新加坡国立大学独家专访：从“舌尖玄学”到“数据美食” 当AI成为食品科学家的新味蕾

当你咬下一口网红面包或网红饮料，却发现其风味远不及社交媒体上描述的那般惊艳；当健康饮食成为潮流，你却对琳琅满目的 “功能性食品” 无从判断其真实功效 —— 这些日常生活中的选择困境，恰恰戳中了传统食品工业的深层痛点：风味研发依赖老师傅的 “玄学” 经验，营养评价缺乏清晰标准，新品开发周期长且充满不确定性。

一场静默的革命正在食品科学的实验室里发生。在新加坡国立大学，一位拥有计算生物学与人工智能背景的科学家，正带领团队用代码与算法，为这个经典行业注入新的 “智能”。他们将海量数据、生成式 AI 与食品化学、感官科学深度绑定——既让调香周期大幅缩短，还能挖出人类语言无法描述的潜在风味，更能从植物配方中高效筛选有效的功能成分。这已不是科幻场景，而是正在发生的现实。

近日，《食品万里行》专访组与新加坡国立大学食品科学与技术系助理教授张大川进行了一场深度对话，探寻他如何用 AI 技术推动食品研发从“经验驱动”向“数据驱动”转变。

01 跨界初心：用计算思维重塑食品研发逻辑

关于 张大川

新加坡国立大学食品科学与技术系，食品信息与人工智能研究组组长，助理教授，博导。研究关注于开发定制化的食物数据体系和数据驱动方法，以阐明食物系统的复杂性。他在Sci Adv，npj Science of Food, Bioinformaics等主流期刊发表了50余项研究。获国际食品科技联盟（IUFoST）青年科学家奖、美国化学学会（ACS）欧文·西格尔全球流动奖、中国科学院院长奖，研究获新加坡教育部、瑞士教育研究与创新秘书处（SERI）等机构资助。

谈起自己的跨界经历，张大川博士表示，这次回归并非简单的专业轮回，而是一次有意识的 “方法论迁移”。本科扎根食品专业，而后深耕计算生物学和人工智能领域，当他将目光重新投向熟悉的食品行业时，看到了鲜明的反差。

“食品研发，尤其是风味领域，长期处于‘手工作坊’状态。” 张博士举例，一位调香师的成长需要数十年，其知识往往是隐性的、经验化的——比如 “多放一勺香辛料”“烘焙温度再高 5℃”，这些模糊的表述背后，是难以复制的个人经验。这种模式周期长、成本高，创新还受限于个人认知边界，在追求个性化、快速迭代的现代消费市场中，显得越来越力不从心。

张博士意识到，食品行业其实不缺数据——千年烹饪文化、全球配方库、精细的化学成分分析报告等累计起来堪称 “海量”，真正缺乏的是将数据转化为系统性知识并指导创新的工具与方法。“引入 AI 技术的初衷，就是要解决这一核心矛盾：为食品研发建立一个可量化、可预测、可扩展的科学体系。”

驱动他的远非短期经济回报，更多是对行业的热爱与责任感。“食品关乎每个人的健康与愉悦，但它应有的‘研发属性’与‘科技含量’长期被低估。” 张博士回忆，曾有一家企业在风味选择上遇到难题——由于各地人群的喜好、年龄层次、饮食文化等因素差异巨大，对风味的最终评判难以统一。后来，他们借助AI技术来分析这些复杂的影响因素，辅助完成风味评价。“这种方法为企业提供了更可靠、更科学的依据和标准。”张博士表示，他希望借助跨学科的研究方法，真正提升食品行业的科学水准与创新效率。

02 AI方法论与实现落地的三大基础

如何将抽象的 AI 技术与具体的食品研发相结合？张博士团队提出了一套清晰的技术路径：构建“基础科学大模型 + 专业小模型”的双层架构，而其背后离不开三大基础支撑：

1. 足够的大数据与样本：食品行业累积了海量的数据，包括配方、感官评价、化学成分、消费者反馈等，这是AI模型的根基。
2. 嵌入式计算方法：通过算法将食品科学问题转化为可计算、可建模的任务，实现从“描述”到“预测”的跨越。
3. 场景化应用开发：在基础模型之上，针对具体研发场景（如风味生成、营养挖掘、安全评估等）开发定制化的专业小尺度模型，实现精准赋能。

“我们的研究方向是‘食品信息学与人工智能交叉研究’，食品是出发点，AI是核心工具之一。”张博士解释，团队不拘泥于传统的食品科学分类，而是提炼各领域的共性科学问题，将其转化为数学模型或AI可处理的任务。

“基础科学大模型”如同一位通读了海量食品科学知识的“百科全书式专家”——训练数据涵盖数百万甚至更多的样本。而针对特定场景开发的“专业小模型”，则像是专注某一领域的“资深工匠”。比如专门生成烘焙香气的模型，会基于架构训练，输入“焦糖味 + 坚果香 + 低甜感”等自然语言描述，就能映射到对应的香气分子组合，并给出工艺参数建议；再比如预测成分抗氧化活性的模型，能快速筛选潜在功能原料。

