烧算力、吃数据、卷模型：大模型公司的 ESG 报告，凭什么让人信？ | 2026.06.15
AI数据中心机房，<图源：Wikimedia Commons>
导读：上一篇专题我们从 SpaceX 与 xAI 的资本叙事，聊到“太空 AI 算力”给 ESG 提出的新考题。这一篇专题把镜头拉回地面：如果 OpenAI、Anthropic，以及国内 Kimi、DeepSeek、阶跃星辰等大模型公司未来走向资本市场，它们的 ESG 报告到底该怎么写？
点个关注，咱们一起来研究研究AI大模型公司的ESG报告究竟要怎么写✨
字数：约2300字 | 预估阅读时间：约8分钟
（当ESG遇上太空：1.75万亿IPO背后，一道评级机构还没准备的考题｜专题｜2026.06.14）
上一篇专题里，SpaceX 绑定 xAI 的 IPO 叙事，最刺眼的并不只是“AI 算力上天”。
更大的问题是：当 AI 公司开始把算力、能源、数据和基础设施越卷越大，ESG 还能不能只停留在节约用纸、绿色办公、员工关怀这些传统段落里？
SpaceX Starship发射图，<图源：SpaceX Flickr>
把镜头从太空拉回地面，大模型公司同样绕不开这道题。
过去两年，大模型公司最擅长讲的故事，是模型能力、推理成本、Agent、应用场景和估值想象力。OpenAI、Anthropic 被市场反复放进潜在上市名单；国内 Kimi、DeepSeek、阶跃星辰等一众 AI 大模型公司，也一直被资本市场盯着。
但只要进入 IPO 语境，故事就会突然变复杂。
投资人不只问增长，还会问风险；客户不只看能力，还会看合规；监管不只鼓励创新，也会追问责任边界。公众更关心的是，这家公司到底值不值得信任。
不管未来登陆港股还是美股，ESG/可持续发展/气候与治理相关披露，都会是大模型公司绕不开的一份材料。美股方面，SEC 气候披露规则已经大幅收窄，也在诉讼和监管变化中反复摇摆；但这并不意味着 ESG 消失了。对一家要融资、上市、拿下政企客户、走向海外市场的大模型公司来说，ESG 仍然是投资者尽调、客户采购和公司治理沟通里的“几乎必做项”。
真正麻烦的是：能抄的同行作业太少了。
传统互联网巨头的 ESG 报告业务太庞杂，制造业、能源和硬科技公司的报告又很难覆盖模型安全、训练数据、内容治理这些 AI 特有议题。于是，MiniMax 和智谱这两份港股 AI 大模型公司报告，就变得格外值得看。
一、MiniMax 和智谱：少数能看的港股样本
MiniMax 的参考价值，首先在于它不是“接近样本”，而是已经登陆港股的 AI 大模型公司本身。它提供的不是想象中的模板，而是一份真实上市公司语境下的 ESG 披露样本。
从 MiniMax 的年报和 ESG 相关披露里可以看到，大模型公司一旦进入资本市场，就不能只讲模型、产品和收入。它还要交代业务模式、研发投入、治理结构、员工管理、供应链关系，以及公司如何识别和管理 ESG 风险。
最近围绕 MiniMax M3的争议，正好把这件事照得更清楚。
MiniMax M3官方发布图，<图源：MiniMax官网>
6 月 1 日，MiniMax 发布新一代模型 M3，官方强调其在编程、智能体、1M 超长上下文和原生多模态等方面的能力。但模型发布后，市场反馈并不是单向乐观。一方面，有观点认可其 Agentic 能力和长上下文能力；另一方面，争议也很快出现：benchmark 自测是否足够可信，真实体验与宣传之间是否存在落差，Token Plan 计费方式调整是否构成“变相涨价”。
资本市场的反应更直接。多家财经媒体报道，MiniMax 股价在 M3 发布当天高开后转跌，盘中一度跌逾 12%，收盘跌幅超过 15%。
MiniMax M3争议新闻页面截图，<图源：DoNews>
这件事的启发是：对大模型公司来说，ESG 报告里不能只写“研发创新”和“技术突破”。模型能力怎么证明，产品变更怎么告知，价格机制是否透明，用户预期如何管理，争议发生后如何回应，这些都可能成为影响公司信任和股价的 ESG 问题。
换句话说，AI 公司的“G”不只是董事会和反腐败，“S”也不只是员工福利。产品责任、客户沟通、模型评测披露、用户权益保护、重大争议响应机制，都应该被放进更宽的 ESG 视野里。
