🧪Plastic Eater: AI Enhanced Enzymatic Plastic Recycling - How AI is Engineering a Solution to the Waste Crisis♻️
32:34 Share

欢迎收听AI Unraveled播客带来的全新深度解读，本节目由加拿大资深工程师兼热衷足球的奶爸Etienne Newman创作。如果您觉得这些深度解读很有价值，请在Apple Podcasts上点赞和订阅，这将帮助更多人发现我们。感谢您的支持！说到有价值的工具，一定要查看节目说明。我们提供了一个推荐链接和一个特殊的折扣码，供您注册Google Workspace。是的，您可以访问一些很棒的AI强大工具，例如Gemini PRO、Notebook Polymer，

和团队。老实说，它们可以极大地提高您的工作效率。如果您正在准备一些艰难的专业认证考试，那些极具挑战性的PBQs和模拟驱动型考试，请不要忘记探索Ekian令人惊叹的AI驱动的JamGat应用程序。它旨在帮助您顺利通过考试。所有详细信息都在节目说明中。

好的，让我们来分析一下。今天，我们将深入探讨一个非常紧迫的全球性问题：不断增长的塑料垃圾堆。我们的目标是探索人工智能如何提供一种令人惊讶的优雅解决方案。它帮助我们设计了人们称之为“超级酶”的东西。您可能已经看到了本深度解读的图片，AI Unraveled，AI解决塑料垃圾问题。AI造福人类。这暗示了我们前进的方向。现在，塑料问题的规模

几乎难以完全把握。我们每年在全球范围内生产约4亿吨塑料。更令人震惊的是，预测显示到2050年，这一数字可能膨胀到每年10亿吨。而且这些塑料并非都被妥善处理，对吧？每年，大约有1900万到2300万吨塑料泄漏到我们的水生生态系统中。

是的，您可能还记得听说过大约800万吨塑料直接进入海洋的数字。回顾一下，比如从1950年到2017年，我们累计产生了约70亿吨塑料垃圾。令人难以置信，不是吗？确实如此。令人震惊的不仅仅是数量庞大，还在于其上升趋势。它一直在上升。这不是一个静态问题，而是一个不断增长的挑战……

对整个地球来说都是如此。绝对的。其影响，我的意思是，对野生动物的影响是毁灭性的。据估计，每年约有10万只海洋动物因缠绕在塑料中或误将其当作食物而死亡。但这不仅仅是那些显而易见的悲剧。人们越来越担心微塑料对人类健康的长期影响，因为它们会进入我们的食物和水中，太平洋垃圾带就是一个例子。是的，它就像一个巨大的、明显的……

对我们面临的危机的视觉提醒。是的。如果您考虑大局，就会很清楚，我们目前的系统，即制造、使用、丢弃，对于塑料来说是不可持续的。环境后果和潜在的健康后果都非常严重。是的。多年来，口号一直是回收、回收、回收。当然，初衷是好的，但当您查看数据时，现实却相当严峻。在全球范围内，我们产生的所有塑料垃圾中，只有大约9%被回收利用。

这低得令人难以置信。剩下的高达91%的塑料垃圾没有被回收。即使是那些被回收的塑料，也有一些非常根本的局限性。这提出了一个关键点，不是吗？我们目前的措施在解决核心问题上到底有多有效？正是如此。一个主要问题是所谓的降级回收。因此，您小心地放入回收箱的塑料水瓶，最终可能会被用来制作，比如说，公园长椅。

当然，这是有用的，但它不能再变成水瓶了。机械回收过程本身实际上会使塑料降解。每次质量都会下降。就像复制副本一样。正是如此。通常，您必须将其与新的原生塑料混合才能获得任何可用材料。是的，这有点违背了初衷。即便如此，它通常也只能回收一两次。所以我们并没有真正地闭环。从真正的意义上来说，没有。传统回收也不是什么环保圣人。

回收厂本身会释放有毒排放物。整个过程非常耗能。它本身就有相当大的碳足迹。事实上，我看到一些研究表明，回收塑料中某些有害化学物质的浓度有时甚至高于新塑料。这确实突出了其复杂性，不是吗？我们需要一些解决方案，这些解决方案不仅要处理数量，还要保证最终产品的质量和安全。然后是经济方面。传统回收通常难以竞争。

