【深度專題】垃圾去哪了？從 AI 辨識垃圾到 ESG 數據追蹤：AIRECO 如何打造智慧回收工廠？

過去十年，全球每年產生的廢棄物已超過20億公噸，預計到 2050 年將增至 38 億噸，增幅約為 70%。而其中只有約 13.5% 被有效回收或再利用。無論是發展中國家缺乏基礎設施，還是已開發國家面臨分類成本過高、利潤過低的現實，「回收」這件事，在絕大多數情況下，仍是一場看不到成果的苦工。

然而，這並不代表回收產業沒有價值，事實上，它正站在產業升級的關鍵交叉口。隨著 ESG 成為企業經營的新指標，如何將資源「再生」與「減碳」有效連結，讓回收不只是成本中心，而是變成能創造報表價值的「綠色基礎建設」，已成為各國政府與大型企業積極佈局的新賽道。

這也凸顯出傳統回收產業長年面對的困境：高度依賴人工經驗、分類效率低落、流程缺乏數據管理。在這樣的斷層之中，AI 不只是技術升級的工具，更可能是改寫整條供應鏈邏輯的關鍵因子。從影像辨識、分類自動化，到碳排與營運數據整合，人工智慧正重新定義「回收場」的角色與價值。

AIRECO 的出現，正是這個轉型浪潮中，一個具有代表性的台灣案例。

一、AIRECO 是誰？

▍公司背景：成立時間、地點與創辦初衷

AIRECO（宜科循環股份有限公司）成立於 2023 年，總部位於台南市，是一間專注於智慧回收系統的科技新創。這家由一群來自 AI、機械與環保背景的台灣青年所創立的團隊，從一開始就不是為了打造一個「看起來很潮的 AI 專案」，而是為了解決台灣與全球資源回收流程中真正存在的痛點：低效率、高人力依賴、缺乏數據透明與管理系統。

創辦人們觀察到，在回收現場，決定垃圾命運的不是科技，而是工人肉眼與經驗。這樣的分類方式不但容易出錯，也使許多高價值材料在過程中被混雜汙染，無法回收。AIRECO 的初衷，就是透過 AI 技術，把這場「看得懂垃圾」的能力，從人交棒給機器，進而打造出一條真正智慧化的回收產線。

▍進入 NVIDIA Inception、Plug and Play 的意義

AIRECO 成立不到兩年，就先後入選了 NVIDIA Inception 計畫與矽谷 Plug and Play 加速器。前者是 NVIDIA 專為 AI 新創提供技術支援與資源的孵化平台，後者則是全球最具影響力的創業加速器之一。這兩項國際級認證，不只是外部資源的加值，更代表 AIRECO 的技術與市場潛力，已獲得全球科技與資本市場的初步肯定。

透過這些合作，AIRECO 得以導入 NVIDIA Omniverse 與 Isaac Sim 等進階模擬與訓練工具，在台灣進行技術開發的同時，也能快速接軌國際應用場景，具備進軍全球綠色產業鏈的潛力。

這兩項工具分別扮演了3D 數位分身建構與機器人模擬訓練平台的角色。NVIDIA Omniverse 是一個可用來建構高擬真虛擬環境的協作式平台，能讓開發者在虛擬世界中精準模擬工廠場景與物流流程；而 Isaac Sim 則專門用來訓練機器人與電腦視覺模型，透過物理模擬與大量合成影像，讓 AI 能「在虛擬世界中學會辨識與分類」。

二、技術核心：RECO 智慧回收系統三部曲

AIRECO 的技術主軸由三個核心模組組成，分別是：RECO Vista（AI 影像辨識）、RECO Delta（自動分選手臂）、RECO Cognita（智慧管理平台）。這三者共同構成一套完整的智慧回收產線，從「看懂垃圾」、「動手分類」，到「數據決策」，實現回收流程從人力依賴走向自動化、數據化、智慧化的轉型。

▍1. RECO Vista：讓 AI 看懂垃圾的「眼睛」

在傳統回收流程中，在辨識廢棄物的環節，通常仰賴 NIR（近紅外線光譜）裝置進行材質判別，因為不同塑膠材料對近紅外光的吸收和反射特性不同。但其準確率僅約 60%～70%，且對於有污損、混材或透明塑膠的識別效果較差。而 RECO Vista 是 AIRECO 自研的影像辨識系統，主要負責在輸送帶上即時辨識各種廢棄物種類，例如 PET 瓶、寶特瓶、保麗龍、廢紙、鋁箔包等，確保塑膠回收材料的準確率以及純度達到 90% 以上，以提高後續再利用價值。這套系統並不是簡單地套用開源模型，而是透過 NVIDIA Omniverse + Isaac Sim 建構出一座「虛擬回收場」，利用 3D 模擬產生各種不同形狀、材質與髒污程度的廢棄物，再透過 Replicator 自動生成大量標註資料，進行模型訓練。

