機器之心原創，作者：微胖。

編者按：即使是在采用單流回收、后端嚴重依賴先進分選技術的美國，大多數回收商對機器人和 AI 技術仍持觀望態度。他們認為，還需要五到十年，機器人技術才能達到產業應用的目的。即使在已經采用這些技術的先驅流水線上，因為處理速度的局限性，機器人被放在整個流程的最末端，負責質量控制，可有可無。驅動美國回收商嘗試機器人和 AI 技術的驅動力，在中國都不算成立。中國的窮人文化決定了我們的核心問題遠非技術，而是其他。

一個陽光明媚的日子，放飛氦氣球，看著它漂浮在天空中，你應該會感到一絲興奮與驚喜，

甚至還有對自由的渴望。

你不會追問，這支氣球后來去了哪兒？

著名的兒童作家　Audrey Wood 在一本名叫 Balloonia 的繪本中告訴小朋友，氣球最終會飛回他們的王國——一個叫 Balloonia 的地方：

在那里，所有東西都是氣球做的，他們每天快樂地生活。

然而，現實世界中的命運遠非如此浪漫：

它可能被混進生活垃圾；又或者飄落在電子垃圾的海洋；它甚至會出現在海鳥的解剖尸體中。

在走向這個不可思議而又悲催的結局中，氣球一路會經歷什么？先進技術又會讓「最后一程」發生怎樣的變化？對于中國來說，這些變化又意味著什么？

1 淘金記

被戳破的氣球碎片或許正像種子一樣旅行，隨風飄落在城市附近的某座電子垃圾堆里。

中國制造業最發達城市的附近，往往也是垃圾回收產業的聚集地。從廢品中賺錢的人，誰也不愿意為運費擔負太高的成本。

這里也時常上演最為驚心動魄的一幕：

在電路板被碎尸萬段之前，工人們會將芯片拆解下來。滾動的數字招牌或者孩子手中的塑料玩具，都需要這些二手芯片。

對于回收商來說，這也是他們最大利潤來源之一。

20 世紀 70 年代，臺灣的廢品加工商給底薪的員工培訓如何分選重金屬，然后他們又將這些知識帶到了大陸。如今，拆解芯片的不再是人工，而是機械。

然而，要讓生意有利可圖，僅僅拆解芯片并不夠，還必須同時回收諸如銅等其他材料。電子垃圾中往往含有大量有價值的金屬，如不銹鋼、鋁、金、銀等。有的含量甚至高于一些礦石，比如銅。

