碳中和与绿色金融研究院 · 绿色发展指数研究室

发布日期 2026-09-29

链主 SupplyZCI · ESG 报告内页精读 v0.4

从「入口采集」到「正文取证」· 467 份 ESG 报告逐页抽取 · 35 个字段 / 7 组 · 467 份文本层可用（100%）· 2026-09-29

一、这一版改了什么

v1.0 解决的是「入口」问题：把 467 家链主的 ESG 报告原文链接采到手。但链接本身不是证据——真正的信息写在报告正文的供应链章节和排放数据表里。

v0.4（内页精读）解决「正文取证」问题：把 467 份报告逐页下载、抽取分页文本，再按 35 个字段做行级匹配，把与 SupplyZCI 指标树相关的事实连同页码与原文片段抽出来。全流程零发函、零填报。

v1.0 · 入口层

467 份

ESG 报告原文链接（巨潮公开公告）

v0.4 · 正文层

35 个字段

目标承诺 / 排放数据 / 供应链管理 / 循环溯源 / 治理制度 / 披露平台 / 分母口径，每条证据带页码 + 原文片段

判定层 v1.3

24 项指标

证据 → 指标档位 E1/E2/E3，只发披露完备度 Coverage（见第十四节）；另出「比例复算」（第十二节）与「证据强度分层 / 双口径」（第十三节）两个独立维度

与 v0.3 的关系。v0.3 是「35 字段 / 七组 / 分母 467 家」版，解决了「有分子无分母」。v0.4 解决的是另一半——「抽到了，但抽到的东西够不够硬」。抽取层新增字段级闸门统计（n_lines / n_strong / n_neg），第一次能把「词组级命中」与「强要件命中」分开数（第十三节）。此前「依赖线索字段的达标率是上限估计」只是一句免责声明，现在它变成了一个可测量的量：53.4% 的达标格是单点软支撑。

二、方法与口径

三层管线：① 文本层质量判定 → ② 字段抽取 → ③ 证据留痕。第一步必须先做，因为不是每份 PDF 都能读。

口径一 · 提及 ≠ 有值。报告里大量出现「供应商培训与支持」这类小标题，但并无覆盖率数字。若把「提到主题」直接当成「披露了数据」，披露程度会被严重高估——实测：供应商培训「提及率」73.0%，而真正给出百分比的「有值率」只有 8.4%，差 8 倍以上。因此本报告所有字段都给两个数。

口径二 · 取值必须排除十一类假数字。分类清单见第四节。其中前四类是高频陷阱：「范围1、2 和3」里顿号后的 2 属枚举续写；「温室气体范围2排放量」里的 2 属另一范围的名称；「20，到2040 年，公司范围一、」取到的是年份；「范围一、二排放量较去年下降7.17%」取到的是同比变化率。四类都已用正则断言与语义筛处理。

口径三 · 区分「合计标签」与「单值标签」。「范围一+范围二温室气体排放总量」这一行里同时含「范围一」三字，但它的数值是一+二合计，不是范围一；「每百万营收温室气体排放量（范围1）」更是强度指标，量纲不同。现已对「其一+其二」「…及…」「…、二」以及强度前缀做整条跳过。

口径四 · 目标年类字段须复核主体。报告里常引用「中国提出力争 2030 年前碳达峰」这类国家目标，与公司自身承诺是两回事；也有把报告年本身当目标年的写法。命中行含国家/政府主体词的已标记 suspect 并从「有值」计数剔除。★ 该口径在 v0.4 中被沿用，但主体判定仍是本层最大的残余风险——集团口径与上市主体口径的分离需要人工复核，规则做不到。

三、样本可用性与补数

467份

入选报告
（有原文链接的链主）

467份

文本层可用
已逐页抽取（100%）

0份

仍不可用
各条路径均已补回

pymupdf·rapidocr

抽取引擎
（C 实现，可并行）

并非每份 PDF 都能直接读出文字。采集阶段把样本分成六类，只有 ok 与 garble_fixable 两类计入分母——其余若按「无结果」处理，这些公司会以「覆盖 0 项」进入统计，凭空制造出一批「披露不足」的假结论。

类	家数	症状	处理
ok	420	文本层完整	直接判定
garble_fixable	3	文字完整，只有数字字形被映射到私用区：`\uf6b3\uf6b1\uf6b3\uf6b5` 实为 2024、电话 `\uf6b9\uf6b7-\uf6b8\uf6b6\uf6b6` 实为 86-755	无损修回（U+F6B1–F6BA→0–9 线性映射），无需 OCR
garble 结构性乱码	5	子集字体丢 ToUnicode，正文大面积错码（欧派家居扩展区占比 74.8%），触发词命中 0/24	换版本重采 / OCR
en 英文版报告	5	汉字数 < 800（首钢股份 49.5 万字符里只有 770 个汉字）	取同年度中文版替换
scan 图片型 PDF	24	页面存在但无文字层，抽取字符为 0	换版本重采 / OCR