它通常比用化石燃料制造新塑料更昂贵、更复杂，尤其是在油价低的时候。这是一个巨大的因素。此外，对所有不同类型的塑料进行分类是一项巨大的后勤难题，因为每种类型都需要不同的处理过程。所有这些都导致了低回收率。

以及为什么我们仍然如此依赖原生塑料。这确实强调了需要超越仅仅调整现有系统的必要性。我们需要探索根本不同的方法。这实际上引出了一个真正令人着迷的发展。大自然的意外发现：塑料降解剂。似乎随着我们的塑料问题日益严重，

大自然以其不可思议的方式开始进化出解决方案。这些偶然发现的微生物实际上可以分解塑料。这开辟了一条全新的途径来应对这一挑战。这是一个强有力的提醒，不是吗？生命的韧性，它适应我们制造的东西的能力。这些自然发现为我们提供了一个极好的起点。好的，那么让我们深入研究一下这种自然的蓝图。早在2016年，日本科学家就取得了一项非常重要的发现。

在一个污泥中，靠近一个PET瓶回收厂附近，他们发现了一种新的细菌。他们称之为Ideonella sakaiensis 201F6。是的，我记得。这种微小的生物具有惊人的能力。

它可以使用PET，即聚对苯二甲酸乙二醇酯，也就是瓶子和包装中使用的塑料作为其主要的能量来源。它的碳源。是的。这基本上是第一个具体的证据，证明大自然已经进化到可以分解我们最常见的塑料之一。这确实是一个关键时刻。它将自然塑料分解的整个概念从理论变成了一个被证实的生物学事实。而且这并非个例。

从那时起，研究人员发现了其他具有塑料降解能力的天然生物和酶。例如，有一种名为LCC（叶枝堆肥角质酶）的酶，它存在于，你猜对了，叶枝堆肥中。说得通。更令人惊讶的是，也许是，在蜡虫唾液中发现的酶。

它们已被证明可以分解聚乙烯。聚乙烯。这很难。正是如此。另一种极其常见且难以分解的塑料。值得注意的是，这些自然解决方案是多么多样化，它们出现在完全不同的环境中。它

确实表明，这种降解塑料的能力可能比我们最初认为的更广泛地存在于微生物世界中。那么这些酶究竟是如何“吃掉”塑料的呢？这个过程被称为酶促解聚。酶，如您所知，是生物催化剂。它们可以加速化学反应。在这种情况下，它们通过水解过程使用水分子来分解构成塑料的长聚合物链。好的，水解。

剪断链条。把它想象成一条由珠子组成的长项链。酶促解聚就像使用非常小的、非常特殊的分子剪刀加上水来打破珠子之间的连接。它将长链分解成单个组分。这基本上就是长塑料分子发生的情况。是的。最初的重点很多都放在PET上，不是吗？是的。因为它的化学结构。正是如此。PET具有酯键。

这些键相对来说更容易受到这种酶促攻击，而与例如

在聚乙烯等塑料中发现的强碳骨架相比。因此，称为PET酶的酶专门针对这些酯键。正是如此。它们裂解这些键，将长的PET链分解成较小的分子，最初是MAE和BHET，然后这些分子进一步分解成其基本组成部分：TPA（对苯二甲酸）和EG（乙二醇）。好的，所以酯键是薄弱点。

有点像，是的。它们使PET成为这些初始酶努力的更容易接近的目标。而这种细菌……

Ideonella sakaiensis。它在这方面特别擅长，因为它使用了两种酶。没错。这是一个双酶系统。首先，PET酶开始分解PET。然后，第二种酶MHET酶介入，将中间分子MHET分解成最终的TPA和EG。就像一个小型团队。一个微生物团队。我喜欢。它显示了一个协调系统如何实现更完整的分解。现在，这仅限于PET吗？

或者这些酶可以处理其他塑料？这不仅仅是PET。一些酶，特别是那些属于酯酶家族的酶，已被证明也可以分解其他塑料，例如某些聚酯基聚氨酯。好的，所以潜力不仅仅局限于PET。绝对的。它扩展了可能性。然而。总是有一个然而，不是吗？通常是。虽然这些自然发现具有开创性意义，但这些天然酶……

