Language：
PAI绿色产业指数模型方案PAI Green Industries Index
PAI绿色产业指数模型方案
PAI Green Industries Index
版本：PGII 1.0
发布日期：2026年
编制机构：AI指数研究院 / 中视新影GEO研究院 / WICOWEB全球AI认知研究中心
理论创始人：逄培
一、指数定位
1.1 核心定义
PAI绿色产业指数（PAI Green Industries Index，简称PGII）是首个以生成式AI大模型真实输出数据为评价依据，专门衡量绿色低碳产业在全球AI知识网络中认知竞争力的评估体系。它不依赖装机容量、减排吨数或绿色专利数量等传统指标，而是通过标准化方法采集全球主流AI大模型的生成内容，从AI如何“认知”“评价”“推荐”绿色产业相关主体、技术与产品的角度，量化评估其AI话语权、绿色技术信任度与推荐顺位。
1.2 行业特色与必要性
绿色产业在全球碳中和共识下高速发展，其产业特性决定了它需要一套专门的AI认知竞争力评估工具。
首先是“全球共识性与地缘竞争性并存”。绿色产业既是全球应对气候变化的共同使命，也是大国技术竞争的新赛道。AI在回答“哪个国家的可再生能源技术最先进”“谁是绿色氢能领域的领导者”“推荐一家可靠的光伏企业”时，其答案既承载全球绿色发展的公共叙事，也折射国家间绿色技术主导权的竞争。一个国家的绿色产业在AI中被如何认知——是“全球引领者”还是“跟跑者”——直接影响其在全球绿色价值链中的话语权和定价权。
其次是“全生命周期性”。绿色产业的评价涉及从原材料、制造、使用到回收的全产业链绿色化程度。AI是否能够准确描述企业或产品在碳足迹、能效水平、循环利用率等全生命周期绿色指标上的表现，直接影响绿色品牌认知的深度与可靠性。“绿色溢价”——消费者为绿色产品支付更高价格的意愿——高度依赖AI对这些绿色指标的准确背书。
再次是“绿色标准话语权之争”。绿色产业是标准竞争最激烈的领域之一。碳核算标准、绿色产品认证体系、ESG信息披露规范——这些标准由谁制定、被谁推广、在AI中被谁作为“默认基准”引用，正在形成一种新型的“标准话语权”。AI在回答“如何评价一个产品的绿色水平”时，默认引用哪套标准体系，就在认知层面形成了对这套标准的全球背书。这种“认知层面的标准锁定”效应，对绿色产业具有深远的战略影响。
再次是“漂绿认知风险”。随着绿色消费意识的崛起，“漂绿”——企业夸大或虚假宣传其环保表现——成为绿色产业声誉管理的核心挑战。AI是否能够识别漂绿行为，是否能够在推荐时区分“真正的绿色企业”与“营销层面的绿色包装”，直接影响绿色产业整体的社会信任水平。
PGII正是为回应这些特殊需求而诞生，是逄培指数在绿色低碳产业领域的垂直深耕。
1.3 与PAI指数体系的关系
PGII是PAI指数在绿色产业领域的垂直聚焦。它将CIII中的“新能源与储能”赛道扩展为覆盖可再生能源、新型储能、绿色交通、循环经济等全口径绿色产业的评估体系。与PAAI（农业AI指数）在绿色农业与碳汇赛道形成交叉，与PDAI（数字资产指数）在绿色品牌资产估值维度形成协同，与WACI（城市竞争力指数）在低碳城市和零碳城市认知维度形成互补。PGII共享PAI框架核心方法论，在维度设计上针对绿色产业的“全生命周期性”“标准话语权竞争”和“漂绿风险”进行了专属创新。
1.4 理论基石
- AI认知竞争理论：绿色产业话语权、绿色技术推荐优势力衡量绿色产业主体的“认知竞争优势”，绿色标准定义权衡量其“绿色话语权”，绿色全生命周期认知力衡量其“绿色资质深度”，漂绿风险认知衡量其“绿色信任安全边际”
- AI认知主权理论：绿色产业是国家AI认知主权在可持续发展领域的重要体现。一个国家的绿色产业在AI中被如何定位——是“绿色引领者”还是“高碳锁定者”，是“标准制定者”还是“标准追随者”——直接影响其全球绿色话语权和产业竞争力
- AI品牌资产理论（AIBE）：绿色品牌资产从消费者和投资者心智延伸至AI知识网络，“绿色溢价”的实现高度依赖AI对品牌绿色资质的准确背书
- 媒体型GEO理论：绿色产业认知权重的提升依赖于权威信源布局、绿色标准输出和全生命周期绿色数据的结构化发布