這樣做的好處在於：

• 可快速擴增訓練樣本數，降低人工標註成本；
• 模型能學會在不同光線、遮蔽、堆疊情境下仍準確辨識；
• 可針對特定材質進行高準度分類，減少交叉污染。

最終，這套系統能在現場部署於 Jetson 平台上進行邊緣運算，實現即時分類與標註，並將每一件垃圾「資料化」，交由後端處理系統使用。

▍2. RECO Delta：AI 控制的自動分選機械手臂

當 Vista 完成辨識，下一步是由 RECO Delta——一台 AI 控制的分揀手臂系統——將物品精確分類至對應回收箱中。這套系統結合深度強化學習與視覺導引技術，能自動選擇夾取點、計算移動軌跡，並即時應對物品堆疊、打滑、變形等不確定狀況。

Delta 具備以下特性：

• 可根據 Vista 的分類資訊做出 0.2 秒內的反應；
• 支援多臂並行處理，提高單位時間處理量；
• 可依照物品特性調整夾取壓力與速度，避免損壞可回收品。

這項模組特別適合部署在資源回收場、社區分選中心或大型物流端點，大幅減少人工分類需求，提升分類準確率與物料純度。

▍3. RECO Cognita：將回收場變成可監控、可分析的智慧工廠

最後，RECO Cognita 作為整套系統的大腦，提供即時的流程管理、效率監控與 ESG 數據分析功能。透過整合來自 Vista 與 Delta 的各項感測與作業資訊，Cognita 能做到：

• 視覺化呈現每日分類效率、品項比例與污染率；
• 透過歷史資料預測機械維護時間（Predictive Maintenance）；
• 計算回收產量對應的碳排減量，形成 ESG 報告依據；
• 對外提供企業 ESG 彙整資料，支援供應鏈環保認證、碳足跡追蹤。

若企業欲申報再生材料使用比例、碳減排成效或報告其廢棄物處理政策，RECO Cognita 就能成為資料佐證的來源。它讓回收場從一個「處理末端問題的地方」，變成企業永續治理中的關鍵節點。

三、反思：「我們丟掉的東西，到底該怎麼辦？」

我們對 AI 的想像常常很高遠。它可以幫你寫詩、生成遊戲角色、預測股市走向，甚至創造一種全新的語言。但當 AI 被放進垃圾場——不再是冷氣房裡的模型，而是夾著黏手的飲料杯、摺不平的鋁箔包、沾了湯汁的便當盒——這樣的畫面，說不上夢幻，甚至有點不堪。

AIRECO 選擇的方向，正好與主流想像相反。他們沒有讓 AI 上太空、跑去解決 AGI 問題，而是回過頭來問一個很日常、很台灣、也很難解的問題：「我們丟掉的東西，到底該怎麼辦？」

這個問題，其實也不是台灣獨有的。2023 年，歐盟投資了超過 5 億歐元在「AI for circular economy」計畫；日本的 FANUC 開始在大型家電解構廠中使用電腦視覺來辨識回收品；美國初創 AMP Robotics 更是靠 AI 與機械手臂的組合，在垃圾分選市場上估值超過 10 億美元。

但這些案例有一個共通點：它們都沒有太多聲量。AI 回收系統從來不會出現在新聞頭條，因為它不夠炫技、沒有哲學性，更沒有眼淚。但它卻是少數幾個「AI 技術真的在世界運轉中」的例子。

你可能曾經在便利商店前的回收桶前愣住，不知道寶特瓶上那片鋁箔蓋該不該撕下來；你也可能在分類表前看過某個字眼：「其他塑膠類」。這種日常的不確定感，代表的正是現有系統的模糊與侷限。而 AI，如果做得好，不是要取代人，而是讓這些模糊更清晰、讓回收的信任變高。

所以，當我們在討論 AI 能為世界帶來什麼時，或許也可以從這些最微小、最不起眼的地方開始思考——一個寶特瓶的去向，一台夾取機械手臂的錯誤率，一條每天默默運轉的分類線。這些，都是真正會改變世界的事，只是它們的聲音很小，需要我們蹲下來聽。