為了獲取貴重金屬，工人（通常是男性）先用混合硫酸、鹽酸等化學試劑制成『王水』，后將電子廢品進行『燒洗』。銅鐵分離之后，再以硝酸溶解燒洗物，經土法工序，得到黃金。

處理后的殘余液體被直接倒入當地水域，而剩余垃圾（包括氣球碎片）被拉到附近土坑堆砌，這里可能是村民祖輩的墳地。

貴嶼，不過現在政府已經開始整治環境。

當小米得意地宣布徹底消滅中國山寨機的時候，它沒有提醒大家事情的另一面：

電子產品的價格越低廉，也意味著用戶淘汰成本更低。

AI 和物聯網技術也會帶來更多電子垃圾，因為新技術給了人們更多更新換代的理由。你僅需想想智能手機從單攝到「浴霸」，才過了幾年時間，誰又關心電子垃圾流向何處？

單就技術而論-，現有技術已經保證電子垃圾回收的安全、高效和環保，光學分選和 AI 可以進一步提升回收的質量。

在處理電子垃圾之前，通常需要人工拆除屏幕等可能危害環境的部件，然后將剩余部分送進破碎機，加工成碎片。

面對一堆混合碎片，一塊高強度磁鐵就可以吸出所需的鐵；而對于那些沒有磁性但同樣值錢的金屬，比如鋁和銅，工廠通常利用渦流電進行分選：

當金屬落到磁場中，即使是不受磁鐵吸引的有色金屬，也會因為磁鐵使金屬內部產生電流，使得金屬自身產生了磁場。

當這種磁場和金屬所經過的磁場互相作用時，金屬就會被推到了一邊，跳進相應的回收桶中。

比如，如果我們想分離鋁和銅，只要調到合適的頻率，鋁會比銅被推的更遠。結果，銅直接落下來，而鋁落到另一個桶中。

渦流分選設備僅需一個大的環形磁體和頻率調節器，成本不高，這也是目前最為常見的廢金屬分選技術。

不過，這樣的分選技術還不夠精細，往往還會出現大量遺珠，另外，回收商也要考慮客戶對分選結果的高質量要求：

比如，９５％和９９％的鋁含量，聽起來差別不大，但在金屬回收行業，意味著天壤之別。做到這一點，意味著穩定客戶群和更多利潤。

為了不在粉碎機中稀釋特定材料的濃度，如果一部手機的構成是已知的，拆解過程就能實現自動化。蘋果 Daisy 機器人利用 AI 辨別 15 種型號的 iPhone，可以按照屏幕、電池、攝像頭的順序非暴力拆開手機，并將有回收的利用價值的金屬留下，包括稀土。雖然環保，但從目前來看，成本昂貴，或許只能是回收行業未來的一個方向。

因此，光學分選、人工智能也被用來提升既有分選結果的的質量。

所謂光學分選，其實就是識別鋁、銅、鋅、不銹鋼和黃銅等都在可見光和近紅外光譜中的特殊「指紋」。

盡管他們的光譜反射性非常相似，但可以借由高光譜成像系統捕獲到圖像，使用分類算法（包括神經網絡）分析金屬的反射率，進行正確分類。

機器人，比如 ZenRobotics Heavy Picker 除了分揀建筑垃圾和生活垃圾，現在還可以借助形狀、顏色、大小等特征識別金屬物體，如銅，黃銅，不銹鋼，鋁或鋅。

