首页 > 企业资讯 > 正文

通用软件企业可持续发展战略支点:绿色算力、数据安全与算法向善

2026-02-24 18:24 来源: 中国财富网        作者: 0

分享至

微信扫一扫: 分享

微信里点“发现”,扫一下

二维码便可将本文分享至朋友圈。

中国财富网讯 在数字经济发展与产业转型升级的深度融合期,通用软件行业作为企业数字化转型的技术底座,可持续发展能力成为衡量企业长期竞争力的重要维度。近日,海南绿色发展信用评级有限公司(以下简称“绿发信评”)发布A股ESG主动评级结果显示,通用软件行业在ESG评级方面呈现出明显的不均衡态势,逾六成企业处于BBBpi级及以下水平,这一状况凸显出行业整体在ESG表现亟待提升,与行业作为数字化转型关键支撑的重要地位尚不匹配,也反映出行业内不同企业在可持续发展理念践行和能力建设上存在较大差距。

行业表现:逾六成企业处于BBBpi级及以下,行业整体水平亟待提升

评级结果显示,A股通用软件行业呈现典型的金字塔式阶梯结构。位于头部的是以金山办公(AA+pi)、奇安信和科大讯飞(AApi)、启明星辰、鼎捷数智和三六零(AA-pi)为代表的少数领军企业。这些头部企业在社会与治理维度表现尤为突出,但值得注意的是,其环境评级普遍在A-pi至AA-pi区间,揭示了绿色运营与低碳管理仍有进一步提升的空间。

位于A+pi至BBBpi企业构成行业的中部力量,其中深信服获A+pi评级,亚信安全、用友网络获Api评级,天融信获BBB+pi评级,久其软件获BBBpi评级。行业中约三分之一的企业处于BB+pi及以下的低评级区间。这些企业普遍未建立ESG管理架构,也未披露可持续发展报告,反映出通用软件行业在ESG发展上面临的基础性挑战与转型压力。

图片1.jpg

重点议题聚焦:数据中心减碳、数据安全守护与AI伦理治理是重点

在环境维度,企业不仅需要通过技术升级降低自身数据中心PUE值、大规模采购与应用绿电,更需将环境管理延伸至供应链上下游,推动硬件供应商的绿色制造与包装物流环节的低碳化。此外,行业正积极探索利用AI、大数据等技术赋能智慧节能,实现从被动减排到主动优化的转变。碳足迹的精准核算与披露,正成为衡量企业环境管理成熟度的关键标尺。

在社会维度,聚焦于数据安全、隐私保护及网络空间治理,这既是法律红线,也是行业安身立命之本。价值共创则体现在通过产学研合作构建人才生态、以技术能力弥合数字鸿沟、助力实体产业数字化转型等方面。行业领先者正致力于将技术优势转化为广泛的社会效益,推动形成负责任创新的行业生态。

在治理维度,构建敏捷且稳健的治理体系成为核心。这要求企业在完善ESG治理架构、强化商业道德与合规风险管理的基础上,前瞻性地将人工智能伦理治理、算法可解释性、数据主权合规等新兴议题纳入董事会监督范畴。高水平、透明化的信息披露,尤其是对技术风险与社会影响的坦诚沟通,是构建长期信任的关键。

技术赋能 头部企业用实践定义软件业责任边界

在环境维度,领先企业正从运营减碳迈向技术赋能。科大讯飞将其在人工智能领域的技术优势应用于环境管理,其自研的“AI拼”拼车软件是以技术赋能生态减碳的典型。金山办公从珠海园区的太阳能热水系统、武汉园区的海绵城市设计,到产品功能助力用户实现无纸化办公,展现了将绿色理念贯穿于运营、研发与产品各环节的系统性努力。

在社会责任方面,奇安信通过构建AISOC人工智能安全运营中心与“补天”漏洞响应平台,筑牢了网络空间的公共安全防线。科大讯飞与金山办公则深入“价值共创”领域,前者通过“智医助理”与AI教育公益赋能基层医疗与教育,后者通过数字化平台支持县域教育发展、并持续开展信息无障碍公益行动。

在治理方面,头部企业均建立了董事会层面深度参与的三级ESG治理架构,也均将治理重点从传统的合规延伸至新兴风险领域:无论是通过ISO 37301认证完善合规体系,成立专门的隐私保护与商业道德委员会,还是将供应链ESG风险纳入管理闭环,都为行业的可持续发展提供了坚实的制度范本。

以绿色算力、数据安全和算法向善重构行业责任竞争力

展望未来,随着全球数字化与绿色化“双转型”的加速融合,通用软件行业的ESG发展正呈现系统性升级趋势:在环境维度,碳足迹管理将从企业自身运营延伸至产品全生命周期与供应链上下游,数据中心能效优化(PUE)将成为强制性竞争力指标;在社会维度,数据安全与隐私保护的基础责任将进一步强化,而AI伦理治理、算法公平性、数字包容性将上升为行业价值创造的新高地;在治理维度,ESG管理需深度嵌入技术研发与产品迭代流程,形成与业务创新同步的风险识别与管控机制。

为应对挑战、把握趋势,行业企业应从三方面系统推进:首先,企业应制定明确的碳减排路线图与绿电替代时间表,并系统性披露PUE、碳强度等关键绩效,优先建立能源与碳排放核算体系,补齐数据基础短板。其次,构建技术向善的管理闭环,将伦理审查纳入AI研发流程,建立算法影响评估机制。最后,提升治理的预见性与透明度,加强对新兴技术伦理风险的监督,提升披露质量。(知白)

责任编辑:许牧亚

关注中国财富公众号

微信公众号

APP客户端

手机财富网

热门专题