Diginex为什么收购碳核算平台Plan A · 青绿蓝-北京尧图网络

2026年初Diginex完成对欧洲碳核算平台Plan A的收购交易对价约5500万欧元。据两家公司介绍此次新收购将结合Diginex的ESG报告能力与Plan A的碳核算和脱碳技术使得能够提供一个规模化、集成的可持续发展平台旨在连接监管报告、价值链排放和脱碳战略。这不是简单的功能叠加。Plan A的强项在于范围1、2、3碳排放数据的AI自动化核算与科学碳目标设定客户包括宝马、德意志银行、VisaDiginex的根基在于覆盖19个全球框架的ESG报告能力以及区块链溯源、AI合规分析等技术积累。两者的结合指向的是一个端到端的可持续管理闭环从价值链排放数据的采集到监管报告的自动生成再到脱碳策略的量化评估全部在一个平台内完成。Plan A创始人Lubomila Jordanova的表述直指要害“市场碎片化太久了企业被迫管理一堆各自孤立的解决方案。把高精度脱碳技术和监管科技统一起来我们才能把碎片化数据变成可衡量的气候影响和清晰的财务回报率。”什么是碎片化在以上表述中“碎片化”一词是重点类似国内的”烟囱数据孤岛“。它指的是企业ESG管理中长期存在的一种结构性割裂状态——数据、工具和职责分散在不同系统、不同部门、不同环节中彼此不连通、不统一导致企业无法形成完整、可追溯、可决策的可持续全景图。具体来说这种碎片化体现在三个层面第一工具碎片化。企业往往同时使用多套互不兼容的系统一套做传统能源管理一套ERP系统一套做供应链管理一套做报告。每套系统有自己的数据格式、计算逻辑和输出口径数据在不同系统之间靠人工搬运既低效又容易失真。Lubomila Jordanova所说的“企业被迫管理一堆各自孤立的解决方案”指的就是这种局面。第二数据碎片化。同一组信息在不同环节被反复采集、反复加工但口径不一致。比如命名不一致材料在供应链系统里在碳核算平台里在ERP系统里经不同。数据之间缺乏血缘关系无法追溯“这个数字最初从哪里来、经过了哪些计算步骤”。一旦需要鉴证企业很难说清楚数据的来龙去脉。第三职责碎片化。 ESG相关职能分散在可持续发展部、财务部、供应链部、合规部等多个部门各管一段、各报一套。没有统一的数据底座跨部门的协同只能靠会议和邮件无法形成持流畅的流程。传统的ESG报告局限性愈发突出2026年A股ESG强制披露首年“考试”交卷430家强制披露主体合规率100%全市场披露率逼近50%。数字体面但翻开报告内里裂缝清晰可见仅有11.52%的企业聘请了第三方鉴证范围三排放披露率不足9%。范围3价值链排放能占到总碳足迹的70%到90%。英国可持续投资与金融协会UKSIF对管理着约4.5万亿英镑资产的投资者做了一项调研85%的受访者认为ESG数据的最大挑战是信息披露准确性70%表示难以独立核实或验证数据。投资者对ESG数据整体质量的评价停留在“一般”。传统ESG软件的核心功能是“帮助企业管理报告流程”把数据汇总进来填进模板生成一份符合框架要求的PDF。有些企业供应商原始数据拿不到就用行业平均因子估一个数出来也不说清楚哪些是估的、假设条件是什么。报告上看着全面背后是空洞的没有数据支撑。现在的要求是一个端到端的可持续管理闭环报告的背后是可验证可追查的数据流范围三是价值链排放涉及供应商、客户、物流、产品使用等全生命周期环节恰恰是数据采集难度最大、也最能反映企业真实气候风险的维度。中国企业改革与发展研究会会长彭华岗指出不少企业“报告框架完整、语言规范但数据从哪里来、谁来核验、如何用于经营决策企业内部并没有完全理顺”。溪山云的平台逻辑平台对外可以对接上下游协作对供应商的数据进行管理对内数据直接对接企业的能源账单、物流系统、采购记录自动生成范围1、2、3的排放数据并按照GHG Protocol和SBTi规范进行校验。这些数据不是为了一份报告而临时收集的而是持续运行的数据流。平台将产品生态设计纳入数据架构一件产品的材料构成、可回收性、再生材料占比、拆解难度这些参数在传统ESG报告中是独立于系统的在溪山云中则是存在于同一个数据底座中。将循环经济模式嵌入平台的数据层产品再生材料的比例、闭环回收体系的流转效率。 …国内ESG 报告的下一步A股ESG强制披露的“首考”已经结束但真正的考验才刚刚开始。报告合规率可以靠模板和培训解决数据的可信度却需要系统性的能力建设。对于国内企业而言LCApillar溪山云的路径提供了几个值得思考的方向从报告思维转向数据思维。 ESG数字化不是“上一个报告系统”而是建设一套可追溯、可验证的数据基础设施。数据的采集频率、计算逻辑、变更记录比最终的PDF文件重要得多。打通财数据孤岛。当碳成本、供应链风险、员工权益等ESG要素开始实质性影响财务表现时管理需要ESG数据来做资本配置ESG部门需要财务框架来证明投入的回报。为鉴证做好准备。 11.52%的鉴证率不会永远维持在这个水平。当中欧在可持续信息鉴证准则上逐步趋同当投资者对数据质量的不满积累到临界点鉴证会从“加分项”变成“准入项”。而鉴证的前提是底层数据经得起查。溪山云的能力架构指向的正是这个“经得起查”的数据基础。它将脱碳战略、监管报告、价值链排放、产品生态设计和循环经济模式纳入同一个数据底座让碎片化的信息变成可衡量、可审计、可驱动决策的数据资产。那些提前构建了数据基础设施的企业将在鉴证时代到来时拥有真正的先发优势。

Diginex为什么收购碳核算平台Plan A · 青绿蓝

相关推荐

基于SpringBoot的新乡市流浪动物救助系统数据分析可视化大屏_5dpcz21t

蓝牛仔与百褶裙：亚洲成年时装的九种光线练习

HarmonyOS 7 FlexDesk：FoldStatus折叠态与编辑草稿保持

更多资讯

嵌入式软件架构规范之 - 分层设计

如何只用10分钟语音，训出一个能上直播的AI变声模型：RVC完整上手指南

G-Helper 完全指南：华硕笔记本如何免费设置风扇曲线、功耗限制与显卡切换

Buzz 语音转文字：离线 Whisper 转写的完整本地方案

《大模型基础》教材完整 PDF 获取指南：3 个判断定路线 + 文件位置速查表

Nangate 45nm开源工艺库+FreePDK45：从RTL到门级仿真的完整数字IC流程

今日更新

基于sEMG与IMU的手语手势识别：从数据采集到实时部署避坑指南

装配车间MES落地指南：SimpleMES工单流转、BOM与齐套检查实战

AI获客怎样减少重复线索？意客AI的原文复用与版本筛选

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？