三个反直觉发现。① 「乱码」其实是两个问题——8 份乱码里有 3 份文字层完整，只是数字字形被搬进私用区，线性映射即可无损还原，根本不需要 OCR（紫金矿业、明阳智能、麦格米特）。② 5 家「英文版」不是数据缺口，而是采集器的选择规则 bug——公司先发中文版、隔几天再发英文版，而采集器按「公告日最新」取，于是取到英文版（新产业标题含「（中文）」、贝泰妮含「-中文」，同日发布）。③ 图片型样本多数有可读的替代版本——同一年度的中文排印稿、或往年的同系列报告。遇到成批同类型不可用样本，先怀疑自己的选择规则，再考虑上 OCR。

3.1 四层补数

T0 私用区无损修回

文字层本就完整
零 OCR、零重采

T1 同年度可读文本

同年度中文版替换
含 5 家英文版修正

T2 同年度 OCR

原文件无文字层，逐页识别
200dpi · 6 进程

T3 换年度可读文本

本年度确无可读版本
已标注年份差异

仍不可用

各条路径均未取得
不计入分母

补数结果：判定分母 420 → 467 家（私用区无损修回 3 家＋换版本/OCR 补数 44 家，+11.2%），仍不可用 0 家。补数样本相对原年报的年份偏移：-1 年 10 家 / 同年度 23 家 / +1 年 6 家 / +2 年 4 家 / 年份待定 1 家（负值为退用更早年度，正值为取到更新年度）。跨年度样本已在台账「补数台账」sheet 逐条标注，引用时须与同年度样本分开陈述。

补数不改变结论方向，但缩小了误差。补回的样本多为供应链披露较弱者，其纳入会轻微压低均值覆盖项数，而门槛分布与「只发 Coverage 不发评级」的结论不受影响。重点是：这 47 家此前会以「覆盖 0 项」进入统计，凭空制造 47 个「披露不足」的假结论——那才是真正的错误。

四、抽取方法与质量抽检

为什么换引擎。这不止是速度问题，而是口径一致性问题：文本缓存是跨批次共用的资产，若一部分报告用一个引擎抽、另一部分用另一个，同一指标在两个子样本上的口径就不可比。所以先做 A/B 对比，确认等价后整批统一重抽。

报告	页数	pdfplumber 字符	PyMuPDF 字符	PDF 库耗时	PyMuPDF 耗时
银轮股份	114	94,636	94,832	—	1.0s
特变电工	56	66,424	66,464	—	0.8s
正泰电器	95	55,029	55,123	—	0.5s
东鹏饮料	52	563,435	57,967	—	2.7s
整批 467 份总耗时				约 8 小时（单线程）	302 秒（8 线程）

前二行说明普通报告两引擎字符量只差 0.1%–0.8%，抽样命中数差 ±3 条，属等价；第四行说明在 CID 文件上二者不是等价而是优劣。东鹏饮料那份用 pdfplumber 抽出来是「52 页 56 万字」的假象，实测 93.9% 字符是 (cid:12345) 占位符；改用 PyMuPDF 得到 57,967 字、CID 占比 0.0%。速度上 pdfplumber 是纯 Python，多线程只会因 GIL 争抢更慢，换 C 实现后才真正并行：467 份从约 8 小时压到 302 秒。

取值位置：表格式排放数据是主流形态。PyMuPDF 会把表格单元格拆成独立行，数值行常落在触发词下方 1–3 行：

范围一温室气体排放量   ← 触发词在这一行
吨二氧化碳当量        ← 单位行
51,494.36            ← 数值行（相隔 2 行）

只按同行取值会系统性漏掉表格式排放数据。本版因此保留了「表格向下取数」通道，并标注每条证据的取值位置供复核。实际分布（仅计有值证据）：同行 1590 条、下方 1–3 行共 1487 条——表格形态占 48%，若不做这条通道，排放类字段会少掉一半以上。

4.1 假数字十一类

这类「形状像数据但其实不是」的噪声，比正则漏匹配更危险，因为它会静默抬高有值率。全部由抽检驱动发现，且每修一类都重跑同一种子复核。

#	类型	实例	处理
1	枚举续写	「范围1、2 和3」里顿号/斜杠后的 2、3	正则 lookbehind
2	他范围名称内数字	「温室气体范围2排放量」里的 2	同上
3	年份冒充数据	「20，到2040 年，公司范围一、」→ 取到 2040	无单位 4 位数按年份弃
4	变化率冒充排放量	「排放量较去年下降7.17%」→ 取到 7.17	排放字段遇 % 一律弃
5	类目编号冒充数据	「范围三-类别1」→ 取到 1	无单位且 < 100 弃
6	清单编号冒充数据	「305-1 直接（范围一）」→ 取到 305	数字后接 `-数字` 弃
7	合计标签冒充单值	「范围一+范围二…」的值被当范围一	组合标签整条跳过
8	强度冒充总量	「每百万营收…（范围1）」	前 14 字含营收/强度跳过
9	假触发词	「合并财务报表范围一致」	触发词加负向前瞻
10	报告年冒充目标年	「2025 年，公司持续推进碳中和工厂」	取值 == 报告年弃
11	跨介质口径冒充	「废水排放总量」当温室气体排放总量	宽触发词 + 宽排除词（见 4.4）

