会“闻味儿”的AI来了，工作量堪比气味评价员连

一、技术破壁：AI 如何学会 “闻味儿”？

核心架构：图神经网络的 “嗅觉大脑”

不同于传统电子鼻的单一检测，Osmo 团队采用消息传递神经网络（MPNN） —— 一种图神经网络（GNN）变体，通过模拟分子结构的拓扑关系，建立化学结构与气味感知的精准映射。模型以 5000 种已知气味分子为训练素材（含 “果香”“花香” 等标签），最终形成可量化的主气味谱图（POM），实现从分子结构到气味描述的直接转换。

效率密码：50 万分子的 “数字嗅探”

人类评价员需连续工作 70 年才能完成的气味标注，AI 通过 POM 计算仅需极短时间 —— 这不仅覆盖已知分子，更包含大量未合成的潜在气味分子。其秘诀在于 GNN 对 “结构 - 气味反常关系” 的处理能力：面对结构相似但气味不同的分子，模型准确率达 50%，远超传统随机森林模型的 19%。

二、性能对决：AI vs 人类评价员

维度

AI 系统

人类评价员

判断准确率

53% 分子 / 55% 气味词优于人类均值

个体差异大，可重复性差

工作效率

50 万分子瞬间映射

单分子评估耗时，70 年才能完成同等任务

环境适应性

不受疲劳、情绪影响，7×24 小时工作

易受环境、身体状态干扰

极限探测能力

识别 ppm 级浓度 VOCs，灵敏度达十亿分之一

依赖经验，微弱气味分辨力有限

AI气味、气味大模型、气味机器人

注：AI 仍存在短板 —— 对罕见气味判断正确率两极分化，且暂无法完全替代调香师的艺术化创作。

三、产业冲击波：从实验室到生活场景

1. 医疗健康：“气体活检” 的无创革命

日本搭载 AI 嗅觉的机器人可通过呼吸检测糖尿病酮症（准确率 89.3%）、伤口感染（特异性 91.5%）；

韩国 AI 电子鼻通过分析呼出气体中的挥发性有机物（VOCs），实现癌症、帕金森等疾病的早期筛查。

2. 工业与安全：全天候 “气味哨兵”

智能制造：变电站机器人提前 2.3 小时预警设备过热故障，效率提升 40%；

食品安全：实时检测食材新鲜度与农药残留，将传统检测周期从数天缩短至分钟级；

公共安全：对火药残留的检测限低至 0.01μg/m³，可替代警犬执行安检任务。

3. 消费创新：个性化气味定制

Osmo 已实现突破性应用：通过 “捣碎 - 分析 - 生成” 三步法，AI 可复刻李子香味（传统方法需博士 + 调香师团队 4-8 周），更创造出 3 种全新香料 —— 而传统发现新香料需 7-10 年。未来智能冰箱可预警食物变质，智能马桶能完成健康初筛，形成个人 “气味健康档案”。

四、未来挑战与突破方向

技术瓶颈

复杂混合气味的解析能力待提升，传感器长期使用易漂移；

罕见气味数据匮乏，需依托 MIT SMELLNET 等大规模数据集补充训练。

创新路径

材料融合：韩国团队用激光加工石墨烯 + 二氧化铈催化剂，将气味识别准确率提至 95%；

多模态协同：人形机器人实现嗅觉与视觉、听觉的融合感知，提升环境交互能力。