從十兆美元到 AI 治理，ESG 的下一個戰場

十兆美元的綠色經濟，不只是數字遊戲

綠色經濟的市值已經超越醫療保健產業，成為全球第三大經濟板塊。但在這個十兆美元的龐大數字背後，一個尚未被多數企業認真面對的問題正在浮現：支撐這場轉型的數位基礎設施本身，也在消耗大量的能源和水資源。當我們用智能系統分析碳排數據的同時，運算這些數據的伺服器正在產生新的碳足跡。這不是反諽，而是每一個認真看待永續的組織都必須正視的結構性矛盾。

倫敦證券交易所集團（LSEG）在 2026 年 6 月發布的最新報告揭示了一個不容忽視的事實：全球綠色經濟的總市值已經突破 10 兆美元，其中綠色營收達到 5.5 兆美元，年成長率 5.3%，創下 2022 年以來的最快增速。這意味著綠色經濟已經超越醫療保健，成為僅次於科技和金融的全球第三大產業。

更具說服力的是長期表現。過去十年，綠色經濟相關標的的整體表現跑贏大盤約 12%。這個數字打破了長期以來「永續投資是犧牲報酬換取良心」的刻板印象。推動這波成長的主要引擎來自電動車、先進電池技術和能源效率提升，這三個領域不約而同地指向同一個方向：用更少的資源做更多的事。

但 TISEE 在解讀這份報告時，關注的不只是令人振奮的成長曲線。十兆美元的市值背後，有多少是實質的營運轉型？又有多少只是資本市場對「綠色」標籤的追逐？當一家企業把自己的電動車部門獨立上市，估值可能翻倍，但它的供應鏈碳足跡並不會因此減少一公噸。數字會說話，但數字也會說謊，關鍵在於你怎麼讀它。

被忽略的碳足跡：運算基礎設施的能耗真相

就在綠色經濟高歌猛進的同時，另一條幾乎平行的曲線也在急速攀升，那就是全球運算基礎設施的能源消耗。每一個自動化分析模型的運行、每一次大規模數據處理、每一座支撐雲端服務的資料中心，都在消耗電力和冷却用水。這個問題並不新鮮，但在過去兩年間，隨著各種智能系統的大規模部署，它的規模已經從「值得關注」跳升到「必須納入永續報告」的層級。

這裡存在一個結構性的盲區。多數企業在編製ESG 報告時，會仔細計算廠房用電、公務車油耗、甚至員工通勤的碳排放，但很少有企業會把委外的雲端運算、採購的軟體即服務（SaaS）、或內部部署的智能分析工具所產生的能耗，完整地納入碳盤查範圍。原因很簡單：這些排放分散在範疇三的各個角落，計算難度極高，而且目前的揭露規範對此的要求還不夠具體。

但規範正在改變。歐盟的企業永續報告指令（CSRD）透過歐洲永續報告準則（ESRS）的架構，已經開始要求企業揭露與數位技術相關的風險，這裡面當然包含智能系統的能耗問題。這不是未來式，而是已經生效的合規要求。從環境面來看，除了直接的能源消耗之外，晶片製造、伺服器的整個生命週期排放、以及資料中心的冷却水消耗，都是必須被量化的項目。

三條路徑：全球如何治理智能系統

面對智能系統帶來的複雜挑戰，全球並沒有等出一個統一的標準答案。事實上，三個主要的治理框架正在從不同的方向逼近同一個目標，而這三條路徑的交匯處，就是未來永續報告的新戰場。

歐盟走的是立法先行的路。EU AI Act 是全球第一部針對智能系統的全面性法規，預計在 2026 年全面執行，其中高風險應用的相關條款則延至 2027 年 12 月 2 日才完全適用。這部法規的核心邏輯是風險分級：從不可接受的風險（直接禁止）、高風險（嚴格要求透明度和人類監督）、到有限風險和最低風險，每一級都有對應的合規義務。對永續領域而言，最直接的影響在於，任何被用於環境風險評估、碳排預測、或供應鏈合規檢查的智能系統，都可能被歸類為高風險應用，必須接受更嚴格的審視。

美國選擇了不同的路線。美國國家標準與技術研究院（NIST）發布的 AI 風險管理框架（AI RMF）是一套自願性的指引，不具法律強制力，但它提供了一個系統化的方法來識別、評估和管理與智能系統相關的風險。這套框架的特色在於它的彈性，企業可以根據自身情況選擇適用的部分。

第三條路徑來自國際標準組織。ISO/IEC 42001 是全球第一個專門針對智能管理系統的認證標準，它從組織治理的角度出發，要求企業建立一套完整的管理體系來處理智能系統的開發、部署和監控。這個標準的意義在於它為企業提供了一個可被第三方驗證的框架，這和永續揭露的查驗確信邏輯高度一致。

