EMBA管理智库丨链主企业如何通过AI实现绿色创新——以京东方为例

文 | 邵云飞 赵立波 赵林汐 胡红根

我国在第七十五届联合国大会上提出“30·60”“双碳”重大战略目标，即二氧化碳排放力争于2030年前达到峰值、努力争取2060年前实现碳中和；“十五五”规划已明确将绿色低碳转型确立为我国经济社会发展的制度性前提，制造业绿色化发展上升为国家层面的硬约束。在国内政策导向、国际贸易规则以及资本与市场偏好多重因素共同作用下，绿色创新已不再是企业的可选战略，而是获取政策支持、要素配置与市场准入的重要条件。推动绿色创新转型，是企业迫在眉睫的任务，更是企业发展的必经之路。

当前，人工智能（AI）已从“锦上添花的IT工具”升级为绿色转型的基础设施。从技术可供性的视角看，AI并非中性的“一般技术”，而是依托算法、算力、数据连接与感知能力等，为企业提供实时监测、预测分析、跨系统协同、自动核验等一系列“行动可能性”。

一方面，AI能够实现能效与过程控制的即时优化。从设备级的预测性维护，到车间、园区级的工艺参数自适应控制，再到区域电力侧的负荷预测与需求响应，AI都能把原本静态、滞后的“事后管理”变成实时闭环，在不改变既有产线的前提下释放可观的减排与降耗空间。这类“软改造”在电力、交通、工业等部门已被权威报告视为系统性减排的关键抓手。

另一方面，AI可以把供应链优化与环境绩效耦合起来。通过对“需求预测—产供销排产—库存—运输路径”的联合学习与动态决策，AI可以同步降低缺货与过量生产带来的浪费，压缩在制品与周转时间，并将碳强度、能耗、水耗等环境指标嵌入优化目标函数，形成“运营KPI×环境KPI”的一体化调度逻辑。这既提升了韧性，也把绿色绩效从“附带结果”变为“设计约束”。

咨询与行业研究已将此类AI驱动的供应链减碳列为企业“许可证”式能力；最新行业访谈也显示，物流与资产密集行业正借助AI实现安全、效率与可持续三个目标的协同改善。

那么，企业应如何将AI嵌入设计、制造、供应链与碳核算等环节的绿色创新实践中？从技术可供性的视角看，AI技术可供性能否被管理者识别、解释并嵌入组织流程，取决于企业的认知框架、制度安排与资源配置。在一个供应链网络中，链主企业占据了价值链的主导地位，能够通过制定关键规则或调整资源分配，影响整个链条上的企业。在内在优势与外部机会的协同作用下，链主企业能够在既有制度约束与网络权力结构下，选择性地激活、组合并放大AI的不同技术可供性，并通过规则设计与资源配置机制，将这些潜在可供性转化为贯穿全链条、可度量且可审计的绿色创新成果（见图1）。

因此，本文聚焦链主企业如何通过AI实现绿色创新，以知名链主企业京东方为例，阐述链主企业利用AI实现绿色创新的内在优势和外部机会，以及推进过程中所面临的现实挑战与边界条件，并进一步对链主企业利用AI实现绿色创新提出了几点建议，希望为我国企业实现绿色化发展，早日达到“双碳”目标提供启示与借鉴。

作为显示与“屏之物联”生态的链主企业，京东方将AI确立为“执行中枢”，通过战略清晰化、规则与数据治理、运营与协同执行、融资与结算四大模块，从治理和执行层面全方位赋能绿色创新；并通过外部标准与数据接口的反馈机制，推动绿色目标的达成和生态系统的优化（见图2）。

2024年4月，京东方正式发布“AI+”战略，聚焦AI+制造、AI+产品、AI+运营三大核心领域，投入专项资金加速研发与场景落地。其显示工业大模型入选北京市首批“人工智能+”应用场景案例，“AI+显示技术方案”获2024DIC国际显示技术创新大奖。2025年4月，京东方对外发布行业首个可持续发展品牌“ONE”，其品牌名取自Open、Next、Earth三词的首字母，意在把“开放包容、创新引领、永续生态”的价值观固化为面向外部的制度性承诺与生态旗帜。同时，在运营侧，京东方形成了“绿色管理—绿色工厂—绿色供应链—绿色产品”四大板块的系统化路径，将绿色要求贯穿设计—生产—销售—回收全生命周期。

京东方优先在制度与数据侧“定口径、立门槛”。以供应商碳管理平台统一PCF（产品碳足迹）口径，将计量边界、排放因子、工艺路径与物料清单建成知识图谱，并由AI图算法自动比对链上企业“宣称PCF”与“可追溯物料、能耗”，减少人为造假与口径漂移；同时对齐世界可持续发展工商理事会发起的碳透明度伙伴关系，以统一的系统边界、数据优先级与元数据字段，保障整个链条上的企业数据互认与自动比对。这一步把“绿色表现”从自证转为可核验、可互通的“共识数据”。

