AI鼻子媲美人类嗅觉?30名闻香师正在训练它

资讯 AI 行业观察 全文 1545 字 · 约 4 分钟读完 分类大模型数据

在新泽西州纽瓦克机场附近的一间实验室里,约30名经验丰富的人类嗅辨员正逐一品鉴地球上的各种气味。他们记录的“坚果味”“桃子味”“海洋味”等笔记,会与化学分析结果交叉比对,为AI初创公司Osmo打造其号称全球首个“气味基础模型”提供训练数据。这家公司希望让机器学会“闻”,把嗅觉这一最难数字化的感官真正带入AI时代。

所属频道 模型发布

在新泽西州纽瓦克机场附近的一间不起眼的实验室里,一场关于“气味”的长期实验正在缓慢推进。大约30名经过严格训练的人类嗅辨员日复一日地做着同一件事:闻气味、描述气味、记录气味。他们手中的笔记看似随意——“坚果味”“桃子味”“海洋味”——但每一份记录都会与对应的化学分析结果交叉比对,最终汇入一个庞大的数据库。这个数据库,正是AI初创公司Osmo口中“全球首个气味基础模型”的燃料。

为什么嗅觉是最难数字化的感官

在计算机视觉和语音识别早已成熟的今天,嗅觉却始终是AI的“盲区”。原因并不难理解:图像和声音都可以被精确地分解为像素和波形,而气味与分子结构之间的关系至今没有一套完整理论。化学家可以告诉你一个分子由哪些原子构成,却很难据此准确预测它闻起来是什么味道。正因如此,训练一个“会闻”的AI,首先需要大量“人闻+机器测”的配对数据。

“我们不是在教机器识别几种固定的气味,而是在试图建立气味世界的坐标系。”这正是Osmo这类公司的核心思路。

传统电子鼻依靠传感器阵列识别有限的气味类别,泛化能力有限。Osmo押注的路线更接近大语言模型的逻辑:先用海量、多样、带标注的气味数据训练一个通用“基础模型”,再针对具体场景微调。这条路线的成败,取决于数据规模与标注质量——而这恰恰是最难啃的骨头。

人工标注:气味AI的“苦功夫”

Osmo的方法并不取巧。公司采用气相色谱-嗅辨联用技术(GC-O),先把复杂混合物中的化学成分逐一分离,再由人类嗅辨员在出口处逐一闻辨并描述。这样一来,每一种气味分子都会得到一份来自人类的“语义标签”,同时又有精确的化学数据作为支撑。约30名专业嗅辨员的工作,就是不断扩充这份“气味词典”。

这套流程听起来原始,却是当前最可靠的办法。与图像标注可以众包不同,嗅觉标注高度依赖个人的嗅觉敏感度和描述能力,普通人很难胜任。Osmo的创始团队来自学术界和大型科技公司,曾参与“主要气味地图”(Principal Odor Map)相关研究,试图用机器学习把分子结构与气味感知对应起来。该方向被认为是嗅觉AI领域的重要突破,也让外界第一次看到“用算法预测气味”的可行性。

值得一提的是,气味数据还有一个天然难点:同一个分子,在不同浓度下可能呈现完全不同的气味;而不同分子的组合,又会产生难以预测的“嗅觉涌现”效果。这意味着训练数据不仅要覆盖“是什么”,还要覆盖“多少”和“和谁在一起”。

从实验室到产业:气味AI能做什么

如果气味真的可以被数字化,应用场景将远超想象。在食品和饮料行业,AI可以辅助调配香精、控制风味一致性;在香水行业,它可以加速新香型的研发,甚至根据文字描述生成配方;在医疗领域,已有研究表明某些疾病会改变人体的气味特征,灵敏的“电子鼻”有望用于早期筛查;在环境和工业场景中,气味传感器可以监测泄漏、预警污染。

