当AI开始学会"品尝"，食物的味觉体验正在被翻译成数据

一碗红烧肉端上桌，你怎么判断它好不好吃？眼睛看酱色油亮，鼻子闻八角桂皮的浓香，舌头尝肥瘦相间的软糯，耳朵听咬开时肉皮轻微的"咯吱"声，手指摸碗壁的温度——视觉、嗅觉、味觉、听觉、触觉，五感同时开工，在零点几秒内完成一次综合判断。

但这个判断过程，几乎无法用数字说清楚。"好吃"是几分？"香气浓郁"是多少毫克？"外酥里嫩"的力学曲线长什么样？千百年来，美食的评价权一直握在厨师和食客的主观感受里。

变化正在发生。传感器、精密仪器与人工智能结合，一套被称为"感官AI"或"数智感官"的系统，正在把人类模糊的五感体验，翻译成机器能读懂的数据。

01 五感不是玄学：机器正在学会"品尝"

中国农业大学工学院教授汤修映在接受科普中国采访时指出，感官AI的核心思路，是为食品行业搭建一套完整的"机器五感系统"，从五个维度解析食物。

视觉系统最先成熟。它可以拆解出颜色、轮廓、纹理、颗粒分散状态、瑕疵缺陷、色彩渐变梯度等60项量化参数。收集足够多的样本后，系统能挖掘出与消费者偏好相关的视觉特征——未来定制食品时，有望依照这套数据，打造出"一眼就让人产生食欲"的食物外观。

听觉系统听起来匪夷所思，但它确实影响进食欲望。"薯片的嘎嘣脆、黄瓜咬开的清脆声响，都会左右我们的进食欲望。"汤修映介绍，这套系统拥有二十余项参数，记录声音的频率、声强等特征，完成对食物脆度的数字化描述。一块牛排煎得是否到位，咬下去的那一声"咔嚓"，机器可以精确到分贝和频率。

触觉系统对应食品的质构检测，模拟牙齿咀嚼时的力学感受——硬度、弹性、黏着性、咀嚼性，每一项都有标准单位。嗅觉和味觉则是最难啃的硬骨头，也是目前技术突破最密集的领域。

02 电子鼻与电子舌：从气体指纹到味觉指纹

电子鼻（E-nose）的原理并不神秘：一组气体传感器阵列接触食物释放的挥发性化合物时，电阻、导电度或质量会发生变化，产生一组电信号，如同给每种食物建立了专属的"气味数据指纹"。

电子舌（E-tongue）则用化学传感器接触液体样本，分辨酸甜苦咸鲜之外，还能解析出柔和度、细腻度这类口感相关的味觉感受。两者结合，被研究者称为"e-panel"——电子品评小组。

[图片]

图1：电子鼻与电子舌传感器阵列工作原理示意图（资料图）

市场已经在快速长大。PW Consulting数据显示，2025年全球电子舌市场规模约为2.31亿美元，预计2032年达到3.99亿美元，年复合增长率8.12%。中国市场增速更快：2025年中国味觉传感系统市场规模达12.8亿元，同比增长23.1%。

落地案例越来越具体。一组表面工程化氧化锌薄膜制成的"人工Q-Grader"，可以同时识别咖啡豆的香气和风味化合物，配合机器学习算法完成咖啡豆分级。在厨房场景中，微型气体传感器阵列能实时监测面团发酵过程，对发酵前后样本实现100%的分类准确率。在茶叶行业，电子舌结合近红外光谱，用蚁群优化算法和支持向量机模型，可以快速预测滇红工夫红茶的等级。

白酒行业更是把这套技术用到了极致：电子舌、电子鼻加上脑电图（EEG）和功能性近红外光谱（fNIRS），研究者不仅测量酒体本身的风味数据，还直接监测品评者大脑的神经反应，建立从"化合物分子"到"大脑愉悦感"的完整链路。

