2026 年 11 月 4 日晚，我在线参加了 SimaPro LCA Summit 2026。这场峰会值得关注，不只是因为 SimaPro 展示了 Cloud、AI Model Builder、情境比较与报告生成等新功能，更因为它清楚呈现了 LCA 正在发生的一次结构性转变：
LCA 不再只是由一位专家完成一份报告，而是在走向跨部门协作、全产品组合、供应链数据连接与持续更新的企业基础设施。
峰会共有超过 1,400 人报名。两个企业案例——医疗行动辅具制造商 Sunrise Medical，以及食品原料与发酵技术企业 Corbion——看似行业不同，却指向同一个结论：
软件可以提高计算速度，但真正能被规模化的，是经过治理的数据、可追溯的模型，以及可以反复使用的材料与零件知识。
一、LCA 正从“算一次”走向“持续管理”
SimaPro 将企业的 LCA 成熟度归纳为三个阶段：
阶段一｜完成第一份 LCA
典型触发事件是客户要求产品碳足迹（PCF）、投标需要 EPD，或企业第一次要回答产品环境影响。此时工作通常集中在少数专家身上，重点是功能单位、系统边界、分配规则与数据集选择是否正确。
阶段二｜从 LCA 取得经营价值
企业不再满足于交出一份报告，而是开始使用热点分析支持设计、采购与材料选择。团队协作、一手数据、情境比较和模型复用，开始比单次计算更重要。
阶段三｜系统化与自动化
对象从一个产品扩大到整个产品组合、多个工厂与供应链。ERP、BOM、供应商数据、LCA 计算引擎、仪表板与对外报告开始连接。此时，LCA 人员的角色也会从“方法与软件专家”转向“影响决策的专家”。
峰会特别强调：这三个阶段不是越高越好，而是要与企业的业务需求相匹配。但第一阶段若没有把数据与方法基础打好，后面的自动化只会更快地放大问题。
二、Sunrise Medical：先找“优先零件”，不要一开始就试图算完所有配置
Sunrise Medical 的产品包括轮椅、代步车与座椅系统，业务遍及 23 个国家、拥有 34 个据点，产品销往 130 多个国家。复杂之处在于，18 个以上品牌下有许多型号，每台产品还会依使用者需求形成上百甚至上千种配置。
他们第一次完成四项产品 LCA，花了两年多。之后没有继续逐款重做，而是改变结构：
- 建立零件资料库：零件以“摇篮到大门”建模，可在不同产品间复用；完整产品再结合使用与报废阶段。
- 建立优先零件评分：把环境影响、经济价值与年使用量放在一起排序，并逐步纳入供应链中断风险。
- 连接内部部门与供应商：提高原始数据的可得性与一致性，并参与产品类别规则（PCR）的讨论。
结果不只是更多报告，而是实际改变设计与循环策略。依会中分享，代步车马达翻新相较生产新马达，潜在减排可超过 90%；轮椅座管翻新再用于新品，潜在减排可超过 30%。这些比例为讲者提供的项目估计，重点在于：LCA 被用来决定“先改哪里”，而不是只用来证明做过计算。
三、Corbion：从 Desktop 参数化走向 Cloud API，真正的难题仍是资料清洁
Corbion 是荷兰食品原料与发酵技术企业，全球有 12 个制造据点。其 B2B 客户需要 LCA 数据支持产品宣称、Scope 3 计算与减碳目标追踪。峰会介绍，Corbion 已为 400 多项销售产品建立 LCA 结果。
其系统演进可分为两代：
- 第一代：从 ERP 导出 BOM，经 Excel 转换成参数矩阵，再进入 SimaPro Desktop 计算，最后导出结果做分析。Excel 的角色是数据转换，不是最终方法与计算依据。
- 第二代：建立中央数据层，汇集 ERP BOM 与供应商数据，经 API 送入 SimaPro Cloud 计算，结果再回流至仪表板、报告与其他系统。
这套架构看起来先进，但 Corbion 给出的最大教训非常朴素：先把数据清干净。如果料号、单位、配方比例、数据期间与工厂边界不一致，系统化之后只会把问题复制到更多产品。
四、AI 的正确位置：起草模型，不替代方法判断与审核
SimaPro Cloud 已推出 AI Model Builder。使用者回答产品、产地、使用地、生命周期范围与适用标准等问题后，系统可以在几分钟内生成包含物料、制程、使用与废弃阶段的起始模型。
但官方同时清楚说明了边界：
- AI 产出的是含假设的起始模型，不是认证结果。
- 目前并未自动连接背景数据库，仍须由使用者选择适当的数据集。
- 数量、单位、地区代表性与系统边界仍要由专业人员确认。