4.2 抽检抓到的材料级缺陷：跨介质假阳性

「温室气体排放总量」这个字段上，抽检发现系统性假阳性：旧触发词把裸「排放总量」也当命中，于是「废水排放总量」「废气排放总量」「二氧化硫排放总量」「氮氧化物排放总量」「有害废弃物排放总量」全被当成温室气体排放总量。这些数值量纲都是「吨」，原有的量纲校验完全拦不住。

公司	旧基线取到的值	原文介质
龙佰集团	37,436,707.78	废水排放总量
华鲁恒升	39,519,926.89	废气排放总量
太钢不锈	621.46	二氧化硫排放总量
湖南黄金	40.93	氮氧化物（NOx）排放总量
沪电股份	72,491.67	有害废弃物排放总量

影响面：该字段有值家数的 42.2%（256 家中 108 家）。修法＝宽触发词＋宽排除词——裸「排放总量」保留（表格里它常单独成行、介质词在标签行，靠同行前瞻会误删真值），而命中行含废水/废气/固废/污染物/COD/SO₂/NOx/VOC 等介质词则标 suspect、不计有值。效果：剔除纯跨介质 36 家、新捞回真值 7 家，该字段有值家数 256 → 227。

修掉假阳性，真值反而浮出来。因证据配额是「有值优先、满 8 条即止」，废水/废气行先占满配额，就把真值挡在门外。典型如长城汽车——旧基线 5 条有值全是废水，而报告里分明写着温室气体总排放量 153,244.61 吨。故此类修复必须全量重跑基线，不能只做增量替换。

4.3 OCR 管线的三个坑

① 超大页撞 PIL 阈值。一份「图片型」PDF 的页面尺寸是 6289×4296 pt（A4 的 10 倍），200dpi 渲染达 2.08 亿像素，超过 PIL 解压炸弹阈值 → 抛异常 → 被 except 静默吞成「0 行」，56 页全 0 字却标记成功并写入空缓存，白烧 17 分钟。已加像素面积＋单边双闸门，并对整页单图直取原图字节送 OCR（该 PDF 每页本就是一张 4367×2983 JPEG，200dpi 等于放大 16 倍纯浪费）：1,042 秒 / 0 字 → 417.8 秒 / 74,550 字。

② 全角标点切开数值。OCR 会把千分位逗号识别成全角「，」，而它直接打在关键数据上——排放总量约153，575.67吨 会被取成 153，差 1000 倍，而且不改量纲、不进 suspect、静默通过全部校验。实测 603833 一份 58 处。已建归一化模块，15 份已产出缓存就地修复、未重跑 OCR，保住了全部 6,981 秒成果。

③ 默认任务范围过大。运行器默认取「所有 scan + garble」共 42 份，而实际需要 OCR 的只有 16 份（其余可换版本重采）——按当前并行粒度（按文件）会在最大那份212 页上阻塞数小时。已改为自收敛：排除已有同年度可读候选的样本。

质量抽检（固定随机种子，可复现）：从范围一「有值」样本中随机抽 12 家回原文复核，修正后 12/12 取值与原文一致。本轮又通过抽检发现并修掉了跨介质假阳性（4.2）——抽检必须把「值」与「原文片段」并排读，只看数值形状是发现不了的。

但「有值率」仍是下限，不是真值。规则匹配无法覆盖纯图形化表述（排放数据只画在柱状图里、不出现在文字层），也无法从合并报表口径拆出单一主体的口径。因此本版数字只可用于说明「公开报告里确实存在多少可直接引用的证据」，不可反过来断定某家公司「没有披露」。

五、G1 目标与承诺

对应指标树的 S1（供应链碳中和战略）与 A1-3（供应商科学目标）。这组回答的是「公司有没有给出可核对的目标年份」。

字段	类	提及	提及率	有值	有值率
碳中和/净零目标年	量化	364	77.9%	155	33.2%
碳达峰目标年	量化	275	58.9%	78	16.7%
科学碳目标（SBTi）	存在性	81	17.3%	—	—
SBTi 已获验证/获批	量化	77	16.5%	4	0.9%
净零承诺表述	存在性	64	13.7%	—	—

