酩悦轩尼诗利用AI传感器提前识别新鲜蘑菇气味

酩悦轩尼诗、Analog Devices以及加州大学戴维斯分校的研究人员正利用传感器和机器学习技术，检测葡萄酒缺陷的早期化学迹象。他们表示，这项技术有望帮助酒庄以低于许多传统检测方法的成本，更早发现质量问题。

周二公布的相关信息介绍了一套系统：它分析葡萄和葡萄酒释放的化学特征，并利用人工智能标记与未来质量风险相关的模式。这项工作建立在麻省理工学院早期研究的基础上，目前正通过这家奢侈品饮料集团、芯片制造商和加州大学之间的合作，应用于葡萄酒生产。

该项目的首要目标是一种名为“新鲜蘑菇香气”（Fresh Mushroom Aroma，简称FMA）的缺陷。这种不受欢迎的气味会影响葡萄酒品质，而且在变得明显之前很难识别。据合作方介绍，酩悦轩尼诗罗伯特-让·德·沃盖研究中心的研究人员建立了样本及相关数据库，用于训练机器学习模型识别与这一风险相关的化学模式。

该系统借助Analog Devices的传感与机器学习平台处理广泛的化学数据，而不是只寻找单一标志物。平台随后会识别最重要的信号，并搜寻标准分析方法可能无法发现的关联。相关公司表示，这种方法使模型能够从复杂的生物和化学信息中持续学习，而非仅仅检查预先设定的条件。

根据周二公布的信息，在当前研究中，这项技术早期识别出了新鲜蘑菇香气风险升高的样本；按照传统方法，这种缺陷通常要到更晚阶段才能被发现。这一结果意义重大，因为葡萄酒缺陷在尚未固化于产品之前往往更容易处理；一旦形成，可采取的补救措施可能有限，或成本高昂。

负责研发工作的酩悦轩尼诗执行委员会成员Manuel Reman表示，该项目可能改变生产商在生产过程中对葡萄和葡萄酒的认识。他在随公告发布的评论中说，检测并解读葡萄和葡萄酒的“化学语言”，有助于酒庄在风险显现之前进行预判，并逐步提升韧性。

该项目体现了食品和饮料生产领域更广泛的趋势：引入先进传感技术和人工智能。在这一领域，生物活动、天气、储存条件和发酵都可能使品质迅速变化。葡萄酒的这些变化可能始于葡萄园，并贯穿破碎、发酵、陈酿和装瓶等环节。由于相关化合物可能十分微弱，且彼此作用复杂，如何在这一过程早期找到可靠的化学特征，一直是个难题。

合作方表示，该系统旨在通过结合大量样本和模式识别工具，同时筛查众多变量，以应对这一难题。生产商不必仅依赖人工品鉴小组，也不必等到缺陷开始显现后再通过较慢的实验室检测确认，而是可以利用更早获得的读数，决定是否分开批次、调整处理方式，或加强对特定批次的监测。

对饮料行业而言，这项技术的潜在价值不止于葡萄酒。更早发现异味或稳定性问题，有助于生产商减少浪费，避免有缺陷的产品进入后续生产环节，并推动质量控制从后期补救转向生产过程中的预防。在批次遭拒、产品降级和品牌风险可能损害利润的行业里，即使预警能力只有小幅提升，也可能产生重要影响。

公告没有提供商业化部署时间表，也未说明该系统何时可能在酩悦轩尼诗的业务中大规模应用。公告还未披露系统性能数据、训练数据集规模，或是否正将同一方法用于检测其他葡萄酒缺陷。尽管如此，公布的结果表明，化学传感结合机器学习正从研究走向酒庄更实际的应用。

加州大学戴维斯分校长期以来一直是葡萄酒和葡萄栽培研究的重要中心，其参与为这项行业合作提供了学术支持。Analog Devices带来传感器和信号处理专长，酩悦轩尼诗则提供生产知识和样本数据。这种组合旨在弥补此前尝试将数字工具用于酿酒时的一项短板：缺少足够多、特征明确且来自真实生产环境的样本，难以训练出能够适应生产条件的模型。

合作方表示，项目的更广泛目标不仅是发现某一种特定缺陷，还要深入了解葡萄和葡萄酒在生产过程中发生的生物活动。如果这一方法被证明可靠，就能让酒庄更持续地掌握新出现的风险，并在感官问题于成品酒中显现之前更早采取干预措施。