Real-Green AI 进了 WAIC：AI 开始替投资人追问企业到底“绿不绿”

一家企业在报告里写下减碳目标，不等于工厂、供应链和实际投入已经跟上。投资人真正费时间的，是从年报、新闻、处罚记录和行业数据里找到相互矛盾的地方。

进入 WAIC 2026 OPC 创业项目名单的 Real-Green AI，把这个问题做成了一组 ESG 智能体。它的产品首页不再只讲一套宽泛的 ESG 概念，而是推出“真绿无忌”和 ESG 因子引擎，想让 AI 先穿过漂亮叙事，找出需要人继续核对的风险信号。

它盯上的，是 ESG 报告里最难查的那句漂亮话
企业的可持续发展披露里经常同时出现目标、进展、案例和宣传口号。单看一份报告，很难知道某个承诺有没有进入预算、采购和日常运营，也很难发现不同年份、不同渠道之间的说法是否一致。

Real-Green AI 把产品称为 ESG“鉴真”工具。官网介绍的方式是用大语言模型整理信息，再通过多源数据交叉验证，标出绿色漂洗和虚假宣传风险。

这类工具的价值不是替投资人直接下结论，而是先把值得追问的矛盾挑出来：承诺是否有时间表、指标口径有没有变化、宣传是否能找到外部记录支撑。

从几个 ESG 小程序，走到一个公开产品平台
2024 年 10 月，创始人张仕元参加一档 ESG 播客时，介绍过“真绿无忌”“ESG 策略大师”和“ESG 标准导航”等小程序，也谈到 ESG 数据来源和准确性问题。

两年后的官网已经把产品重新组织成“真绿无忌”、ESG 因子引擎和 ESG 投资社区三个入口，并公开注册和服务方案。这说明项目至少从早期场景探索走到了一个可访问的平台形态。

WAIC 的 OPC 名单又给它加了一个新节点：一个围绕专业投研问题起步的产品，开始在更大的 AI 创业场合接受外界追问。

“真绿无忌”先找疑点，因子引擎再试着变成信号
“真绿无忌”面向投研和风控，重点是检查 ESG 披露与外部信息之间的冲突。因子引擎则往前走一步，试图把经过核对的信息转成可筛选的投资信号。

这两步看起来连贯，风险却不同。发现一处表述不一致，可以作为调查线索；把它转换成评分、排名或投资判断，则需要稳定的数据口径、行业基准和时间跨度。

因此，用户更需要看到每个提示来自哪些公开材料、规则如何触发，以及不同来源发生冲突时系统如何保留证据，而不是只接收一个“绿”或“不绿”的分数。

多源核对也会出错，尤其是在专业术语和旧数据里
ESG 数据横跨环境、劳工、治理、供应链和监管，企业名称、统计边界与披露周期也可能变化。模型如果把旧处罚、同名公司或不同地区口径混在一起，就可能产生很有说服力的错误。

项目官网关于“可信”和“鉴真”的表述属于产品方主张。实际使用时，投资人仍要核对原文、日期、主体和数据范围，不能把 AI 输出当成监管认定、审计意见或投资收益保证。

对 Real-Green AI 来说，最重要的产品能力不只是回答速度，而是能否让用户追溯到每条证据，并允许人纠正主体、时间和指标口径。

WAIC 之后，要看它能不能公开一套经得住复核的方法
Real-Green AI 选了一个不缺需求、但很难靠一句提示词解决的专业场景。它把 ESG 信息核对做成 Agent，也把创业空间从通用问答缩小到投研和风控。

这条路线对小团队有启发：与其让 AI 直接给出最终结论，不如先找到专业工作里最耗时的查找、对齐和留证环节，把每一步做得可回看。

接下来值得关注的，是项目能否展示匿名化的完整核对案例、来源覆盖和纠错机制。只有当外部研究者能沿着系统给出的线索回到原始材料，“不听故事，只看真实”才会从一句首页口号变成产品能力。

想继续了解
• WAIC 2026 官方展商名录
• Real-Green AI 产品官网
• Apple Podcasts：对话 Real-Green AI 创始人张仕元