报告概述
本报告由BSR的Scope 3 for Software Roundtable编写，聚焦软件产品使用阶段的范围三排放（GHG协议类别11）核算挑战与潜在解决方案。报告覆盖云计算与本地部署两种模式，分析会计分类（C.1与C.11）、数据收集、云供应商参与等核心议题。通过桌面研究、专家访谈及同行讨论，提出生态系统利益相关方的行动建议。报告对软件公司、云供应商、标准制定者及监管机构均有参考价值，帮助理解并减少软件碳足迹。
报告的核心结论
软件使用阶段排放核算标准不统一，导致企业实践差异大。
大多数软件公司目前将云相关排放归入类别1（购买的商品与服务）而非类别11（已售产品的使用），这使得碳足迹比较困难。报告指出，缺乏基于共同标准的明确方法论，且云供应商透明度不足，企业难以获取颗粒度数据，尤其是中小型企业依赖支出估算，精度低。
AI的快速普及使软件使用阶段排放问题更加紧迫。
AI工作负载大幅增加了软件公司及其客户的范围三排放。2020-2023年，重度投资AI的数字公司运营排放平均增长150%。AI预计长期将推动S&P500公司市值增加13-16万亿美元，但其能源需求与排放增长显著，政策与气候承诺面临压力。
解决排放核算问题需要生态系统协同行动。
报告建议标准制定机构（如GHGP、SBTi）澄清C.1与C.11的边界并标准化核算方法；云供应商提供标准化服务级排放数据；企业自身需跟踪并分离软件使用阶段排放。通过集体倡议与法规参与，推动一致可比的方法，最终实现实际减排。
部分企业已通过案例探索出可行方法，但数据与透明度仍是核心障碍。
SAP通过区分云与本地部署来避免重复计算，Sage利用生命周期评估量化排放，AVEVA通过基准测试识别减排杠杆。这些实践凸显了明确边界、透明假设和跨部门协作的重要性，但云供应商的数据限制和缺乏标准仍是普遍挑战。
报告回答的关键问题
软件公司如何核算云使用排放？
目前实践差异大，多数公司将云排放归入类别1，少数归入类别11。报告建议根据运营控制权划分：若软件公司运营云基础设施，相关排放计入自身范围1和2；若使用第三方云，则视为上游类别1。最终需标准制定机构明确分类规则。
AI对软件碳排放有什么影响？
AI工作负载显著增加了软件公司的范围三排放。2020-2023年AI投资公司的运营排放平均增长150%，AI所需的云计算和训练带来前所未有的能源需求。这促使行业加速寻求一致、透明的核算方法以管理气候影响。
云提供商应如何协助客户核算排放？
报告建议云提供商提供标准化、服务级的排放数据，包括明确分配方法、位置能源数据，并采用类似环境产品声明的披露方式。当前提供商缺乏直接提供实际客户使用数据的能力，但市场压力正推动改善。
报告中的代表性数据
ICT行业使用阶段生命周期影响占比
未明确，研究估计ICT行业总生命周期影响的56-80%可归因于使用阶段。
AI投资公司运营排放增长
2020-2023，2020年至2023年，重度投资AI的数字公司运营排放平均增长150%。
AI可能增加的S&P500市值
长期，研究估计AI可能长期增加S&P500公司市值13-16万亿美元。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整市场数据与趋势图表，包括ICT行业生命周期影响占比、AI对排放的驱动等量化分析，以及不同核算方法下的数据对比图。
- 研究模型与评价维度，如GHG协议框架下C.1与C.11的边界划分、生命周期评估（LCA）方法论、基准测试流程。
- SAP、Sage和AVEVA三家软件公司的详细案例研究，涵盖各自面临的挑战、采用的核算方法、实施过程及关键收获。
- 针对标准制定机构（GHGP、SBTi）、监管机构（ISSB、ESRS）、云提供商及行业联盟的具体行动建议清单。
- 附录中关于云软件与其他商品范围三核算差异的详细说明，包括运营控制权分析与不同部署模型（单租户、多租户、混合）的排放分配逻辑。
- 数据收集与供应商参与的实用指南，包括如何请求云供应商提供标准化排放数据、处理代理指标（如实例小时）的建模假设。
- 脱碳杠杆识别框架，涵盖架构优化、软件设计改进、客户引导、绿色计算启用等具体措施，以及AVEVA的实践验证。
- 针对中小企业的简化核算建议，包括如何使用支出估算因子及逐步提升数据精度的路径。
- 生态系统协同的下一步行动计划，包括公共政策参与、集体采购清洁能源、以及推动行业标准更新。
- GHG协议历史演变与当前软件排放核算的差距分析，指出2004年企业标准已不适应现代软件生态。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
