执游网

北京将推动垃圾分类正式立法 罚款不低于上海

  央广网北京7月4日消息(记者李文蕊)据中央广播电视总台中国之声《新闻纵横》报道,继上海开展强制垃圾分类之后,北京的垃圾分类立法工作也提上日程。近日,记者从北京市城管委了解到,《北京市生活垃圾管理条例》修订工作已经列入2018-2020年立法规划。新修订的条例不光对单位,对个人也要明确垃圾分类的责任,且罚款不低于上海。

  和上海不同的是,北京的垃圾分类标准将垃圾分为厨余垃圾、有害垃圾、其它垃圾和可回收物。北京每天会产生将近2.6万吨的生活垃圾,目前全市29个垃圾处理终端设施都在满负荷运转。垃圾如果清运、处理不及时,就会给居民日常生活带来很大影响。

  近些年,北京的垃圾分类是在爬坡前行,不断升温,但远未达到沸腾状态。可以说,北京的垃圾分类已经从宣传教育悄然向制度立法转变。那么,北京的垃圾分类到底何时进行,怎么进行?和其他城市相比又有哪些区别呢?

  作为先行开展生活垃圾强制分类的城市,上海推动垃圾分类也引起一些城市效仿。6月18日,北京市城市管理委主任孙新军在直播访谈节目中表态,北京也将推动垃圾分类立法。他说:“垃圾再不减量,首都不堪重负。垃圾分类的主力在基层,决定因素也在基层。垃圾分类的管理责任人不组织分类,或者分类不符合要求,拒不整改的,要移交执法部门处罚。要逐步建立不分类不收运这种倒逼机制,以后你住的小区,垃圾如果不分类或者分不好,环卫工人就会拒收。如果三天垃圾不收,这个小区就没法待了。”

  据了解,早在2012年,北京市出台了《北京市生活垃圾管理条例》,明确了政府部门、物业等管理责任人、收运处置单位、垃圾产生单位的责任和罚则。但是物业等管理责任人对居民个人参与垃圾分类仍缺乏有效的管控手段,缺乏约束和强制,导致垃圾分类居民参与率增长缓慢。目前,《北京市生活垃圾管理条例》修订工作已经列入2018-2020年立法规划。新修订的条例将不光对单位,也将对个人明确垃圾分类责任,以立法方式使软约束逐步“硬起来”。孙新军说:“强制分类必须得到立法的支持。新修订的条例将对个人明确垃圾分类责任,不分类就违法。上海已经明文规定,混合投放垃圾最高要处以200元罚款,而北京也不会低于这个数。”

  为了将北京的垃圾分类工作进展得更加顺利,北京市率先在党政机关开展了垃圾强制分类。其中,在134家中央单位的带领下,有将近2500多家市区党政机关、2300多家公共机构加入强制分类的队伍,这些公共机构包括学校、医院、商超和旅游景点,基本上覆盖了人群集中、垃圾产生量大的区域。

  除了上海和北京,浙江、河南郑州等省市也都纷纷迈入垃圾分类的“强制时代”。先来看看目前广受热议的北京和上海。上海垃圾分为“干垃圾、湿垃圾、有害垃圾和可回收物”;而北京垃圾分为“厨余垃圾、其他垃圾、有害垃圾和可回收物”。从字面上来看,二者有区别的地方就在于,上海的“干垃圾”和“湿垃圾”到了北京就变成了“厨余垃圾”和“其他垃圾”。但从本质上来说,二者虽然名称不同,但在投放、运输、处理操作等方面其实都是一样的。

  在处罚程度上,目前,上海已经明文规定,个人混合投放垃圾,最高罚款200元;单位混装混运垃圾,最高可罚5万元。而北京的新修订条例,罚款数额不会低于上海。此外,从实施进展上来看,目前上海可以说是已经进入了“全民垃圾分类”阶段,而北京正处在“爬坡前行期”。目前北京市已在全市30%的乡镇街道创建了100个垃圾分类示范片区。今年,示范片区覆盖率将达到60%,覆盖200多个乡镇街道。

  再看看其他城市是怎么施行的。在河南郑州,垃圾分类方法和北京完全相同。而在处罚力度上,根据《郑州市生活垃圾分类管理办法(征求意见稿)》,对未按照规定分类投放生活垃圾的,会先由城市管理部门责令改正,未改正者对个人处以50元以上200元以下罚款,对单位处以1000元以上5000元以下罚款。而在施行进展上,郑州和北京基本相当,今年年底覆盖率要达到70%。

  在浙江,生活垃圾的分类方法又玩儿出了第三种花样,共分为易腐垃圾、其他垃圾、有害垃圾和可回收物四类。和之前对比上海、北京时一样,有所区别的“易腐垃圾”除了我们所熟悉的“厨余垃圾”之外,还包括产自饭店食堂的残羹剩饭等这类餐饮垃圾,以及生鲜垃圾。值得注意的是,浙江金华的实施进度比北京、郑州都要快,8月1日起金华就将进入严管重罚期,其处罚力度和郑州基本一致。在台湾,垃圾分类主要分为资源垃圾、厨余垃圾和一般垃圾三类。

 

  在国际上,日本没有统一的国家标准,具体分类规则由各个县市区自己确定。其实,垃圾分类并没有必然的好与坏之分,只是方式要讲究因地制宜,做法应该是由易到难,由浅入深。我们现在依然处在最初的习惯培养期,需要每一个人从主观上将“垃圾分类”变成一种生活习惯,逐渐让垃圾分类的“强制时代”演变成为垃圾分类的“自觉时代”。

