關於塑膠,不能做了回收就好嗎?圖解「回塑流程」與生活無塑難題
關於塑膠,不能做了回收就好嗎?圖解「回塑流程」與生活無塑難題
2019.08.28 | 生活

回收迷思是一隻巨大的怪獸,當那些以不塑星球為職志的行動主義者試著幫助人們了解降低個人塑膠消耗量的重要性時,幾乎時時都要面對這隻怪獸。

這是因為塑膠產業在1980年代初期想出了一個聰明策略,在最常使用的塑膠產品上打上回收標誌,因此,大多數的消費者都認為他們所消耗的大量塑膠是可以回收的,而且會透過在地的路旁回收計畫被確實地回收。

事實上,回收箱裡的東西只有很少一部分會被回收。 針對我們的塑膠問題, 解決方法並不是要回收更多,而是要消耗更少 。

編按:不用塑膠,其實只是為了健康?關於環保,我不能做好回收工作就好嗎?《戒除塑膠的健康生活指南》兩位作者破除世人普遍對塑膠回收的迷思,告訴大家有效且比較「無痛」的減塑法。

如果你正在購買含有塑膠包裝的產品,了解哪種包裝材料最可能被回收是很重要的,這樣才能做出了解情況、且有利於回收的購物決定。了解複雜、昂貴且耗能的回收流程也會有幫助(希望可以做為將塑膠消耗量降到最小的誘因)。

你們把只用一次的拋棄式塑膠水瓶丟進自家回收箱之後,到底發生了什麼事呢?可以從這個過程看出,紙張和硬紙板、鋼鐵、鋁和玻璃是最可能被回收的品項。

即使是一小張的鋁箔紙,也值得丟進回收箱,因為它會透過利用電流電荷的機械流程被撿起來。透過分類程序,紙張、金屬和玻璃不但比較可能被撿起來回收,這些材料還可以被製成新的回收產品,幾乎就像原來的材料一樣,而且這些材料的回收可能持續循環,不會走到盡頭。

另一方面, 塑膠只能被降級回收,做成品質較差或功能較少的產品 。比如說,食物包裝無法再重製成食物包裝,它會以某種無法和食物接觸的產品形式回歸。

這些塑膠樹脂在塑膠製造流程和回收循環中移動,以相對迅速的速度變成無法回收的物品, 最後被丟進垃圾掩埋場,成為可存在數百年之久的塑膠化石 。

戒塑指南
以美國而言,於2014年丟棄的塑膠當中,只有9.4%有被回收(3330萬噸中的312萬噸),降級回收也列入計算(將回收塑膠再製成更劣等的產品)。
圖/ 光現出版

商品使用不可回收材料,購物時應盡可能避免

下列材料類別一般是不可被回收的,購物時應該盡可能避開它們:
● 塑膠袋
● 無菌包裝(如利樂包),一般是用好幾層不同的材料製成,像是塑膠、鋁和硬紙板
● 泡殼包裝和保麗龍包裝
● 生物塑膠(雖然它們可能可以用家用或工業堆肥裝置做成堆肥)
● 不含回收箭頭標誌的塑膠
● 用多種不同塑膠組合製成的塑膠品,比如含有許多不同
零件的塑膠玩具
● 含有回收標誌3號、4號、6號和7號的塑膠

做好回收,但你清楚回收流程的具體步驟嗎?

以下簡單說明,一般回收分類站如何選擇它認為值得回收的材料:

戒除塑膠118-1
回收流程步驟1、2、3(原箭頭指向為書籍出版設定,網頁排版則由上至下呈現)。
圖/ 光現出版
圖119-1
回收流程步驟4、5。
圖/ 光現出版
圖119-2
回收流程步驟6。
圖/ 光現出版
圖118-2
回收流程步驟7、8。
圖/ 光現出版
戒除塑膠
一張表教你辨識塑膠類型與認識其回收再生能力。
圖/ 光現出版

簡單來說, 只有1號塑膠(PETE或PET)、2號塑膠(HDPE)和5號塑膠(PP)是適合回收的材料。在購物時考慮最可能被回收的材料是很重要的。不幸的是,雜貨產品的塑膠包裝日益增加,而非逐漸減少。產品包裝的材料從那些容易回收的包材(如玻璃罐)逐漸被換成無法回收的材料(如有塑膠內襯的利樂包)。

這類塑膠包裝能幫製造商省錢,顧客不會因此客訴,還會覺得它們很方便,於是乎它們就此成了常態。比如說,在雜貨店裡, 因為方便及省時的因素,顧客往往會購買預先用塑膠包裝好的加工產品 。我們都很忙,想要用方便的方式來節省時間是很正常的。幸運的是,如果要購買有包裝的產品,塑膠並不是唯一方便的方式。

比如說,那些為了特殊場合買蛋糕的人可能沒有發現,地球上其實有好幾個衝擊程度不等的做法。就準備和規劃來說,最方便的做法似乎是去買那些預先做好、裝在透明盒子裡蛋糕,但其他更永續的做法卻幾乎一樣方便。

