今年开年最火的AI，当属北京冬奥会智慧餐厅里的做饭机器人了。
这些拥有三头六臂的AI大厨们各司其职，一度比冰墩墩更出风头：做菜机器人是饭店老师傅的关门弟子，机械臂动一动，中餐西餐信手拈来；上菜机器人直接将食物空投到座位上，生动诠释了什么叫“天上掉馅饼”；服务机器人堪称十佳男友典范，吃饱了送上冰淇淋，渴了给你来杯手调鸡尾酒，全程微笑拉满。
做菜煲饭调酒无所不能的机器人，产自碧桂园旗下的千玺机器人集团，它们有一个更正式的名称：智能餐饮设备。
作为有深度学习能力的AI，他们通过算法将大厨手艺转换为程序，用硬核的方式承包了运动员们的味蕾，也再度刷新了我们对机器人的认知。
据Innova发布的2022年全球食品饮料行业十大趋势报告显示，“技术进入餐桌”位列第三，仅次于大火的环境与植物基议题之后。人工智能加速了餐饮自动化的脚步，同样催动着食品饮料领域的技术革新。
一方面，行业持看好态度。AI算法为产品创新提供了新动力，是目前蛋白质研究、口味偏好预测、食品安全、市场分析等方向的最强辅助。
比如前不久，卡夫亨氏与食品科技公司NotCo成立合资企业，想利用AI算法的快速匹配能力，从火热的植物基赛道里杀出一条特立独行的路。
另一方面，行业内较为成熟的AI系统，就像“别人家的孩子”一样凤毛麟角。培养成本高，运行成功率低，即使食品大厂们开始陆续试水，行业内对AI的整体应用模式其实并不明朗。
在万物皆可AI+的时代，AI终于卷到了餐桌的“台前幕后”上。
那么，从生产到营销，AI算法目前是如何与产品周期相结合的？AI算法与哪些食品饮料赛道更具有适配性？刚起步的AI算法又要谨防哪种“产品陷阱”呢？
01
在“越来越像”的食品饮料行业内，如何在各个环节的技术上取得突破，建立独一无二的优势，是每个品牌都需要思考的问题。
CD冻干技术、个性化3D打印技术、细胞培养肉技术...想要打破同质化的品牌方们，正在寻找下一个更懂消费者的技术咖。
如今，飞速成长的人工智能也可以提供一臂之力——在研发、营销、产品模式等方面，AI算法都可以对品牌产生助力：
1、研发：让产品迭代事半功倍
让AI参与研发过程通常有两种模式，一种是让AI放飞自我，自由发挥；另一种是中国家长式培养，给研发人员打下手，起到辅助作用。
美国老牌食品厂味好美是第一种模式。他家以生产调味料为主，旗下产品品类多达1万多种，其中消费型调味品更占了味好美60%的收益。
味好美首席科学家Brian Farkas指出，年轻一代的顾客越来越追求自然、新颖的消费调味产品，味好美必须要面对这个挑战，来满足顾客需求。
高强度、纯人工开发一款新品，是一件很掉头发的事情。这不仅需要在上万种原料中反复试错，而且培养经验老道的调味专家往往需要数年时间。
在人才稀缺和时间紧张的客观条件下，味好美发现AI创作配方更快，更稳定，甚至还会产生研发人员意想不到的组合。
味好美的AI研发员堪称任劳任怨的打工人典范，一机包揽了创造与修改配方两件活儿。味好美通过AI研发的配方，成功推出了ONE系列的猪肉、鸡肉和香肠风味调理包。
然而，“AI+工业”的模式也才推出不久，在食品行业更是刚起步，更多企业选择第二种模式，让AI辅助人类。
智利植物基食品科技公司NotCo作为一家2015年成立的新品牌，在去年8月就已完成2.35亿美元的D轮融资。在短短几年间异军突起的NotCo，背后有位隐形守护者：一款名为Giuseppe的AI算法系统。
Giuseppe会通过算法匹配不同的植物成分。在初期投喂大量食谱和测试后，Giuseppe的效率和精准度给品牌吃了颗定心丸。
拿NotCo旗下的NotMilk植物奶为例，Giuseppe会在庞大的数据库里，筛选出和牛奶口感相似的植物蛋白。发现菠萝和卷心菜的组合——NotMilk的核心原料会产生一种乳制品含有的芳香化合物，对Giuseppe而言可能就像消消乐匹配一样简单。
这归功于Giuseppe早期爬取了大量植物原料的数据，能从分子水平上分析蛋白质结构，会为每一种匹配出来的植物配方打分，并且永远不知疲惫。
在样品出炉后，根据人工品鉴反馈，Giuseppe还会进一步提出优化建议，帮助产品开发决策，直到产品发布为止。
