作为有助于循环经济发展、兼具自然效益与投资回报的机遇之一，AI赋能的垃圾分选技术已具备规模化推广条件。
从垃圾桶级别的传感器到分子级别的扫描仪，AI如今已嵌入整个垃圾处理链条的各个环节。每个阶段所依赖的资本类型各不相同，从初创企业股权融资到市政债券皆有涉及，但几乎所有环节都离不开长期承购协议的支撑。
每人每天平均产生约0.88公斤垃圾。在美国和加拿大，这一数字超过两倍，日均垃圾产生量高于2.2公斤。全球只有约9%的塑料垃圾得到回收利用，2023年只有8%的纺织纤维来自回收材料，其余大部分被填埋、焚烧或流失到环境中。
这种损失的另一面则是经济机遇：埃森哲估算，从线性的“获取—制造—废弃”模式转向循环系统，到2030年可创造4.5万亿美元的额外经济产出，到2050年这一数字将升至25万亿美元。
世界经济论坛《新自然经济50个可投资机遇》报告聚焦于目前已损失的价值与可挽回价值之间的差距，认为自然损失既是一种环境成本，也是企业和投资者在支持可持续发展的同时可以把握的潜在经济价值。
该报告梳理了13个行业中50项已具备投资条件的自然正效益商业活动，并按技术成熟度和融资成熟度进行分类。为展示价值链内部的商业运营活动如何在助力自然正效益目标的同时实现投资回报，本文将聚焦报告中详细阐述的其中一项活动：AI赋能的（塑料）垃圾分选。
先进及AI赋能的垃圾分选
在化工、塑料与循环材料行业中，先进且经AI增强的塑料分选被认定为一项已具备规模化推广条件的机遇：其底层技术已经成熟，相关融资工具已经存在，市场需求则受到监管要求与地缘经济动态的推动。
长期以来，回收设施主要依靠工人在传送带上用手工分拣可回收物，每分钟大约拣选30到40次，准确率参差不齐，这份工作以人员流动率高、健康风险大著称。计算机视觉系统正在改变这一局面，它将工人从高风险环境中解放出来，并使这些岗位效率更高，而非完全取代人力。包括Greyparrot、AMP Robotics和TOMRA在内的公司，利用摄像头和机器学习技术对垃圾进行分类，准确率高达98%，并指导机械臂和光学分选设备，每分钟可分拣80件以上物品。
AI驱动的分选技术能够实现材料识别自动化、提升分选准确度、降低人力成本，并在垃圾数量与种类不断增长的背景下最大化资源回收率。不过，其实际效果取决于所在国家垃圾管理系统的成熟程度。这些技术在收集、集中和初步分选等核心基础设施已经完备的地区效果最佳。而在这些基础尚未健全的地区，首要任务应是先完善整个系统。
AI在垃圾处理链条中的定位
垃圾处理要经历五个不同阶段：从垃圾桶到收集车、材料回收设施、再加工厂，最终以可用原料的形式返回消费品牌或包装供应商手中。如今，AI工具已渗透到这条价值链上的多个环节，各自解决不同的问题，同时打通上下游数据以支持更明智的决策。
在收集阶段，单一流收集系统会将可回收物与食物、有机垃圾混合在一起，在分选开始之前就已降低了材料品质。像Intuitive AI这样的公司推出的垃圾桶级AI智能系统等智慧垃圾技术，能够在废弃物投放的源头即刻识别污染物。
在处理链条的后续环节，传统分选厂仍面临困境，通常只能回收四分之一的进厂物料，原因在于标准光学传感器难以识别多层薄膜、黑色塑料和柔性包装等难以分选的材料形态，导致这些设施只能选择填埋或焚烧处理。
先进的计算机视觉系统正弥合这些差距，它们取代人工拣选，并识别出老旧传感器无法辨别的复杂材料。而新兴技术正将这一能力进一步提升：例如谷歌X实验室的Materra项目，利用分子级识别技术确定物质的精确化学成分，从而让此前无法回收的聚合物也能成为先进化学回收工艺中的优质原料。
提升每个环节的收集效率，能够带来巨大的经济、环境和社会效益，并加速向循环塑料经济的转型。
然而，只有当分选出来的材料品质值得信赖时，良好的分选工作才能真正带来回报。一家出售的打包物料哪怕只有微小的质量瑕疵，一年也可能损失数十万美元；而回收材料市场有时会在一夜之间消失，就像2018年中国停止进口混合可回收物时那样。面对回收成分目标的品牌方，如果没有可核实的物料构成记录，也无法证明其包装中究竟有多少比例是真正的回收材料——而这正是AI分选数据所能填补的空白。