不過，機器人的分選速度遠不及光學分選：

在某些情況下，光學分揀機每 0.06 秒就能進行一次分揀，最快的機器人需要 0.75 秒。

面對高吞吐量的業務場景，既要追求高質量又盈利，幾乎當前所有分揀機器人都搞不定。

機器人制造商也都承認，機器人是對光學分選機的補充。

「(機器人) 的設計初衷并不是為了處理如今由光學分揀機分揀的大量垃圾。」Sadako 公司在接受采訪時明確道。

AMP Robotics 也表示，自己的系統僅僅是可以取代流水線上「最后一班崗」的那臺光學分選機，畢竟光選機太貴。

當然，人工智能的用途還不止于此。

為了進一步提升系統回收的純度，針對機電部件震動對成像產生的干擾，一些廠家還利用人工智能技術去除噪點，增強成像清晰度。

采用機器人技術最多的是回收設備廠商（藍色），其次是 PET 塑料回收公司那（綠色）以及電子垃圾回收企業（黃色）。

數據來源：How recycling robots have spread across North America

目前，大概只有兩家美國電子垃圾處理企業采納了機器人（上圖）。至少，在 2017 年中國禁止進口洋垃圾之前，他們有更加劃算的處理方式：

傾倒給發展中國家。

一些電子產品的生產企業曾計算得出，回收處理 1 噸電子垃圾的費用為 400 至 1000 美元，而出口同等垃圾的費用則只需 10 至 40 美元。

「一套完整的電子產品系統運到中國或者非洲等發展中地區后，當地人會用鑿子或者錘子等工具將其拆散。」

不過，當中國發出禁令后，如何更低成本、更高質量消化這些電子垃圾，肯定會成為這些回收商采用新技術的重要動力。

美國似乎也想當然認為，中國目前也需要一個更好的收集基礎設施，「這（機器人）正是中國企業真正需要的東西。」AMP Robotics 曾說。

事實上，這并非必然。

目前電子垃圾回收正規軍，大多都在生存線上掙扎，已連續三年沒有新的正規軍進入這個市場。

對于他們來說，最根本的問題不是技術，而是穩定貨源：

回收系統的無法規模化和規范化，不僅投資的廠房和設備不能正常運轉，就連盈利都成了奢侈，何談技術升級？更何況中國勞動力成本還沒有高到讓回收環節無利可圖。

2 分選、分選再分選

或許，這支氣球會有另一番冒險：

連同生日派對上用剩的瓶瓶罐罐等，被一同扔到社區生活垃圾箱。

環顧四周，氣球發現，互聯網不僅改變了生活，也改變了垃圾：

除了越來越多的塑料瓶，外賣留下的塑料盒，和它一同擠在垃圾箱的還有快遞留下的瓦楞紙（OCC）；

而傳統紙媒的衰敗，讓舊報紙（ONP）變得很少見。

在垃圾中轉站，這些生活垃圾會躺在一條傳送帶上，工人會將混跡其中的塑料瓶、紙盒、易拉罐等分揀出來。

這正是幾十年前，美國紙質加工的手段。

差不多二十年前，機械篩選系統進入市場，可以從混合材料流中剔除瓦楞紙（OCC）和舊報紙（ONP），從而節省了大量手工勞動。

大約十年前，光學紙張分揀技術應運而生，更方便將現代生活垃圾里常見的塑料、紙張、紙盒、易拉罐等區分開。

其實，利用光學分選塑料的歷史可以追溯到上世紀八十年代。最初，這種技術被用來分類西紅柿、大米、咖啡豆和其他農產品，后來被用于塑料分選。

由于不同的有機分子吸收不同波長的光，機器能夠借助這些基本信息確定塑料的類型并進行相應的分類，而且不受塑料物理形狀影響（塑料瓶還是碎片）。

其中，近紅外設備更快、更便宜，在市場上占據主導地位：

它不僅可以識別 PET、HDPE 和其他混合塑料，在塑料容器與紙張分選時，效果也最好。

需要說明的是，光學分揀，效果最好，通常是在機械預處理基礎上。

早在 2008 年，中國奧運場館的垃圾處理就采用了這種技術。據報道，分揀出來的物品純度可達到９０％以上。

不過，光學分選也有自己的短板：

因為看不到，無法分辨相同材料的不同物體之間的差異。例如，PET 熱模（不具有回收意義）和 PET 飲料容器。也不能從有顏色的 PE 瓶子當中識別白色 PE 瓶子。

因此，一些 AI 公司利用機器視覺技術，讓機器人做這些光學分選器做不到的事情。即使瓶子可能充滿空氣或皺折，也可能被其他垃圾部分遮擋，算法能夠以非常高的準確度幾乎實時處理這些情況。

不過，速度短板再次限制了機器人在分選過程中的地位：

PET 光學分選機在一分鐘內完成 600 瓶，機器人每分鐘可以做 80 到 100 個。工人極限是每分鐘 40 到 50 個左右。

機器速度也就比一個人快一點，甚至不如兩個人。

「除了質量控制，我沒有看到機器人在行業中還有其他工作機會，因為傳送帶移動速度太快了。」van Dijk 曾說。

美國的回收商也通常在光學分揀機或其他分揀設備后面安裝這些機器人，替代人類，作為質量控制檢查：

比如，BHS AI 系統就被用于 PET 容器生產線的質量控制，從已經被分離出來的 PET 中提取鋁和其他有價值的東西。

業內幾乎一致認為，質量控制是機器人分揀機的最佳用途。

BHS Max AI

ZenRobotics Heavy Picker 分選生活垃圾

一些創業公司的最新產品也嘗試將可見光與光學分選儀的集成，提高識別能力。

比如，Bollegraaf 最新 RoBB 機器人利用 NIR（近紅外）和高光譜相機，通過材料識別和 3D 檢測，實現可回收物精確分選。

公司甚至直接將這款機器人稱呼為自動 QC 分揀機器人。

RoBB QC sorting robot

其實，除了這些，AI 還能提供一些光選系統無法提供的價值。

與近紅外分揀機不同，視覺系統不僅可以計算帶下來的不同類型包裝的數量，還可以識別品牌并估算重量，甚至可以在將來以量化丟失到垃圾填埋場的可回收材料。

而且，一些模型已經可以創建每日報告，顯示機器人選擇了什么，它可以回收多少材料，以及回收材料所代表的流的百分比。不僅可以幫助工廠更容易地控制庫存，還能提供工廠全面運行的數據。

當許多機器人連接到云端，當一個新的包裝出現在某條分類線上，機器人學會識別分類后，其他機器人也會掌握。

在近兩年，為數不多的兩三起技術引進中，美國回收商購買光學分選設備的數量多于機器人。一些回收商在談及購買光學分選設備時，用詞時常是「不得不」，為了提高分選質量，賣出更好的價錢。

河北省廊坊市文安縣，也是中國著名的廢塑料回收聚集地，部分私人小作坊依然在「頂風作案」，違規生產塑料制品。

這和中國的回收現狀形成了鮮明對比：

在中國，一臺二手切碎機，一個大水缸和一輛跑運輸的車，就可以開始塑料回收。

至于廢紙回收，美國將廢紙分為 51 類，為如何利用提供了一個分選標準，許多造紙廠仍然需要高度分類的纖維進行操作。而在中國大部分地區，廢紙只有舊報紙、雜志和紙箱三類。沒有得到充分分類的廢紙，只能作為混合紙降級使用，沒有較高的附加值。

