---
title: "那台把PET和PVC分开的中国分拣机，每小时三吨"
date: 2026-11-16
category: 智能机器人
site: 脑机网
canonical: https://aiai.cafe/a/njw-6ab3ea
language: zh-CN
---

# 那台把PET和PVC分开的中国分拣机，每小时三吨

> 东京郊外一家工厂，混合生活垃圾每天300吨流过传送带。摄像头和近红外传感器逐件读取，气嘴喷气，一部分物料被吹进另一个料仓。做识别的机器在中国设计。

东京郊外一家工厂，混合生活垃圾每天300吨流过传送带。摄像头和近红外传感器逐件读取，气嘴喷气，一部分物料被吹进另一个料仓。做识别的机器在中国设计。

垃圾分拣是机器人里最不起眼的角落，也是中国设备悄悄成为默认选项的少数地方之一——还是在挑剔基础设施供应商的发达市场。

## 机器在做什么
这个品类叫AI光选机。物料通过传感器阵列——可见光相机、近红外光谱仪，有时加激光轮廓仪——模型在毫秒内按材质、颜色、形状分类，一排压缩空气阀在正确时刻把目标物吹离皮带。

物理原理已有二十年，变的是分类环节。老设备基于规则，在单一料流上表现好，比如压扁的PET瓶。生活垃圾不是单一料流：一条线上有洗发水瓶、酸奶杯、印刷膜、套着整圈标签的PET瓶，还有在可见光下和PET一样、混进去就毁掉一批的PVC。

这就是近红外重要的原因：不同聚合物在红外波段吸收不同，光谱仪能在肉眼看来相同的情况下分出PET和PVC。2020年后，分类从手工调阈值变成训练模型，能处理脏污、变形、重叠的物料；传感器也便宜到能装进卖给市政承包商的机器。

## 公司自己给的数字
2018年成立的弓叶科技是这一细分领域最显眼的供应商之一。以下为它自己公布、未经审计的数字：

- 数千台AI光选机在运行，覆盖中国、日本、韩国、意大利、巴西、墨西哥和部分东南亚。
- 参考项目包括日本每天300吨的产线、韩国200吨、印度300吨，以及意大利一套每天1000吨的装置。
- 识别准确率从早期机型的93%至95%提升到如今约99%。
- 最小机型每小时处理3吨，公司称可替代单班3名工人、两班6名；最大机型每小时10吨以上，替代20人以上。
负责人莫卓亚2026年7月接受《中国妇女报》采访时讲了成本故事：设备从七位数人民币降到六位数，即从约14万美元以上降到1.4万至14万美元区间，原因是规模上来、核心部件自研。这句话解释了出口成绩：价格只有欧洲日本设备五分之一、可由厂内技师维护，改变了马来西亚或墨西哥中型运营商的算术。

## 为什么这是机器人故事，不是回收故事
三件事让垃圾分拣异常适合机器视觉，也解释了为什么它比任何通用机器人早好几年落地。

任务很窄。每件物品以同样姿态、速度、光照通过阵列。你不需要懂厨房的机器人，只需要能在皮带上认出四十类材质的分类器。

账算得快。分拣重复、脏、几乎到处难招人——缺工不是中国独有。一台三班不停机的机器，回本以月计而非年计，且不依赖补贴。

产出可测量。工厂可以称每个料仓出来的东西卖给造纸厂或造粒厂，纯度就是价格。买家因此能核对供应商的说法，这在机器人销售里很罕见。

中国这边还有政策顺风。无废城市推动地方建分拣能力而不只填埋，这个基本盘给了供应商迭代的量——和让中国光伏、电池设备变便宜的同一套模式。

## 关键要点

- 中国设计的AI光选机已进入日本、韩国、意大利等市场，最小机型每小时3吨；靠近红外加训练模型处理脏污、重叠的家垃圾。
- 价格从七位数人民币降到六位数，是出口放量的直接原因。

## 诚实的局限
99%这个数字需要一句营销材料不会带的注解：分拣准确率按单次通过、在特定物料构成下测量，与整厂回收率不是一回事。看对99%的机器仍产生尾渣流，而和监管的分歧就发生在尾渣上。每天吨数是参考项目的铭牌产能，无法独立核实；实际处理量取决于进料构成和产线真开了多少小时——很少有产线跑满铭牌。替人数字来自公司采访，算术说得通，但不是劳动研究，也忽略了维护传感器所需的技术员。我也说不清它在最易让产线停摆的两件事上表现如何：黑色塑料吸收而非反射近红外光，软膜会在机械搬运中缠绕——这两点是全行业已知弱点。

## 普通人现在能做什么

- 如果你运营一座资源回收厂，用最差的料流做试点，不是最好的。要求对混合生活垃圾做一周试机，尾渣自己去称。供应商拿干净PET做的演示，说明不了你周二的班次。
- 如果你是市政或采购人员，把纯度和尾渣指标写进合同并带罚则，而不是按处理量采购。处理量容易达标，也容易被做出来。
- 如果你是住户，机器的天花板由你的垃圾桶决定。瓶里有液体、袋里混着垃圾、餐盒带油，都会打败99%的分类器，因为它看到的是袋子。冲干净、不套袋是进料规格，不是道德要求。
这个角落从来不需要人形机器人，只需要相机、光谱仪、快阀和一纸商业逻辑——这四样比抢头条的通用机器人早了约五年。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-6ab3ea
本内容仅供参考，不构成投资建议。