除质量控制外，生产线上收集的单件级数据还能为包装生产商提供可执行的洞察，帮助其设计更安全、更易回收的产品；同时也为政府和生产者责任组织（PRO）提供精确指标，用以优化政策制定、资金分配和基础设施投资。
需求驱动因素
两股力量正推动市场愿意为这种可验证性付费：
在大多数主要市场，回收成分的强制性规定已经生效或即将出台：欧盟《包装与包装废弃物法规》要求自2030年起塑料包装须含有最低比例的回收成分；印度相关指导原则要求自2026年4月起，硬质塑料包装须含有40%的回收成分；美国多个州也在类似时间框架内推出了生产者责任费用制度。这些要求，仅凭人工分选都无法在所需的纯度或产量上得到满足。
与此同时，原生材料的成本变得更高，供应也更不稳定：2026年初中东地区爆发冲突后，原生材料供应链变得更为集中、波动且日益昂贵，而回收材料则不受这种风险影响。
自中东局势冲击原生材料供应链以来，我们收到了更多关于投资组合中回收材料产能的咨询，这表明投资者的兴趣正在从单纯的可持续性投资转向将循环经济作为一种对冲手段。
垃圾增值背后的经济逻辑
这一领域的融资呈现出分层特征：开发AI技术本身的软件公司大多仍依靠早期风险股权融资，例如Greyparrot最近完成了2700万美元的B轮融资。需要扩大生产规模的硬件制造商则转向成长期股权融资，AMP Robotics便是一例。对于改造现有分选生产线的设施运营商而言，由于这属于对现有、能产生现金流业务的成熟升级，他们可以选择项目融资或可持续发展挂钩贷款。
收集环节则有所不同：它本身并不产生利润，因此依赖公共资金和混合融资，通常通过开发银行和市政机构进行拨付。世界银行发行的1亿美元“塑料垃圾减量挂钩债券”便是一例，该债券为加纳和印度尼西亚的垃圾收集与回收项目提供资金支持。
将这些融资渠道联系在一起的关键，是愿意为经核实的材料付费的买家。如果没有承购协议和回收成分强制规定来创造这种需求，采购团队仍会继续以原生塑料的价格作为基准。要突破这一障碍，需要从现货市场采购转向长期的预购承诺（AMC）和结构化承购协议。通过为经核实的回收树脂提供固定底价保障，企业买家能够为放贷方提供其所需的收入确定性，从而降低风险、支持重大回收基础设施的融资建设。
论坛如何帮助领导者理解AI并推动负责任的创新协作
AI卓越中心连接各行业领导者，帮助他们理解人工智能的快速演变及其对经济和社会的影响，并支持围绕AI应用所涉及的机遇、风险与权衡展开知情对话。
该中心通过可信赖的交流平台和协作项目，帮助合作伙伴建立共识，共同推动负责任的AI创新与应用方式。
更严格的监管正将回收成分从一种偏好转变为法律强制要求，而原生材料则面临成本上升和供应链波动的双重压力。这些市场驱动力共同吸引着机构资本而非单纯的投机兴趣，当前该领域的交易也为自然正效益投资策略提供了清晰的例证。然而，尽管AI驱动的分选技术在下游环节带来了至关重要的效率提升，要实现真正意义上的塑料循环经济，仍需要跨价值链的综合解决方案，以及广泛的系统性协作，才能推动基础设施的全面转型。
本文是世界经济论坛《新自然经济50个可投资机遇》深度系列文章之一，聚焦先进及AI驱动的塑料分选技术。
Q&A
Q1：AI赋能的垃圾分选技术具体是如何工作的？
A：该技术主要依靠计算机视觉和机器学习实现，包括Greyparrot、AMP Robotics和TOMRA等公司利用摄像头识别垃圾种类，准确率可达98%，并指挥机械臂和光学分选设备完成拣选，每分钟可处理80件以上物品，效率远超人工分拣。
Q2：为什么回收材料市场需求正在增长？
A：主要有两方面原因：一是全球多地相继出台回收成分强制性法规，如欧盟自2030年起要求塑料包装含最低回收比例；二是原生材料因供应链波动而变得更贵、更不稳定，促使企业转向更可靠的回收材料。
Q3：垃圾分选行业的资金来源都有哪些？
A：融资方式因环节而异，软件公司多依靠早期风险股权融资，硬件制造商依赖成长期股权融资，设施运营商可申请项目融资或可持续发展挂钩贷款，而垃圾收集环节由于不直接盈利，主要依靠公共资金和开发银行的混合融资支持。