- 用户的机密模型与数据不会被拿去训练 AI。
这与我们在供应链项目中的观察一致。AI 可以缩短“从空白到可讨论模型”的时间，但不能替企业决定功能单位、分配原则、数据质量要求，也不能代替独立审核。企业仍需要守住三条边界：知识边界、方法边界与审核边界。
五、SimaPro Desktop 与 Cloud 不是二选一，而是分工
峰会明确表示，SimaPro Desktop 不会退场，Cloud 也不是简单替代 Desktop。两者服务不同工作：
- Desktop：适合高级建模、参数化、复杂资料库管理、本机保存与高透明度追溯。
- Cloud：适合跨部门协作、企业部署、API 串接、AI 辅助与结果扩散。
未来的企业架构更可能是：专家在方法与模型层把关，企业平台负责数据连接与协作，业务、采购、设计与客户则取得适合其角色的报告和仪表板。
六、对中国与亚洲供应链的五个启示
- 不要先从“买哪套软件”开始。先确认客户要的是 PCF、EPD、Scope 3、DPP，还是产品设计改善；不同目的对应不同边界、数据粒度与审核要求。
- Excel 可以收数据，但不能成为方法终点。可对外交付的结果必须能追溯到模型、数据来源、版本与假设。
- 一手数据不是一次索取，而是供应商协作机制。暂时缺少一手数据时，可用合适的次级数据作为代理，但必须记录替代逻辑，并在取得供应商数据后切换与保留版本。
- 先建共用材料与零件库，再扩展到全产品组合。款多、量杂的鞋类、包装、纺织、家具与电子产业，更应先找高影响、高用量与高价值的少数材料或零件。
- 报告必须既能分享，又能保护底层机密。客户需要的是符合用途的 PCF、EPD 或 DPP 数据输出，而不是一封邮件里的单一 CO₂ 数值，更不是整套机密配方与成本数据。
七、Nanozeo／SSBTi 的角色：让模型从标杆产品复制到供应链
我们不是先卖一套 LCA 软件，而是先协助企业选定一个具有业务意义的标杆产品或场景，建立可验证的数据规则、参考模型与数据库映射；模型跑通后，再复制到同类产品、合作工厂、供应商与产业链。
SimaPro 是成熟的 LCA 工具之一，但企业真正需要的是一条完整路径：
- 把 ERP、BOM、采购与工厂数据整理成可计算、可更新的结构；
- 依 LCA／EPD 方法学建立边界、分配与数据质量规则；
- 把产品足迹连接到 Scope 3、CDP、SBTi 与客户揭露要求；
- 让供应商通过培训、模板与系统连接，持续补充一手数据；
- 依项目需要连接合适的独立审核或验证单位。
这也是 Nanozeo 与 SSBTi 长期投入供应链数据、LCA、CDP 与 Scope 3 的重点：工具只是其中一层，真正的竞争力是把方法、数据、产业经验与供应商行动连成一套可持续运行的管理机制。
八、企业接下来 90 天可以做什么？
第 1–30 天｜确定标杆产品与业务用途
选一项客户最常索取足迹数据、出口风险最高，或最有改善潜力的产品；确认报告用途、功能单位、边界、工厂与时间范围，并盘点现有 BOM、能源、运输与供应商资料。
第 31–60 天｜建立参考模型与数据规则
完成材料和制程映射，区分一手与次级数据，记录数据来源、代理逻辑与版本；用热点分析找出最值得进一步向供应商追数的三到五项材料或零件。
第 61–90 天｜从一份模型走向复用
把共用材料、零件、运输与能源情境整理成可复用资料库；建立设计、采购与永续团队共同使用的情境比较机制，并决定哪些结果要进入 PCF、EPD、DPP、客户问卷或内部仪表板。
结语：LCA 的下一阶段，不是算得更多，而是让结果进入决策
SimaPro LCA Summit 2026 展示了更快的建模、更强的协作与更方便的报告生成。但两项企业案例真正说明的是：当数据质量、模型规则与组织治理没有准备好时，自动化并不会减少问题；当这些基础被建立，LCA 才能从合规成本变成产品、采购与市场决策能力。
对供应链企业而言，最实际的起点不是“全面计算”，而是选择一个正确的标杆产品，把第一套数据规则和参考模型做扎实。完成这一点，才有机会把 LCA 从一份报告，转变为全产品组合与供应链持续改善的基础设施。
延伸阅读｜完整峰会整理与案例细节
说明：本文依据 2026 年 11 月 4 日 SimaPro LCA Summit 线上会议内容整理，并加入 Nanozeo／SSBTi 的供应链实施观点。案例中的减排比例为讲者提供的潜在减排估计；产品功能与上线时间以 SimaPro 官方公告为准。