给出净零/碳中和目标年的公司 155 家，给出碳达峰年的 78 家，提及 SBTi / 科学碳目标的 0 家。样本举例：

代码	名称	目标年	证据原文（截）
002126	银轮股份	2040	公司积极响应国家“双碳”目标和NDC雄心，明确提出“2040年主要工厂实现运营碳中和”的长期气候雄心目标，并设定“2025年总部
600699	均胜电子	2040	2040 年实现核心运营碳中和的气候目标。
601127	赛力斯	2045	在绿色低碳领域，我们锚定“2030 年碳达峰，2045 年生产运营碳中和，
002472	双环传动	2021	公司于2021 年9 月成立碳中和暨能耗双控工作领导小组，并设立集团碳排放办公室，在董事会及ESG 委员会的统筹监督下，
601058	赛轮轮胎	2050	2050 年净零排放情景（NZE）
601966	玲珑轮胎	2050	玲珑轮胎锚定“2030 年前实现碳达峰、2050 年前实现碳中和”的战略
002594	比亚迪	2023	实现全价值链碳中和。同时制定阶段降碳目标：相比2023年，2030年
002920	德赛西威	2050	杆。2021 年，我们提出“2030 年运营碳中和，2050 年全价

六、G2 排放数据与鉴证

对应 D1-3（第三方核验）与 D2-1（对标 CDP/ISSB），同时是 A1-1「上游排放强度降幅」的分母基础。范围三尤其关键——它是供应链排放的入口。

字段	类	提及	提及率	有值	有值率
范围一排放量	量化	377	80.7%	256	54.8%
范围二排放量	量化	372	79.7%	261	55.9%
范围三排放量	量化	191	40.9%	95	20.3%
排放数据第三方鉴证	存在性	162	34.7%	—	—
排放总量	量化	398	85.2%	245	52.5%
排放强度	量化	337	72.2%	67	14.3%

范围一有值 256 家、范围二 261 家、范围三 95 家；排放总量 245 家；提及第三方鉴证 0 家。范围三的断崖是这里最重要的结构性信号：它是供应链排放的唯一入口，而绝大多数链主不予披露。

七、G3 供应链管理

最接近 SupplyZCI 核心的一组：D1-1（供应商碳信息覆盖率）、A2-1（绿色采购）、A2-2（再生材料）、S2（供应商 ESG 评估制度）、以及 v0.2 新增的行为准则碳条款与联合技改。

字段	类	提及	提及率	有值	有值率
供应商碳数据收集覆盖率	量化	62	13.3%	10	2.1%
供应商减碳/ESG 培训覆盖率	量化	341	73.0%	39	8.4%
供应商 ESG 评估与准入	存在性	158	33.8%	—	—
绿色采购占比	量化	8	1.7%	0	0.0%
再生材料利用率	量化	113	24.2%	21	4.5%
供应商科学目标/减碳目标	存在性	25	5.4%	—	—
供应商行为准则含碳条款	量化	54	11.6%	0	0.0%
技术帮扶/联合技改项目数	量化	47	10.1%	9	1.9%

供应商碳数据收集覆盖率给出百分比的仅 10 家，供应商减碳培训覆盖率 39 家，再生材料利用率 21 家。这三项正是 SupplyZCI 最核心的 D1-1 / C1-1 / A2-2——公开报告的供给远不足以支撑指标。

代码	名称	值	证据原文（截）
600699	均胜电子	100	的发展措施支持计划，累计对376 家目标供应商实施了培训，实现覆盖率100%。
600104	上汽集团	100	新进供应商需100%进行培训
300866	安克创新	100	供应商参与线上培训，实现覆盖率100%。同时，我们向所有小充品类及Headphone事业部的供应商发出冲突矿产
603296	华勤技术	70	完成70% AVL供应商CSR审核及赋能
002241	歌尔股份	100	100%。其中对关键、高风险和新进供应商的审核共发现问题515 个，经持续跟进及辅导，审核问题均已关闭，问题
300308	中际旭创	100	报告期内，公司将供应商质量培训范围扩展至全供应链，实现量产供应商100%覆盖，并

八、G4 循环与溯源

对应 C2-2（循环回收体系建设）。这组多为「有/无」的制度性证据，只要提及即可作为要件判定的线索。

字段	类	提及	提及率	有值	有值率
回收/循环利用体系	存在性	415	88.9%	—	—
原材料可溯源	存在性	376	80.5%	—	—
供应商培训场次/家数	量化	341	73.0%	94	20.1%

提及回收/循环利用体系 415 家，提及原材料可溯源 0 家。这组只做「有/无」线索判定，不单独参与分值。

九、G5 治理与制度

v0.2 新增组，对应 S2（组织与考核）与 S1 的落地机制。「有没有人管、有没有考核、有没有跟同行共建标准」——原 20 字段里没有治理维度，导致 S2 三项在判定层「无证据可判」，这组是为此补的。