最热新游

中信证券:中国资产新叙事 科技制造大重估

  中国资产吸引力渐升,科技制造投资逻辑焕然一新。长期而言,中国前沿技术的关键突破有望重塑全球科技格局,以DeepSeek成功“出圈”为中国科技创新力量的缩影,国内投资者信心迎来重振,产业向高附加值加速转型。短期来看,恒生科技与纳指估值趋于收敛,全球资金因AI催化与美经济走弱,青睐高性价比的中国科技资产。投资逻辑从短期主题转向中长期产业深耕,科技研发从“负估值”成本转为“正估值”资产,继而引发系统性重估。DeepSeek以卓越性能、低成本和开源生态引领国内科技突破,改变全球对中国科技的预期。产业端,各行业加速AI与传统产业基础结合,解决实际问题并创造经济价值。市场端,科技制造板块春季尽显进攻性,推动资产价值重估。政策端,鼓励央国企科技制造并购,推动产业高质量发展。着眼未来,在新旧动能转换期,应把握中长期投资机遇,聚焦AI+、智能驾驶、人形机器人(20.000, 0.05, 0.25%)、低空经济、商业航天、生物制造、未来能源、半导体先进制程等科技制造领域。

  ▍中国资产吸引力提升,科技制造投资逻辑重塑。

  在外部科技封锁的严峻挑战下,中国前沿技术取得一系列关键突破,正重塑全球科技发展格局。DeepSeek成功“出圈”不仅极大提升了国内投资者的中长期风险偏好,更是对中国产业向高附加值转型升级的有力背书。伴随AI叙事持续催化叠加美国经济走弱,全球资金配置倾向正发生显著变化。中国科技资产凭借其高性价比、业绩预期上修潜力以及坚实的安全边际正成为全球资金青睐的新方向。随着AI等新技术成熟和新商业模式清晰,众多新兴产业迎来从导入期向成长期的关键跨越,推动中国科技投资逻辑从短期主题驱动向中长期产业深耕转型。在此过程中,科技研发支出也从以往的被视为“负估值”的成本项,转变为驱动增长的“正估值”资产。科技创新不仅将重构传统产业的底层运作逻辑,更有望引发组织形态、价值网络乃至社会契约的系统性变革,创造全新的产业发展机遇。

  ▍DeepSeek引领国内科技突破,推动市场风格及情绪积极转变。

  DeepSeek以优异的性能、显著下降的成本、开源生态引发“蝴蝶效应”,成为全球最热门的AI大模型,以一己之力,改变“美国AI断崖式领先”的预期,引发中国AI资产价值重估。我们认为,当前仍处于AI时代早期,以及中国科技资产重估的开端,DeepSeek将带来巨大产业影响:各行业纷纷加速垂类AI 应用探索,带来训练算力需求“脉冲式”增长,推理算力需求、大企业大模型本地部署需求亦高速成长。展望未来,预计美国仍将持续拉高AI的技术上限,中国更大的机遇在于将AI技术与传统产业基础结合,解决实际问题并创造经济价值。当前正值春季躁动窗口,科技板块以其卓越的高成长性与创新性,尽显极致进攻性。这种市场情绪与风格的转变,有望成为推动科技板块及中国底层资产价格重估的强劲动力,引领中国资产在科技制造领域开启价值重估的全新篇章。

  ▍政策赋能央国企科技并购,助力市值管理与科技强国。

  2024年以来,我国并购重组政策持续加码,各级政府纷纷加大支持力度,推动资本市场高质量发展。政策积极鼓励+产业高质量发展背景下,并购重组是满足当下政府、一级市场与二级市场利益的“最大公约数”。央国企凭借资源整合和资金优势积极参与并购重组,推动科技创新和产业升级。实证数据显示,并购重组对科技类央企市值提升具有显著正面效应,未来在政策支持和市场需求的驱动下,A股市场有望迎来新一轮并购潮,进一步推动科技强国战略的实施。

  ▍新质生产力发展提速,着眼中长期产业投资。

  我国正处于新旧动能转换期,产业升级换挡需求强烈,更应着眼于中长期维度的新兴产业突破。AI等新技术成熟和新商业模式清晰催化下,传统产业整合和新质生产力发展双双提速。结合当下国内外科技重点发展领域及我国国情,我们认为值得重点投资及关注的科技制造方向为:

  ①AI+:模型推理和成本不断优化,算力、应用及端侧发展趋势明朗;

  ②智能驾驶:预计2025年NOA加速渗透,比亚迪(396.410, 11.84, 3.08%)引领的智驾平权浪潮仍在继续;

  ③人形机器人:国内外共振的技术突破有望在2025年迎来产业奇点;

  ④低空经济:2025年政策基建加速落地,车链入局打造商业闭环;

  ⑤商业航天:2025卫星发射进入爆发期,中美星座建设竞速升级;

  ⑥生物制造:新质生产力重要一极,预计2025年迎来政策催化;

  ⑦未来能源:多种技术路径持续落地,有望多点开花;

  ⑧半导体先进制程:外部限制倒逼国内厂商积极扩产,自主可控及国产替代逻辑持续强化。

  ▍风险因素:

 

  宏观经济复苏不及预期风险;地缘政治摩擦加剧;产业政策不及预期;各行业内竞争加剧;中美冲突进一步激化;AI等核心技术发展不及预期风险;科技领域政策监管持续收紧风险;宏观经济波动导致企业IT支出不及预期风险;产业安全事故风险;企业AI应用进展不及预期等;国产替代进程不及预期;先进制程技术发展不及预期。