AI 现在不只学说话,还开始学闻味了,而且它闻香水的水平,已经被一家公司说成追上了人类调香师。
这家公司叫 Osmo,做的是所谓“数字嗅觉”。在新泽西机场附近的一间实验室里,大约 30 名受过训练的人类闻香师,每天的工作就是把世界上各种气味逐一闻一遍,再写下“坚果味”“桃味”“海水味”这样的描述。另一边,化学分析设备把这些气味拆成分子和浓度。人的鼻子负责给感受打标签,机器负责把感受翻译成化学式,两边合起来,才是 AI 能吃的训练数据。
这件事难就难在数据太少。Osmo 的创始人说,在公司动手之前,现有数据库里人类对气味的描述加起来不到 20 万条。香水行业又长期把配方当商业机密,传感器设备还贵,没人愿意把数据摊开。Osmo 自己建了一套数据:超过 1000 万条人类标签,8 亿个“气味词元”,把某种分子、某个浓度、某段气味之间的关系一条条记下来。它还造了一台像校车那么大的“气味打印机”,按配方把不同原料混成样品。你在屏幕上输入一句“葡萄牙蛋挞味、面向 18 到 23 岁男性”,它几分钟就能给出几组气味方案和对应的分子清单,约一周后就能做出样品。
数据一多,AI 就开始找规律。把气味分子换一个比例,人闻到的可能是完全不同的东西。Osmo 说,定义“新生儿身上那股味”的气味词元,和刚出锅的意大利面有很大的重叠。这个说法听着离谱,但它恰好说明气味不是一整块,而是可以被拆成“积木”的。盖茨基金会最初投了 500 万美元,后来又给了 350 万美元资助,让 Osmo 去筛驱蚊分子,结果它找出 8 种比 DEET 更驱蚊的物质。它还与球鞋交易平台合作,用材料挥发出来的气味差异去识别假鞋。
但“能闻”不等于“真懂”。气味科学家里有人公开质疑 Osmo 的营销说法,指出它的专利文件里仍然大量依赖人类感官评审小组和调香师,而不是纯 AI。更关键的是上下文。法国卡芒贝尔奶酪和用过的尿布,有一部分气味分子是相同的,人却不会混淆,因为人知道自己在闻什么、在什么场景里闻。AI 拿到的是一组分子,缺的正是这层场景判断。
所以,AI 鼻子最先落地的地方,不会是医院诊断,而是香水、食品、化妆品、假货识别这些“气味相对封闭、场景相对固定”的工业环节。它能帮你判断一批原料是否一致,能帮品牌把调香师的直觉变成可复制的配方,也能在生产线上闻出腐败和异常。可要让它闻出疾病、闻出危险品,传感器、数据和使用场景还得再往前走一大步。
这就是 AI 嗅觉现在的真实位置:它不是造了一个电子鼻,而是造了一套把气味翻译成语言、再把语言翻译回分子的系统。鼻子只是入口,真正值钱的是那本越写越厚的气味词典。