字段	类	提及	提及率	有值	有值率
供应链碳专职团队/委员会	存在性	49	10.5%	—	—
管理层激励与碳绩效挂钩	存在性	156	33.4%	—	—
行业标准/平台共建	存在性	273	58.5%	—	—

提及供应链碳专职团队/委员会 0 家，管理层激励与碳绩效挂钩 0 家，参与行业标准/平台共建 0 家。后两项均为 soft 字段——命中只是线索，可能把别的主体或别的语义（如「共建一带一路倡议」「GRI 报告标准」）算进来，依赖这两项的指标覆盖率须视为上限估计。

十、G6 披露与平台

v0.2 新增组，对应 D2-1（对标 CDP/ISSB）与 D1-3（第三方核验）。这组回答「数据有没有被外部核验、有没有平台承载、有没有算到产品级」。

字段	类	提及	提及率	有值	有值率
产品碳足迹核算/覆盖	量化	250	53.5%	21	4.5%
披露框架对标（CDP/ISSB/TCFD）	存在性	274	58.7%	—	—
供应链碳数据平台	存在性	54	11.6%	—	—
温室气体核查/核证	存在性	148	31.7%	—	—

提及披露框架对标（CDP/ISSB/TCFD）0 家，供应链碳数据平台 0 家，产品碳足迹核算 21 家。这组是「数据可被外部核验」的前置条件——没有平台与准则对标，范围三数据的可信度无从谈起。

十一、G7 分母口径

v0.3 新增组，专治「有分子无分母」。12 项数值比例型指标此前全部只能读企业自述的百分比，无法独立验证。句式普查（467 份全库）实测：公开报告里唯一真实稳定的分母是「供应商总数」；采购总额、产品总数看似可用，实为农产品采购、研发案例数，不可得。故本组＝1 个分母字段 + 5 类分子字段，让 5 项指标首次可复算。

字段	类	提及	提及率	有值	有值率
供应商总数（分母）	量化	115	24.6%	80	17.1%
已审核/评估供应商数（分子）	量化	447	95.7%	140	30.0%
已收集碳数据供应商数（分子）	量化	142	30.4%	18	3.9%
参与培训供应商数（分子）	量化	395	84.6%	79	16.9%
签署准则/碳条款供应商数（分子）	量化	401	85.9%	34	7.3%
溯源/尽责调查覆盖供应商数（分子）	量化	119	25.5%	8	1.7%

供应商总数抽出 80 家（有值率 17.1%，含仅提及共 115 家）。这是全库唯一可作分母的字段——它一旦成立，「覆盖率」才从企业的形容词变成可验算的除法。配套 5 类分子字段分别对应 5 项指标的分子侧：

分子字段	对应指标	有值	有值率
已审核/评估供应商数	指标9	140	30.0%
签署准则/承诺书类供应商数	指标3	34	7.3%
已收集碳数据供应商数	指标7	18	3.9%
参与能效/减碳培训供应商数	指标19	79	16.9%
溯源/尽责调查覆盖供应商数	指标12	8	1.7%

分子多、分母少，本身就是一个结论。「已审核供应商数」有值 123 家，「已收集碳数据供应商数」只有 18 家——说明企业的供应链管理动作集中在合规性审核，而不是碳数据打通。这正是 SupplyZCI 要度量的落差。

十二、比例复算：把「自述百分比」变成「可验算的除法」

报告里写「90% 供应商已签署行为准则」，这是一个说法；我们若能同时抽出分子与分母，就能把它算一遍，得到一个结果。这两类证据性质不同，本报告分列呈现、不合并、不加分。

复算必须过 六道闸门，缺一即判「不可复算」。闸门的价值不在筛出多少结果，而在拦下多少假结果——抽检证实：若不做闸门，分母会大量混入子集句，算出 >100% 的比例。「一算就自曝」正是保留这一层的意义。

闸门	判据	拦截数
无分母	该家根本没抽出供应商总数	1935
无分子	有分母但对应分子字段无值	281
分母污染（子集句冒充总数）	候选分母行是分子句借用了「供应商数量为 N 家」的写法	50
分母过小（<50）	分母 < 50 家：小样本比例噪声大，一律不出	9
分子越界（子集当总数）	分子 > 分母：说明取到的「分母」其实是子集	3
同源重复（分子分母同一处）	分子与分母抓到同一个数（比例恒 100%，无信息量）	3
量纲错配（分子行是吨/万元）	分子行含吨/万元等非「家数」量纲，取错了格	1