据悉，NotCo通过这款AI算法系统，在美国、加拿大、巴西等地推出了包括 NotMilk™、NotBurger™、NotMeat™在内的产品，不到五年的时间，它已经成为了在拉丁美洲的独角兽公司。
NotCo执行长兼创办人马蒂亚斯·穆奇尼克(Matias Muchnick)表示：“我们一直坚信口感就是王道...因此，我们创造了这个AI算法，以预测哪一种植物性成分的组合会产生跟牛奶一样的感官体验。"
Giuseppe是NotCo的核心组成，在数据可视化下，这名AI调配师的成长有目共睹。作为AI算法，每次产品迭代它都会更加智能，对于产品的调整也会比人工测试做得更好。
伦敦Intelligent Layer公司同样发现了AI算法在分析口味偏好上的天然优势。他们耗费1年时间开发了一个名为IntelligentX的AI啤酒品牌，产品包括琥珀、黑啤、淡啤等。
IntelligentX的优势在于，基于人工品鉴反馈，比如啤酒的口感、浓度等，AI算法一个顶俩，将传统的焦点小组测试直接融入到了产品开发周期中，不需要中间的统计学家，直接将反馈应用到生产线。[2]
Intelligent Layer的CEO Hew Leith表示：“我们目前所尝试的，是把所有客户和酿酒商同等对待。比起AI会代替人类工作的看法，我们更相信AI的作用是增强人的技能。”
2、产品模式：更智能的用户匹配
同样是让AI调配酒，日本精酿啤酒公司尝试了另一种可能。
2020年，精酿啤酒公司COEDO与日本电气株式会社NEC合作，打造出了四款对应人生4个阶段的啤酒，产品的包装色彩、啤酒的香味口感均有所不同。
虽说“人生如酒”，但把抽象的经历转换成具象的酒味，如何让消费者普遍认可并为此买单呢？
NEC选择用技术说话。他们运用到了内部AI技术群「NEC the WISE」，做了件有意思的事情：为各年龄层人群设计服装概念图，用于包装颜色的选取。
通过对NFC过去数十年间发布的杂志图像与文章做数据分析，AI为20-50岁人群各个年龄段设计了一个主打色，比如20岁的年轻人是朝气的橙色，50岁的中年人则是有故事的深红色。
此外，AI还会将通杂志中形容酒的常用词汇，转换成水果、焦糖、酚、麦芽、酒精等香气指数，用于酒味的调配。
通过AI算法精准匹配各个年龄层群的形象，赋予产品可信度，技术有了，卖点也有了，再配合COEDO提供的啤酒酿造工艺，NEC成功打造了四款适合20-50岁年龄不等的人生酿造craft啤酒，一经线上开卖便迅速售空。
在应用模式上，AI算法还是一名出色的统计学家。
2019年，美国食品巨头Conagra迈入AI领域，从各种信息来源中提取数据进行分析，向消费者提供他们想要的东西。Conagra拥有一个可以分析全网社交媒体的AI平台，它会自动地提取数据并进行分析。
2020年，太古可口可乐与零眸智能达成合作，将AI图像识别技术引入进太古可口可乐的零售渠道系统，面对超过百万个门店的用户零售场景分析报告，实现更全面、快速、准确地大数据分析，提升运营效果和销量。
2022年，谷物早餐制造商家乐氏将AI算法运用到旗下早餐谷物的市场营销中，应用领域包括疫情期间消费者的行为改变和居家烹饪比例上升的情况，希望通过分析用户行为调整运营策略。
家乐氏东南亚地区的首席营销官Sanjib Bose表示，疫情当前，通过数字化营销代替用户访谈是一种非常好的了解消费者意向的形式，它帮助我们克服了以往的一些挑战，最直接的就是语言障碍。
这三家品牌对于AI的运用，也是目前行业内对AI算法较为常见的一种运用方式，即通过大数据预测趋势，提升产品的竞争力。欧睿国际以及英敏特都在自己的趋势报告中阐述了AI的重要性，并且都在自己的业务分析报告中使用。
3、营销：推广造势的高级工具
去年年底，元宇宙概念突然火了。FBIF此前曾在2022年度5大食品技术趋势中总结过：元宇宙通过模拟用户体验，可以促进人们了解消费者的需求。
AI算法与其有相似之处，在概念营销上天然有股“高大上”的气质。
伊利就把对AI技术的试水放在了概念营销上。2020年11月，伊利与小米联合发布“白科技”概念，借助算法智能分析消费者的各项身体数据，提供定制牛奶。