事實上，只要人工成本仍然低廉到可以雇人加工塑料，只要人們愿意為穿兩三次就斷掉的拖鞋付費，只有處在城市邊緣的那些拾荒人不愿意被收編，多么先進的技術都觸及不到核心問題。

與機器人和 AI 相比，出臺更為詳細廢紙分類標準、給廢紙回收企業更多的稅費優惠，讓他們有利可圖，反而更為現實。

畢竟是利潤的刺激，而不是任何道德和技術，才會將舊塑料瓶罐轉變成新塑料瓶。

3 光明的未來

目前，大約有 80 多臺機器人正在美國或加拿大運行或已被購買，從事著住宅和商業可回物，混合廢物，塑料和電子設備以及建筑垃圾的分選。

而且，三分之一集中在加州。

這并不讓人意外，這里不僅是全美垃圾回收率高的地區，也是富有之地。動輒百萬的光選設備，也只有有錢人才用得起。

在丹麥，也運行著一個類似單流回收技術的垃圾處理場：

在霍爾斯特布魯市，當地居民可將塑料垃圾和金屬垃圾扔到同一個垃圾箱，機器人會將對其進行細化分類，僅塑料就能識別出 20 多種。

北美出售機器人的情況，其中ＢＨＳ系統部署最多。從地理位置看，這些機器人已經在 15 個州和 3 個省安裝。三分之一在加州。

數據來源: How recycling robots have spread across North America

有的回收公司在接受采訪時，透露近期訂購了六臺機器人。理由也很簡單明了：

現在的機器人分選速度已經提高到了每分鐘 80 多個，超越了人類極限。在這個有意義的時刻，他們愿意為每臺機器人，移除兩名工人。

機器人價格也沒有貴的那么離譜，至少和光學分選設備比較起來：

BHS MAX-AI AQC-1 每臺售價 20 萬美元（不包括安裝費、運費、電費和其他費用）；ZenRobotics 一只手臂每小時可以舉起 2000 個重物，舉起 60 磅重的物體。一雙巨臂，需要花費 70 萬至 80 萬歐元。

據媒體報道，一臺人工智能輔助分揀機的成本可能在 20 萬美元到 90 萬美元之間，有些還需要每年數千美元的軟件租賃費用。

但是一臺光學分選設備價格高達百萬美元。

目前，收入共享和租賃模式可以保證回收商們在不破產的情況下，涉足人工智能技術。

不過，80 多臺機器人的數字并不算多。從全美最權威的廢物回收雜志 Scape整理的部分信息來看，回收公司最近兩年重點并非在于先進技術的引進，而是產能擴張（或許是受中國禁令影響）：

買地、建廠、增加生產線以及并購。

更多回收商仍報以謹慎的觀望態度。

有的正在評估部署更多機器人的可能性；

有的認為，機器人技術還有五年的時間才能真正實現它的目標；

有的回收商基于過去幾十年的經驗，告誡自己不要在最新和最閃亮的技術進入市場時就急著投入資金。

想要通過機器人盈利，完全取決于你的挑戰——什么是入廠原料，最終產品目標又是什么：

如果保證不了吞吐量，每分鐘沒有足夠的分選任務讓機器人 24 小時高速運轉，那么，采購這些設備可能不是最合適的。

而且，回收商還需要計算勞動力成本、雇傭和培訓員工的成本 (這些員工通常從事手工分揀工作)，然后將其與機器人的成本進行比較。

另一方面，制造商業正在努力贏得回收商的信任。這幾年，機器人也有了更多的識別和分揀能力。

AMP 一開始是做生活垃圾分選的，而且當時只能分選紙盒，如今，他們在兩家電子廢品回收設施安裝了分揀機器人，正在探索有機和汽車廢料分類；最近，他們還推出了具有雙臂的高性能機器人，能夠以每分鐘 160 件的速度進行分選；

ZenRobotics 以建筑垃圾分類著稱，如今也將分選范圍擴大到了生活垃圾、廢金屬分選。其他機器人也在電子廢料、工商垃圾碎片等領域看到了機遇。

當光學分揀機第一次進入市場時，回收商很謹慎，它們只能可靠地分選 PET 。后來，光學分選范圍從 PET 擴張到各種等級的纖維。制造商們認為，隨著越來越多的回收商將機器人技術融入他們的設施，更多的選擇和更多的型號將進入市場。