53组

可复算
（分子÷分母）

32家

至少一项
可复算的链主

24组

A 级口径
（分母明写「总数」）

3项

近似口径指标
（呈现须带注）

指标	复算口径	可复算	A/B	中位比例
供应商行为准则含碳条款覆盖率 ≈	签署准则/承诺书类文件供应商数 ÷ 供应商总数（原位口径为「行为准则含碳条款」，实测公开文本多为廉洁/质量/可再生能源承诺书，故为近似）	5 家 1.1%	3 / 2	56.6%
供应商碳信息收集覆盖率（按采购额） ≈	已收集碳数据供应商数 ÷ 供应商总数（原位口径为按采购额，现按家数近似）	4 家 0.9%	1 / 3	6.1%
供应商数据第三方核验率 ≈	已审核/评估供应商数 ÷ 供应商总数（原位口径为第三方核验，现按审核近似）	27 家 5.8%	12 / 15	17.3%
关键原材料溯源覆盖率（电池/铝/钢等）	溯源/尽责调查覆盖供应商数 ÷ 供应商总数	1 家 0.2%	1 / 0	42.6%
供应商能效/减碳培训覆盖率	参与能效/减碳培训供应商数 ÷ 供应商总数	16 家 3.4%	7 / 9	9.3%

≈ 是什么意思。带 ≈ 的三项（指标3/7/9）分子字段与指标名义口径不完全同名：指标3 名义是「行为准则含碳条款」，实测公开文本多为《廉洁承诺书》《质量保证协议》《可再生能源承诺书》；指标7 名义是「按采购额」，现按家数；指标9 名义是「第三方核验」，现按审核近似。它们提供的是量级参考，不是严格同口径比例，引用时必须带注。

抽检样例（分子 / 分母 / 复算值与原文）：

链主	分子÷分母	复算	口径	原文（分子行）
银轮股份	95 / 311	30.6%	B	报告期内，公司年度供应商大会共邀请95家核心供应商围绕可持续供应链建设、银轮
赛力斯	336 / 336	100.0%	A · ≈	供应链韧性。报告期内，公司共完成336 家供应商《廉洁承诺书》签署，
长城汽车	56 / 1100	5.1%	B	开展供应商低碳评价和培训指导。24年进一步深化管理，共计评价56家供应商，显著提升了供应商减排意识和供应端
富临精工	60 / 379	15.8%	B	2025 年9 月5 日，公司召开以“应变于新，协同共进”为主题的供应商大会，邀请了 60 余家核心供应
美的集团	624 / 4696	13.3%	B	报告期内，楼宇科技事业部面向624家供应商开展HSF环保管控要求培训，通过解读11项环保法规、市
老板电器	350 / 364	96.2%	A	开展《有毒有害物质3.0》贯标及执行培训，实现全部350余家供应商全覆盖，确保供应商全面掌握相关管控
长电科技	10 / 2000	0.5%	A	9月开展了两场聚焦先进封装技术的供应商专题交流活动，联合10余家各工艺路线的头部供应商，针对前沿技
工业富联	186 / 5092	3.6%	A	报告期内，供应商降碳减废线上宣导大会共有186 家供应商参与。
鹏鼎控股	382 / 1144	33.4%	B	年，公司共举办了5场相关培训课程，吸引了382家供应商1003人参加。

红线。本节的复算结果不是 SupplyZCI 的分数，也不用于任何排名。它只回答一个问题：公开报告里有多少比例是可以被独立验算的。32 家——这就是当前公开信息的可验证上限。

十三、证据强度闸门：把「上限估计」变成可测量的量

第十二节解决了「有分子无分母」。但还有一类问题被掩盖：抽到的每一条「命中」，强度并不一样——可能是可核查的实体（SBTi、ISO 14064、冲突矿产），也可能只是主题词出现了一次（「资源循环利用」「共建一带一路倡议」）。v0.4 在抽取层加了字段级闸门统计，让这两类第一次可以分开数。

13.1 一个此前看不见的口径：命中行不受展示配额截断

先说一个实现细节，因为它决定了数字可信与否。抽取层对每个字段只保留 4 条无值证据做上下文（有值证据留 8 条）——这是为了报告可读。但如果闸门统计只跑在「保留的那几条」上，强要件恰好落在第 5 行的样本就会被误判成「只提到词组」。v0.4 改为在全部命中行上统计（n_lines / n_strong / n_neg），与展示配额解耦。下表的三列因此可以配平：词组级 + 强要件 + 否定句 = 命中行。

13.2 八个线索字段的强度分布

字段	含义	命中行	强要件	词组级	否定句	词组级占比	有值家数	有强要件家数
`recycle_system`	回收/循环利用体系	3,286	439	2,846	1	86.6%	415	154
`traceability`	原材料可溯源	1,939	445	1,490	4	76.8%	376	179
`industry_coalition`	行业标准/平台共建	688	416	272	0	39.5%	273	204
`supplier_esg_assess`	供应商 ESG 评估与准入	376	376	0	0	0.0%	158	158
`exec_kpi_carbon`	管理层激励与碳绩效挂钩	362	354	4	4	1.1%	156	153
`netzero_commit`	净零/碳中和承诺	98	66	32	0	32.7%	64	47
`sc_carbon_clause`	供应商行为准则含碳条款	63	62	1	0	1.6%	54	53
`supplier_target`	供应商科学/减碳目标	37	35	2	0	5.4%	25	24