它们还没有准备好用于工业生产，对吧？它们有一些很大的局限性。这就是问题的关键，是的。首先，它们往往工作速度非常慢。分解大量的塑料可能需要几个月甚至几年的时间。当您面临数百万吨的垃圾时，这根本不切实际。不可能。

我想，大自然的首要任务只是生物体的生存，而不是 necessarily 超快的工业加工。正是如此。根据我们的时间尺度来衡量效率并不是它的主要目标。而且它们也往往相当……

脆弱。是的。敏感。是的。稳定性是一个大问题。如果温度过高，pH值发生变化，或者周围存在其他化学物质，它们可能会失去活性，失去功能。所有这些条件都可能在现实世界的废物流中找到，而废物流是混乱的。是的。而且它们通常也具有狭窄的焦点，不是吗？是的。它们可能只对特定类型的塑料甚至其特定形式有效。

这是一个关键点，就像非晶态PET和更坚硬、更常见的结晶PET之间的区别。再次解释一下这种区别。非晶态与结晶态。当然。将塑料分子想象成缠结的意大利面，这就是非晶态。酶相对容易进入并攻击。结晶PET更像是整齐堆放的砖块。它更有序、更紧凑，使得酶更难以进入这些键并将其分解。好的。

好的，意大利面与砖块。明白了。是的。吃意大利面更容易。容易得多。因此，物理结构确实很重要。正如我们所提到的，塑料的实际化学成分是关键。

PET，由于其酯键，比具有强碳-碳骨架的聚乙烯或聚丙烯更容易受到攻击。绝对的。这就是为什么像PET这样的聚酯是最初的目标，以及为什么处理其他塑料是一项非常棘手的问题。所以大自然给了我们火花，给了我们这个想法。但是为了达到我们所需的效率、稳定性和可扩展性，我们需要认真升级这些天然工具。我们需要。我们需要对其进行大幅改进。而这最终是人工智能发挥作用的地方。百分比。

正是如此。我们有一个极好的自然起点，但为了达到我们所需的效率、稳定性和可扩展性，我们必须利用先进的工程技术。而人工智能正被证明在这方面绝对是无价的。是的。人工智能，特别是机器学习，正在彻底改变生物技术以及我们设计酶的方式。

人工智能算法可以处理海量的生物数据，发现复杂的模式，比我们仅使用传统的实验室实验更快、更准确地进行预测。它让我们能够以前无法实现的方式探索酶的广阔而复杂的可能性。因此，人工智能在这里以几种关键方式提供帮助。首先……

它极大地加快了新潜在酶的发现速度。人工智能可以筛选海量的基因数据库，包括来自垃圾填埋场等地方的数据库，这些地方是进化出能够分解垃圾的微生物的丰富环境。宏基因组学。是的。人工智能可以比传统筛选方法更快地识别出可能编码塑料降解酶的基因。把它想象成一个超级强大的微生物世界搜索引擎。无需手动检查每种可能性，

人工智能会立即标记出最有希望的候选者。然后是优化部分。人工智能在这里具有令人难以置信的预测能力。

您可以在大量关于现有酶的数据（包括它们的结构、活性、稳定性以及它们喜欢的塑料）上训练机器学习模型。以及特性，是的。然后，人工智能可以预测进行特定微小更改（在其结构中的突变）将如何影响这些特性。因此，您可以进行非常有针对性、非常有效的工程设计。这不仅仅是反复试验。正是如此。人工智能可以说，好的，调整酶上的这个特定位置，它应该在更高的温度下变得更快或更稳定。

就像微调发动机一样。它允许理性设计，对哪些修改最有可能为您带来所需的改进做出明智的选择。但也许最令人兴奋的部分是这种从头设计酶的想法。啊，是的，从头开始设计。是的，使用生成式AI模型来创建可能在自然界中根本不存在的全新酶。像RF扩散或ZymC TRL这样的模型。它们学习蛋白质折叠、酶如何工作的基本规则。基本原理。

然后，它们可以生成预测为具有

希望具有优异能力来分解特定塑料的新序列。这就像，与其修改现有的扳手，不如从原子层面设计一个全新的定制工具。这确实是一个范式转变。我们正在超越仅仅改进大自然的工作，而是积极设计为这项工作量身定制的新型生物催化剂。因此，人工智能在这里不仅仅是一小步。它感觉像是我们在解决塑料垃圾问题的能力上的一次根本性飞跃。

