在大食品的世界里，人工智能并不是什么新鲜事。
麦考密克拥有 Frank's RedHot、Cholula 和 Old Bay 等品牌的公司近十年来一直在风味开发中使用人工智能，该公司表示，通过识别有前途的风味组合并缩小哪些想法值得在物理原型中进行测试，其开发时间平均缩短了 20% 至 25%。
这是一个类似的故事 联合利华人工智能深深嵌入食品研发领域，系统能够在几秒钟内以数字方式测试数千种食谱，并通过更少的物理试验获得可行的概念。例如，联合利华的家乐快味酱的开发时间大约是平常的一半。在业务的包装方面，人工智能模拟了配方在 Hellmann Easy-Out 挤压瓶中的表现，该公司表示这节省了数月的物理实验室工作。
早在 2017 年，Google Brain（现已成为 DeepMind 的一部分）的一个团队就使用 AI 帮助创建了“完美”巧克力饼干的配方。
但尽管人工智能越来越多地影响食品公司决定杂货店货架上的商品的方式，食品公司很快就强调人工智能不会接管厨房。
联合利华食品研发生态系统、数字和数据主管 Annemarie Elberse 表示：“人类的创造力和判断力引领潮流，而人工智能是帮助我们扩大影响力的工具。”
“这些工具有助于激发我们风味科学家的创造力，”味好美公司首席科学官 Anju Rao 告诉 CNBC。 Rao 强调，人工智能是一种共同创造工具，而不是人类专业知识的替代品。 “我们最大的资产永远是我们的员工，他们将全球视野、风味专业知识和人类创造力带到了桌面上，”她说。
随着越来越多的初创公司生态系统将人工智能定位为一种近似和预测感官结果的方法，使用大型数据集来模拟消费者在进行物理测试之前对新食品的反应，目前尚不清楚他们在测试厨房中破解代码的努力将取得多大成功。 Zucca、Journey Foods、NielsenIQ 和 AKA Foods 等公司将其平台作为“虚拟感官”或人工智能驱动的系统进行营销，旨在以数字方式筛选食谱、建议配方更改并在制作物理原型之前预测消费者的喜好。
这些公司承诺了食品巨头所说的他们已经在做的事情：创建可以缩小传统口味小组规模的系统，降低发布失败的风险，并通过在流程的早期确定有前途的概念来压缩产品开发周期。行业分析师估计，在数据驱动产品开发、自动化和个性化投资不断增加的推动下，全球食品和饮料人工智能市场将从 2025 年的约 100 亿美元增长到 2030 年的超过 500 亿美元。
但一些早期食品人工智能先驱已经继续前进。 McCormick 的早期人工智能工作是与 IBM 合作开发的，IBM 此前曾探索过人工智能驱动的食品项目，例如 Chef Watson。 IBM 发言人在一份声明中表示，该公司“不再积极关注这一领域”。
在营销语言的背后，测试过这些平台的食品科学家表示，这项技术还处于早期阶段，许多说法不仅是为了吸引资本，也是为了取代人类的专业知识。
食品科学家、食品科学和食品系统咨询公司 Chau Time 的创始人 Brian Chau 表示，许多人工智能食品初创公司仍处于数据收集阶段，致力于汇总足够的现实世界信息，以使他们的模型具有有意义的预测能力。
“我认为所有的人工智能公司在某种程度上都夸大了他们的能力——大多数初创公司都是如此，”Chau 说。 “他们需要吸引投资者，需要建立数据集，并且需要真正的行业合作伙伴，然后才能真正大规模发挥作用。”
Chau 表示，当前的大多数平台类似于根据现有配方、制造数据和消费者趋势进行训练的大型语言模型，而不是能够独立生成可行新产品的系统。 “当我测试一个平台时，输出基本上就是从任何通用人工智能系统中获得的输出，”他说。 “如果没有来自真实公司的专有数据，就没有多少附加价值。”
