2025.06.05

AEWIN 已完成 2024 碳足跡驗證

分享:

介紹
隨著全球對環境問題的認識不斷增強,企業對其環境影響的責任也日益增加。由於二氧化碳(CO2)佔據了溫室氣體排放的絕大多數,因此它被用作評估的基準。碳審計幫助企業識別並減少其碳足跡,確保遵守法規並推進可持續發展目標。這篇博客探討了AEWIN的碳足跡驗證過程及其在強化ESG整合方面的旅程。

碳足跡驗證的重要性
碳足跡驗證涉及識別、測量和報告組織活動所產生的溫室氣體(GHGs)排放。這個過程不僅有助於識別排放源,還為制定有效的減排策略奠定了基礎。對於AEWIN來說,這與公司的ESG路線圖相一致,加強了其對可持續性和負責任治理的承諾。

AEWIN 碳足跡驗證的範圍和方法論
AEWIN 2024 年的碳足跡驗證遵循 ISO 14064-1:2018 標準。它確保對公司運營邊界內所有溫室氣體排放進行全面的文檔記錄和準確報告,涵蓋位於台灣新北市的總部、工廠和倉庫。

排放量被分類為:
範疇 1 (直接排放):這些直接排放來自固定和移動燃燒源,例如公司車輛和現場燃料使用。AEWIN 也考慮了來自設備的排放,如滅火器、冷凍單元和二氧化碳鋼瓶(用於汽水機),提供了其直接溫室氣體影響的完整圖景。
範疇 2 (間接排放):從台灣電力公司購買的電力是間接排放的主要來源。
範疇 3 (間接排放):它涵蓋了員工通勤和商務旅行。
範疇 4 (間接排放):由於組織使用產品或服務而產生,涉及上游排放,包括購買的電力和水資源。

範疇3和範疇4的加入使驗證變得完整,並將2024年設為溫室氣體驗證的基準年,標誌著系統性可持續性追蹤的一個里程碑。

碳足跡計算
AEWIN 使用了基於 ISO 14064-1:2018 和 IPCC AR6 的以下標準公式:
溫室氣體排放 = 活動數據 × 排放因子 × 全球變暖潛力 (GWP)
●活動數據代表一項活動的數量,例如燃燒的燃料量或生產的產品數量。
●排放因子是每單位活動所排放的溫室氣體量,例如每公升汽油產生的二氧化碳量。
●全球暖化潛勢 (GWP) 是一種衡量溫室氣體相對於二氧化碳的暖化影響的指標。對於 GWP 的數值,AEWIN 應用了最新的 IPCC AR6 標準。
透過這項計算,可以以二氧化碳當量來確定總温室氣體排放量。

結果:AEWIN 2024 年碳足跡

AEWIN的碳足跡驗證結果揭示了該公司對環境影響的關鍵見解。對於2024年1月1日至2024年12月31日的期間:

2024-碳足跡-02

●直接溫室氣體排放(範疇1):AEWIN的直接溫室氣體排放量為46.6694公噸二氧化碳,佔公司總排放量的4.71%。
●間接溫室氣體排放(範疇 2+3+4+5):間接排放總計 943.6289 公噸二氧化碳,佔總排放量的 95.29%。

這個全面的分析幫助AEWIN了解不同活動的相對影響,並針對特定領域進行改進。

ESG 進步策略
AEWIN 致力於將 ESG 原則融入其核心運營。碳足跡驗證是這一方法的關鍵部分,為持續改進和創新提供了基礎。
根據溫室氣體排放的結果,AEWIN 最重要且可控的排放來源是範疇2排放—來自購買電力的間接溫室氣體排放。作為回應,AEWIN將繼續實施針對性的節能措施,以減少其碳足跡並履行其ESG承諾。主要措施包括:
●推廣能源節約:倡導全公司提高意識和行動,以減少日常運營中的電力消耗。
●提升運營效率:精簡內部流程,促進節能行為,以消除不必要的能源浪費。
●升級設備性能:通過定期維護和優化提高設備效率,重點是最小化製冷劑洩漏。

