Accounting for AI Inference in Corporate GHG Inventories: A Four-Tier Methodology for Scope 3 Category 1 Reporting

---

title: "Accounting for AI Inference in Corporate GHG Inventories: A Four-Tier Methodology for Scope 3 Category 1 Reporting" tags: [arxiv, 論文, ESG, 碳盤查, AI足跡, 範疇三, 供應鏈碳排放] source: https://arxiv.org/abs/2606.10660v1 date: 2026-06-15 domain: 技術深讀 type: research status: active updated: 2026-08-30 ---# Accounting for AI Inference in Corporate GHG Inventories: A Four-Tier Methodology for Scope 3 Category 1 Reporting

作者： Guillermo Llopis 發表： 2026-06-09

摘要

企業的 AI 推理服務（API 訂閱、企業聊天工具、嵌入式 AI SaaS）明確屬於 CSRD 規範下的範疇三類別一，但目前缺乏標準化的碳排計算方法。本文提出四層式框架：從最精確的 token 級物理估算法，到最後備选的支出型 EEIO 法。以 200 人歐洲企業為例，AI 推理碳排總量低於 1 tCO2e——真正的挑戰在於方法論，而非排放量大小。

企業應用啟示

隨著 CSRD 於 2024 年起強制揭露，AI 碳足跡盤點是 ESG 合規的新戰場。這篇論文提供了目前唯一針對 AI 推理碳排的四層框架，對 CJ 哥在 ESG 顧問工作中幫助客戶建立 AI 碳盤查方法论極具價值。

關鍵技術 / 觀點

目前企業普遍忽略 AI 推理碳排，或使用粗估的 EEIO 因子（高估 10-40 倍）

四層方法論：token 級物理估算 → 模型級估算 → 服務級估算 → 支出型 EEIO

實證結果：200 人歐洲企業 AI 推理年碳排 < 1 tCO2e，關鍵在於「如何算」而非「排多少」

揭露水-碳取捨：瑞典水力發電碳排最低，但水足跡最高，影響資料中心選址策略

引用 ML.ENERGY Leaderboard v3 作為排放因子來源