在他看来，该技术的长期潜力取决于初创公司能否与愿意分享内部配方数据的大型食品制造商建立合作伙伴关系——出于知识产权方面的考虑，许多公司不愿意这样做。 “如果没有大型行业参与者将真实数据输入到这些系统中，他们就很难真正进行预测，”Chau 说。 “这是一场数字游戏。”
人工智能食品科学仍有不足之处
从科学的角度来看，研究人员表示，最大的障碍不是计算能力，而是生物学。
加州大学戴维斯分校感官和消费者科学教授 Julien Delarue 博士表示，人们对人工智能驱动的感官工具的期望可能会因对人工智能可以实际建模的误解而夸大。 “我想说可能有一点炒作，”德拉鲁说。 “这并不意味着人工智能没有用，只是没有达到人们的期望。”
德拉鲁表示，虽然人工智能可以帮助分析化学数据并提高食品开发的效率，但试图预测人们如何感知复杂的口味仍然受到根本的限制。 “试图预测人们会从复杂的化合物混合物中感知到什么——答案是否定的，”他说。
他解释说，核心挑战之一是人类的感官知觉本质上是可变的。人们对相同化合物的看法因遗传、文化、经验甚至个人历史的不同而大不相同。 “不存在所谓的普通消费者，”德拉鲁说。 “试图预测‘普通’人可能会感知什么可能是一个死胡同。”
德拉鲁说，为了解除这一限制，我们需要比目前更多的数据——访问个人层面的数据，了解每个人或群体的实际看法。 “这是一项艰巨的任务，”他补充道。
他说，这种可变性使得任何模型（人类或机器）都难以充当品味的通用代理。
即使是构建这些工具的公司也强调，人类的判断仍然是核心。
AKA Foods 创始人 David Sack 表示，他公司的平台旨在组织内部研发知识，而不是取代食品科学家或感官专家。 “食品研发团队拥有大量有价值的知识，从过去的配方和感官数据到个人掌握的隐性专业知识，”萨克说。 “但它往往是支离破碎的，很难系统地重用。”
为什么人类仍将是品味创造者
AKA 的平台可帮助团队在进行物理试验之前以数字方式测试想法，从而使科学家能够专注于最有希望的配方路径。 “它并不能取代食品科学家或感官专家，”他说。 “最终，人类定义目标、约束条件和成功标准。感官专家设计和解释面板。科学家决定测试什么以及推出什么。人工智能可以减少所需测试的数量，但它并不能消除真正的人类品尝或验证的需要。当最终消费者是人类时，人类总是需要参与其中，”他说。
Simulacra Data 是一家利用人工智能分析感官和消费者数据的公司，其创始人兼首席执行官杰森·科恩 (Jason Cohen) 表示：“消费者通过味觉来决定是否喜欢某种产品。” “我们仍然从真实的人类感官数据开始。人工智能只是帮助我们更快、更便宜地推断见解。”
Cohen 还创立了 Analytical Flavor Systems（该公司于 2025 年被 NielsenIQ 收购），他表示人工智能最有用的是识别异味、缩小配方选择以及优先考虑值得测试的想法，而不是取代人类的感知。
Chau 表示，大型食品公司处于独特的地位，可以从人工智能驱动的工具中受益，因为它们已经控制了大量的专有配方、感官和制造数据——这是大多数小品牌仍在努力建立的。
Delarue 认为人工智能在食品行业的真正价值在于效率而不是创造力——帮助研究人员更快地分析数据、管理复杂性，并在健康、可持续性和成本方面日益受到的限制下运作。 “今天的食品设计比以前更具挑战性，”他说。 “你不仅仅是想制作人们喜欢的食物。你需要制作健康、可持续且负担得起的食物。人工智能让我们有更多的能力来处理这种复杂性。”
但说到味道本身，人类仍然是参考点。 “消费者永远是决定什么味道好坏的人，”他说。 “不是机器。”
关键词：食品和饮料,技术,抑制Zephr,麦考密克公司,联合利华,联合利华,商业新闻