結論
AEWIN 2024 年的碳足跡驗證標誌著其 ESG 旅程中的一項重要成就。通過進行全面且經認證的溫室氣體清單報告,AEWIN 為未來的減排設置了透明的基準,並展示了其對氣候行動的承諾。通過持續改進,AEWIN 旨在為環境和社會提供可持續的價值。

相關訊息

永續AI基礎設施:結合節能AI平台、智慧兩相液冷(2P DLC)解決方案與安全網路架構
2026.07.16

永續AI基礎設施:結合節能AI平台、智慧兩相液冷(2P DLC)解決方案與安全網路架構

AI運算持續以前所未見的速度擴展,帶動資料中心用電量與散熱需求快速成長。優化基礎設施效率,已成為與運算效能同等重要的策略核心。從能源利用、散熱管理到基礎設施安全,打造永續的AI基礎設施,現在需要兼顧效能、效率與長期營運韌性的整體性方案。

打造安全高效的地端AI基礎設施
2026.07.02

打造安全高效的地端AI基礎設施

隨著生成式AI、AI代理(AI Agents)與企業級AI應用持續擴展,企業正逐漸將目光從雲端轉向更貼近自身資料的AI部署方式。在資料主權、安全性、延遲性與長期營運成本等考量日益受到重視的驅動下,地端(On-Premises)AI基礎設施已成為企業追求更高掌控力、效能與可擴展性的策略性選擇。

機櫃級AI基礎設施:為AI時代最大化效能、效率與可擴展性
2026.06.30

機櫃級AI基礎設施:為AI時代最大化效能、效率與可擴展性

在生成式AI(Gen AI)、代理式AI(Agentic AI)以及背後龐大資料量的爆炸性成長推動下,運算基礎設施正從獨立伺服器演進為機櫃級架構。現代AI工作負載需要運算、網路、儲存與散熱解決方案緊密整合,才能發揮最大效能與效率。面向未來的AI基礎設施,已成為AI時代不可或缺的根基。

洽詢車

你的洽詢車總計 0 件產品

產品比較

你的比較總計 0 件產品

訂閱電子報

數字驗證

請由小到大,依序點擊數字

我們使用 cookies 以確保我們的網站正常運作,個性化內容和廣告,提供社交媒體功能並分析流量。我們還會與社交媒體、廣告和分析合作夥伴分享您使用我們網站的信息。

管理Cookies

隱私權偏好設定中心

我們使用 cookies 以確保我們的網站正常運作,個性化內容和廣告,提供社交媒體功能並分析流量。我們還會與社交媒體、廣告和分析合作夥伴分享您使用我們網站的信息。

管理同意設定

必要的Cookie

一律啟用

這些 cookies 是網站運作所必需的,您無法在系統上關閉它們。

這些 Cookie 通常僅在您執行某個動作(即服務請求)時設置,例如設置隱私偏好、登錄或填寫表單。

您可以設置瀏覽器以阻止或提示您這些Cookie,但這可能會導致某些網站功能無法正常運作。

行銷的Cookie

行銷 Cookie 用於追蹤訪客在我們網站上的旅程。其目的是顯示對個別用戶相關或吸引人的廣告,因此對出版商或第三方廣告商來說更為重要。

目標定位 Cookies
這些 Cookies 是由廣告合作夥伴通過我們的網站設置的。這些公司可能會使用 Cookies 來建立您的興趣檔案,並在其他網站上向您展示相關的廣告。它們只需要識別您的瀏覽器和設備即可運作。如果您不允許這些 Cookies,您將無法在不同的網站上體驗到定向廣告。

社交媒體 Cookies
這些 Cookie 是由我們添加到網站的一系列社交媒體服務設置的,以便讓您與朋友和網絡分享我們的內容。它們可以追蹤您在其他網站上的瀏覽器並建立您的興趣檔案。這可能會影響您在訪問其他網站時查看的內容和消息。如果您不允許這些 Cookie,您可能無法使用或查看這些分享工具。