向循环经济转型要求从设计上消除废弃物、保持材料持续使用并恢复自然系统。
人工智能可以通过提供数字连接和可操作的数据洞察，为这一转型提供必要的基础设施。
人工智能驱动的循环经济是克服数据碎片化和管理全球资源循环的关键。
向循环经济转型是全球韧性的根本要务，其由三个条件界定：从设计上消除废弃物、让材料持续使用并恢复自然系统。
人工智能（AI）可以通过提升数字连接能力，以及在整个价值链中生成可操作数据洞察的能力，为这一转型提供必要的基础设施，从而充当连接产品设计、制造和回收的“神经系统”。
事实上，根据最新研究，人工智能在关键行业减排方面的潜力，远超其自身能源足迹，显著体现出其作为转型净正向工具的作用。
人工智能作为循环经济的“神经系统”
目前，循环模式的核心组成部分各自独立运作。例如，包装转换商和回收商往往缺乏有关材料成分的数字数据，而这些数据是确保安全、高价值再利用所必需的。即便收集到数据，行业也缺乏将其整合为可指导大规模运营变革的洞察的工具。
这正是人工智能使循环价值链更加智能、连接更加紧密的原因。人工智能可以作为一种快速迭代的反馈机制，传递信息并连接价值链中这些历来相互隔离的环节。通过将新的化学研发或废弃物追踪及流动转化为可操作的数据，人工智能使系统能够以应对韧性所需的智能方式运行。
如果无法以数字化方式管理材料流动、产品设计和废弃物管理，循环经济的规模化推进将步履维艰。人工智能是连接价值链各环节所需的反馈机制。这在塑料行业尤为迫切，预计今年全球塑料产量将达到5亿吨，但全球仅约9%得到回收。
人工智能如何强化塑料价值链
从材料创制到废弃物识别，人工智能正开始以可衡量的方式变革塑料价值链，以提升其整体循环性。
1. 新型化学品与材料合成
人工智能加速了开发循环替代品和化学报废解决方案所需的研究。
逆向设计：大学研究实验室以及CuspAI等公司正在构建生成式人工智能平台，使其充当“材料搜索引擎”。该公司的逆向设计方法使研究人员能够指定所需性能（例如可生物降解、高度稳定、易于解聚），并由人工智能提出最优分子结构。
指数级增长：这种加速的规模前所未有；例如，谷歌DeepMind的GNOME工具近期识别出超过200万种理论晶体结构——相当于迄今科学界已识别数量的45倍——极大缩短了材料突破的时间周期。
2. 可持续产品与包装设计
通过数字反馈实现从制造商到回收商的人工智能连接，将在循环经济中至关重要。生成式人工智能正在改变制造商设计产品的方式，使其更易于拆解和再利用。
优化材料发现：与IBM Research合作，雀巢正在利用生成式人工智能和化学语言模型，加速开发新型高阻隔包装材料。这使其能够在数日内筛选数千种新型材料成分，确保最终设计符合安全、成本及完全可回收性的严格标准。
全生命周期追踪：连接设计与回收的关键在于标准化数据管道，这一概念由人工智能实现：即数字产品护照（DPP）。数字产品护照源于欧盟《可持续产品生态设计法规》（ESPR）等监管举措，是产品成分和循环性属性的综合数字记录。这种透明度确保每种化学品和材料均可追溯，为消费者和回收商在产品整个生命周期中提供所需的精确数据。
3. 废弃物识别与分拣
回收阶段缺乏数字数据和洞察，是实现高质量回收的主要障碍。人工智能通过以下方式直接应对这一碎片化问题：
实时分析：如GreyParrot等公司利用人工智能驱动的计算机视觉和深度学习实时分析废弃物流，高精度识别材料类型，每分钟可识别数千件物品，并在移动传送带上以高达3米/秒的速度追踪物品。这一能力有效将传统分拣方法的效率提升了一倍。
纯度与价值：这些系统提供的实时数据克服了设施层面的“盲区”。这使运营人员能够在再生产出物中达到95%以上的纯度水平，并将污染率降低多达85%。这对于安全回收塑料至关重要，原因在于与化学添加剂相关的健康风险。
设计反馈回路：关键在于，这些实时分拣数据目前已被用于为品牌提供参考。人工智能系统可以识别特定消费品包装被错误分拣或受到污染的原因（例如因深色着色剂、复杂标签或独特形状所致）。通过与消费品牌合作，这些数据可帮助企业对包装进行渐进式改进，例如调整产品的尺寸、形状、颜色或标签，从而在无需全面重新设计产品的情况下即时提高其可回收性。
4. 预测性材料流动与物流
通过预测性智能高效管理回收材料的流动，确保每种材料都被引导至其最高价值的去向，并最大限度减少无效工作。
减排与成本降低：人工智能驱动的预测分析可实时建模逆向物流网络，并根据实时传感器数据调度收集车辆。通过避免低效行程并最大化载重能力，这些系统可实现运输相关碳排放高达减少35%，同时运营成本节约20%至30%。
材料节约：此外，通过预测性建模优化上游物流，可大幅减少因生产过剩、过时和损坏造成的材料浪费。例如，亚马逊的包装决策引擎利用人工智能确定最高效的发运包装；自2015年以来，该模型已帮助全球减少超过300万公吨的包装材料。
协作以加速向循环性转型
人工智能提供智能支持，但要将数字解决方案规模化转化为系统性行动，跨价值链的协作努力至关重要。协作可确保人工智能产生的数据在整个价值链中得到利用。
当前政策框架大多是为线性经济设计的，未能为可持续材料创造必要的市场“拉力”。政府和政策制定者必须加以纠正，建立清晰、统一的全球和区域生产者责任延伸（EPR）法规，以激励循环性。
此外，他们必须制定整个价值链的标准化关键绩效指标以追踪进展，确保监管压力超越模糊的目标，转向可衡量的成果。
与此同时，科技公司和创新者必须提供可互操作的工具，避免形成专有的“黑箱”。谷歌X的Materra、CuspAI和GreyParrot等平台生成的数据，必须向化学品制造商、转换商、品牌商和回收商开放，以为设计和基础设施规划提供参考。
此外，制造商和行业领袖必须在材料成分和报废状态方面践行彻底的透明度。除数据之外，这还需要一种文化转变，推动竞争前的知识共享，即行业领袖积极传播循环应用的成功案例，以加快整个行业的学习曲线。
人工智能驱动的循环经济是克服数据碎片化和管理全球资源循环的关键。
通过将人工智能作为“神经系统”，增强并连接价值链的每个阶段，并优先推进彻底的协作，我们能够超越废弃物管理，迈向实现所有材料流的资源韧性。
世界经济论坛在应对塑料污染方面正在采取哪些行动？
世界经济论坛的全球塑料行动伙伴关系（GPAP）通过与25个国家建立伙伴关系，覆盖全球五分之一的人口。这是全球规模最大的应对塑料污染的多利益相关方倡议，将于2026年启动一项新的创新工作流，汇聚公共和私营部门领袖，围绕人工智能、生物材料、先进化学和数字追踪等新兴技术，加速循环性发展并释放经济价值。