03 风味组学：把"好吃"变成可计算的公式

传感器只是"耳朵"和"舌头"，真正让这门学科成立的，是背后正在形成的新范式——风味组学（Flavoromics）与感官组学（Sensomics）。

风味研究的核心挑战，在于建立主观人类感官体验与风味化合物客观分析之间的可解释因果联系。一杯红酒里有800多种挥发性化合物，到底哪几种决定了"单宁细腻""余味悠长"？过去靠老师傅经验，现在靠高通量指纹分析和数据驱动模型。

研究者已经不满足于静态评分。传统感官评价多为"入口后打个分"，是终点式的静态评价，无法刻画风味从入口、达到峰值到余味消失的动态变化。新的时间-强度测试（TI法）会记录整条曲线：最大强度是多少？曲线下面积多大？衰减速度多快？"醇香""醇厚""满口感"这些模糊词汇，正在被转化成一条条有坐标、有面积、有斜率的曲线。

鼻前嗅觉（用鼻子闻）和鼻后嗅觉（食物在口腔中加热后释放、从咽喉反冲到鼻腔）的差异，也被纳入了研究视野。这解释了为什么有些菜闻着一般、吃起来却很香——两种嗅觉路径激活的脑区完全不同。

04 现实的边界：为什么"妈妈的味道"无法复制

但量化远远没有到"完美"的地步。

第一个难题是动态性。风味不是一个常数，它是一个随时间展开的过程：前调、中调、尾调，入口三秒、咀嚼十秒、吞咽后三十秒，每个阶段的感知都在变化。静态传感器很难完整捕捉这条动态曲线。

第二个难题是个体差异。同一份食物，四川人觉得"微辣"，广东人觉得"受不了"；年轻人觉得"清爽"，老年人觉得"没味"。评价人员的训练程度、术语定义不统一，都会降低不同研究之间的可重复性和可比性。用机器学习去拟合"千人千味"，本质上是在处理一个永远在漂移的目标函数。

第三个难题，也是最根本的：食物的风味体验，从来不是孤立的化学信号。它和餐厅环境、同桌的人、当天的心情、童年的记忆深度绑定。一块巧克力在实验室里被测出完美的风味曲线，和在冬夜回家后从冰箱里拿出来咬一口的那块，分子组成可能完全一样，但带给人的体验天差地别。

这就是"妈妈的味道"无法被量化的原因——它的信息不只在食物里，也不在传感器里，而在吃的那个人身上。

05 未来：当服务机器人拥有比人更灵敏的舌头

尽管边界清晰，技术前进的脚步没有停下。

科研人员正在推动感官AI设备小型化、芯片化。未来的服务机器人有望搭载这套感知系统，拥有比人更加灵敏的感知能力——人类鼻子大约能识别一万种气味，而电子鼻通过传感器阵列和模式识别，理论上的识别上限只受限于传感器数量和算法模型。

在食品工业端，这套系统正在重塑研发流程。新品开发不再依赖"找五十个消费者来盲测然后打分"，而是先用风味组学扫描成分库，用AI预测哪几种化合物组合最可能命中目标人群的偏好，再做小批量验证。研发周期可以从年级别压缩到月级别。

在消费端，想象空间同样巨大。智能冰箱可以通过气味传感器判断水果的成熟度和保鲜期；智能咖啡机根据你前一天的饮用习惯和当天的睡眠数据，微调萃取参数；餐厅后厨用电子舌实时监控每一锅汤的浓度稳定性，不再依赖老师傅每天早上舀一勺尝一口。

美食的"色香味"能不能精准量化？答案正在变得清晰：在工业标准化、品质控制、研发辅助这些场景里，量化已经是现实；但在"好不好吃"这件事的最终裁判权上，人类的舌头和大脑，依然是不可替代的终点。

技术能做的，是把那些模糊的、说不清楚的感受，一点点拆解成可测量、可比较、可优化的数据。它不会消灭美食的浪漫，只会让这份浪漫，有了更精确的表达。