出 55% 71% 10% 19% 7% 90% 3% 17% 28% 240(十亿) 7(十亿) 31(十亿) 范围 1+2 范围 3 Mt CO2e 10 20 30 40 50 0 2040 2035 2030 2025 2020 2017 10 案例2： Enel是一家意大利的 跨国电力和天然气制造 商和分销商，其业务包 （Step-up 25bps） 关键绩效指标 温室气体排放强度（与综 合电力有关的范围1，3 温室气体排放强度（与天然 气零售有关的范围3） 可持续性绩效 目标 0 gCO2e/kWh 0 Mt CO2e 评估： 与CBI SLB方法论的要求完全一致（fully aligned） 可持续挂钩债券评估方法论中对电力行业排放目标的要求 范围1*或实体排放总量的80% *若实体有基于化石燃料的业务板块，则需包括范围2、3