美国可持续监管：从“退缩”到“碎片化”的挑战
头条新闻聚焦于美国在可持续发展监管方面的退缩。从退出《巴黎协定》到环境保护署宣布其所谓的"美国历史上最大规模的放松管制行动”以及提议削减 130 亿美元的绿色能源资金，这很容易让人将其解读为明确的去监管信号。但这种解读忽略了正在发生的实际情况：排放治理并未退缩；而是碎片化了。对于合规团队而言，在许多方面，碎片化的监管环境比统一的监管环境更难管理。
州级立法填补真空：日益复杂的合规格局
在美国各州纷纷采取行动填补立法真空。继加州在 2023 年 10 月通过 SB 253（《气候企业数据问责法》）和 SB 261（《气候相关金融风险法》）之后，其他多个州也接过了可持续发展的旗帜。
例如，纽约州于 2025 年 1 月重新推出了《气候企业数据问责法》（S3456），要求从 2027 年起披露范围 1 和范围 2 的排放数据，从 2028 年起披露范围 3 的数据。纽约州参议院于 2026 年 2 月通过了该法案的一个版本，标志着向正式立法迈出重要一步。科罗拉多州于 2025 年 1 月提出了众议院法案 HB 25-1119，要求年收入超过 10 亿美元的企业从 2028 年起披露范围 1 和范围 2 的排放数据，范围 3 的披露则从 2029 年开始分阶段实施。新泽西州和伊利诺伊州在最近一届会议中也提出了类似的措施。对于合规团队而言，实际后果是重叠的披露时间表、收入门槛和范围要求形成不断扩大的碎片化格局；每一项都需独立的监控机制、数据基础设施和审计轨迹。
欧美监管趋同：全价值链数据成为核心需求
这种州级立法活动与欧盟多年来构建的立法架构相呼应，尽管仍在修订中，但该架构仍基本有效。与欧洲开展业务的企业必须遵守欧盟《企业可持续发展报告指令》（CSRD）以及欧盟《企业可持续发展尽职调查指令》（CSDDD）。两者均受到欧盟委员会 2025 年《综合提案》的影响，该提案缩小了适用范围并调整了某些时间表，但保留了强制披露的基本方向。此外，还有针对特定商品追溯义务的欧盟《无毁林产品法规》（EUDR）。对采购团队而言，尤其重要的是欧盟碳边境调节机制（CBAM），其过渡性报告阶段已于 2025 年底结束，全面财务义务现已生效。CBAM 对进口的铁矿石和钢铁、铝、水泥、化肥、电力和氢气直接征收碳价，旨在针对生产过程中固有的排放。欧盟和新兴的美国州级监管格局背后的逻辑趋于一致：整个价值链中可追溯、可辩护、可审计的排放数据成为共同需求。
资源瓶颈：范围三数据的测量困境
尽管如此，可持续发展团队规模小且人手不足，通常只有少数员工同时负责 ESG 报告、供应商参与、排放核算和监管监控。报告工作消耗了大量时间和预算，留给战略性脱碳工作的空间有限。
这一差距在范围三排放中表现得最为明显，范围三是指公司整个价值链产生的间接温室气体，从上游原材料开采到下游产品使用。这些排放通常占公司总碳足迹的最大份额，也是最难可靠测量的部分。Sphera 的 2025 年范围三报告显示，在已报告温室气体排放的公司中，79% 现在披露所有三个范围的排放数据，高于 2024 年的 52%，这一显著上升更多反映了监管压力而非自愿动力。然而，62% 的范围三报告者表示内部数据质量是主要障碍，79% 的人称获取供应商数据仍是最大挑战。
缺乏可辩护、可审计的数据会导致切实后果：在 CBAM 和 SB 253 等框架下面临监管风险；遭受漂绿指控；由于 CSDDD 尽职调查漏洞暴露导致供应商中断；以及内部瘫痪，因为可持续发展团队花费更多时间验证数据而非采取行动。仍处于被动应对模式的企业将发现自己永远落后于一条加速曲线，其速度远超任何单一政策逆转。
破局之道：AI 驱动的数据基础设施
答案在于构建使持续合规在操作上可行的数据基础设施，而 AI 驱动的采购平台正以手动流程无法实现的方式使其变得现实。差异不仅在于速度，更在于能够从被动的数据汇编转向主动的风险检测，覆盖数百或数千个实体的供应链。
两个例子说明了这在实践中是什么样子：
首先是供应商认证监控。根据 CSDDD 和几个州级框架，一级供应商的环境或人权认证过期会给采购公司带来直接的法律风险。过去，识别这种风险意味着定期手动检查，到那时，过期可能已经构成合规违规。AI 驱动的平台可以持续监控供应链中的认证状态，提前一周标记即将过期的情况，并自动触发与供应商的续期工作流程。曾经只能在审计中发现的问题，现在可以在出现之前得到纠正。采购公司无需投入人力维护，即可保持始终最新、随时可供审计的合规记录。
其次是范围三类别 1 数据收集。即购买的货物和服务，这通常是制造商和零售商范围三排放的最大来源。传统上，收集这些数据意味着向数百家供应商发出手动调查表，花费数周时间协调不一致的格式，然后质疑返回数据的可靠性。AI 可以改变收集和验证循环：标准化的排放数据请求会在供应商入驻时和规定的报告间隔自动推送给供应商。AI 模型可以将提交内容与行业基准进行交叉引用，并标记统计异常响应：例如，某供应商报告的排放量在其行业中不合理地低——在进入报告链之前交由人工审查。结果不仅仅是更快的收集。而是一个可辩护、持续验证的排放记录，可随时用于监管提交、客户尽职调查或内部战略，而不必每季度匆忙组装数据。
综上所述，这些能力将治理从周期性报告活动转变为持续的情报功能；实时揭示风险，从一开始就将可持续性标准嵌入采购决策，并与现有的 ERP 和采购系统集成，使情报出现在实际做出决策的地方。
当下一个监管周期不可避免地收紧时，那些将当前时刻视为暂停其可持续发展项目机会的组织会发现，他们的数据基础尚未建立，竞争优势已悄然流失。在一个由监管复杂性、日益增加的审查和资源受限所定义的环境中，透明度不再是一项报告职能。它是一种战略能力。