读法：词组级占比越高，该字段的「有值家数」越虚。「回收/循环利用体系」3,286 条命中里 2,846 条是词组级（86.6%）——因为这个字段的触发词「循环利用」在报告里大量出现在「水资源循环利用」「资源循环利用」这类与回收体系无关的语境；反过来「供应商 ESG 评估与准入」376 条命中全部是强要件，因为它要求「ESG/环境/碳」与「准入/审核/评估」同句共现。「有值家数」与「有强要件家数」的落差，就是这个字段的可信区间。

13.3 三类缺陷，两种处置

极性错误 → 直接改分

命中行是否定句却被判成达标。实测均胜电子「暂未将气候绩效纳入高管薪酬考核」曾被判成「已挂钩」。这是逻辑错误，与本项目已修过的假数字、假阳性同类。处置：直接改主分。

词组/标题级命中 → 只做分列

「资源循环利用」是普通词组；「尽职调查实施路径」是目录标题；「违反海外供应链尽职调查法」是风险描述。这不是错误，只是证据强度不足。处置：另算强证据口径并列呈现，不动主分。

口径	过门槛（≥14/24）	占比	平均达标项	中位数
主分口径（仅修极性错误）	21 家	4.5%	6.5	6
强证据口径（再要求实质要件）	15 家	3.2%	5.3	5

两套口径的差值，比任何一套都更有信息量。主分 21 家、强证据 15 家，相差 6 家——这 6 家是「靠词组级命中凑到门槛」的样本。另外，全部达标格中 1,613 格（53.4%）是单点软支撑：该指标达标与否完全等价于某一个线索字段的命中与否，中间没有任何第二个字段做交叉验证。

为什么不直接把主分改成强证据口径？因为那等于「为了让数字好看而收紧口径」——与提高严谨性是两件事。本项目的纪律：逻辑错误直接改分；口径宽严只做分列。把宽口径的数字留着，读者才知道不确定性有多大。

十四、对 SupplyZCI 指标树的意义

把内页证据按判定层规则（insight_map.py）映射到 24 项末级指标后，可以看出哪些指标已从「不可得」变成「有公开证据」、哪些仍是硬供给缺口。证据分三档：E3 量化（抽出可解析数值）/ E2 要件（有可证据化的制度描述）/ E1 提及（仅出现主题词，不计入覆盖率）/ E0 无。合格线 E2。

21项

本层可判
（公开报告内页证据已够）

1项

需外部通道
（如工厂名单反查）

6.5项

家均覆盖
（中位 6 项）

21家

过 14/24 门槛
（4.5%）

维度	权重	指标	可判	家均达标	平均达标率
S 战略与治理	25%	6	6	95.8	20.5%
D 碳数据与透明	30%	6	6	199.0	42.6%
A 减碳行动	30%	6	4	47.5	10.2%
C 协同与赋能	15%	6	5	211.8	45.4%

#	指标	类型	本层可判	可得性	达标家数	达标率
1	净零目标覆盖范围（是否含范围三）	要件判定型	✓	A	79	16.9%
2	SBTi 或等效目标认证状态	要件判定型	✓	A	81	17.3%
3	供应商行为准则含碳条款覆盖率	数值比例型	✓	B	54	11.6%
4	供应链碳专职团队（人数/层级）	要件判定型	✓	B	49	10.5%
5	供应商碳绩效纳入采购决策权重	数值比例型	✓	B	158	33.8%
6	管理层激励与碳绩效挂钩	要件判定型	✓	A	154	33.0%
7	供应商碳信息收集覆盖率（按采购额）	数值比例型	✓	B	10	2.1%
8	PCF 产品碳足迹核算覆盖 SKU 率	数值比例型	✓	B	250	53.5%
9	供应商数据第三方核验率	数值比例型	✓	B	230	49.3%
10	CDP / ISSB 对标披露完成度	要件判定型	✓	A	274	58.7%
11	供应链碳数据平台化率（数据在线化占比）	数值比例型	✓	B	54	11.6%
12	关键原材料溯源覆盖率（电池/铝/钢等）	数值比例型	✓	B	376	80.5%
13	上游排放强度同比降幅	数值比例型	✓	B	144	30.8%
14	零碳工厂/绿色工厂认证供应商占比	数值比例型	—	A	0	0.0%
15	设定科学碳目标的供应商采购额占比	数值比例型	✓	B	25	5.4%
16	绿色原材料采购占比	数值比例型	✓	B	0	0.0%
17	再生材料利用率	数值比例型	✓	A	21	4.5%
18	绿色物流占比（新能源干线 + 绿色仓储）	数值比例型	—	C	0	0.0%
19	供应商能效/减碳培训覆盖率	数值比例型	✓	B	115	24.6%
20	技术帮扶与联合技改项目数	数值计数型	✓	A	98	21.0%
21	绿色供应链融资规模	数值计数型	—	C	0	0.0%
22	与同行共建行业标准/平台参与情况	要件判定型	✓	A	273	58.5%
23	循环回收体系建设（回收量/回收率）	数值计数型	✓	A	415	88.9%
24	供应商淘汰与改善闭环机制	要件判定型	✓	A	158	33.8%