将AI算法应用到乳业中，伊利的这次创新与国内领先科技企业小米跨界合作，将黑科技变身为“白科技”。利用现代智能科技设备，在数据化、科学化、健康化的营养管理下，“白科技”可为消费者提供更个性化的营养选择。
概念营销少不了消费者的捧场，可口可乐通过AI在“语音反转”上做文章。它与科大讯飞iFLYOS共同打造了“语音反转瓶”，让AI在语气语调、音色音质等方面模拟明星真人的声音，消费者只要扫描瓶身二维码，即可体验一把与爱豆互动的感觉，获得了Z世代群体的好感度。
更有甚者，将AI与人类进行了一场比赛，为自家产品造势。去年中秋，伊利发布了一支“爱 vs AI中秋送礼挑战 ”宣传片，让人工智能与子女们进行了一场对“长辈礼物喜好”的竞猜。结果显示，在大数据算法的支撑下，人工智通过与长辈们的短时间相处，比子女更能挑选中他们心仪的礼物。
在宣传片中，AI只是一个有新意的宣传背景板，但伊利此举通过人们对人工智能的好奇心以及AI在，进而转换为产品的流量。
当用户出现需求时，AI更能第一时间快稳准地抓取到有用的信息，反馈给用户。无论品牌用什么样的形式进行营销，用户在过程中取得愉悦，信任感就会提升，营销自然好做。
02
在食品饮料行业里，创新引领发展。AI润物细无声地融入进了产品的生产过程，尤其在最近火热却需要更多创新的赛道上。我们梳理了近年来的AI算法食品，发现这些关注度高的赛道与AI算法关系匪浅。
AI+植物基
在消费者对健康与口感的双重呼声中，植物基从植物奶、植物肉到如今遍地开花的搭配，寻找下一个能模拟动物蛋白的植物原料不那么容易了。
据联合国粮食及农业组织公布，可供人类食用的植物种类多达 25 万种，但想要从中找到成分与动物蛋白相似的品种，对于人工分类而言，不仅效率低，而且效果不稳定。
植物基的特点在于可替代性，当燕麦、大豆已经被玩得风生水起，我们发现想要创新的企业们，开始使用AI算法来模拟新的可利用的植物蛋白组合。
AI算法在“匹配”这一环节上有着跨时代的进步。面对庞大的植物蛋白数据库，它具有强大的计算能力与模拟能力。
作为一个永不疲惫的工具人，植物基品牌NotCo用AI算法来寻找可能的植物搭配去匹配与产品味道相似的动物蛋白，不止NotMilk植物奶，旗下的蛋黄酱、植物奶油等等也是他家人工智能的杰作。
Amai Proteins也试图开辟新的植物蛋白可能性。通过获取沿赤道带发现的甜蛋白，它对其使用了基于云计算软件进行的敏捷综合计算蛋白设计（AI-CPD）和发酵技术，希望让小众的蛋白更适合大众食品市场。
值得注意的是，AI算法虽然在克服了当下人工匹配的难点，但是对于口味的把握依然需要人工辅助，以此作为反馈数据进一步优化产品。
AI+个性化
一直以来，消费者对于食物都有着不同的喜好。年龄、身体情况、生活习惯与所处环境等变因，让每个人的营养需求不同。
在美国食品分销商keHE的2022年食品饮料的十大热门趋势中，弹性速食和低碳水两种方式更是个性化定制中的大趋势。
以色列个性化营养数据平台Nutrino的首席科学家认为，随着消费者开始增加对自身健康的投资，个性化营养定制和基因定制食谱将成为业内常态。
如今，AI技术的出现，让专攻个性化定制的品牌也能拍着胸脯说，我家的营养配方是有科学数据支撑的。
从国内市场看，个性化定制营养品牌lemonbox是一个典型例子。基于营养学和大数据分析，lemonbox打造了一个免费的AI营养师，用户这头刚填好咨询问卷，那头AI已经来了场头脑风暴，快速匹配到适合的营养补剂，形成营养报告。在用户下单后，将会有印有用户名字的专属营养包送货上门。
根据采访资料显示，AI技术对lemonbox而言，同时也解决了注册营养师人才稀缺的问题。通过用户填写问卷的形式代替人工咨询，可以让这位AI营养师积累病例，拓宽数据库，时间久了自然功力就深厚了。
个性化定制需要数据库支撑，这是AI算法的又一优势所在。lemonbox的产品并非自家生产，但通过AI算法与个性化定制的互补之处，在刚起步的AI算法应用中提供了一种盈利思路。
AI+酒
在饮料赛道上，可能越来越多的酒商要用AI算法来酿酒了。
除了上文较早尝试的IntelligentX、别处心裁的COEDO，麒麟啤酒也曾与三菱综合研究所合作研发有AI算法参与的酿造测试程序。