你可以要求店家用硬紙盒來裝蛋糕,這種盒子可用於堆肥、也可以回收(如果沒有弄髒的話)。另一個做法是帶你自己的蛋糕盒,完全省略包裝。

重點在於,我們可以有很多種做法,了解哪種包裝對環境造成的傷害比較小,可以讓你的購物行為對環境負責、甚至達到更高效率。

塑膠_塑膠瓶
在掩埋場放置百萬年也難以分解的塑膠化石。
圖/ shutterstock

為了讓那些被你放進回收箱的東西獲得更多確實被回收的機會,我們提供下列清單,告訴你可以採取哪些幾個步驟來做準備。這些步驟只需要花你一點點時間,卻會產生很大的差別。

9個回收小常識,教你選擇及準備家中的回收物

  1. 跟當地的公共機關確認哪種材料可以回收,把清單印出來,放在你的回收桶旁邊。
  2. 沖洗所有可回收的物品。分類工人會很感謝你。
  3. 將蓋子和瓶子分開,因為它們通常是用不同種類的塑膠製成的。
  4. 去除金屬罐上的紙。
  5. 把那些已經弄髒的硬紙板或紙類(像是披薩盒)用來當做引火紙(如果你有壁爐或燒木柴的爐子的話),不要丟進回收箱:它們不大可能會被回收。
  6. 除非你非常了解你住的地方有回收塑膠袋,否則不要把它們放到回收箱,因為它們會卡在分類站的輸送帶上。
  7. 如果可以接受塑膠袋作為可回收物品,就把它們收集在一起,全部塞進一個袋子裡,打個結,緊緊綁起來。
  8. 不要在塑膠袋裡放很多種可回收物品。
  9. 把硬紙箱弄平。

經營回收計畫是很貴的,多數產品製造商都不會花這個錢 。這表示,丟棄或回收塑膠包裝的成本會被轉嫁出去,最後由所有消費者透過繳給政府的稅金來買單,包括那些勇於努力限制自己塑膠產品和包裝消耗量的人。

我們需要當地及國家政府投入有創意的誘因,來鼓勵更多永續包裝投入實作,比如:重複利用這些包裝,而非自動拿去回收(托運系統);進行包裝革命,目標是要找出更永續、植物性、可用於堆肥、且無添加劑的包裝;針對塑膠製品的回收給出鼓勵措施,比如現金。

減塑
塑膠製品帶來的便利早已深入社會,但基於健康與環保,我們或許該一步步戒除塑膠。
圖/ shutterstock

德國就在創意包裝廢棄管理的最前線已有30年以上的時間。

1993年,德國政府通過一項包裝法令,要求製造商負責收回自家產品的包裝。這項法令涵蓋了玻璃、鋁和塑膠飲料容器。這些容器有一筆可退還的押金,對走「單一方向」的塑膠瓶來說,這筆押金高達25歐元(相當於29美元),這是個相當慷慨的鼓勵措施。執行這項計畫之後,PET瓶(1號塑膠)在2011年的回收率是98‧5%。

在那之後,德國的弗萊堡(Freiburg)市提出了一項創新計畫,用來處理那些不可回收的免洗咖啡杯製造出來的廢棄物。外帶杯一般來說是不能被回收的,因為杯身的紙與聚乙烯融合在一起,好讓它可以防水。結果產生的材料無法在回收裝置中輕易分類。在弗萊堡,麵包店、咖啡店和餐廳之類的咖啡零售店會購入可重複使用的杯子,用這些杯子供應咖啡給他們的顧客,而非使用免洗杯。

顧客會先付1歐元的杯子押金,等他們將杯子還給參與這項計畫的店家,就可以拿回押金。所以你可以在爪哇屋(java hut)裡外帶一杯咖啡,用可重複使用的馬克杯盛裝,漫步到小鎮的另一頭,在另一間店把杯子還回去。這些店家會清洗這些杯子,並能無限次地重複使用。這是個好例子,說明社群只要付出簡單的努力,就能解決嚴重的廢棄物問題。

做好塑膠回收的缺點

「東西的故事」(The Story of Stuff)這個非營利組織發起了一項反對微細纖維的活動,並發佈一部短片,說明了一些跟微細塑膠纖維有關的重大議題。

編按:「東西的故事」原是Annie Leonard於2007年發布的一段影片,教育世人與其他環保、社會運動倡議者關於物質經濟的影響。該影片在網路上廣泛擴散,並引發人們反思消費狂熱文化與大量的物質需求。
如今,東西的故事是位於美國加州的一家非營利組織,長期以來持續關心環境問題,製作動畫、紀錄片和線上短片,並發起許多社會活動與環保計畫。

2017年3月發布的<塑膠微粒的故事>,已有志願者翻譯成繁體中文字幕。

這部影片說明,有些公司利用回收水瓶做新衣服是很酷,但這其實會製造兩大問題:這會鼓勵消費者使用更多塑膠瓶,因為他們認為這些水瓶會被回收做成有用的東西。

再者,這些用回收塑膠瓶製成的衣服每次清洗的時候,會釋出幾百條幾千條的微細纖維。這些微細纖維非常細小,無法被公共廢水處理廠捕捉,最後會進到我們的水域中。接著它們會和有毒物質及烈性化學物質結合在一起,之後在食物鏈中向上累積,先被小魚吃掉、再被大魚吃掉、最後被人類吃掉。

根據估計,我們的海洋目前含有多達140萬兆根微細纖維,相當於地球上每人兩億根微細纖維。

責任編輯:張庭銉

本文摘錄、整理自《戒除塑膠的健康生活指南》p.115-p126,光現出版。

關鍵字: #綠能環保
往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