从"一吨材料排多少碳"这个问题开始

客户问"这批材料的碳足迹是多少"时，很多团队给出的答案其实只算了生产环节的直接能耗，也就是常说的embodied carbon里最容易拿到的那一段。开云材料大模型在做碳账核算时，坚持把原料开采、加工生产、运输、使用和回收五个阶段放进同一张账本，逐段计入而不是挑容易算的部分算。

开采阶段：最难拿到数据，也最容易被低估

原料开采阶段的碳排放高度依赖矿区的具体工艺、当地电网结构和运输起点，这些数据往往掌握在供应链上游的中小供应商手里，很少被公开披露。举例来说，同一种金属原料，如果开采企业使用的电网以煤电为主，和使用水电或核电为主相比，单位质量的碳排放可能相差数倍。开云的做法是给每一段供应链数据标注来源可信度——是实测值、行业平均值还是估算值，而不是把所有数字都用同一个精度呈现。为便于说明，设想两个原料供应商同时提供同一种基础金属：供应商甲所在电网大约七成电力来自煤电，供应商乙所在电网六成以上来自水电，即便两者的冶炼工艺完全相同，单位质量原料对应的碳排放也可能相差三到四倍。如果材料选型时只看供应商的报价和交期，完全不追问电网结构，等于在碳账本上留下了一个巨大却从未被察觉的缺口。

加工与生产阶段：能源结构比工艺路线更关键

进入加工生产环节后，碳排放的主要变量往往不是某个具体的化学配方，而是生产基地所在地区的能源结构。同样的生产工艺，在以可再生能源为主的产区和以煤电为主的产区之间，单位产量的碳排放可能差出一半以上。这也是为什么低碳材料设计不能只盯着配方本身，产地和能源采购策略同样是决定碳排的关键变量。为便于说明，假设某种材料在以可再生能源为主的产区生产，单位产量碳排放约为1.8吨二氧化碳当量，而在以煤电为主的产区生产，同样的工艺可能达到3.5吨甚至更高，仅仅换一个生产基地，账面上的碳排放就可能相差近一倍。

运输环节：有时候比工艺差异影响更大

为便于说明，设想一个简化场景：同一批1吨的材料从产地运到加工厂，方案一走海运加短途公路，单位吨公里的碳排放系数较低，但总运输距离较长；方案二走全程公路运输，距离短了三分之二，但吨公里碳排系数是海运的数倍。粗略估算下来，方案二全程公路运输产生的运输环节碳排放，可能反而超过方案一，尽管运输距离更短。这个例子想说明的是，运输方式的选择有时候比生产工艺的优化空间还大，但很少有团队会把运输方式当成材料选型的一个正式变量来对待。如果进一步把船只燃料类型、装载率以及公路运输车辆的排放标准都考虑进去，运输环节的碳排放差异可能进一步拉大，这也是为什么单纯用"运输距离"作为碳排放的代理指标并不可靠。

使用阶段：维修和更换频率必须计入

材料在使用阶段本身通常不直接产生碳排放，但维修频率和更换周期会间接放大或缩小前面几个阶段累积的碳排。一种材料如果需要更频繁地局部维修或整体更换，相当于把开采、生产、运输阶段的碳排重复计算了好几遍。这部分逻辑在材料使用寿命与全周期碳排中有更完整的展开。举例来说，如果一种材料的维修间隔从五年缩短到三年，相当于在原有账本基础上，多插入了近一倍的开采、生产和运输阶段碳排放，这种"隐藏的重复计费"如果不被显式建模，很容易让核算结果看起来比实际情况更乐观。

每个数字背后：该标注实测、行业均值还是估算

把开采、生产、运输几个阶段的数字放在一起时，还有一个经常被忽略的问题——这些数字的可信度并不一样。开云材料大模型在呈现碳账时，会给每一段数据标注来源等级：来自供应商实测报告的数字标为一级，来自行业平均值或第三方数据库的标为二级，缺乏任何直接数据、依赖模型估算的标为三级。举例来说，如果一份材料碳账里，生产阶段是一级数据、运输阶段是二级数据，而开采阶段的原料数据只能标为三级估算，那么这份碳账总数的可信区间，很大程度上是被最弱的那一环拖累的，简单相加、四舍五入成一个精确数字，反而会掩盖这种不均衡。

回收阶段：该记"抵消"，不是简单"清零"

不少碳足迹报告在回收阶段直接把碳排放"清零"，似乎材料一旦进入回收流程就不再产生环境影响，这是不严谨的。回收过程本身也要消耗能源和产生排放，更合理的做法是把回收得到的再生材料，按照它能够替代多少新材料生产所对应的碳排放，计入一个"抵消"数值，而不是把整段回收环节直接从账本里抹去。

诚实面对数据缺口

目前材料碳足迹核算普遍存在的问题是：供应链越往上游，数据越稀疏，很多中小供应商根本没有能力提供逐批次的能耗记录。开云材料大模型在这种情况下会用行业平均值和区域能源结构数据做估算填补，但会明确标注哪些数字是实测、哪些是模型估算，避免给出一个看起来精确、实际上建立在粗糙假设上的碳账总数。一张诚实的碳账，宁可承认某些数字只是区间估计，也不该假装每一位小数都值得信赖。