在英国伯明翰举办的 Packaging Innovations 2026 展会上,Greyparrot 将发布其最新废弃物分析人工智能平台 Deepnest。该平台旨在通过真实回收率数据衡量包装性能,助力企业应对合规挑战。
展会前夕,Packaging Insights 专访了 Greyparrot 旗下 Deepnest 董事总经理 Yaseed Chaumoo,探讨 AI 技术如何帮助包装企业追踪产品废弃后流向,并在设计阶段兼顾回收效率与法规要求。
AI驱动废弃物情报:从理论测试走向真实数据验证
随着包装废弃物法规成为行业焦点,Deepnest 提供了一种务实且以数据为导向的视角。Chaumoo 指出,包装可回收性正迅速转化为成本与合规问题。Deepnest.ai 利用全球分选设施的真实数据,揭示包装被丢弃后的实际处理情况,帮助企业量化生产者责任延伸制度(EPR)费用风险,识别设计中无法通过实际回收系统的环节,并优先推进降本增效的改进措施。
相较于传统指南和实验室测试,人工智能改变了可回收性的衡量标准。联合利华和 The Cup Collective 等领先品牌的案例表明,利用真实数据可有效证明回收成效、预判监管风险并优化包装决策。Greyparrot 将在展会期间发表主题演讲“以人工智能驱动的包装废弃物情报提升回收率并削减 EPR 成本”,并参与关于 AI 在包装废弃物管理中作用的大辩论,帮助参观者将监管压力转化为可衡量的循环性进展。
应对 pEPR 与 PPWR:重塑包装全生命周期管理
英国包装生产者责任延伸制度(pEPR)和欧盟包装和包装废弃物法规(PPWR)是本届展会核心议题。Deepnest 致力于帮助品牌和零售商适应这一范式转变,强调从创意构思到供应链优化的全周期中,必须尽早考虑产品报废处理。
在循环经济关注度提升的背景下,Deepnest 通过将法规要求与人工智能洞察相结合,消除不确定性,协助包装团队在可回收性方面取得实质性、可验证的进展。
建立单一可信数据源,弥合设计与现实鸿沟
长期以来,品牌、生产者责任组织(PROs)及监管机构缺乏统一的废弃物数据源,导致法规制定依赖假设模型,部分技术上可回收的包装在实际系统中难以回收。Deepnest 通过大规模废弃物洞察填补了这一空白。
例如,英国某设施数据显示,尽管透明与有色 PET 在现行 EPR 机制下税费相同,但实际回收率差异显著;复合纸盒等技术上可回收的形式,在实际分选中的回收率同样偏低。此类真实数据有助于确保法规精准施策,引导品牌基于现实回收系统进行产品设计。
聚焦细微设计调整,精准满足合规要求
目前,已有包装企业利用 Deepnest 为 PPWR 和英国 pEPR 做准备。通过追踪特定产品在废弃物流中的表现,企业能够识别回收瓶颈及对循环性的挑战。这些洞察使包装团队能在新规实施前优先推进设计改进,聚焦那些能降低费用的关键调整。Deepnest 的海量数据集清晰描绘了不同形式、设计和材料对回收率的实际影响,为企业做出有效改变提供信心支撑。