在监测—报告—核查流程当中，京东方利用AI手段自动抽取供应商报送的能耗、物耗、排放原始凭证，做口径映射与缺失填补；以时序异常检测识别“异常波动和抄表错误”。

京东方利用订单分配权与价格谈判权放大绿色信号。训练多任务模型以评估供应商的PCF基线、回收含量比例、低功耗模组，通过AI输出绿色评分，并与绿色采购清单（关键物料如玻璃、金属件、背光/驱动、电源、包装等）联动，将供应商的达标与改善率直接关联到份额与价格：达标者优先锁单并给予动态加分，高于基准者触发折让或限量供给。通过“规则—流量”的连接，绿色从“道德偏好”变为现实收益，提升全链条对绿色改造的意愿。

在执行层，京东方以AI工厂为抓手，围绕生产计划、物料供应、生产制造、品质管理、能源优化、环境安全六大方向，将环境指标（单位能耗、碳强度、废品率）与设备综合效率融合进排程与调度体系，实现“运营KPI（关键绩效指标）×环境KPI”的一体化优化。

同时，作为链主企业，京东方旗下的“ONE”品牌对外把绿色目标、技术路径、生态承诺统一为可传播的“制度性符号”，在供应商大会、生态论坛等场景中释放“绿色一体化”信号，促进“自愿遵从—协同创新”的扩散。

京东方通过AI进行融资评估，基于能效、产能、电价、电力购买协议等变量，用贝叶斯模型估算协同项目的内部收益率与回收期，风险高的由链主信用增信。更关键的是，将 “PCF—排程—结算”三位一体写入流程：交付时自动核对PCF，排程优先级与库存策略即时调整，触发价格折扣、绩效奖金或账期差异化。在碳资产映射方面，将减排量与绿证、PPA（电力购买协议）、能效贷、转型债挂钩，利用AI对额外性与重复计算做校核，确保“减排即收益”可审计。

链主企业要带动全链绿色创新，需要把规则内化到采购、排程与结算等环节，并推动上下游跟自己采用同一标准，其中“外部规则接口”和“内部数据接口”非常重要。

在外部规则方面，截至2024年底，京东方7家工厂获 UL 2799（废弃物零填埋）铂金级、2款产品获 UL 3600（循环性事实认证），并有数十款产品完成PCF评估核查，把循环性与碳足迹放到国际可比框架中。同时，京东方的多家工厂加入 SBTi（科学碳目标倡议），把减排目标对齐全球科学门槛。此外，京东方主持并参与低碳产品评价团体标准和大湾区PCF相关标准，把“链上规则”上升为行业共识，降低协同门槛与核验成本。

在内部数据方面，京东方把绿色KPI直接接入采购与排程，针对供应商度量口径，在绩效评价中把TQRDC升级为TQGDC，把G（绿色）作为加分项，重点考核ISO 14064/14067（温室气体核算/产品碳足迹）等能力，并与定供、物量挂钩。

京东方在“AI+绿色创新”上的系统性探索表明，链主企业通过AI实现绿色创新的关键在于把绿色目标写成可执行的“链上规则”，并把跨企业协同与结算机制同步打通。在这一过程中，链主企业有其独特的优势与机会，但也面临着较大的挑战。

与一般制造企业相比，链主企业作为产业链治理的核心主体，其算法能力、网络位置、资本及政策接口构成“三重杠杆”，因而能在AI赋能情境下放大技术可供性，获得具有规模效应的绿色创新回报。

首先，链主企业具有一般企业难以获得的“跨场景学习”能力。例如，京东方发布并落地AI工厂，公开资料显示“首批规划的AI核心应用已落地并取得实效”，为跨厂区复制提供了数据与模型母体。当AI模型嵌入供产销与能源系统的日常决策后，数据—模型—流程之间形成正反馈：多基地、多产品线的异质样本不断喂养模型，使预测与优化的结构性误差随迭代而下降。

其次，链主拥有制度化协同能力向“结果导向合约”迁移的条件，能够将绿色绩效从技术指标转换为合同与结算条款的产出变量，不仅提升落实度，也把绿色收益变为可分配的价值池，从而吸引上下游共同投资。例如，京东方通过上线供应商碳管理平台，将碳盘查、绿能使用与减碳项目实施纳入供应商评价体系，并与过程管控衔接，把PCF直接嵌入排程与结算流程。

