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。
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ProfetAI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。
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EFSAGRAS“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，ProfetAI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。
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
例如，味全借助ProfetAI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ProfetAI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。
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。
ProfetAI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KnorrZeroSaltCube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。
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。
ProfetAI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BongSen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
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IBMFoodTrust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。
ProfetAI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。
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(TrainingWithinIndustry)：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（TotalProductiveMaintenance，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(TotalQualityManagement)：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。
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。
2023年，澳大利亚食品企业KilcoyGlobalFoods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DeepmindCEO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。
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。
MordorIntelligence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ProfetAI、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。