可口可乐、雀巢、蒙牛跑步入局，借AI革新食品饮料行业？_

文：Orient Ye

来源：Foodaily每日食品（ID：foodaily）

在预告发出的十个月后，12月10日凌晨OpenAI（ChatGPT的研发公司）正式发布Sora，一时间点燃了整个科技圈。仅凭用户的文字或图片输入，Sora便能直接生成一段20秒的1080p视频，再一次引发全世界的关注和讨论热潮。

而在食品行业，AI技术也正深入到研发、生产、质量控制和供应链各环节中，并悄然改变着食品饮料企业的创新流程和人们的饮食体验。

去年7月，Foodaily发布《AI食品：更可口，还是更烫手？》一文，系统总结了AI技术在食品饮料行业中的应用前景。一年多过去，AI对于行业创新的推动作用日益明显，在国内，AI的商业化应用也不再只是隔岸观火，而是真正的落地到企业的经营策略里。

国内食品企业应用AI到了怎样的程度？在传统食品饮料制造业推进AI应用，会遇到哪些挑战？未来AI会向哪些方向发展？日前Foodaily走访了国内知名AI解决方案供应商Profet AI与数字化转型服务先锋企业友达数位，针对上述问题进行了深入探讨，以期给食品饮料从业者更多启发。

1 越刮越猛的AI食品风潮正在颠覆行业创新

根据麦肯锡的2024 年人工智能现状调查报告显示，过去一年内人工智能的实施案例呈显著增长：72% 的组织报告在至少一项业务功能中使用人工智能，远高于过去六年的 50% 左右。

中国食品行业的AI之路起步虽晚，但短短两年间，从营销到包装，再到设计，涌现出一大批跨界AI的食品饮料产品。各大食品厂商纷纷推出自己的AI共创产品，不断加注AI的产业应用深度。

比如去年11月，联合利华宣布计划开设首个专注于人工智能的实验室，其员工将在这里利用AI优化后的数据，增强洞察力以探索新趋势。可口可乐则利用AI设计全新口味和包装，于去年9月推出“未来3000年”的限定款可乐。

初创企业也在利用AI工具革新传统的产品开发模式。越是专注于细分赛道，AI所带来的颠覆能力可能会越大。

国内AI+蛋白质结构计算与设计平台型企业智峪生科其首个产业化项目——天然香兰素，已完成美国FDA和欧洲EFSA GRAS “天然风味”标准的认证，价格远低于天然提取物，并且产能不受种植产量和气候限制。

TraceGains 的全球调查数据显示：大多数食品饮料品牌都在今年寻求人工智能技术来提高竞争力——36% 的品牌已经在新产品开发中测试该技术，53% 的品牌在考虑将其用于成分采购和产品配方。

AI赋能产品开发仅是其巨大潜能中的一个方面，近年来AI针对食品饮料制造端口的升级改造更是来势汹涌。

10月8日，世界经济论坛公布最新一批“灯塔工厂”名单，蒙牛集团旗下宁夏全数智化超级工厂成功获得 “灯塔工厂”认证，成为中国乳业首家获批的灯塔工厂，也是全球首家获批的液态奶工厂。

该工厂创新性地实现战略、运营与AI决策的深度融合，通过数智化应用完成从牛奶到餐桌的产业链、工厂内所有设备的接口连接以及整个系统集成三个全链条打通。在牛奶加工、包装和检测等环节，将交付周期缩短了55%，经营成本降低32%，极大改善了经营效率和产品质量。

在看到一些企业应用AI后产生巨大价值的同时，Profet AI 大陆总经理郑诗怀则指出：国内食品饮料行业推进 AI 的进度在整个制造行业里仍显较慢，大部分还是比较拔尖的企业，主要因为食品饮料制造业整体的自动化和数字化程度较低。

从配方到参数，到整个产业结构，再到企业经营指标分析，这一系列数据都会在AI应用当中会发挥至关重要的核心价值。时下，每一条工业赛道都在重新布局，整个产业链在加速重组。企业的核心竞争力就是在大量工业数据积累下对AI能力的掌握。

友达数位总经理赵丽娜则表示：从友达数位及旗下子公司友达智汇、艾聚达服务的1,000多家客户来看，未来具备竞争力的企业，必定是AI应用出色的企业，这也是众多优秀企业的共同特征。

2 AI赋能食品饮料行业既是机遇也是挑战

当前利用AI进行产业赋能已是大势所趋，但大多数食品企业并不清楚如何用好这个工具，或者如何将AI引入产品开发和制造产线中。同时，AI的应用不该只是巨头的游戏，也是中小品牌翻盘的机遇所在。