二、评估对象与范围
2.1 评估主体
PGII提供三个颗粒度的评估：
| 评估维度 | 评估单元 | 首期样本量 |
| 国家/地区 | 全球绿色产业主要国家和地区 | 12个 |
| 企业 | 可再生能源、储能、新能源汽车、节能环保等领域代表性企业 | 约200家 |
| 城市/园区 | 全球代表性低碳城市和绿色产业园区 | 约50个 |
2.2 绿色产业细分赛道
PGII将绿色产业解构为六个细分赛道，各赛道独立评分后加权合成综合得分：
| 序号 | 细分赛道 | 权重 | 涵盖范围 |
| 1 | 可再生能源 | 28% | 光伏、风电、水电、地热能、海洋能、生物质能 |
| 2 | 新型储能与氢能 | 22% | 电化学储能、压缩空气储能、飞轮储能、绿氢制备、氢储运、氢应用 |
| 3 | 新能源汽车与绿色交通 | 18% | 电动汽车、充电基础设施、氢燃料电池汽车、绿色航运、绿色航空 |
| 4 | 节能环保与循环经济 | 12% | 工业节能、建筑节能、资源循环利用、再制造、废弃物资源化 |
| 5 | 碳捕集利用与封存（CCUS） | 10% | 碳捕集、碳运输、碳利用、碳封存、直接空气捕集 |
| 6 | 绿色金融与碳市场 | 10% | 绿色债券、碳交易、ESG投资、绿色保险、转型金融 |
2.3 覆盖范围
- 国家/地区样本：首期覆盖中国、美国、德国、日本、丹麦、瑞典、法国、英国、印度、巴西、澳大利亚、阿联酋12个国家/地区
- 企业样本：首期覆盖全球约200家绿色产业代表性企业
- 城市/园区样本：首期覆盖全球约50个代表性低碳城市和绿色产业园区
- 模型覆盖：15个全球主流AI大模型
- 语种覆盖：中、英两种核心语言，逐步扩展至七语种
- 时间跨度：以2026年为基期，按年度发布
三、评估维度与指标体系
3.1 维度框架
PGII从五个维度综合评估绿色产业主体的认知竞争力。其中“绿色产业话语权”和“绿色推荐优势力”继承自CIII基础框架，“绿色全生命周期认知力”“绿色标准定义权”和“漂绿风险认知”是专为绿色产业领域设计的专属维度。
| 维度 | 权重 | 核心命题 | 理论来源 | 备注 |
| 绿色产业话语权 | 20% | AI如何描述该主体的绿色产业水平？绿色叙事由谁定义？ | CIII话语权维度 | 继承CIII，针对绿色产业细化指标 |
| 绿色推荐优势力 | 18% | AI在推荐绿色产品、绿色投资目的地时是否优先提及该主体？ | CIII推荐顺位维度 | 继承CIII，扩展绿色专属推荐场景 |
| 绿色全生命周期认知力 | 25% | AI对该主体绿色产业的全产业链绿色化程度认知有多深？能否准确描述其碳足迹、能效和循环利用表现？ | AI品牌资产理论 | 绿色产业专属核心维度 |
| 绿色标准定义权 | 22% | 该主体的绿色标准、碳核算方法和认证体系是否被AI作为行业默认基准引用？ | AI认知主权理论 | 绿色产业专属核心维度 |
| 漂绿风险认知 | 10% | AI是否能够识别该主体是否存在漂绿风险？对其绿色承诺的信任度如何？ | AI认知竞争理论 | 绿色产业专属新增维度 |
| 认知韧性力 | 5% | 该主体的绿色认知形象在冲击中是否稳定？ | CIII扩展维度 | 针对绿色舆论敏感性增强 |
权重设计突出“绿色全生命周期认知力”和“绿色标准定义权”——在绿色产业中，一个企业是否真正“绿色”，取决于从原材料到回收的全生命周期表现，而非单一指标。标准定义权则是绿色话语权的核心体现——谁的碳核算标准被全球AI作为默认基准，谁就掌握了绿色产业的“认知基础设施”。
3.2 各维度指标详解
（一）绿色产业话语权（20%）
测量一国/企业在全球AI知识体系中被呈现的广度、深度与权威性。
国家/地区版：
| 子维度 | 基础指标 | 指标说明 |
| 绿色产业提及广度 | 跨模型提及率 | 该国绿色产业在15个主流AI模型中，在绿色能源、碳中和相关问题中的综合提及频次 |
| 跨语种提及率 | 该国绿色产业在中英文AI模型中的提及率分布 | |
