“多年来,我们对实地数据团队投入了大量资源,致力于产出值得信赖的评级。虽然这确保了我们评级的准确性,但无法满足买家在数千个项目中进行评估所需的规模。”
如需了解碳信用额采购趋势的更多信息,请阅读我们的《2025年关键要点》一文。文中分享了五条基于数据的建议,助您优化采购策略。

还有一点:Connect to Supply 的客户还可以使用Sylvera 的其他工具。这意味着您可以轻松查看项目评级并评估单个项目的优势,采购优质的碳信用额,甚至监控项目动态(特别是如果您在发行前阶段进行了投资)。
什么是边际减排成本曲线?
边际减排成本曲线(MACC)是一幅根据成本和减排潜力对减排方案进行排序的图表。图表中的每根柱状图代表一种减排方案。
进一步分析可知,每根柱子的高度代表边际减排成本,即减少一单位温室气体排放所需的成本,通常以一吨二氧化碳当量(CO2e)为单位。而柱子的宽度则代表该具体方案所能实现的减排量(以吨为单位)。
横轴从左至右累积减排量,显示了各方案下实现的总减排量。因此,如果你在目标位置画一条垂直线,该线左侧的所有部分都应纳入计划。减排曲线展示了实现该目标最具成本效益的途径。
位于横轴下方的柱状图代表负成本选项,即其产生的节省额超过其成本。常见的例子包括节能照明和热回收。
政府机构利用MACC工具来制定能源政策。例如,世界银行的MACTool工具可帮助政策制定者比较各种减排方案的成本与效益,并评估国民经济为实现低碳发展所需进行的投资。如今,这一逻辑同样适用于制造业、交通运输业及其他行业的企业预算。
为什么MACC比简单的价格比较更胜一筹
价格表会告诉你,持久性措施的费用高于效率提升措施。这一点大家都心知肚明,因此价格表既无法提供可操作的建议,也不会改变你的预算。
MACC 增添了价格表所忽略的一个维度:交易量。对于一家存在 50,000 吨缺口的公司而言,每吨 5 美元但仅能交付 200 吨的期权几乎可以忽略不计。而每吨 40 美元但能覆盖全部 50,000 吨的期权,尽管边际成本更高,其价值却要大得多。换言之,MACC 上柱状图的宽度是极其有价值的信息。
这一点在碳采购方面尤为明显,因为成本最低的减排手段几乎总是面临最严格的总量限制。 例如,能效项目的减排量上限就是您实际消耗的能源量。高质量碳信用的供应同样十分紧张。在我们的《2025年碳信用现状》报告中,我们发现BBB+级碳信用已连续第三年出现供不应求的状况。因此,仅按价格排序的计划,在达到目标之前很可能会就耗尽廉价选项。
如何建立碳采购管理中心(MACC)
要建立一个用于碳采购的MACC,请按照以下三个步骤操作:界定范围和目标,对每种方案进行盘点并估算成本,并如实评估每种方案的规模。

界定范围和目标
确定哪些碳排放应纳入曲线范围、涵盖哪个时间段,以及以哪个基准线为参照。2030年中期目标的曲线与2050年的曲线将大不相同。
然后确定要求解的对象——无论是总减排量、净减排量,还是特定框架下每种产品所认定的吨数,都会得出不同的曲线。
例如,《SBTi 企业净零标准 V2》制定了相关规则,明确了哪些内容可计入目标。这些信息将帮助您确定曲线上应包含哪些数据点。
各选项的库存和成本
列出所有你实际能够采取的措施。常见的选项包括:
- 内部措施:热泵、用于交通的电动汽车,以及风能、太阳能和可再生能源
- 实物低碳采购:低碳钢、水泥和燃料
- 属性证书:尤其是那些附有经核实的环境声明的证书
- 碳信用额:具体指各质量评级区间内的信用额
- 碳移除:从基于自然的碳封存到持久的工程化储存
需要记住的是,每吨成本与标价是不同的。
对于内部措施,将年化资本额加到运营成本的变化额上,然后除以年度减免额。如果热泵能降低总能源成本,其结果可能会低于零。
对于实物大宗商品,应将相对于传统替代品的溢价除以两者所含碳量的差值。计算时仅需将增量成本纳入其中,而非产品全价。
就实物大宗商品而言,一个常见的误区是将绿色钢铁溢价与信用价格进行比较。但只有当两者均以每吨二氧化碳当量为单位表示时,这种比较才具有意义,而这需要经过验证的碳强度差异。
假设每吨钢的碳溢价为40美元,当碳强度差异为1.0 tCO2e时,每吨减排成本为40美元;但当碳强度差异为0.5 tCO2e时,减排成本则为80美元。Sylvera的《大宗商品洞察》报告涵盖了3,000多家水泥厂和700多家氨厂的厂级碳强度数据,这为分母提供了经过验证的依据。
最后,还要考虑证据的成本。在现实世界中,验证、保证和文档编制都需要花费金钱,但具体花费多少取决于你采取何种措施。
如实填写每项选项的尺寸
请确保图表中的宽度反映了您能够承接的数量。如果无法确保全部供应,那么全球处理能力为100万吨的处置途径,也就只能算作100万吨的选项。
还要加入时间维度。有些选项现在就可以使用,而另一些则取决于实施时间表,这些时间表可能长达三年或更久。没有时间因素的曲线意味着你可以今天就买到所有东西,但这种情况很少见。包含时间因素的MACC更准确。
边际减排成本曲线的误导之处
据世界银行称,由于MACCs是按边际成本进行测算的,因此它更适用于适度的减排,而非深度脱碳。如果你不加注意,该工具可能会通过以下四种方式误导你:

- 它将一个动态的市场视为一张静态照片:信用价格波动,减排成本下降,随着低碳生产规模的扩大,绿色溢价收窄,而碳定价则推高了污染成本,进而推高了“无所作为”的成本。最有可能重新定价的选项位于右侧成本最高的区间内,这恰恰是边际决策所在的位置。因此,应基于远期价格预期而非现货价格进行建模,并至少每年重新建模一次。
- 该模型假设各项选项相互独立:将某项工艺电气化会改变为该工艺采购低碳燃料的价值。此外,确保实物低碳燃料的供应会减少碳移除措施必须覆盖的剩余量。当各项因素之间存在强烈交互作用时,各柱状图数据的总和会高估可实现的减排量,从而导致制定出看似“稳妥”的计划,却最终未能达成减排目标。
- 它只对那些容易定价的标的进行定价:成本数据清晰的期权会被纳入曲线,而数据混乱的期权则往往会被剔除——或者被赋予一个决定最终结果的占位符。这种偏见恰恰对新兴杠杆工具不利,而这些工具所蕴含的战略机遇却最为巨大。
- 这掩盖了“负成本悖论”:如果坐标轴下方的措施能够自给自足,那么显而易见的问题就是:为什么没有人实施这些措施?通常,模型忽略了某种实际制约因素,例如资本配给、运营中断、内部资源有限,或是财务团队对新投资设定的回报门槛。应将大型负值柱状图视为审视模型的提示,并在实施前确认相关成本。
这四个问题都源于数据。基于经核实的价格、实际供应量和前瞻性观点绘制的曲线,可以作为决策工具;而基于假设绘制的曲线,则只是猜测而已。
一条好弯道需要什么
要解决上述问题并建立一个高效的MACC,需要五方面的投入。
- 涵盖各项因素的价格:每种选项都需要以每吨为基准的统一价格。将产品单位成本与每吨二氧化碳当量(CO2e)成本混为一谈的曲线,会将单位不一致的数值进行排序。这使得该曲线实际上毫无价值。
- 基于质量调整的碳信用额定价:正如我们对碳信用额质量与价值差距的分析所示,碳信用额并非表现为单一期权,因为其价格会随评级区间而变化——有时甚至存在显著差异。若采用不加区分的平均值,将导致该计划的大部分定价出现偏差。
- 实物选项的经核查碳强度:例如,绿色溢价只有在与经核查的强度差异进行比较时才具有意义。这一事实使得独立评估至关重要。遗憾的是,数据差异很大。在Sylvera 上,我们发现3,000多家工厂的水泥碳强度范围在每吨0.03至1.24吨二氧化碳当量之间。
- 着眼于远期而非现货:碳采购计划涉及数年内的支出,因此价格数据应覆盖相同的时间范围。毕竟,现货价格很快就会过时。评级为BBB及以上的ARR配额在2025年初的价格与评级较低的同类配额大致相当,但到2025年底,其平均价格已超过26美元,而质量较低的配额溢价仅为14美元。 简而言之,基于1月份现货价格构建的曲线,其准确性很快就会失效。
- 价格与可用性数据:交易量占曲线的一半,这也是大多数团队进行估算的那一半。可靠的可用性数据能显示您实际可以签订哪些合约,以及何时签订。
基于真实市场数据构建您的成本曲线
Sylvera 提供涵盖整个收益率曲线的独立数据,以帮助您做出更明智的投资决策。

- 各杠杆的定价情况:《Sylvera》的市场情报涵盖信贷和移除定价,基于八个价格指数中的30万多笔交易,提供了2万多个现货价格估算值。每个估算值都标有低、中或高的置信区间,因此您的模型能够了解每个输入数据的可靠性。此外,《Commodity Insights》还为实物杠杆提供了经过验证的碳强度数据。
- 质量调整定价: Sylvera的评级数据显示,买家在ARR项目上每档评级需多支付约5美元,在REDD+项目上每档评级需多支付约2美元;其中,A级ARR项目的平均价格约为每吨40美元,而B级项目则约为11美元。 高质量碳信用额(BB+及以上)约占注销总量的50%,但占总支出的70%左右。按质量进行细分,正是区分一个能通过尽职调查的计划与一个无法通过的计划的关键所在。
- 适用于多年期决策的远期曲线:通过Sylvera ,您可以按项目类型和市场,查看在低、中、高三种情景下延伸至2050年的价格预测。这些预测每季度更新一次,并附有已发布的方法论说明。因此,您可以根据目标项目的落地年份(而非绘制曲线的年份)构建相应的曲线,从而确保该曲线与决策保持相关性。
- 库存与价格并重: Sylvera的“市场门户”平台为买家提供了超过4亿吨的挂牌库存,从而支撑了价格曲线的交易量一侧。
- 独立性: Sylvera 不持有库存、不建立市场头寸,也不从交易中抽成。因此,我们不会让商业动机影响您模型中的数据。
想进一步了解Sylvera 如何帮助您做出更明智的投资决策吗?立即申请演示,根据当前数据建立每吨成本对比分析。