它使科学家能够以惊人的速度和精度来驾驭这个极其复杂的蛋白质设计世界。这大大缩短了开发时间，从可能需要数年缩短到可能只需几个月。如果我们希望酶促回收在……之前成为一个真正的规模化解决方案，这种加速至关重要。考虑到我们面临问题的规模，这种快速加速绝对是必不可少的。好的，让我们谈谈一个具体的例子：FAST-PETase。

它于2022年在德克萨斯大学奥斯汀分校开发。这是一个真正引人注目的案例研究，它展示了人工智能的影响，对吧？确实如此。它完美地展示了潜力。因此，那里的研究人员正在解决核心问题。

天然PET酶有效，但对于实际应用来说太慢且不稳定。是的。尤其是在塑料加工中经常使用的较高温度下，以使PET更易于成型。这些固有的局限性确实突出了对一些严重的生物工程改进的需求。因此，他们所做的是使用基于结构的机器学习算法。

这个AI模型观察了天然PET酶的详细3D结构。它预测了特定的突变，即在其氨基酸序列中进行微小的改变，这很可能会使其在工作中表现得更好，更快、更高效，即使在较低的温度下也是如此。因此，人工智能确定了需要修改的关键点。正是如此。它确定了五个关键突变。我认为有N233K、R224Q、S121E、D186H和R280A。当他们结合这些变化时，砰的一声。

砰的一声。一种显著改进的酶。这种由人工智能预测驱动的、有针对性的、基于结构的方法对于开发FAST-PETase至关重要。结果是FAST-PETase。代表功能性、活性、稳定性和耐受性PET酶。是的。名字很聪明。是的。它有一些非常令人印象深刻的优势。首先是速度。它可以在短短几小时到几天内分解各种PET塑料。

一些报告称，某些类型只需24小时即可完成。与自然分解所需的时间相比，这是一个令人难以置信的飞跃。这种速度使其在工业上更可行。而且至关重要的是，它在低于50摄氏度的温度下也能高效工作。这是一件大事。是的。与需要高温的工艺相比，它大大降低了所需的能量。

它甚至可能为环境清理打开大门，在环境清理中，您无法轻松控制温度。较低的运行温度意味着较低的成本、较低的能源消耗和更广泛的应用。这是一个三赢的局面。它对各种PET产品也有效。透明的、有色的、来自容器、纤维、织物、那些无处不在的水瓶的东西。对于现实世界的废物流来说，多功能性很重要。而且，也许最重要的是……

它将PET分解成其基本单体组成部分TPA和EG，然后可以用来制造新的原生质量PET塑料。这就是梦想，对吧？真正的循环性。将其分解成原始成分。因此，FAST-PETase只是一个极好的AI造福人类的现实世界例子。它展示了如何将这些强大的AI工具与对生物学和化学工程的深入了解相结合，可以为我们提供解决重大环境问题的切实可行的解决方案。

它真正利用了生物学和化学中大数据的力量，利用机器学习来预测结构-功能关系，使我们能够设计出具有我们所需精确特性的酶。它使几年前似乎几乎不可能的事情越来越触手可及。这是一个令人信服的概念验证，绝对的。它展示了当将人工智能与酶工程相结合以造福环境时，将会发生什么。

而PET的成功仅仅是一个开始，不是吗？科学家们现在正在积极地利用人工智能来设计针对更广泛塑料的酶。没错。工具包正在扩展。例如尼龙、PLA、PCL、PHA、PHB，甚至我们提到的那些更坚硬的聚氨酯。对于其中的一些，例如尼龙，我读到人工智能模型已经显示出非常高的准确性，例如高达97%，并且只是识别潜在的降解酶。

它突出了人工智能的多功能性。它可以应用于所有导致废物问题的聚合物。现在研究的一个重点是进一步推动这些关键特性，对吧？使酶更稳定以适应工业条件，更活跃以使其工作速度更快，更具特异性

因此，即使在混合废物中也能击中正确的目标。正是如此。提高稳定性、活性特异性对于使酶促回收真正具有竞争力和可扩展性至关重要。一些实验室的目标是至少将活性或寿命提高一倍。

