news 2026/4/13 12:35:01

欧盟CBAM出口企业注意:2026年起,成本不是涨多少的问题,而是能不能出口

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
欧盟CBAM出口企业注意:2026年起,成本不是涨多少的问题,而是能不能出口

很多出口企业到现在还在问一句话:

“CBAM是不是到2026年才开始收钱?我们还能等等?”

但2025年12月17日,欧盟一次性发布24个CBAM配套实施文件,这件事已经彻底定性——

CBAM已经从“政策概念”,进入“强执行阶段”。

从现在开始,CBAM不只是多一项合规成本,

而是决定你还能不能继续把货卖到欧盟。


一、这24个文件,真正改变了什么?

如果只看CBAM条例本身,很多企业会产生三个误判:

• 以为只影响钢铁、铝

• 以为核算可以“差不多”

• 以为2026年才需要着急

而这24个文件,恰恰把这些“模糊地带”全部清零。

三个关键词:范围、数据、钱。

二、管控范围:不止钢铁铝,下游制成品正在被“点名”

最新文件明确:

• 新增180类 CN Code

• 家电、汽车零部件、结构件等下游产品被正式纳入评估路径

2028年起,制成品也将进入碳核算体系

这意味着什么?

👉 现在还不在CBAM清单里的企业,并不安全

👉 你只是被“延迟点名”,不是被豁免

真正聪明的企业,是现在就开始建数据体系。


三、排放核算:只算自己工厂,已经不够了

新规则明确:

• 钢铁、铝等行业,前体原材料排放必须计入

• 排放数据需要链条完整 + 可追溯

• “拍脑袋填数”“经验值估算”直接失效

一句话总结:

CBAM不是算一张表,而是算一条供应链。

四、默认值:不是“兜底”,而是“惩罚项”

很多企业现在的心态是:

“实在不行就用默认值吧。”

但新规则下,默认值的本质是:

以排放最高的那一批企业作为基准

• 2026–2028年分阶段上调 10%–30%

• 中国部分行业默认值高于其他国家

结果只有一个:

用默认值 ≠ 省事,而是直接把利润让出来。


五、真正拉开差距的,是“免费配额扣减”

CBAM最终要交的钱,不是“总排放 × 碳价”,而是:

(申报排放 – 可扣减免费配额) × CBAM证书价格

而免费配额的扣减逻辑,只认可两类数据:

1️⃣ 经认可核查机构核查的实际数据

2️⃣ 默认值(但几乎没有扣减空间)

这就是为什么——

同样出口欧盟,有的企业成本翻倍,有的几乎没增加。

六、很多企业忽略的“致命点”:核查与清关

• 核查必须由欧盟认可机构完成

• 无资质机构出具的报告不被采信

• 后果不是“重算”,而是直接适用高默认值,甚至影响清关

到了正式执行期,

CBAM是合规问题,也是通关问题。


现在的问题已经不是:

“CBAM要不要做?”

而是:

• 你现在做,还是被客户逼着做

• 你用真实数据,还是被默认值“收割”

• 你是提前控成本,还是被动接受报价

真正的窗口期,只剩下现在。

本文作者:张澈

澈准合规|CBAM 合规顾问

专注欧盟碳与贸易合规

如需交流,可后台留言

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/8 20:40:42

如何在TensorFlow镜像中启用XLA加速提升训练效率

如何在TensorFlow镜像中启用XLA加速提升训练效率 在现代深度学习系统中,模型规模的膨胀已经让训练成本变得不可忽视。一个典型的ResNet或Transformer模型动辄需要数十小时甚至数天才能完成训练,即便使用高端GPU集群,硬件利用率却常常徘徊在40…

作者头像 李华
网站建设 2026/4/9 18:40:03

TensorFlow镜像中的分布式策略:MultiWorkerMirroredStrategy详解

TensorFlow镜像中的分布式策略:MultiWorkerMirroredStrategy详解 在现代深度学习项目中,模型规模与数据量的爆炸式增长早已突破单台服务器的算力边界。一个典型的工业级训练任务——比如基于ImageNet训练ResNet或微调BERT-large——往往需要数十甚至上百…

作者头像 李华
网站建设 2026/4/8 2:55:24

提升AI研发效率:使用标准化TensorFlow镜像统一开发环境

提升AI研发效率:使用标准化TensorFlow镜像统一开发环境 在一家金融科技公司里,新来的算法工程师小李刚接手一个线上推荐模型的优化任务。他兴致勃勃地拉下代码、安装依赖、运行训练脚本——结果第一行 import tensorflow 就报错了:“symbol n…

作者头像 李华
网站建设 2026/4/8 13:49:07

告别环境冲突:TensorFlow镜像带来的开发一致性保障

告别环境冲突:TensorFlow镜像带来的开发一致性保障 在AI项目推进过程中,你是否遇到过这样的场景?数据科学家兴奋地提交了一段训练脚本,CI流水线却报出“模块未找到”或“API已弃用”的错误;新同事花了一整天才配好GPU…

作者头像 李华
网站建设 2026/3/31 3:09:54

高效训练大模型Token:基于TensorFlow镜像的优化策略

高效训练大模型Token:基于TensorFlow镜像的优化策略 在当今AI研发节奏日益加快的背景下,团队常常面临这样一个尴尬局面:研究人员在本地调通了一个大模型训练脚本,信心满满地提交到集群,结果却因环境差异导致依赖冲突、…

作者头像 李华
网站建设 2026/4/12 16:25:55

大模型行业发展趋势全指南:深度理解与未来预测,收藏这一篇就够了!

最近的一些感悟,分享一下,希望对大家有用。 -预训练使得大模型已经掌握世界常识知识,并且具备简单推理能力。更多数据、更大参数和更饱和的计算仍然是scaling基座模型最高效的办法。 -激活对齐和增强推理能力,尤其是激活更全面的长…

作者头像 李华