如果一个AI系统只给出"这个材料更绿色"这样一句结论，却不说明这个结论是在什么假设下算出来的，这句结论造成的误导可能比没有结论更严重。开云App里的材料AI，从一开始就没有把"给出唯一答案"当成设计目标，反而把"暴露计算前提"当成必须完成的动作——这也是为什么每一次材料对比结果旁边，都会有一个可以展开的假设条件面板。

同一种材料，换一个假设，结论可能完全相反

材料碳排放计算里，最容易被忽略、却最容易改变结论的三个变量是运输距离、电力结构和使用寿命假设。运输距离决定物流环节的碳排放占比，电力结构决定生产环节（尤其是电解铝、电弧炉炼钢）的碳强度，寿命假设决定这份隐含碳最终摊到多少年里计算。这三个变量任何一个发生变化，原本"材料A比材料B更低碳"的结论都可能反转，而如果AI只展示一个最终排名，使用者根本看不出这个排名对这些变量有多敏感，也就无法判断这个结论是否适用于自己真实的项目条件。

AI必须摆出来的三类假设条件

开云App的材料AI在给出每一个碳排放数字时，同步标注三类假设：一是运输假设，包括原产地、运输方式（公路、铁路或海运）、运输距离区间；二是电力结构假设，包括生产环节使用的电网区域和对应的平均碳强度，如果供应商声明使用了绿电，会单独标注绿电比例而不是直接把全部用电按零碳计算；三是寿命假设，包括结构构件的设计使用年限和维护周期假设。这三类假设以标签形式挂在每一个碳排放数字旁边，用户可以点开查看具体数值，也可以手动修改假设重新计算，而不是被迫接受系统给定的默认值。这三类假设的默认值本身来自区域平均水平或行业惯例——比如运输距离默认值参照材料类别对应的常见供应半径，电力结构默认值参照生产地所在电网的最新公开碳强度数据，寿命假设默认值参照结构构件的常规设计年限，这些默认值本身也会随基础数据变化定期校准，而不是写死不变的参数。

一个模拟场景：运输距离从50公里变成800公里，结论反转

以下为模拟场景，不代表真实项目数据。设定某建筑门窗项目在比较本地再生铝型材和外地原铝型材：本地再生铝型材单位碳排放约1.8千克CO₂e每公斤，但需要从800公里外的加工厂运输，运输环节增加碳排放约0.6千克CO₂e每公斤，合计约2.4千克；外地原铝型材虽然生产环节碳排放高达8.5千克CO₂e每公斤，但产地距离项目现场仅50公里，运输环节碳排放不足0.1千克，合计仍在8.6千克左右。这种情况下，即使运输距离差异很大，再生铝方案依然明显占优，AI给出的建议不会反转。但如果把场景换成本地再生铝改为1800公里运输，运输环节碳排放上升到约1.4千克，合计3.2千克，与另一种运输距离更短、生产工艺经过局部优化的原铝方案（合计约3.6千克）之间的差距就会明显收窄，甚至在某些电网结构假设下出现反转。开云App要求AI把这类临界情况明确标注出来，而不是简单给出"再生铝更优"的固定结论。

电力结构假设同样能让结论反转

运输距离只是三个变量之一，电力结构对结论的影响往往更大，因为电解铝、电弧炉炼钢这类工艺的电耗占总碳排放的比例可以超过60%。以下为模拟场景，设定两批合金成分几乎相同的原铝锭，分别产自电网碳强度为0.55千克CO₂e每千瓦时的地区和电网碳强度为0.85千克CO₂e每千瓦时的地区，电解环节耗电量按每吨铝锭13500千瓦时估算，两批铝锭仅电力环节的碳排放就相差约4050千克CO₂e每吨，接近产品总碳排放的三成。如果AI只展示"铝材A碳排放低于铝材B"的结论，而不标注两者产地电网碳强度差异，用户很可能误以为是生产工艺本身的差距，实际上换一个供电时段或者换一批采用绿电配额的产品，结论可能完全不同。开云App在铝材、钢材这类电耗敏感型材料的比较结果旁边，会强制显示电网碳强度假设，即使用户没有主动展开假设面板，这个数字也会以小字直接标注在结果下方，而不是需要额外点击才能看到。

不确定性不是系统缺陷，是必须交付的信息

很多材料数据本身带有不确定性——比如某批再生铝的废铝来源无法百分之百追溯，电网碳强度存在季节波动，寿命假设本身就是工程经验估计而非实测值。开云App的做法是给出区间而不是单一数值，比如"预计碳排放2.1—2.8千克CO₂e每公斤（置信区间受废铝来源可追溯性影响）"，而不是直接呈现一个看起来精确、实际上掩盖了不确定性的孤立数字。开云App把这类不确定性区间的宽窄本身也作为一种信息呈现——区间越窄，说明支撑数据的可追溯性越强；区间越宽，则提示用户这份结论更依赖默认假设，需要谨慎对待。寿命假设的不确定性同样值得展开：如果某结构构件的设计使用年限从默认的50年调整为30年，按年摊销计算的隐含碳强度会直接上升约67%，这种差异在项目实际维护条件明显偏离默认假设时非常常见，比如沿海高盐雾环境的钢结构维护周期通常比内陆地区更短，寿命假设如果不做本地化调整，计算结果很容易偏离真实情况。这种做法和EPD数字不能直接拿来排高低是同一个逻辑——数字背后如果没有说清楚计算条件，孤立的数字本身没有意义。

用户修改假设之后，假设本身也要持续跟着数据更新

当用户在假设面板里手动把运输距离从系统默认的300公里改成自己实际掌握的120公里，系统不会只是简单替换一个数字重新出一个结果，而是把这处修改沿着运输、装卸、仓储这条完整的物流碳排放计算链条重新跑一遍，因为运输距离变化往往同时影响装卸次数假设和中转仓储时间假设。开云App在界面上会同时展示"修改前""修改后"两组完整数字，而不只是一个变化后的孤立结果，方便工程师判断这次调整对最终结论的实际影响幅度，而不是盲目相信改了一个参数之后弹出的新数字。

假设面板不是一次设定就固定不变的静态说明。当供应链上游发生变化——比如某批材料的实际运输路线改了、当地电网结构调整了——这些假设本身也需要更新，具体的更新触发逻辑和碳数据为什么会更新用的是同一套机制。可解释AI如果只在第一次给出假设、之后不再跟踪变化，本质上和不可解释没有太大区别，因为用户看到的前提早晚会和现实脱节。

可解释AI真正要解决的是"由谁来判断"

可解释AI在开云App里不是一个营销概念，而是关于决策权归属的设计选择。如果AI只输出一个绿色程度分数，工程师就只能选择相信或者不相信，没有中间地带；但如果AI把假设条件、数据来源、不确定性区间全部摆出来，工程师就可以根据自己项目的实际情况——比如真实的运输路线、真实的电网结构、真实的维护计划——去调整假设，得到真正适用于这个项目的结论。这也呼应开云不做最低碳材料榜的立场：材料决策的复杂性不该被一个排行榜掩盖，把判断权交还给真正了解项目细节的人，才是可解释AI该做的事情。