在以AI为核心的新一轮产业竞赛中，其价值要素逐渐放大，值得企业迅速地投入资源和人力去推进AI落地。

1、助力产品开发，AI应用数据是关键

过往在设计新产品时，从想法到产品发布可能需要很长时间。AI的出现，正在逐渐改变原有的产品设计思路。

例如，味全借助Profet AI平台建立起风味图谱，通过AI发现消费者的感官认知与配方成分的逻辑关系，从而加速开发出新风味产品。目前味全已与Profet AI合作培养数据科学家，在咖啡感官、需求预测、配方解析等方面进行应用。

伊利利用AI对其搜集到的世界各地消费者数据进行分析，扫描出四个最感兴趣市场的数据，即中国、东南亚、日本和美国，并根据来自不同平台的数据开发出针对目标市场的产品。

伊利几年前便开发出自己的人工智能平台 Chat-GPT 内部版本，称为 Yili-GPT，曾试图在内部使用它来解决各个业务领域的问题。但最终认为其在产生结果方面“有用但有限"，AI在解决产品和概念创建相关问题时非常有效，但不能仅仅依靠AI来创造所需结果。

总结大量实践经验后伊利发现：AI的优势在于加快创新和提高效率，能够更准确、更快速地分析和理解数据。这些数据不仅包括社交媒体上发现的消费者趋势，还包括成分、法规、标准、风味概况等信息，所有这些都可以使用AI进行分析，以加快基于新趋势的配方制定。

Profet AI认为：借助AI分析区域消费者的喜好和趋势，甚至将其应用在私域用户数据分析上，推出有针对性的产品，正成为食品饮料界推出创新产品的全新工作流程。

在这个过程中，企业需要构建全价值流数据的应用，最终形成企业策略和战略级的调整。即基于细分市场的用户数据分析，形成从设计，到产品研发，再到生产制造的整个企业层面的应对措施，这样才能够使企业拥有更好的市场表现。

联合利华便借助AI强大的计算能力，针对新产品开发和工厂配方迅速迭代，彻底改变了其生产食品的方式，加速了生产过程，最终推出包括 Knorr Zero Salt Cube和Hellmann’s 纯素蛋黄酱在内的多款新产品。

在AI应用上抢占先机的企业，都拥有极其强大的数据资源作为支撑，以训练和优化AI系统。友达数位赵丽娜表示：在未来的工业竞争中，AI将扮演至关重要的核心角色。而有效利用AI的关键则在于数据，无论是通过外部咨询机构获取的数据，还是企业内部积累的数据资源。

当前国家正在推行“数据资产入表”的相关政策，在此结构变化下大众消费型产业的数据资产在未来也一定具有非常关键的价值。

食品饮料企业只有站在具有大量优质数据的基础上才能够将AI的力量充分发挥。那些自动化和数字化程度高的企业，多年积累的数据优势，也使得其在AI的升级改造中遇到的阻力会小很多。

2、制造端口升级，借助AI如何发力？

除了在产品开发中引入AI的力量，对于传统制造过程中依靠人工经验的这一部分，食品企业也在尝试利用AI将其可替代化，并且形成可以传承的数据模型，提高效率并减少对人的依赖。

Profet AI在给徐福记设计AI系统时，对工艺参数的优化就是一个重点。徐福记的沙琪玛没有用一滴水，全部采用鸡蛋液，中间的很多烘烤工艺过去大多以来是通过工程师的经验调控，现在可以借助AI搞清楚众多工艺参数如何优化获得最佳效果。

在食品制造中，AI被普遍用来检测和识别食品中的潜在问题，改进质量控制流程。例如，三只松鼠在产品质量检测中引入AI实现了对各类异物和缺陷（例如脱氧包异常、包装异常、开口器缺失等）的自动识别和剔除。

雀巢的越南Bong Sen工厂依靠AI检测生产线中的缺陷并最大限度减少浪费。自从实施该质量控制系统以来，生产效率提高了60%，浪费则减少了15%。

友达数位指出，智能工厂建设是旗下子公司友达智汇的核心服务项目之一。根据友达智汇在助力企业构建智能工厂过程中积累的丰富经验，智能工厂的建设通常涵盖五个层级：首层为自动化（Automation），紧接着是物联网（IoT）集成，第三层实现信息化，随后进入AI应用阶段，最终顶层构建企业级监管平台，如企业资源计划（ERP）管理软件。唯有全面实现这五个层级的建设，方能真正被定义为智能工厂。

3、优化供应链，叠加效率和可持续的双重Buff

当前，食品饮料行业的供应链管理已不再仅仅依赖传统的物流数据，而是融合了多维度的动态信息来源，包括IoT设备监测、货物交付状态、天气变化、社交媒体趋势以及宏观经济状况等。

