Glacier 做的是回收厂（MRF，物料回收设施）里的 AI 分拣机器人。机械手臂搭配电脑视觉，在输送带上把塑胶、软膜、纸类、纸板与金属挑出来——但他们强调的另一半价值是资料：系统同时记录「这条输送带上到底流过什么东西」，这是回收产业长期缺乏的洞察。
功能特色与适用场景
回收厂的现实比多数人想像的糟糕：分拣大量依赖人工站在输送带旁边捡，工作环境恶劣、流动率极高、招不到人；而且没有人知道整厂的物料组成到底是什么比例，因为从来没有人有办法逐件统计。Glacier 的机器人解决前者，item-level（逐件）的即时仪表板解决后者——当你知道进来的料里有多少比例是某类包装，你才有办法跟品牌商谈，或者调整整厂的配置。官网表示他们的 AI 模型是用数十亿张真实回收影像训练的。Glacier 与 AMP、Greyparrot 同列 Time 杂志 2025 年百大创新名单，是这个赛道近年最受瞩目的新创之一。
适合物料回收设施营运商、废弃物处理业者，以及需要追踪包装回收流向的品牌商。台湾的回收体系跟美国结构差异不小——我们有相对完善的四合一回收制度与人工分类习惯，MRF 的自动化需求形态不同。但「分拣人力找不到」这件事在台湾同样真实，而且延伸生产者责任（EPR）的趋势会让「包装到底回收到哪去了」这种资料需求愈来愈强。
主要功能
- AI 视觉结合机器手臂，于输送带上自动分拣回收物
- 可分拣塑胶、软膜、软性包装、纸类、纸板与金属
- AI 模型以数十亿张真实回收场景影像训练
- 逐件（item-level）即时资料仪表板，掌握物料组成
- 回收厂营运分析与产出品质追踪
- 以较低成本提升物料回收率为诉求
常见用途
- 物料回收设施的自动化分拣，补足人力缺口
- 软膜与软性包装等难分拣材质的回收
- 回收物料组成的逐件统计与趋势分析
- 品牌商的包装回收流向追踪与 EPR 责任佐证
- 回收厂产出品质的即时监控
主要功能
- AI 视觉结合机器手臂，于输送带上自动分拣回收物
- 可分拣塑胶、软膜、软性包装、纸类、纸板与金属
- AI 模型以数十亿张真实回收场景影像训练
- 逐件（item-level）即时资料仪表板，掌握物料组成
- 回收厂营运分析与产出品质追踪
- 以较低成本提升物料回收率为诉求
优点
- 同时解决人力短缺与资料黑洞两个问题，价值不只在自动化
- 软膜与软性包装的分拣是产业难题，能处理这类材质是实质优势
- 逐件资料对品牌商的 EPR 责任与循环经济报告有真实用途
- 入选 Time 百大创新，技术获得产业外的认可
缺点
- 属重资产设备投资，回收厂需要相当的资本支出与空间改造
- 美国 MRF 的产线结构与台湾回收体系差异大，直接移植不见得适用
- 未公开定价
- 官网未明确标示公司总部地址等基本资讯
使用场景
- 物料回收设施的自动化分拣，补足人力缺口
- 软膜与软性包装等难分拣材质的回收
- 回收物料组成的逐件统计与趋势分析
- 品牌商的包装回收流向追踪与 EPR 责任佐证
- 回收厂产出品质的即时监控
编辑点评
总编辑的话：回收厂是那种所有人都觉得很重要、但没人想进去工作的地方。我看过 MRF 的作业影片，人站在高速输送带旁边八小时徒手捡垃圾，那个流动率高得惊人一点都不意外。Glacier 这类公司真正的价值我觉得是第二层——它让「我们到底回收了什么」第一次变成可以量化的数字。台湾要推 EPR、要跟品牌商谈包装责任，缺的就是这种资料。
常见问题
跟 AMP、Greyparrot 差在哪？
三家都在做回收 AI，路线略有不同。Greyparrot 专注在「分析」——用视觉做废弃物组成分析，不一定自己动手分拣；AMP 与 Glacier 则都做实体分拣机器人。Glacier 强调机器人与资料仪表板的结合，且在软膜等难处理材质上有着墨。
台湾的回收厂用得上吗？
需求形态不同。台湾的四合一回收制度让源头分类做得比美国好，MRF 的混合料问题没那么严重。但分拣人力短缺是共同的，而且 EPR 趋势下的资料需求会成长。建议先看的是资料能力而非分拣能力。
机器人分得比人准吗？
在特定材质与稳定的输送带条件下，机器人的一致性优于疲劳的人工——它不会在第八小时开始漏捡。但面对严重污染、缠绕或高度混杂的物料，人的判断仍然较灵活。实务上多半是人机协作而非完全取代。