而像RF扩散这样的生成式AI模型，它们正在推动设计全新酶的前沿，特别是对于那些非常坚硬的酶，例如聚乙烯和聚丙烯。是的。从头设计方法为解决那些顽固的塑料（具有超稳定的碳骨架）提供了真正的希望，而天然酶在很大程度上难以处理这些塑料。

感觉我们正在超越仅仅调整大自然，而是积极设计解决方案。这就是令人兴奋的潜力，是的。克服大自然的局限性以创造定制催化剂。一些主要的参与者正在推动这一进程，包括学术界和商业界。绝对的。您有像朴茨茅斯大学酶创新中心这样的地方，它们大量使用人工智能和机器学习。华盛顿大学的贝克实验室，以蛋白质设计而闻名。是的。应用他们的AI工具，如RF扩散。

以及美国国家可再生能源实验室（NREL），利用机器学习来寻找即使是坚硬的结晶PET的酶。然后是参与其中的公司，例如Carbios、Protein Evolution、Epoch Biodesign。他们都在积极地使用人工智能，

用于酶的开发。学术研究推动边界和公司推动商业应用的结合正在真正加速进展。同样令人鼓舞的是，AI工具本身正变得更容易获得。例如，谷歌DeepMind的AlphaFold是开源的。绝对的。这种民主化意义重大。它降低了进入门槛，并促进了全球更多研究人员和初创企业的创新。因此，您可以获得更多针对不同塑料、使用不同策略的不同方法。是的。

增加了更快取得重大突破的几率。

它促进了对塑料问题的更广泛、更协作的攻击。因此，开发这些AI驱动的“塑料吞噬者”不仅仅是对回收利用的小幅调整。它可以从根本上改变我们管理塑料的方式，对吧？确实如此。通过将其分解成原始分子，它为塑料真正循环经济提供了一条真正的途径。这带来了巨大的环境效益，甚至可能带来一个新的经济格局，其中废物变成了……

资源。从线性获取、制造、处置模式转变为循环使用、回收、再制造系统是核心思想。正是如此。因此，人工智能增强型酶促降解（特别是对于PE等塑料）的巨大前景是实现真正的化学回收。

与质量下降的机械回收不同。降级回收，是的。酶可以将塑料分解成其原始单体。对于PET来说，那就是TPA和EG。而且至关重要的是，这些回收的单体与用原生化石燃料制成的单体质量相同。这是关键部分。它们可以被纯化，然后用作制造新塑料的原材料，这些新塑料与原生塑料无法区分。它完全闭环了。

塑料垃圾成为新塑料的原料。因此，理论上，您可以一遍又一遍地使用相同的塑料分子，这将大大减少我们对新化石燃料的需求，而这些化石燃料只是为了制造更多塑料。真正循环塑料经济的愿景？是的，它可能是可持续发展努力的改变者。环境连锁反应可能是巨大的。您可以大幅减少进入垃圾填埋场、污染土地、河流和海洋的塑料排放量

这将大大减少对野生动物和生态系统的危害，这是至关重要的一步。此外，由于这些AI设计的酶通常可以在较低的温度下工作，因此整个过程预计将更加节能。

与制造新塑料相比，甚至与其他一些能源密集型化学回收方法相比，碳足迹更低。是的，我看到的一些分析表明，与基于化石燃料的生产相比，酶促回收的能源使用量可能下降69%到83%，温室气体排放量下降17%到43%。这些数字非常重要，尤其是在减缓气候变化的努力中。

甚至有可能将这些酶用于环境清理，实际上是修复受污染的场所。通过更具特异性，酶促回收可以避免产生其他回收方法或焚烧塑料可能产生的一些有毒副产品。它提供了一种潜在更清洁、更环保的方法。好的，但是经济方面呢？它真的可以竞争吗？

这始终是十亿美元的问题，不是吗？研究表明，如果我们可以最大限度地减少对大量预处理的需求，人工智能设计的酶可能会有所帮助，

比是的，酶促PET回收更具耐受性，它可能变得具有成本效益，甚至比用石油制造新的PET更便宜。NREL估计，回收的TPA的成本可能低于每公斤1美元，而石油衍生的TPA的成本可能为1美元到1.5美元。这创造了一个真正的经济激励。如果它更便宜，那就改变一切。成本均等，或者理想情况下具有成本优势，对于广泛采用至关重要。而那些回收的单体。是的。