这款程序通过20多年来的市场调研和研发数据埋头苦算，最终生成一个包括口味、香味、颜色和酒精含量等数据的实验品。
据品牌方介绍，这相当于一位拥有20多年经验的啤酒酿造师所创作的配方。
麒麟集团官方发言人对此表示，随着消费者对啤酒口味选择越来越多元化，啤酒变成了一个很分散的市场。麒麟啤酒想要快速找出一个细分市场，人工智能的匹配能力可以发现更多有效的方案。
酒与AI算法的结合，属于对接上了和市场的“心灵感应”。
一方面由于精酿啤酒被大众熟知，酒类市场需求增加，各家酒商都想通过创新配方来吸引消费者；另一方面，酿酒作为一项精细活，优秀的酿酒师人才稀缺，AI算法给了中腰部酿酒商出圈的可能性。
03
对于AI算法在食品饮料行业的应用，人工智能专业公司AI Palette的CEO Somubhra GanChoudhuri表示：“人工智能技术之所以会在食品饮料领域收获关注，是由于其可应用的场景非常丰富。AI可以帮助公司寻找新消费场景、引导新产品的研发，或者帮助做出进入全新品类的战略决策。”
大势所趋之下，“人工智能+”的创新模式势必会对我国实体经济产生革命性影响。尽管食品行业并没有完全对AI算法敞开怀抱，但上述摸清AI脾性的品牌，都尝到了与它合作的甜头。
那么，从产品研发到产品模式的升级，AI算法与过去相比“进化”在哪？
首先，AI算法在配方生产的精细度上，是多数人无法比拟的。
无论是哪条赛道，它没有思维定势，会大胆尝试卷心菜、豌豆能不能做成植物奶；它没有思考误区，对于一款调酒配方的敲定，会根据买卖双方的需求综合考虑。
在研发阶段对于产品配方的把握，AI算法更稳定，更精确，并且没有人为错误的发生。
其次，AI算法能缓解目前行业内顶尖人才稀缺的困境。
万宝盛华《2021年人才短缺报告》显示，中国大陆地区28%的企业面临人才短缺困扰，且随着技术升级的加快，企业正在寻找的人才，不仅需要具备足够的技术能力，还需具备卓越的沟通力和创造力。
AI算法作为技术过硬、有潜力的速成型员工，在需要时间与经验积累的食品领域有着一定的优势。
再次，AI算法的深度学习能力，能够将用户数据更好地融入进产品迭代中，建立食品数据库与用户反馈库，适合需要积累用户数据与经验的食品饮料行业。
比如植物基牛奶公司可能想尝试进入东南亚的酸奶市场，但不确定是否是一个正确的时机或进入的方式，这时候人工智能就能起到帮助。
但作为一个刚起步的领域，机遇与风险并存。不少初创公司认为，收集数据，培训AI背后的操作人员，建立有效的AI算法系统所需的成本太高，在现阶段并没有代替人力的必要。
另一方面，当AI与食品工业相结合时，企业往往会遇到“AI落地深坑”的陷阱。阿丘科技创始人黄耀表示，在数百个工厂实地考察中，他发现AI在工业检测领域的落地就像技术成熟度曲线，往往存在一个低谷，即AI落地深坑。
AI落地深坑是如何形成的
它是指，AI算法系统在初期小范围测试中，往往结果能在短时间内比普通方法的准确率提高30%，效果很好；但当公司通入更多资本经历了大量样本测试指标后，往往在90%的正确率后会进入震荡期，出现数据偏差，甚至准确率下降的情况。
面对“AI落地深坑”，黄耀表示，不少企业在深坑中会对AI的深度学习能力感到失望，从而将AI项目逐渐搁置至边缘化。此时，技术人员不应盲目增加数据，而应理性分析问题根源进行优化。
04
结语
面对AI算法，我们看到了以AI为产品核心的Lemonbox，也有AI作为决策辅助工具的可口可乐、Conagra；有将AI融入进产品某一周期的NotCo，也有与植物基、酒品、个性化定制契合度高的应用模式......行业期待着下一个和AI算法调性相符，拿捏住消费者痛点的赛道。
关于人与AI未来关系的讨论从未停止。当AI遇上食品，我们也许会担心它是否足够安全，也会害怕以后连吃的喝的都失去人情味。
但是食品的灵魂在于背后的人，引入AI算法来打磨产品是事在人为的积极尝试，是食品饮料行业在智能制造风口上的一次挑战，即使目前技术还不够完善，即使国内企业还处于“吃螃蟹"的阶段。
某种程度上，AI算法能作为食品领域发展的推动力，恰恰是“人与AI可以合作共赢”的有力证明。未来，我们期待更融合、更有创意的AI算法食品诞生。