再次，链主更容易实现跨域知识转移。将工艺、能源、质量、物流等多域约束统一进目标函数后，企业可以在不改变物理产线的前提下实现“软性迁移”，以流程标准化+模型可迁移的方式缩短复制周期，降低单位改造成本。例如，链主企业可将共性改造打包为链上项目池，并下发模型工具包（如负荷预测、能耗基线、缺陷识别），辅以培训及第三方核验流程，用AI自动化机器学习的方式，为中小供应商自动选模与调参。这种“项目池＋工具包＋核验”的组合，让协同降碳从一次性项目转为年度滚动的工程化机制。2024年，京东方围绕冷站优化、溶剂回收、压缩空气系统等典型场景推动近30个项目，形成了可复制项目池；该批项目实现年减排约2.71万吨CO2e。

最后，链主在资本市场与政策接口上的议价力，使其具备把“减排能力”金融化的条件：以PPA、绿证、能效融资等工具构建“现金流正反馈”，将AI带来的效益由项目收益转化为资产负债表层面的稳定回报。例如，京东方把电力与碳资产打通为“绿色现金流”。从能源侧自持、建设、运维电站规模化，2018—2024年旗下能源科技板块累计完成电力交易600亿度、其中2024年完成交易120亿度，并累计开发绿证130亿度+、核证减排28万吨+，为“减排—现金流”联动提供资产与交易底座。

AI绿色创新的外部环境呈现“监管—市场—技术”的三重共振。然而，监管、市场与技术机会并非对所有企业均等开放。链主企业凭借其在供应链中的规则制定权与协同中心地位，能够将外部制度与技术机会内化为链级治理工具，从而放大单次AI投入的协同回报，并形成相对一般企业更为显著的绿色创新优势。

在监管侧，链主企业可通过AI实现PCF、循环性与披露制度等标准的持续收敛，使其逐步对齐通用框架，为链上数据的对比和核查提供便利。在市场侧，绿色溢价与TCO（总拥有成本）下降共存，品牌与B2B买方在同一时期形成对“低碳、可追溯、可循环”的偏好，给“结果导向合约”创造了交易基础。例如，京东方与其他品牌联合推出低碳模组与高回收含量机型（如联想T24MV-低碳B版显示器实现半生命周期减排11.56%），验证“低碳可溢价、可采认”。在技术侧，时间序列、因果推断与强化学习在制造、能源及供应链的应用门槛显著降低，云端+边缘端混合的计算供给与MLOps（机器学习运维）的成熟，使“算法即治理”从可行走向可规模化。这些机会与链主的网络位置叠加，意味着同一笔算法投入能在更大的协同范围内摊薄，从而形成相对的成本优势与扩散优势。

链主企业通过AI实现绿色创新，并非一条线性、无摩擦的路径。链主企业之所以能够在 AI 赋能下推动全链条绿色创新，根源在于其在制度设计、资源配置与跨组织协同中的独特地位。但正因为链主企业在产业网络中承担着更高程度的治理责任，其在实践中所面临的挑战与约束也更为复杂，有必要加以审慎识别，以界定该路径的适用条件与实施边界。

首先，链级数据异质性与治理复杂性构成AI赋能绿色创新的基础性约束。链主企业推动AI嵌入绿色创新，本质上依赖于跨企业、跨层级的数据整合与模型协同。然而，在多级供应链中，不同供应商在计量边界、排放因子选择、主数据规范及数字化能力等方面往往存在显著差异，这种异质性一旦被简单“并表”，容易在PCF核算与协同优化中产生误差放大效应。也就是说，链主企业需要处理的并非单点数据质量问题，而是链级数据一致性与可信度问题。在此情境下，AI并不能自动“消除不确定性”，这就要求链主在治理设计中同步引入数据分级、权重管理与核验机制，将数据质量作为算法与规则的约束条件。换言之，AI赋能绿色创新的前提，不仅是引入技术能力，更要通过制度设计承接治理复杂性。

其次，跨区域制度差异与合规节奏不一致，增加了链主企业推进绿色创新的协调成本。链主企业往往横跨多个地区与市场，其绿色创新实践需同时应对不同区域在碳核算口径、信息披露要求与认证体系上的制度差异。在这一背景下，即便企业内部已形成较为成熟的AI核算与管理体系，外部制度的不一致仍可能对交付、结算及协同推进产生约束。也就是说，相较于单一区域经营的企业，链主企业更容易暴露于“制度错配”风险之中。因此，在利用AI推动绿色创新时，链主企业需要将多标准映射、口径参数化与第三方核验机制前置嵌入治理流程，而非事后修补。这意味着，AI不仅是优化工具，更需被纳入跨区域合规管理的基础设施之中。

最后，能源与碳价格波动对链主企业的策略稳定性提出更高要求。由于产出规模大、能源与碳需求集中，链主企业在绿色转型过程中更易受到能源价格与碳市场波动的影响。即便AI能够在排程、负荷管理与需求响应层面提升效率，其绿色创新项目的经济性仍高度依赖外部价格环境。在价格大幅波动的情形下，部分绿色改造项目可能面临回收期拉长甚至收益不确定的问题。因此，链主企业需要在AI决策模型中显式纳入价格情景分析与风险边界设定，并通过多元化能源采购、储能与金融工具组合，对冲外部波动带来的不确定性，从而维持绿色创新路径的长期稳定性。

