2018 年生下兒子後，茱莉亞柯林斯一直在尋找一個能讓世界變得更美好的商業計畫。對她來說，食物似乎是顯而易見的切入點。

「我從小就認為，人生中最美好的時刻——人們感到彼此聯繫最緊密、最坦誠的時刻——就是大家一起分享食物的時候，」她說。“我覺得很有意義，可以看看我能如何參與到未來發展的規劃中。”

身為機器人披薩製作企業的開發者——這個角色使她成為第一位聯合創辦獨角獸公司的黑人女性——她知道，在應對氣候變遷方面，食品和飲料行業急需幫助。

這是因為供應鏈排放（稱為範圍 3 排放）佔大型消費品包裝公司、食品服務和連鎖餐廳總排放量的 95% 之多。在採訪了全球近 100 位產業領袖後，柯林斯了解到，雖然大多數公司都渴望為實現《 巴黎協定》 規定的 2050 年淨零排放目標 盡一份力，以限制全球暖化，但許多公司仍在努力實現供應鏈的脫碳。他們缺乏識別範圍 3 排放的工具，更不用說減少這些排放了。

一年後，她創辦了Planet FWD ，一家致力於幫助食品、飲料和其他消費品製造商透過永續發展實踐改變世界的公司。Planet FWD 最近加入了萬事達卡的Start Path In Solidarity項目，該項目旨在扶持那些在商業技術領域處於前沿、著眼未來以釋放金融科技創新潛力的高增長初創企業。

如此大規模的碳排放核算是一項艱鉅的任務。例如，Planet FWD 的一位客戶擁有超過 35 萬種不同的產品，每種產品都有自己的生命週期。這使得需要考慮的事項清單（包括原料、加工方法和包裝）呈指數級增長。即使擁有這些數據，人工分析所有這些單一產品數據也需要數月時間。

Planet FWD 利用機器學習技術，使公司能夠利用其所有數據準確了解排放量，並提出可行的解決方案。

而這需要非常具體的數據。例如，一家生產格蘭諾拉麥片棒的公司需要了解每根麥片棒中使用的每粒燕麥、每粒種子、每顆堅果和每一滴蜂蜜的資訊。他們還需要了解每粒燕麥的產地，因為美國西部種植的燕麥與澳洲種植的燕麥的碳足跡截然不同。每一種原料的加工、包裝和運輸方式都不同，這取決於它們的產地和目的地。過去，企業不得不使用全球平均碳排放數據點，這些數據點遠沒有現在這樣具有針對性。

Planet FWD 提供技術，為客戶提供所用原料的碳排放概況。由氣候和資料科學家組成的團隊建立了一個深度資料庫，對資料進行標記和訓練，並創建演算法，以便將產品與真實的、客製化的碳足跡相匹配。然後，他們利用該平台來識別整個組織內的溫室氣體來源——無論是燕麥生長的農場，還是燕麥從澳洲運往歐洲的碼頭。

一旦客戶確定了其排放熱點，Planet FWD 的氣候科學家就會提供量化和優先排序的減排建議。