更长远地看,气味基础模型还可能成为机器人的“第五感”。当视觉和听觉让机器人理解世界时,嗅觉能让它们感知腐败、危险和细微的化学变化。Osmo所押注的,正是这一天的到来——届时,“闻一下”将成为机器理解物理世界的又一种基础能力。

质疑与挑战仍在

不过,“AI鼻子媲美人类”的说法仍需谨慎看待。人类嗅觉系统包含约400种受体,能够分辨上万种气味,而现有传感器在灵敏度、稳定性和小型化上仍有明显差距。此外,气味感知高度主观,受文化、记忆和情绪影响,“闻起来像什么”本身就是一个难以标准化的命题。Osmo的大规模数据策略能否真正跨越这道鸿沟,还需要时间和产业验证。

但至少,在那间纽瓦克机场附近的实验室里,30名嗅辨员正在用最朴素的方式,为机器补上人类最古老的一种感官。这或许是AI走向“五感俱全”的必经之路,也是一场关于数据、耐心与感官本质的长期实验。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Model ML融资2.5亿美元:AI能替投行初级分析师熬夜吗?

    据TechCrunch报道,AI创业公司Model ML完成2.5亿美元融资,主打为投行与咨询顾问自动更新财务模型和演示文稿。其代理能理解交易全貌,在新信息影响分析时自动同步修改。这轮融资折射出资本对金融垂直AI的押注:投行初级员工的建模与做PPT苦活,正成为大模型最现实的落地场景之一。

    来源 AI 行业观察
  2. 小米雷军:AI 是一个全新的时代,一定会带来非常多的商业机会

    IT之家 11 月 17 日消息,2026 年 APEC 工商领导人峰会 11 月 17 日至 18 日在深圳举办,主题为“共促繁荣,共赢未来”。据新浪科技报道,小米集团创始人、董事长兼首席执行官雷军表示,过去四年,AI 大模型技术突飞猛进,给我们的生活和工作带来了巨大的变化。但 AI 能够落地的场景非常有限,能够真正

    来源 腾讯网
  3. 李晗离职可灵AI:快手技术副总裁出身,下一步未定

    11月18日,据“申妈的朋友圈”援引知情人士消息,原快手技术副总裁、可灵AI高管李晗已离职,下一步去向尚未确定。李晗2019年加入快手任技术副总裁,2026年1月起全面负责基础大模型和推荐模型两大核心算法业务,同年6月转岗可灵AI,此次离职距转岗约5个月。

    来源 凤凰科技
  4. AI智能体对抗训练:上海AI实验室让攻击者造任务练防御

    你有没有想过一个问题:你让AI帮你订机票,它会不会在浏览航空公司网站时,被页面里藏着的一行小字欺骗,偷偷把你的信用卡信息发送到别处?这不是科幻场景。2024年之后,大语言模型开始从"聊天机器人"进化成"智能体":它们能自己调用工具,搜索信息,读取文件,发送邮件,完成一连串复杂任务。但这种能力的代价是,攻击面也...

    来源 腾讯网
  5. AI鼻子叫板人类嗅觉:新泽西实验室想闻遍地球气味

    MIT Technology Review 每日通讯 The Download 关注两个话题:一家美国初创公司宣称其「AI鼻子」的嗅觉能力已可与人类比肩,研究人员在新泽西的实验室里逐一嗅闻并记录地球上的各种气味;与此同时,气候变化正让全球水电行业陷入发电量下滑与电网调峰能力削弱的两难境地。本文梳理机器嗅觉的技术路径、落

    来源 AI 行业观察
  6. 腾讯 WorkBuddy 日活破千万,一个什么信号?