它们不必再次变成相同的塑料，对吧？它们可以成为其他事物的组成部分。正是如此。它们可以用来制造其他有价值的化学品，甚至像生物塑料这样的东西，基本上是将废物升级为潜在价值更高的材料。升级回收增加了更多的经济价值。扩大规模将……

意味着新的产业、生物技术、化学工程、先进废物管理领域的新型绿色就业岗位。此外，它还可以减少我们对塑料生产中易受波动影响的化石燃料市场的依赖，提高经济弹性。因此，如果人工智能增强的酶促回收能够在环境和经济方面都取得成功。哇。

它有可能真正改变世界。回收塑料实际上可能成为首选原材料，推动对循环基础设施的投资，帮助实现脱碳目标。深刻转变的潜力绝对存在。它是巨大的。好的，但是……

我们描绘了一幅相当美好的图景。让我们现实一点。仍然有一些重大的障碍，对吧？我们需要克服的挑战，才能使这成为广泛的现实。绝对的。拥有现实的视角至关重要。我们仍然处于许多这些技术的规模化阶段的相对早期阶段。挑战是真实的。因此，从科学上、工程上来说……

哪些是最大的挑战？好吧，酶的稳定性仍然是一个主要问题。确保这些工程酶能够在恶劣的工业条件下长期保持有效工作。想想高温、pH值波动、生物反应器中的机械应力、废物中的污染物。是的。生物反应器不是温和的地方。根本不是。酶是生物分子。在工业上保持它们的快乐和活跃是一项重大的工程挑战。它们如何应对现实世界的混乱？

在纯塑料上进行实验室测试是一回事。正是如此。真正的消费后废物是一种复杂的混合物，包括不同类型的塑料、颜色、添加剂、剩余食物、污垢，

这些杂质可能会阻止酶接触塑料，甚至抑制其活性。处理这种异质性是困难的。然后是速度。同样，即使有了改进，它们的速度对于大量的废物来说是否足够快？这对经济至关重要。降解速度必须足够快，才能快速且经济高效地处理大量物质。速度较慢意味着更大、更昂贵的设施，以及更长的处理时间。

我们谈到PET更容易处理。那些非常坚硬的塑料呢？聚乙烯、聚丙烯、PVC？仍然是一个主要的挑战。它们稳定的碳骨架对于酶来说更难分解。解决这些问题可能需要更复杂的酶系统，可能是多酶混合物，或者可能是预处理步骤，以使塑料更容易接近，这会增加成本和复杂性。预处理？

是的，那可能会加起来。我们必须小心整个过程。是的。确保副产品易于回收、纯净，并且不会释放任何有害物质。整个过程的环境安全至关重要。好的，这些是科学工程方面的障碍。对。经济方面呢？嗯，在工业规模上生产酶本身需要具有成本效益。酶的生长和纯化仍然可能很昂贵。对，神奇成分的成本。没错。没错。

然后是建造和运行所需的大型生物反应器的成本，优化混合、温度控制、pH 值。这是一项巨大的资本投资。并将这些新设施整合到我们现有的废物收集和分类基础设施中。这并非易事。不。将新技术整合到既有系统中总是存在后勤和经济障碍。还有一个问题，与廉价的原生塑料竞争。

总是。只要来自化石燃料的新塑料价格低廉，它就会为任何回收塑料（甚至是高质量的酶促回收塑料）创造一个艰难的市场。从实验室突破到有利可图的工业规模需要大量的投资和时间。死亡之谷。

对于深度科技。——我们已经看到一些开拓性公司在努力弥合这一差距时面临财务压力。这需要耐心资本，通常还需要支持性政策。——这让我们想到了政策、法规和公众接受度。——绝对至关重要。政府可以通过支持性政策发挥巨大作用。

想想回收材料的法令、原生塑料税、绿色技术的补贴、扩大生产者责任计划。还需要明确的法规，特别是对于使用回收材料的食品接触应用等方面。当然。建立公众对这些酶促回收塑料的安全性和质量的认识和信任也很重要。由于塑料污染不尊重国界……我们需要全球协调。标准？

合作。对于像这样的跨界问题来说，这是必不可少的。感觉所有这些挑战都与……它们绝对是相关的。如果酶不稳定，则需要更多酶，从而提高成本。如果它只适用于纯 PT，则需要更好、更昂贵的分类。