这种架构兼具系统性与灵活性：大模型保证认知的广度与逻辑一致性，小模型则能快速切入具体研发痛点，避免了单一模型“泛化能力弱”或“专业度不足”的行业难题。

研究团队的开发的食品AI在线平台 Foodmole (https://www.foodmole.net/)

03 应用实践：AI 破解食品行业三大核心痛点

基于上面的方法论，张博士团队在食品风味、营养、安全与可持续性三大核心领域取得了一些代表性成果。

在风味研发上，传统调香如同在黑暗中摸索，试错数十上百次次，达标率却很低。而AI实现“理性设计”：生成式模型可根据目标风味描述自动生成香气配方组合，将试错次数降至5-10次，达标率提升至73%，研发周期从数个月缩短至数周。针对感官评价受地域、文化影响大的问题，团队借助AI建立预测模型修正此类偏差，使评价更稳定、可重复，从而帮助产品精准匹配目标市场偏好。团队还和合作者一同倡导“芳香科学”这一融合风味化学、感官神经科学与AI的交叉领域。“人类语言能描述的风味不到10%，我们希望通过AI挖掘那些未被命名却能引发愉悦感的风味组合，实现从‘优化已知’到‘创造未知’的跨越。” 张博士说。

在营养挖掘方面，传统方法从天然产物中筛选有效成分的命中率仅0.5%-1%，如同大海捞针。团队运用AI模型分析近千种植物的化学成分与潜在功能关联，将命中率大幅提高。例如，在助眠成分筛选中，AI从900多种植物中快速锁定5种高潜力原料，其中4种在动物实验中验证有效。

在食品安全与可持续性发展方面，团队与国际机构合作，运用AI模型加速新型食品原料风险评估，并从源头提升作物抗病性（如将抗赤霉病基因导入小麦以抵御霉菌毒素）。同时，团队开发的环境影响评估模型可量化产品全生命周期的碳足迹与水足迹等，为供应链优化提供科学依据。

04 从实验室到生产线：商业化落地与未来展望

技术的价值在于应用。目前，张博士团队的技术已在风味定制、功能原料开发、酶制剂挖掘等领域展现出明确的商业化潜力，并与国际大型食品企业展开合作，优先解决那些“共性且问题定义清晰”的产业难题。当被问及AI能为行业与企业带来哪些具体价值时，张博士总结为以下三点：

第一，是大幅缩短研发周期，实现更精准、科学的决策。AI能够将传统依赖经验的“试错式”研发，转变为基于数据和模型的“理性设计”，从而显著减少资源浪费，提升产品开发的成功率与效率。

第二，是替代重复性高的人工劳动与分析作业。通过自动化处理海量数据与执行标准化分析流程，AI能将科研人员从繁琐、重复的基础工作中解放出来，使其更专注于需要创造性思维与专业判断的关键环节。

第三，是赋能研发团队，成为强大的“智能智囊团”。AI不仅能处理人类已知的知识，更能通过模式识别与生成能力，提供超越个人经验的洞察与配方建议，辅助团队进行前瞻性创新与战略层面的构思，真正成为研发过程中的增效伙伴。

“当前合作以国际企业为主，但我们迫切希望加强与国内本土企业的联动。”张博士强调，中国拥有全球最丰富的食品消费场景和海量数据，尤其在复杂多变的烹饪体系与深厚的“药食同源”传统中，蕴藏着AI赋能食品研发的独特优势与宝贵资源。

前路亦有挑战。张博士指出，尽管小分子（例如化合物、蛋白、多肽等）研究上已取得进展，当前科研的瓶颈之一在于如何用数学语言精确描述食物蛋白复合物、淀粉、多糖、脂质等大分子的结构及混合物体系中的动态相互作用，这与食品营养、风味、功能息息相关。此外，AI模型的效力高度依赖高质量标注数据，而行业内标准数据集的缺失仍是规模化应用的主要障碍。“我们与哈佛大学、苏黎世联邦理工学院等机构联合发起‘食品人工智能可持续发展倡议’，旨在破解数据孤岛，这是未来发展的基石。”

展望未来五到十年，张博士认为AI将更深地融入食品研发全链条，但其主要角色仍是“辅助者”与“赋能者”。“在可见的未来，AI无法替代人类专家的综合判断与创造性洞察。它的核心价值，在于将科研人员从重复试错中解放出来，投身于更高阶的战略构思与源头创新。”

他预见，AI将从一项前沿技术，逐渐演变为食品行业的“智能基础设施”乃至“操作系统”——通用大模型的能力通过垂直领域的持续适配，将精准注入从风味设计到供应链优化的每一个环节。“AI的下一步，不仅是处理数据，更是帮助我们理解食物与生命系统之间复杂而精妙的对话。”

这场始于科学初心的探索，正在悄然重塑食品研发的范式：从依赖经验的“舌尖玄学”，转向基于数据与算法的“可计算美味”。不远的未来，当你拿起一瓶饮料，它的风味可能正贴合你此刻的情绪；当你选择一份零食，其营养配比已悄悄回应你身体的真实需求。AI不会取代我们对食物的热爱与感知，却能让每一口美味、每一份健康、每一次选择，都承载着更精准的科学与更温暖的关怀。