在“双碳”战略背景下，碳核算的效率与精度面临着更高的要求，传统生命周期评价（Life Cycle Assessment, LCA）方法因高度依赖人工、知识门槛高、流程割裂等痛点，已成为制约碳核算研究与规模化应用的关键瓶颈。为破解这一难题，青岛能源所泛能源大数据与战略研究中心创新性地提出了融合大型语言模型（LLM）的智能LCA解决方案——Chat-LCA。

Chat-LCA系统实现了LLM在“知识获取—数据检索—报告生成”全链条的深度融合，显著提升了碳核算的智能化水平。该研究的原创性体现在首次将检索增强生成（RAG）、Text2SQL、思维链（CoT）与代码链（CoC）等前沿AI技术系统整合于LCA全流程，构建了支持自然语言交互的一体化碳核算智能系统。Chat-LCA有效打通了知识壁垒与数据孤岛，实现了从专业问答到报告生成的全流程自动化，突破了现有研究中技术覆盖片面、环节割裂的局限。

经多行业、多场景验证，Chat-LCA展现出卓越的准确性与高效性。其问答模块在跨十大行业的专业问题中BERTScore达0.85，Text2SQL模块在真实LCI数据库上的执行准确率达0.9692，报告生成系统的填充准确率达0.9832，可读性评分8.42（满分10）。该系统可将传统耗时数周的LCA分析任务压缩至数小时完成，实现了碳核算效率的质的飞跃。

此外，Chat-LCA具有显著的实际应用价值。以锂硫电池碳足迹评估为例，系统自动识别出原料获取（47.2%）与生产阶段（31.3%）为碳排放热点，并提出清洁能源替代等精准减排建议，为企业绿色决策提供了科学依据。该方案大幅降低了碳核算的技术门槛，拓展了LCA方法在工业、政策等多场景的适用性，为“双碳”目标的实现提供了可落地的技术支撑与决策工具。

图1 研究方法设计与评价框架

研究成果以“Intelligent Application of Large Language Model to Life Cycle Assessment Methodology”为题近期发表于Journal of Cleaner Production。研究由泛能源大数据与战略研究中心主任田亚峻研究员主持完成，工程师赵敬皓和硕士生张晓君等参加了研究，并获山东省自然科学基金、中国工程科技发展战略山东研究院咨询研究项目和天津市科技计划项目等项目支持。(文/图 赵敬皓)

原文链接：https://www.sciencedirect.com/science/article/pii/S0959652625021262