這三條路徑看似各行其是，但它們的交集正在擴大。一家在歐盟有業務的跨國企業，同時需要符合 EU AI Act 的法規要求、參考 NIST AI RMF 來建立內部風險管理流程、並可能選擇取得 ISO/IEC 42001 認證來向利害關係人證明治理能力。當這些要求和 CSRD 的永續報告義務疊加在一起，智能治理就不再是資訊部門的事，而是整個永續策略的核心議題。

ESG 的三個維度，每一個都被重新定義

智能系統對 ESG 的衝擊不是單一維度的，它同時在環境、社會和治理三個面向上製造新的風險，也創造新的機會。

在環境面，問題最為直觀。資料中心的電力消耗和冷却用水、晶片製造過程中的化學品使用、以及硬體設備的廢棄處理，都是可以被量化的環境負荷。但這裡有一個弔設的地方：許多企業正是用智能系統來優化自己的能源使用、預測設備維護需求、分析供應鏈的碳排熱點。換句話說，解決問題的工具本身也是問題的一部分。這不代表我們不該使用這些工具，而是必須把工具本身的環境成本誠實地納入計算。要做到碳中和或淨零的承諾，就不能對這部分的排放視而不見。

社會面的影響更加微妙，也更難被標準化衡量。演算法偏見已經是一個被廣泛討論的議題，但它在永續領域的體現卻很少被提及。當一個智能模型被用來評估供應商的永續表現時，訓練數據中的偏差可能會系統性地低估某些地區或某類型企業的永續努力。勞動力替代同樣是一個真實存在的社會議題。企業在部署自動化系統提升效率的同時，有責任考慮對現有員工的影響，並提供轉型支持。公平性，特別是智能系統的決策對不同群體是否產生差異化的影響，也正在成為社會面評估的重要指標。

治理面是三者中最根本的。在 TISEE 看來，智能治理的核心可以用「智能加智慧」的架構來理解：智能指的是系統自動化完成的數據蒲集、分析和初步判斷，它的優勢在於速度和規模，能夠處理人類無法單獨處理的海量資訊；智慧指的是真人的經驗、專業判斷和最終決策權，確保系統的輸出被正確解讀和負責任地使用。好的治理不是選擇其中之一，而是設計一套機制讓兩者各司其職。風險管理需要智能系統的即時監控能力，但判斷風險是否可接受需要人的智慧。稽核軌跡需要系統自動記錄，但解讀稽核結果並做出決策需要專業判斷。人類監督不是系統的附屬品，而是治理架構中不可替代的一環。

對台灣企業的啟示：這不是別人的事

台灣的出口導向經濟結構意味著，歐盟的法規要求會透過供應鏈傳導到台灣的製造業。當你的歐洲客戶開始要求供應商揭露智能系統相關的治理措施時，「我們還沒準備好」不會是一個被接受的答案。金管會推動的永續揭露路徑圖也在持續升級，雖然目前的重點仍在氣候相關財務揭露，但數位科技治理被納入揭露範圍只是時間問題。

對於已經開始使用智能工具進行碳盤查、供應鏈管理、或永續報告編製的企業，現在就應該開始思考幾個問題：你使用的這些工具，本身的能耗和碳足跡有多大？你的自動化分析結果，有沒有經過具備專業判斷能力的人員進行覆核？如果監管機構要求你解釋某個智能系統的決策邏輯，你能提供完整的稽核軌跡嗎？

這些問題沒有標準答案，但開始問這些問題，本身就是負責任的起點。

永續解碼：數字之外的真相

十兆美元的綠色經濟市值是一個里程碑，它證明了永續不再是邊緣議題，而是全球資本配置的核心考量之一。但里程碑的意義不在於讓我們停下來慶祝，而在於提醒我們接下來的路。

那條路上最大的挑戰，或許就是誠實面對我們自己製造的矛盾。我們用智能系統來追蹤碳排、預測氣候風險、優化資源配置，這些都是正確的方向。但如果我們不同時關注這些系統本身的環境成本、社會衝擊和治理需求，那麼我們只是把問題從一個地方搬到了另一個地方。

EU AI Act、NIST AI RMF、ISO/IEC 42001，這三個框架代表的不只是合規清單，而是一個更深層的共識正在形成：智能系統不能游離在永續治理的範圍之外。它既是工具，也是被治理的對象。理解這個雙重身份，是企業在下一個階段保持競爭力的關鍵。

CloudApps 旗下的 CertiCarb 團隊在碳排數據管理領域持續深耕，而 HOPETURN 則從社會影響評估的角度切入。TISEE 作為永續真相的新聞報，會持續追蹤這些議題的發展，用數據科學拆解那些看起來很美好的數字背後，真正發生了什麼事。

作者：王駿瑋 David Ishayahu（總編輯）

資料來源：LSEG（lseg.com）、BusinessGreen、Inside Climate News、Morgan Lewis、BCG、EFFAS、ESG Today、EU AI Act 官方文件、NIST AI RMF、ISO/IEC 42001

本內容不構成投資建議或法規遵循之保證。文中引用之市場數據以各發布機構最新報告為準。