这些数据如同供应链管理的神经网络，在AI辅助下为企业提供了前所未有的洞察力，显著提升了库存管理的精确度，降低了运营成本，并加快了供应链的响应速度。这种数据驱动的供应链变革为客户提供了更为优质的购物体验。

例如，沃尔玛正通过AI创建一个更敏捷、更有弹性的供应链，确保始终如一的高质量服务。赵丽娜透露，全家也正在他们的帮助下对整个台湾的仓库物流系统进行升级改造。百胜中国也在进行的AI驱动的智能网络规划系统升级，通过使用混合整数规划，该系统能够建议最有效的物流解决方案，确保整个工作流程中的门店运营顺畅。

人工智能驱动的系统还能够通过分析材料、使用模式和回收过程的数据，帮助确定减少包装浪费、优化回收包装设计以及采用更环保做法的机会，提升产业链的可持续性。

比如，IBM 开发了一种名为IBM Food Trust的人工智能系统，可以通过供应链跟踪食品，更快、更准确地识别污染源，监控产品浪费、损失程度和对有效期的跟踪，每年能节省1500亿美元的食物浪费。

在得到充分的数据训练之后，AI能够对供应链的调度策略进行优化，提升了整体供应链的效率，对于供应链的价值已被证明。但是如何整合供应链的全链路数据，并将其调度和决策能力下放给AI对于大多数企业仍是一个巨大的挑战。

4、实际AI应用，企业需要做好哪些认知准备？

由于AI的当前技术应用仍处于产业前沿阶段，一些企业担忧AI实施造成的成本负担过大，多处于观望状态。

友达数位表示，根据以往实际实施的案例来看，企业应用AI的初期投入成本，相较于应用后所节省的总成本而言，仅占很小比例。而AI为企业带来的边际效益则极为显著，一旦部署完成，其正面影响能迅速扩展至整个业务范畴。

Profet AI在辅助一家企业数字化的过程中，一年里共实施了900余个项目(并非每个项目看起来都很大，其中有些可能只是建立了一个模型），最终帮助企业节省了数亿成本，而这家企业的年产值也不过百亿。

在采访中，赵丽娜指出，企业对于AI常存在一些误解，例如认为一旦AI系统建立便能一劳永逸。然而，实际上，AI并非一个仅需短期投入的成本项目。鉴于AI技术的快速发展，系统的建立仅是起点，后续还需企业不断投入以进行产品迭代，这要求企业具备持续投入的坚定决心与毅力。此外，AI的应用并不会立即产生巨大价值，它要求企业在数据准备与认知层面具备坚实基础，方能推动技术落地并取得实效。

企业在推进数字化和AI进程中，常面临四大导致失败的关键因素：一是高层缺乏共识，这会阻碍企业的创新与发展；二是缺乏明确的推进路径，缺少专业的操盘手或团队来引领；三是团队能力不足，企业内部缺乏掌握AI技能的新型数字人才；四是缺乏持续指导，企业在学习现有案例后，未能获得对后续更新迭代的分析与指导。若能有效解决这四个障碍，企业构建AI系统的道路将更为顺畅。

图注：友达数位企业可持续发展研究院基于丰富的最佳实践研究，针对上述四大挑战，为企业数智化转型精心提炼出一套极具指导意义的【W模型】。该模型通过【IIA工作坊】认知升级激活组织，确立共同愿景与方向；通过【FDI】诊断规划，构建转型蓝图、实施路径、具体项目及所需资源；通过【UAD九套拳】裂变式赋能，实现全员数字能力的构建；并通过【数字化SIP】能力提升、持续改进与效益增长的CBI循环，驱动体系变革。这一模型旨在引领企业稳步踏上正确的转型之路。

总体来看，目前企业在AI上能走得多远，主要是看其数据拥有量，产线自动化程度以及企业下注AI的决心。但不可否认的是，在AI加持下，商业价值信息差的权重进一步被放大，抢先利用AI的玩家无疑会凭借先发优势抢占市场先机。

3 食品×AI未来的想象空间还有多大？

友达数位企业可持续发展研究院提出了一套独家方法论，将企业的信息化、智能化升级历程分为4个阶段，即企业核心要素升级路径 “TeiM”。

“T”为体系驱动时代，就是给每个工作场景找到一个根，构建标准化体系，人员管理的根是TWI、设备管理的根是TPM、品质管理的根是TQM；e为流程驱动时代，即利用IT技术实现线下到线上的转变，T时代构建的体系最终落地于流程，e时代就是用信息化系统固化流程，包括正常流程的IT信息化和异常流程的IoT数据追踪；i为数据驱动时代，即AI应用的时代，把e时代产生的数据加以分析、建模和应用，构建数据驱动的数字化经营中心；M 则是模型驱动时代，即元宇宙时代，在T、e、i三个时代基础上，运用大模型、数字人、数字孪生等多种前沿技术，实现模型驱动和赋能人，创造虚实融合的智能企业。

