本周,法国乳制品巨头Bel Group宣布与Climax Foods建立合作伙伴关系。Climax Foods是一家AI驱动的食品初创企业,由前谷歌数据科学负责人兼天体物理学家Oliver Zahn创立。

此次合作希望借助人工智能的力量为传统乳制品开发植物基替代品,确保新产品继续保持与动物基乳制品相同的味道、口感和营养成分。
Bel Group公司 CEO Cécile Béliot表示,此次合作是该公司联合创新战略的典型案例,希望将Climax Foods的AI平台与专业知识同Bel在乳制品行业的长期经验积累结合起来。
就在去年,食品行业已经出现过类似的合作先例。卡夫亨氏公司与NotCo宣布合作,后者同样以AI科技为业务核心,希望探索生产植物性乳品、肉类、奶酪及其他蛋白质替代产品。
卡夫亨氏CEO Miguel Patricio强调,双方建立的合资企业“是我们产品组合转型的关键一步,也是对我们品牌价值设计能力的重要补充。此举有助于实现我们的愿景,即为消费者提供更清洁、更环保、更美味的产品。我们相信NotCo提供的技术正彻底改变食品行业的运转思路,能够以更简单的成分创造出美味的植物性食品。”
但这波趋势因何而起?为什么全球多家食品业巨头纷纷选择与AI初创新贵联手?
这些合作项目的背后拥有双重驱动力:一方面是要解决大企业可持续发展的战略目标,另一方面则是破解传统食品生产中的种种局限性。例如,Bel Group希望乳制品与植物性产品之间实现“五五开”的完美平衡;Béliot则强调“探索新领域、开发创新解决方案,为所有人定义出新的食品发展前景。”
卡夫亨氏企业战略部门总监David Shaw回应了这些观点,指出该公司正努力在不影响口味的前提下,实施更具可持续性的农业实践方法。“我们不能阻止人们继续消费肉和奶制品,我们唯一能做的就是将有益于地球和身体健康的成分与风味,更多融入消费者的日常生活。”
但更大的挑战在于,这些大公司往往不具备发现有助于激发公众想象力的新型食品主材的能力。食品巨头们明显更擅长推动渐进式变革——通过引入新口味、减少碳水化合物比例和脂肪含量等改善现有产品,但这种打补丁式的改良效果终究有限。毕竟经过半个多世纪的经验和工艺延续,食品巨头们对于传统食品生产方法已经产生了级为严重的路径依赖。
AI健康创业公司Nuritas首席医疗创新官Andrew Franklyn-Miller表示,传统食品品牌和医疗保健行业一直在努力将消费者引导向更健康、更可持续的替代品。在他看来,AI驱动的发现能够与实验室研究成果相结合,以前所未有的方式释放天然营养素的潜力。
Franklyn-Miller在最近的采访中强调,“如果没有AI,我们能做到这一切吗?至少就之前的情况看,恐怕是不行。我们虽然意识到高脂肪含量食物的危害,也意识到了高碳水比例食品的问题,但从广义上讲,新产品中的营养素配比并没有多少实质性的改善。”
Franklyn-Miller补充道,药品并不是解决问题的好办法,更多应当将实验室的研究成果跟神经网络驱动的AI工具相结合,找到有益于环境和人体健康的天然来源营养素。
“我们都知道,考虑到药品可能带来的种种副作用,很多人并不喜欢长期服药。但如果不能融合实验室中的生物学研究和发现,我们就没法释放自然资源中的全部潜力。所以我认为,考虑到营养策略本身的极高计算复杂性,我们必须依靠AI的力量。”
而食品业巨头的优势在于巨大的业务规模。虽然Cimax Foods、Shiru、NotCo等初创公司能够利用AI等新兴工具改造传统食品发现方法,但却缺乏能够适应大众消费需求的生产原料和成品制作资源。因此,他们必然需要联手更有经验的合作伙伴以将业务思路转化为现实。
在这些环节中,老牌大厂同样有其局限性。因为一旦发现了新的营养物质和可用食材,相应的成分和食物成品往往涉及新的生产方法——例如精准发酵、细胞培养甚至分子农业。为了弥合其中的技术差距,知名食品企业必须与在这些新兴领域拥有知识产权和专业积累的年轻公司建立起合作关系。
食品行业正处于老牌大厂争相转型的关键时期。巨头们对替代性蛋白质的早期探索可谓喜忧参半,部分公司已经决定停产,也有一些公司决定收缩创新和研究计划。
但也有一些大企业决定继续坚持下去,也正是他们在积极寻求AI技术的帮助,希望开发出具备可扩展性的新型食品产能。而谁能不忘初心、在这条道路上走得更快更稳,谁就将引领整个食品行业的未来发展。
好文章,需要你的鼓励
摩根士丹利最新分析显示,到2030年欧洲银行业可能削减超过20万个工作岗位,约占35家主要银行员工总数的10%。裁员主要集中在后台运营、风险管理和合规等领域,银行预期通过AI技术实现30%的效率提升。荷兰银行ABN Amro计划到2028年裁员五分之一,法国兴业银行CEO宣称"没有什么是神圣不可触碰的"。高盛也警告美国员工将实施裁员和招聘冻结。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
Safe软件CEO唐·默里认为,AI作为助手不可或缺,但绝非权威。他指出,在工程等高精度领域,AI准确率仅达80-90%,远低于99.999%的要求,因此必须保持"人在回路中"模式。默里担心企业过度依赖AI而不培养初级员工,当资深专家退休后将面临人才断层。他强调AI应用于提升团队整体水平,帮助初级员工快速成长,协助资深员工提高效率,但人类专业判断不可替代。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。