智谱ESG报告封面<图源：港交所披露易智谱ESG报告>
智谱的报告则提供了另一种参照：它把 AI 行业风险写得更显性。
在智谱的 ESG 报告里，“科技伦理与 AI 安全”“隐私保护与数据安全”“研发创新”“知识产权保护”等内容，不再只是通用 ESG 模块里的补充文字，而是贴近大模型公司真实风险的核心议题。报告的重要性议题矩阵，也把科技伦理、AI 安全、隐私保护、数据安全、气候与碳中和纳入 ESG 管理视野。
更重要的是，智谱报告明确说明，其依据《香港联合交易所有限公司证券上市规则》附录 C2《环境、社会及管治报告守则》编制。这意味着，它不是在写一份企业宣传册，而是在用上市公司披露语言处理 AI 风险。
MiniMax 更像是在回答：AI 公司如何进入港股上市公司的 ESG 披露框架？
智谱更像是在回答：AI 特有风险如何被翻译成 ESG 语言？
两份报告放在一起看，结论就比较清楚了：好的 AI ESG 报告，必须同时满足两套逻辑。一套是资本市场熟悉的 ESG 披露逻辑，另一套是 AI 行业自己的可信治理逻辑。
只写前者，会像普通公司报告；只写后者，又会像技术白皮书。
二、大模型公司的 ESG，真正难写的是 AI 风险
大模型公司写 ESG，第一道难题是环境。
但这里的环境，不该只写办公室节电、节水、垃圾分类和无纸化办公。这些当然可以写，但如果全文止步于此，就会显得避重就轻。
大模型公司的环境压力，主要来自算力：训练、推理、GPU 集群、云服务、数据中心、外购电力，以及算力供应商背后的能源结构。
未来更成熟的 AI ESG 报告，需要逐步建立自己的“算力碳账本”：训练和推理分别消耗多少资源？范围二排放如何核算？范围三排放是否准备纳入？绿色电力、模型压缩、推理优化、算力利用率提升，能否被量化为减排路径？
第二道难题是数据治理。
大模型公司天然“吃数据”。数据从哪里来，是否获得授权，是否涉及个人信息，是否跨境流动，训练数据、用户数据、客户数据和公开数据之间如何区分，这些问题都会影响公司可信度。
尤其是面向 B 端客户时，客户采购大模型服务，关心的不只是模型效果。自己的数据会不会被用于训练？能否隔离？能否删除？谁能访问？出了问题如何追责？这些问题回答不清楚，模型能力再强，也会卡在合规和信任门槛上。
所以，AI 公司 ESG 报告里的数据治理，不应只是“我们重视隐私保护”一句话，而要尽量写清楚数据采集、清洗、标注、存储、使用、访问、删除的生命周期管理。
第三道难题是模型安全。
生成式 AI 可能产生虚假信息、歧视偏见、侵权内容、有害建议，也可能被恶意用于诈骗、舆论操纵、自动化攻击或违法内容生成。对大模型公司来说，模型安全既是产品责任，也是社会责任。
报告应披露安全评测、红队测试、内容治理、风险分级、用户反馈和事故响应机制。更进一步，还要说明模型从立项、训练、评测、上线、监控、更新到退役，是否有明确流程。
这背后其实是一个治理问题：谁来监督模型？谁决定模型能不能上线？模型出现严重风险时，谁负责叫停？谁对外解释？
智谱报告里提到的科技伦理治理、算法安全监测、模型更新和退役管理等内容，之所以值得参考，正是因为它把“模型全生命周期治理”放进了 ESG 语言里。
第四道难题是知识产权与开源生态。
大模型训练和生成内容都可能涉及版权、专利、商标、软件著作权和开源协议。未来 AI 企业不仅要披露自己有多少专利、多少软件著作权，更要说明如何管理第三方内容、开源代码、训练数据版权和生成内容争议。
如果企业选择开源模型，还要进一步回答：开源边界是什么？社区责任怎么承担？模型被滥用时，公司能做什么？
三、框架能搭骨架，但不能替 AI 公司写答案
对计划赴港上市的 AI 公司而言，港股附录 C2 是最直接的制度底线。
《香港联合交易所有限公司证券上市规则》附录 C2《环境、社会及管治报告守则》，要求上市公司围绕环境、社会及治理相关议题进行系统披露，并强调董事会责任、重要性、量化、平衡和一致性等原则。
它解决的是一个基本问题：上市公司的 ESG 报告，至少应该长什么样。
GRI Standards标准图，<图源：GRI官网>