注：TWI(Training Within Industry)：二战期间美国战争部制定的一系列培训计划，旨在快速培训工人，以提高生产效率并满足战争物资的需求，该计划在战后继续在欧洲和亚洲进行帮助重建，并之后成为丰田生产系统和美国国防部资源开源管理系统的基础；TPM（Total Productive Maintenance，全面生产维修）设备管理是一种以设备综合性能提升为核心，以全员参与的维修方式为手段的管理制度。它强调预防重于治疗，通过系统、规范、科学的管理，使设备始终处于最优状态，从而提高生产效率，降低生产成本；TQM(Total Quality Management)：即“全面质量管理”，是以质量为中心，全员参与的一种企业管理手段，通过让所有员工受益，提高产品质量，让客户满意来使企业得到长远发展。

赵丽娜指出，当前国内大多数企业仍处于信息化到AI应用的第二至第三阶段，仅有少数企业开始关注元宇宙时代。然而，随着革命性技术突破的不断涌现，企业迈向TeiM模型第三乃至第四阶段的速度有望大幅加快。

OpenAI今年发布的GPT-4o模型可以实时对音频、视觉和文本进行推理，彰显着多模态交互的AI新时代已经到来。AI将不再是只能处理单一数据来源的技术解决方案，而是能够同时处理文字、声音以及图像等多个信号输入并及时给予反馈，其应用价值进一步放大。

多模态技术的产业应用，标志着面对更多过去工况复杂且只能通过人力解决的生产制造流程，或许可以完全被替代和改善，从而进一步解放生产力。

近年来，机器人技术也伴随着AI技术同步发展，如Tesla刚于10月发布的Optimus机器人其已初步具备高度智能化人形机器人的雏形，或许在未来几年内便会真正实现。

Statista的数据显示，到 2030 年全球食品行业应用的机器人数量将增至约 54 亿台。人工智能与机器人的无缝集成将重新塑造食品行业的未来，从而刺激创新、提高效率和更多可持续性。

机器人将在生产线上扮演更灵活的角色，比如在精确切割、装瓶、分拣等环节，机器人能够快速适应不同规格的生产需求，精准度和效率远超人工。更为智能的机器人将能够依据实时数据调整生产速度、优化生产步骤，大幅降低生产线的停工时间。

2023 年，澳大利亚食品企业Kilcoy Global Foods 率先推出首创的 AI 机器人肉类切割系统，旨在重复的切割任务中提高产量、安全性和准确性。

自动化解决方案国际巨头Rockwell也在今年6月宣布，将整合 Nvidia 的人工智能机器人开发平台到 Rockwell 的 Otto 自主移动机器人中，这些代号为 Isaac 的机器人将适用于各类生产制造场景中。

通用型人工智能（AGI）的实现则是AI发展的下一个重要阶段，据Deepmind CEO 德米斯·哈萨比斯（2024年诺贝尔化学奖得主）的保守估计，十年内AGI时代就会到来。而大多数人工智能从业者则认为，5年内AGI便可实现。

AGI可以通过基因组学、代谢组学等多学科数据，自动探索和研发新型食品配方或生产技术，极大缩短产品开发周期。AGI与未来机器人相结合后，食品制造工厂极有可能会变成一个真正意义上的无人工厂，所有食物都将由其开发、生产制造和配送。

在不久的将来，具有实时感知、实时思考、实时决策的AGI，或许将从科幻走进现实，开启人类与人工智能协同进化的新纪元。而我们的饮食方式和产品形态也将发生重大改变，最终重塑整个产业。

4 小结

今年3月发布的《国务院政府工作报告》首次提出“人工智能+”行动，并将“大力推进现代化产业体系建设，加快发展新质生产力”列为2024年政府工作的首要任务。

Mordor Intelligence发布的报告显示，全球人工智能在食品和饮料行业的市场规模预计在2024年达到96.8亿美元，并以38.3%的速率增长，2029年将逼近500亿美元。

在当下如火如荼的第四次工业革命浪潮中，不少企业在面对如何应用AI存在着数据积累、认知缺乏以及人才密度低等诸多不足之处。然而Profet AI、友达数位等人工智能解决方案商及数字化转型服务商的入场，无疑加速了AI向传统制造业落地、融合的进程。Foodaily期待未来有更多的AI参与食品饮料制造的案例出现。