因此，您需要一种同时应对所有这些方面的整体方法。没错。这需要科学家、工程师、投资者、政策制定者、废物管理人员等各方密切合作。但是，尽管存在所有这些障碍，但整个领域，即人工智能增强的酶促塑料降解，确实感觉像是人工智能造福的一个主要例子，不是吗？我认为是的。这是关于利用先进技术来应对重大的全球挑战，以造福社会和环境。

而且它与联合国可持续发展目标非常吻合。是的。可持续发展目标 12，负责任的消费和生产，实现循环性。可持续发展目标 14，水下生物，减少海洋污染。可持续发展目标 13，气候行动，降低排放的潜力。可持续发展目标 9，工业、创新和基础设施，推动绿色技术。

技术。它符合很多条件。以这种方式来表达它确实突出了其更广泛的重要性，并有助于争取支持。人工智能在环境管理中的作用不仅仅局限于酶，是吗？不，一点也不。人工智能还被用于改进废物分类，使其更高效、更准确，减少污染，也许可以提高回收率。我看到的数据是污染减少了高达 40%。

回收率提高了 25-30%。有可能，是的。人工智能甚至还被用于上游设计新型材料、生物塑料、聚合物，这些材料本身就是可生物降解的或更容易从一开始就回收利用。因此，人工智能可以帮助整个塑料生命周期。它为解决这个问题提供了一种更全面、更综合的方法。那么，展望未来，这个领域发展迅速。

大量的持续研究，大量的投资。它非常活跃。世界各地的主要大学、研究实验室都在努力推进。像 Carbios、Protein Evolution、巴斯夫这样的公司都在积极参与。我们看到了一些雄心勃勃的商业规模化时间表，对吧？Protein Evolution 将 2028 年的目标定为大型工厂。Carbios 很快就会签订合同。是的，时间表变得越来越具体，尽管挑战依然存在。但与传统方法相比，人工智能驱动的方法确实缩短了研发周期。

像德克萨斯大学奥斯汀分校的 Hal Alper、NREL 的 Greg Beckham、Protein Evolution 的 Jay Konietzka 这样的专家，他们对实现循环经济并看到重大的环境效益表示乐观。感觉势头正在增强。是的。生物技术和人工智能的融合为我们提供了这种强大的新工具包，研发工作非常令人鼓舞。好的，让我们试着总结一下。为了总结我们今天的深入探讨，

全球塑料垃圾危机。这是巨大的。后果巨大。

而传统的回收利用，虽然很重要，但还不够。但随后发现了自然界自身的塑料降解剂，这些酶提供了一种全新的途径。人工智能作为这种令人难以置信的催化剂介入，彻底改变了我们设计这些酶的方式，使它们更快、更坚固、更特异、更具可扩展性。我们探讨了人工智能如何加快发现和优化，从而产生了像快速 patase 这样的东西，以及这如何真正为塑料管理的更可持续的未来铺平道路。

为真正循环的塑料经济提供了潜力，减少了环境影响，甚至可能从废物中创造新的经济机会。从线性到循环的根本转变。但重要的是，我们必须记住障碍。

要将这些技术在全球范围内推广，仍然需要克服重大的技术、经济和后勤挑战。绝对的。它需要持续的研究、大量的投资以及各部门的真正合作，才能充分发挥其潜力。它还不是灵丹妙药。不，但这确实是一个非常有希望的方向。然而，当我们展望未来时，生物技术和人工智能之间的这种协同作用，为解决这种持续存在的塑料废物挑战提供了一种真正强大、创新的方法。

我认为，对于更可持续的未来，有一种真正的希望感。它代表了我们如何处理废物的一种根本性转变，朝着更循环、更环保的系统发展。好的，最后，像往常一样，给您，听众，一个发人深省的想法。如果我们真正转向一个未来，在这个未来中，像塑料这样的废弃物被真正地视为和用作主要资源，而不仅仅是废物，而是原料，那么更广泛的影响是什么？

也许更贴近生活的是，在我们自己之前，我们每个人现在可以在支持向循环经济过渡的过程中发挥什么作用？即使在这些惊人的酶工厂遍布各地之前，也要考虑我们自己的消费习惯、我们做出的选择、我们如何支持可持续实践，甚至可能是这些新兴的创新解决方案。一些需要思考的事情。