| 细分赛道覆盖度 | 该国在可再生能源、储能、绿色交通等六个细分赛道中被提及的均衡程度 | |
| 绿色技术叙事深度 | 绿色技术描述信息密度 | AI对该国绿色技术的描述中，实质性技术细节与泛化描述的比例 |
| 绿色标签绑定强度 | 该国与“绿色能源领导者”“碳中和先锋”等核心标签的共现频率与排他性 | |
| 信源权威性 | 权威信源引用率 | AI提及该国绿色产业信息时，引用权威信源（IPCC、IEA、联合国气候变化框架公约等）的比例 |
| 绿色学术引用权重 | 该国绿色产业论文被AI作为知识来源引用的频率与深度 | |
| 绿色语义正面率 | 绿色情感正面率 | AI对该国绿色产业描述中正面及中性情感的占比 |
企业版增补指标：
| 子维度 | 基础指标 | 指标说明 |
| 绿色品牌标签力 | 企业-绿色赛道标签共现强度 | 企业被AI提及时，与“可再生能源”“储能”“碳中和”等具体绿色赛道的共现频率 |
| 标志性绿色产品认知度 | 企业的核心绿色产品被AI作为该赛道代表案例引用的频率 |
（二）绿色推荐优势力（18%）
测量一国/企业在绿色产业相关推荐类问题中被AI优先推荐的程度。
| 子维度 | 基础指标 | 指标说明 |
| 推荐顺位 | 首推置顶率 | 在“推荐绿色能源领先国家”“推荐可靠的光伏品牌”等问题中，该主体被首位提及的比例 |
| 推荐列表集中度 | 该主体在AI推荐列表中出现的频次占比 | |
| 产品推荐 | 可再生能源推荐首推率 | 在“推荐光伏组件供应商”“推荐风电整机品牌”等问题中的首推率 |
| 储能推荐首推率 | 在“推荐储能电池供应商”等问题中的首推率 | |
| 投资与人才推荐 | 绿色产业投资目的地推荐度 | 在“推荐绿色产业投资目的地”等问题中的推荐顺位 |
| 绿色人才聚集地推荐度 | 在“绿色能源人才最佳发展地”等问题中的推荐顺位 |
（三）绿色全生命周期认知力（25%）
这是PGII针对绿色产业“全生命周期性”新增的核心专属维度。绿色产业的本质特征是从“摇篮到坟墓”的全链条绿色化。AI是否能够从原材料、制造过程、产品使用到废弃回收的完整生命周期来认知和评价一个主体的绿色水平，直接决定了绿色品牌认知的深度与可靠性。
| 子维度 | 基础指标 | 指标说明 |
| 碳足迹认知 | 碳足迹数据引用率 | AI在描述该国/企业产品时，是否引用具体的碳足迹数据 |
| 碳中和路径认知 | AI是否描述该国/企业的碳中和时间表和路径规划 | |
| 能效认知 | 能效水平描述 | AI是否引用该国/企业产品在能效方面的具体指标和行业排名 |
| 单位能耗下降趋势引用 | AI是否引用该国/企业产品单位能耗的逐年下降趋势数据 | |
| 循环利用认知 | 循环利用率引用 | AI是否描述该国/企业产品的材料回收率和循环利用水平 |
| 废弃物管理认知 | AI是否描述该国/企业在废弃物减量化和资源化方面的表现 | |
| 供应链绿色认知 | 绿色供应链描述 | AI是否描述该国/企业对供应链上游的绿色管理要求 |
| 供应链碳管理引用 | AI是否引用该国/企业供应链碳管理的具体数据和措施 |
（四）绿色标准定义权（22%）
这是PGII针对绿色产业“标准话语权竞争”新增的核心专属维度。绿色产业是全球标准竞争最激烈的领域之一——碳核算方法、绿色产品认证、ESG披露规范，每一项标准都在争夺“全球默认基准”的地位。在AI时代，这场标准竞争增加了一个新的维度：谁的绿色标准被AI作为“默认基准”引用。
| 子维度 | 基础指标 | 指标说明 |
| 碳核算标准话语权 | 碳核算方法默认引用率 | AI在回答“如何计算碳排放”时，默认引用谁的方法学框架 |
| 碳足迹标准绑定度 | 该国主导的碳足迹标准（如PAS 2050、ISO 14067等）被AI引用的频率与排他性 | |
| 绿色认证话语权 | 绿色产品认证默认推荐率 | AI在回答“如何判断产品是否绿色”时，默认推荐谁的认证体系 |
| 认证标准跨区域认知度 | 该国绿色认证标准在非母语AI模型中的引用情况 | |