GRI 更像一张完整性清单。它可以帮助企业覆盖治理、员工、环境、供应链、社区、反腐败、隐私等基础议题，避免报告漏项。
SASB/ISSB 则更偏投资者视角。IFRS S1 要求企业披露对投资者决策有用的可持续相关风险和机会，IFRS S2 聚焦气候相关披露；SASB 标准强调行业化和财务重要性，帮助企业说明 ESG 风险如何影响现金流、融资能力和资本成本。
但这些框架都不会自动替大模型公司写出“AI 专属答案”。
港股规则能告诉你，报告要体现董事会责任、重要性评估和环境社会指标；GRI 能帮你覆盖通用议题；ISSB/SASB 能提醒你，把风险讲成投资者听得懂的语言。
可它们不会自动告诉你：
训练数据如何披露？模型幻觉怎么管理？红队测试写到什么程度？算力供应商的碳排怎么算？开源模型被滥用时，公司责任边界在哪里？
这些答案，必须由 AI 公司自己补上。
四、未来 AI 公司可以按三层结构来写
如果一家大模型公司现在还没有上市，但已经开始准备 ESG 披露，可以先按三层结构搭报告。
第一层，是上市公司基础披露。
公司治理、董事会监督、商业道德、反腐败、员工权益、薪酬福利、培训发展、多元平等、供应链管理、客户服务、信息安全、环境数据，都属于这一层。它解决的是：这份报告像不像一份合格的 ESG 报告。
第二层，是 AI 行业风险披露。
算力能耗、数据治理、模型安全、内容治理、知识产权、算法公平、隐私保护、客户数据安全、产品责任，都应该进入这一层。它解决的是：这份报告是不是由一家 AI 公司写出来的。
第三层，是可信 AI 能力披露。
科技伦理委员会或 AI 安全治理架构、模型评测、红队测试、上线审批、持续监控、退役机制、外部认证、客户尽调响应、重大风险事件披露，构成这一层的重点。它解决的是：凭什么让投资人、客户和社会相信你。
说到底，大模型公司的 ESG 报告，不能写成“绿色办公总结”，也不能写成“技术白皮书”。
它真正要回答的是：一家烧算力、吃数据、卷模型的公司，如何看见风险、分清责任、建立治理机制。
五、ESG 会变成大模型公司的信任说明书
大模型公司竞争到最后，拼的不只是模型榜单、上下文长度、价格和 Agent 能力。
真正走向资本市场和政企客户时，它们还要竞争透明度、可控性和责任边界。
一份好的 ESG 报告，不是替公司美化风险，而是把风险讲清楚，把治理机制摆出来。它不是告诉外界“我们没有问题”，而是告诉外界：“我们知道问题在哪里，也知道谁来负责。”
上一篇聊 SpaceX 和 xAI 时，问题是：当 AI 算力走向太空，ESG 规则是否还追得上？
这一篇回到地面，问题其实更近：
当大模型公司开始上市，它们烧了这么多算力、吃了这么多数据、卷了这么多模型，凭什么让人信？
答案不会只在参数表里，也不会只在融资新闻里。
它很可能就藏在未来那份 ESG 报告里。
参考资料
[1] https://www.donews.com/article/detail/8059/102646.html
[2] https://wap.eastmoney.com/a/202606013756094361.html
[3] https://www.aastocks.com/en/stocks/analysis/stock-aafn-con/00100/AAFN/NOW.1526870/hk-stock-news
[4] https://en-rules.hkex.com.hk/rulebook/appendix-c2-environmental-social-and-governance-reporting-code-0
[5] https://www.globalreporting.org/standards/
[6] https://www.ifrs.org/issued-standards/ifrs-sustainability-standards-navigator/ifrs-s1-general-requirements/
[7] https://sasb.ifrs.org/standards/?lang=en-us
[8] https://www.sec.gov/newsroom/press-releases/2025-58