「本层可判」与「可得性」是两个口径。前者问「只看公开报告内页证据够不够判这一项」，后者是承 06 采集包底表的可得性分类（A 立即可评 / B 条件可评 / C 须企业侧）。二者不一致的地方正是缺口所在——例如「零碳工厂/绿色工厂认证供应商占比」在底表里列为 A，但本层判不了，需要外部名单反查通道。

只发 Coverage，不发 SC 评级。24 项中本层可判 21 项，另 1 项需外部通道、2 项须企业侧；按底表可得性口径的权重分布为 A 37.5% / B 55.0% / C 7.5%。而过 14 项门槛的只有 21 家（4.5%）——门槛只有 4.5% 通过时，任何评级都是噪声。这不是回避，是诚实：本版只做披露完备度，不做绩效分（24 项中 12 项为数值比例型，其分母在公开资料里普遍不存在，把「没披露」当「没做」会让评级退化为披露指数）。

权重倒挂是这条赛道最值得注意的结构特征。占权重最高的「减碳行动」（30%）平均达标率仅 10.2%，而覆盖率最好的「协同与赋能」（15%）是 45.4%——因为后者多为「提及即算」的软指标。真正量化的那一项「供应商碳数据收集覆盖率」达标率只有 2.1%。

十五、边界红线

① 抽取层含噪。规则匹配无法辨识「引用同行案例」这类语义误报（如某公司报告里讲客户索通发展的碳中和目标）。所有证据都保留页码与原文片段，任何对外数字都必须先回原文复核。

② 「有值」不等于「达标」。抽到 6,629 吨只是一个数字，它是否优于同行、是否达成本身的目标，需要另算。

③ 不可读样本不得折成 0 分。本版 47 家不可读样本已全部补回，其中 21 家为换年度样本（T3），年份偏移已逐条标注，不得与同年度样本混为一批陈述。OCR 样本另须注意：识别文本可能把千分位逗号认成全角，已做归一化，但数值仍建议回原文抽验。

④ 口径随时点变化。各家公司报告年度不一（2023–2026），本版不做跨年度可比性调整；引用时须同时给出版本与时点。

⑤ 「有值率」是下限。图形化披露、合并口径无法拆分这两类情形会让真实披露水平高于本版数字。任何「某公司未披露」的结论，都必须回到原文确认后再说。

⑥ 线索字段的达标率是上限，且已给出两套口径。8 个线索字段（recycle_system / traceability / industry_coalition 等）以词组命中居多——「回收/循环利用体系」2,846/3,286 条是词组级。对外引用这些字段相关的指标时，须同时说明主分与强证据两个口径（第十三节），只给一个数就是选择性呈现。

十六、下一步

按「零接触」原则，可由机器继续推进的有以下几项：

工作包	内容	状态
判定层规则	把字段证据映射为 24 项末级指标，先定口径再定档位	✅ v1.3（见判定规则报告）
样本补数	47 家不可读样本四层补回，分母 420 → 467	✅ v0.3 起
跨介质假阳性	排放总量字段排除废水/废气等 42.2% 假阳性	✅ v0.3 4.2
分母口径补数	新增 G7 分母口径组（1 分母 + 5 类分子），把「有分子无分母」的堵点往前推一步	✅ v0.3（第十二节）
线索字段收窄	抽取层新增字段级闸门统计，把「词组级命中」与「强要件命中」分开数，并给出主分/强证据双口径	✅ 本版（第十三节）
其余比例指标分母	另 6 项比例型的分子或分母在公开资料不可得（采购额/产品总数等），需外部通道或企业侧确认	← 下一项
置换年度重采	统一年度口径，消除跨年度可比性问题	待做
图形化证据补齐	对「提及但无值」样本按页定位图表并人工读数	待做
名单结构分析	绿供名单分省/分年/分行业 + 撤销名单分析	待做

数据来源：巨潮资讯网公开 ESG / 社会责任 / 可持续发展报告正文（免登录公开接口）。抽取字段 35 个、分 7 组，每条证据保留页码与原文片段，可凭原文链接回溯。本版为公开信息整理与研究用途，不构成任何评级结论、投资建议或对企业 ESG 表现的判断。
碳中和与绿色金融研究院 · 绿色发展指数研究室 · 2026-09-29