综上所述，链主企业通过AI推进绿色创新，并非简单的技术采纳过程，而是一项高度依赖治理能力与制度设计的系统性工程。上述挑战并不否定 AI 赋能路径的可行性，而是从另一个角度揭示：只有当链主企业能够同步处理好链级数据治理、跨区域制度协调以及价格波动风险时，AI的技术可供性才能被持续、稳定地转译为可度量、可审计的绿色创新成果。

京东方的绿色创新探索表明链主企业不仅是技术应用的先行者，更是通过制度设计与网络治理重塑产业绿色转型路径的关键枢纽。其实践对其他链主企业具有如下几点可供借鉴的启示。

链主企业要通过AI实现绿色创新，首要任务并不是“出具几套算法”或“做几个节能项目”，而是将绿色目标与AI能力一体化纳入企业的治理架构与战略逻辑之中。

一方面，链主应在公司层面明确“绿色管理—绿色工厂—绿色供应链—绿色产品”的整体路径，将碳中和愿景细化为可分解、可考核的中长期目标，并通过可持续发展品牌、对外承诺等形式，将其上升为具有约束力的制度性符号，以增强对上下游企业与资本市场的信号强度。另一方面，应当将AI视为绿色治理的“执行中枢”，将其深度嵌入生产计划、物料供应、质量控制、能源优化等核心业务流程，将传统以成本、交付、质量为主的目标函数，拓展为“运营KPI×环境KPI”的多目标优化问题。

这意味着绿色创新不应被理解为“附加在现有业务之上的环保项目”，而应被重构为一种依托AI的治理范式：通过顶层设计把“制度锚—数据治理—运营执行—资本闭环”打通，使AI不再只是局部工具，而成为绿色战略落地的基础设施和规则执行的技术载体。

链主企业要真正推动上下游的绿色创新，不能停留在倡议与评比层面，而应通过标准化的数据平台与AI驱动的核验机制，把绿色KPI内嵌到采购、排程、结算等关键制度环节，使“是否减排、减了多少”直接影响企业的现金流与市场机会，从而形成具有硬约束的“激励—约束”体系。

京东方之所以能够推动全链条绿色创新，关键在于把“绿色表现”从分散、主观的自我陈述，转化为可度量、可核验、可互认的“共识数据”，并进一步嵌入订单、价格和结算机制，使其具备类似财务指标的约束力与分配功能。一方面，通过构建供应商碳管理平台，统一PCF口径，将计量边界、排放因子与物料清单建成知识图谱，并利用AI对供应商填报数据进行自动抽取、口径映射与异常识别，显著降低了数据异质性和人为操控空间。另一方面，通过对接PACT、SBTi、UL等国际与区域标准，将PCF、循环性等指标纳入普适的制度框架，使链上数据“内部可比，外部可采信”，为跨链协同与绿色融资提供依据。在此基础上，进一步将AI生成的绿色评分与订单分配、价格谈判挂钩，通过“绿色门槛+动态激励”机制，把PCF水平、减排改善率等指标转化为份额与价格上的实质性差异，从而把绿色绩效塑造为一种“准财务门槛”，推动供应商从“被动合规”转向“主动投资”。

在AI赋能绿色创新过程中，链主企业应将“单一企业项目”视角转变为“链级协同工程”的视角。一方面，要善用自身在订单与资源配置上的“网络权力”，围绕共性痛点构建可复制的改造场景与标准化解决方案；另一方面，要将AI分析能力与绿色金融工具结合起来，通过收益共享、风险共担等机制，构建“减排—现金流—再投资”的正向循环，从而把绿色创新从一次性行动演变为可持续、可扩散的生态战略。

京东方在AI赋能绿色创新中的独特优势，不仅体现在自身工厂的能效优化，更体现在通过网络位置和资本能力，将单点技术改造放大为可复制、可融资的链级协同工程。一方面，围绕冷站优化、溶剂回收、压缩空气系统等共性场景，搭建链上减碳“项目池”，并以AI模型工具包、自动化建模与参数调优能力赋能中小供应商，辅以培训与第三方核验流程，显著降低了供应商采用新技术的试错成本与能力门槛，推动节能减排项目在多级供应商之间的扩散复制。另一方面，通过将减排数据与绿证、PPA、能效贷、转型债等金融工具打通，利用AI对项目收益率和风险进行建模评估，并以链主信用增信部分高风险项目，把“减排成果”进一步转换为可持续的绿色现金流，在一定程度上缓解了供应商在资金与风险上的顾虑。