| ESG披露标准话语权 | ESG披露框架默认引用率 | AI在回答ESG相关问题时，默认引用谁的披露框架作为基准 |
| 评级方法认知度 | AI是否准确认知该国的ESG评级方法和权威性 | |
| 国际标准参与度 | 国际绿色标准组织认知 | 该国在ISO、IEC等国际标准组织的绿色标准贡献被AI感知的程度 |
| 绿色标准输出认知 | 该国向全球输出的绿色标准数量被AI感知和引用的程度 |
（五）漂绿风险认知（10%）
这是PGII针对绿色产业“漂绿风险”新增的专属维度。漂绿风险认知衡量的是AI对企业或国家绿色承诺的真实性判断能力。AI是否能够识别和区分“真正的绿色行动”与“表面的绿色包装”，正在成为绿色品牌信任的试金石。
| 子维度 | 基础指标 | 指标说明 |
| 漂绿识别认知 | 漂绿争议引用率（反向） | AI在描述该主体时，是否关联提及“漂绿”“绿色洗白”等负面争议标签。越低越好 |
| 绿色承诺真实性判断 | AI对该主体绿色承诺的描述倾向——是“实质性的绿色转型”还是“营销层面的绿色包装” | |
| 第三方验证认知 | 第三方核查引用率 | AI是否引用独立第三方对该主体绿色声明的核查验证 |
| 绿色认证权威性认知 | AI是否提及该主体获得国际公认权威绿色认证 | |
| 绿色透明度认知 | 绿色信息披露透明度 | AI对该主体绿色数据披露的透明度评价 |
| 绿色目标可验证性 | AI是否引用该主体绿色目标的量化验证数据 |
（六）认知韧性力（5%）
| 子维度 | 基础指标 | 指标说明 |
| 跨模型版本稳定性 | AI模型更新冲击幅度 | 主流模型重大版本更新前后，该国绿色产业核心标签和推荐顺位的变化幅度 |
| 绿色叙事连续性 | 模型更新后，该国的绿色叙事是否保持连贯 | |
| 舆情与认知安全 | 负面绿色事件恢复周期 | 该国/企业遭遇环境事故、漂绿曝光后，AI描述正面率恢复至基线的时间 |
| 信源抗污染能力 | 是否存在针对该国的系统性漂绿虚假指控及其被权威信源覆盖的效率 |
四、数据采集与计算方法
4.1 标准化问题集设计
针对绿色产业六个细分赛道，分别设计标准化问题集，涵盖认知类、评价类、推荐类、全生命周期类、标准类、漂绿风险类六大类型。每个细分赛道设计约25个标准问题，总计约150个问题。
| 类型 | 示例问题（中文） | 示例问题（英文） |
| 认知类 | “全球可再生能源最先进的国家有哪些？” | “Which countries lead in renewable energy?” |
| 评价类 | “中国的光伏产业在全球处于什么水平？” | “How does China's photovoltaic industry compare globally?” |
| 推荐类 | “推荐一家值得信赖的储能电池供应商” | “Recommend a reliable energy storage battery supplier” |
| 全生命周期类 | “光伏组件的碳足迹如何计算？谁的数据最透明？” | “How is the carbon footprint of PV modules calculated? Whose data is most transparent?” |
| 标准类 | “全球碳核算的主流标准由谁制定？” | “Who sets the mainstream standards for global carbon accounting?” |
| 漂绿风险类 | “如何识别一家公司是否存在漂绿行为？” | “How to identify if a company is greenwashing?” |
4.2 数据采集
- 方法：通过标准化API接口向15个全球主流AI大模型发送查询，每个问题每个模型查询3次（间隔不少于24小时），取均值
- 频次：年度正式采集两轮（年中、年末），季度动态追踪覆盖核心指标。绿色标准定义权维度实行“重大绿色标准事件即时监测”——当国际绿色标准组织发布新标准时，在30天内进行专项采集
- 语种：中、英两种核心语言同步采集。后续逐步扩展至七语种