「我們只是觸及了機器人所能做的事情的皮毛。我們還不知道他們能做什么。」

有人甚至預測，未來 5 到 10 年，參觀一個沒有機器人的回收設施將是不尋常的。從長遠來看，回收公司可能會圍繞機器人進行設計。當下，人工智能在回收利用方面的應用才剛剛開始。

4 看不懂的智能垃圾桶

如果說，AI 機器人的處理速度和準確度，可以滿足產業鏈后端對分選質量的苛刻要求，進而找到有付費意愿的用戶（盡管遠談不上大規模化應用），那么，當 AI 被移植到產業鏈最前端——遍布在所有公共場合的無數個垃圾桶時，甲方又會因為它能滿足什么樣的相對剛需，而樂意付費呢？

這里似乎有一個悖論：

能夠滿足相對剛需的 AI，價格也不會便宜，就像那些進行質量把關的分選機器人；

而擺在公共場合，隨時可能被路人毀壞甚至搬走的垃圾桶，不可能造價昂貴，這又反過來限制了 AI 技術的投入成本。

雖然前端本來就不是負責精選，只是履行初步分類工作，但是，粗顆粒的識別效果（比如，這是金屬、塑料或者紙盒），又能帶來多大的商業價值，讓客戶買單呢？（政府購買就另當別論了）。

如今，上海計劃年底前投放 2000 個 AI 垃圾桶，據說，這些垃圾桶升級后可以識別 95% 的可回收垃圾。直到現在，筆者都未曾見過真容，但從筆者曾看到國內幾個智能垃圾桶分類方案來看，造價不高的，識別效果也極大限制了商用潛力挖掘，有的根本沒有涉及機器視覺。

其實，并非所有人贊同這如此分散的智能分類策略。

Bollegraaf 公司在接受媒體采訪時曾表示，集中分類才是生活垃圾的發展方向。

如果你能把所有東西收集起來，然后在一個中央車站用合適的設備進行分類，那將是回收垃圾的最佳方式，因為降低了運輸的成本與復雜性。

加拿大某機場的奧斯卡機器人

不過，目前正在為機場，大學和幾家世界５００強公司服役的 OSCAR 垃圾桶，給了我們另一種似乎可行的思路。

系統硬件主要包括攝像頭和超聲波傳感器，通過軟件算法識別消費者手中的物品。

當系統感應到有人靠近時，會主動關注他們手中的物品并預測出手中的垃圾是什么，通過一個小屏幕告訴人們投放的正確位置。

他甚至可以確定每件物品的組成部分。比如一個咖啡杯，Oscar 會建議消費者將杯子和蓋子扔進不同的垃圾桶。

還可以通過一個人拿咖啡杯的方式來判斷咖啡杯里是否裝滿了液體，提醒他們在正確回收杯子之前先倒出來。

「要想成功地消除垃圾，我們需要讓垃圾桶自己思考。」這是　Intuitive AI　創立的初衷。７月１日上海嚴格推行垃圾分類后，這家明星公司 CEO 在推特上轉發了這則新聞。

他們認為，一個理想的情景應該是這樣的：

一個人走到智能垃圾桶前，扔掉像易拉罐一樣的垃圾。然后，人工智能系統將能夠查看你扔掉的東西，并將其放入正確的廢物流中。

這并非故事的全部。

除了來自商業建筑和物業管理公司的收入，這個系統更是一個商業情報采集站。

一開始，公司向物業經理提供數據。他們可以獲得有關哪些垃圾箱需要清空的實時信息，從而節省清潔工作人員的時間；

收集的數據還可以幫助物業經理證明建筑物的綠色或效率，如 LEED 認證或可持續性評級。

而且，攝像頭不僅能準確地看到箱子里裝的是什么東西，而且還能識別包裝上的品牌。

比如，能猜到你是喜歡可口可樂還是百事可樂。隨著時間的推移，系統可以在商場、體育場和其他公共場所收集前所未有的數據，進而了解到人們喜歡什么？不喜歡什么?一天中什么時候喜歡吃那個特定的東西?

這是一個關于哪些品牌更受歡迎的信息。因此。接下里公司可以向企業出售有關消費習慣的特定地點數據，為使用自己產品（智能垃圾桶）的用戶提供商家優惠。

其實，和美國不同，中國從來不是一個廢物低回收在利用的國家，因為沒有哪一種文化能像『窮人的文化』那樣，如此鼓勵提高回收再利用率。

只要這個窮人文化還在，無論前端的垃圾桶變得多么聰明，它都不是決定賭注輸贏的那枚棋子。