AI 读完了 170 万份配方,却依然闻不到那朵桂花

◆ 一、它先学会的不是"闻"，是"配"

2018 年 10 月，IBM 研究院与香精巨头 Symrise 公开了一个叫 Philyra 的系统。

它的训练材料不是气味，是约 170 万份历史配方。给定一个创作简报，它从海量组合里挑出人类调香师可能想不到的搭配，再由人上纸、上手、上皮肤去闻。

2019 年，它的第一个商业成果出现在巴西市场。此后，这套"机器提案、人做判断"的分工，成了行业默认姿势。

◆ 二、三家巨头，三种野心

奇华顿 Carto：2019 年上线，调香师在平板上实时探索配方走向，官方口径是预配方时间缩短 30%—50%

芬美意 EmotiOn：把配方结构与"消费者情绪反应"做映射，先猜你会有什么感觉

Symrise Philyra：继续站在"历史配方"这条线上，做组合搜索

Osmo：2023 年从谷歌研究体系分拆，同年在《Science》发表气味地图研究，试图给"气味"建一套坐标

需要说清楚的是，这些系统没有一个能独立交出成品香水。它们压缩的是探索期，不是判断期。

◆ 三、卡住的地方：中国原料的数据几乎是空白

算法不怕复杂，怕没数据。

法国格拉斯有上百年的原料档案、感官评价记录和产区气候数据。而中国的桂花、陈皮、普洱、沉香，长期停留在"老师傅的经验"和"口头描述"里——没有统一描述词，就没有可训练的标签。

这也是为什么上海在《上海（徐汇）国产高端香化产业集聚区建设方案（2026—2028）》里，把"AI 调香"和"特色新原料""功效检测""合规备案"并列写进了同一张清单：算法、原料、标准，本来就是一件事。

◆ 四、合香，其实早就是一套"算法"

有意思的是，中国古人做合香，讲"君臣佐使"——君药定主调，臣药辅之，佐药制衡，使药引路。

这本质上就是一套配伍规则：给定目标，按权重组合，控制冲突。只是它跑在人脑里，靠师徒口传，没有写成数据库。

所以我常说，传统不是算法的对立面。传统是一套还没被结构化的算法。（这是判断，不是结论。）

◆ 五、企业能拿走什么

AI 调香真正值得学的，不是技术，是方法：把老师傅的"手感"拆成可检索、可复现的参数。

企业里那些"只有某个人会做"的环节——客户接待的分寸、提案的节奏、审美偏好——都是尚未数字化的"配方"。谁先把它写下来，谁就先拥有可复制的能力。

（本文插图由 AI 生成）

如果给你一段记忆配一种味道，你会选哪一段？