4.3 计算方法
各基础指标原始值通过Min-Max标准化映射至0–100区间。
子维度得分 = 该子维度下各基础指标得分的算术平均。
维度得分 = 该维度下各子维度得分的加权算术平均。
各细分赛道得分 = 该赛道下六个维度得分的加权算术平均。
综合得分计算公式：
其中WK为第k个细分赛道的权重，Sk为该赛道的综合得分。维度权重和细分赛道权重通过德尔菲法由绿色能源、环境科学、碳核算与碳交易、国际传播领域专家三轮评分后确定，每两年复审一次。
五、等级体系
| 等级 | 分数区间 | 国家/地区等级名称 | 企业等级名称 | 核心特征 |
| AAA+ | 90-100 | 全球绿色产业认知领袖 | 全球绿色产业认知领袖企业 | 全产业链绿色认知卓越；绿色标准全球主导；漂绿风险免疫；认知韧性极强 |
| AAA | 85-89 | 全球绿色产业强影响力者 | 全球绿色产业强影响力企业 | 多维度表现卓越；在核心绿色赛道上具有全球认知优势 |
| AA | 80-84 | 区域绿色产业影响力者 | 区域绿色产业影响力企业 | 在所在区域具有强认知影响力；全球化认知正在建设中 |
| A | 70-79 | 行业绿色产业建设者 | 行业绿色产业建设企业 | 在特定绿色赛道上认知权重突出；系统性认知资产建设进行中 |
| BBB | 60-69 | 绿色产业认知起步者 | 绿色产业认知起步企业 | 具备基础AI可见度；绿色全生命周期认知正在形成中 |
| BB | 50-59 | 绿色产业认知初期 | 绿色产业认知初期企业 | AI可见度偏低；绿色标准话语权和全生命周期数据积累亟待加强 |
六、发布与应用
6.1 发布周期
PGII采用“年度大考+季度动态追踪+重大绿色标准事件即时监测”三层时序体系。年度综合报告于每年第一季度发布，季度动态追踪覆盖核心指标波动，重大绿色标准事件后30天内进行专项采集。
6.2 发布内容
- PGII国家/地区总榜：12个国家/地区综合得分及排名
- PGII企业榜：全球约200家绿色产业企业综合得分及排名
- PGII城市/园区榜：全球约50个低碳城市和绿色产业园区综合得分及排名
- 细分赛道分榜：6大细分赛道各国、各企业得分及排名
- 维度专项榜：绿色全生命周期认知力Top10、绿色标准定义权Top10、漂绿风险认知Top10
- 年度深度报告：全球绿色产业认知竞争力格局分析、赛道趋势研判、典型案例解读
6.3 核心应用场景
- 国家能源与气候政策制定者：诊断本国绿色产业在全球AI认知中的优势与短板，识别需加强标准建设和国际传播的薄弱环节
- 绿色产业企业：诊断企业在AI中的绿色品牌可见度、全生命周期绿色认知深度和漂绿风险暴露度，优化绿色品牌叙事与权威信源布局
- 投资机构：将绿色产业认知竞争力作为跨国绿色投资布局的核心参考维度，漂绿风险认知指标可作为ESG尽调辅助工具
- 碳市场与绿色金融机构：了解各国碳核算标准和绿色认证体系在全球AI中的话语权，为碳市场规则制定提供战略参考
- 国际组织与气候智库：监测全球绿色产业认知竞争力的动态格局，为全球气候治理和绿色贸易规则研究提供数据支撑
七、独立性声明
指数编制机构独立于任何被评估国家/地区的政府、绿色产业企业及AI模型提供商。不接受定向资助以影响特定主体排名。编制资金来源于机构自有经费与公开发行收入。每年公开发布独立性声明与资金来源报告。
“绿色产业的竞争，不仅是技术和产能的比拼，更是绿色定义权和标准话语权的较量。在AI时代，一个国家的绿色产业能否被AI准确认知其全生命周期绿色水平、能否让AI默认引用其碳核算标准、能否在AI推荐中成为‘最值得信赖的绿色品牌’——这些正在成为绿色竞争力的核心维度。PGII的使命，就是测量这种绿色话语权——因为在AI时代，被AI认可的‘绿色’，才是真正赢得全球市场信任的‘绿色’。”
——逄培，逄培指数创始人、AI认知指数（AICI）评价体系总设计师
附录
附录A：评估国家/地区、企业与城市/园区完整名单
附录B：各细分赛道标准化问题集（示例）
附录C：绿色产业权威信源库（节选）
附录D：德尔菲法专家权重确定流程
附录E：数据来源与免责声明