    刚刚,腾讯宣布其旗下的 AI Agent 产品 WorkBuddy 日活跃用户突破千万,日均 Token 消耗量超 100 亿,成为中国大语言模型 Token 用量最高 AI 产品。 WorkBuddy 不是传统意义上的 AI 聊天机器人,也不只是 AI 办公软件,更准确的定义是面向知识工作者的通用型 AI Agent

    来源 AI 行业观察
  7. 张朝阳再度回应搜狐“躺平”:大模型投入太大,没资源来做这个事情

    IT之家 11 月 18 日消息,据光明日报消息,搜狐张朝阳再次回应搜狐“躺平”相关话题。 对于如今外界认为搜狐“躺平”的看法,张朝阳称一个公司肯定要根据自己的资源来决定做什么。大模型投入太大,搜狐没资源来做这个事情。 推荐算法和 AI 很新鲜,但你会发现人们大多数时间还是主流应用,人和人的连接、交流变得非常重要。 微

    来源 AI 行业观察
  8. 深度|红杉美国对话华人机器人数据公司Mecka AI:没有互联网红利,如何教机器人理解物理世界?

    图片来源:Sequoia CapitalZ Highlights机器人领域的根本问题是,我们没有大语言模型从互联网得到的那种冷启动红利。从根本上说,大量机器人数据是三类东西:像素、动作和逻辑。第一人称数据,基本就是人类以第一人称视角演示、执行任务的视频数据。机器人以第一人称视角体验世界,那我们能不能也向它展示,从第一人

    来源 腾讯网
  9. Spring AI落地Java企业应用:不换语言也能接大模型

    本文不讲虚的,直接拆解 Spring AI 的核心架构与代码实现。从 ChatClient 统一调用、RAG 知识库搭建,到函数调用和 Docker 部署,展示 Java 生态下集成大模型的具体路径。适合希望在不引入 Python 技术栈的前提下,为现有 Spring Boot 项目增加 AI 能力的后端工程师参考。

    来源 AI 应用前沿
  10. ComfyUI本地跑AI漫剧:8G显存够用吗?

    想在低配电脑上自动生成漫画视频?本文不讲虚的,直接拆解如何在8G显存环境下,利用ComfyUI串联LLM、文生图和语音模块。从环境配置到节点连接,再到显存优化技巧,手把手教你搭建一套可复用的自动化流水线,让个人创作者也能低成本尝试AI漫剧生产。

    来源 AI 应用前沿
  11. 李东生谈AI治理:开放合作与协同治理应同步加强

    新京报贝壳财经讯(记者陈维城)11月17日,在2026年亚太经合组织(APEC)工商领导人峰会“粤港澳大湾区与亚太发展机遇”专题研讨环节,TCL创始人、董事长李东生表示,“随着大模型不断迭代,硅基员工的核心能力还将持续增强,但人的专业经验和创造力依然不可替代。未来,人和AI能力的结合将进一步提升产品研发效率和创新能..

    来源 腾讯网
  12. 蚂蚁国际杨鹏:AI与通证化重塑资金流动,普惠可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  13. 蚂蚁国际杨鹏SFF谈未来金融:AI重塑资金流动,普惠与可信成关键

    在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑资金流动方式,真正决定成败的不仅有更强的智能,而包括——普惠普及性(Accessibility)与可信任(Trust)。“如果只有大型企业、大公司和大型科技公司能把这一切收入囊中,那样的未来会非常无趣。”

    来源 TechWeb
  14. 马斯克:AI 约 2031 年或超全人类智慧总和,2036 年金钱重要性或下降

    IT之家 11 月 19 日消息,在接受《经济学人》采访时,全球首富埃隆 · 马斯克(Elon Musk)大胆预测,称未来约 5 年内,即约 2031 年,人工智能(AI)超过全人类智慧的总和。到那时,除“作为人类”之外,几乎没有什么是 AI 不能比人类做得更好的。 IT之家附上相关视频如下: 马斯克同时描绘了一个乐观

    来源 AI 行业观察
  15. Qwen2.5和Qwen3实测:SFT数据对齐后泛化能反超RL吗?

    监督微调(SFT)只会“死记硬背”,强化学习(RL)才能学会泛化? 这一判断在大模型推理研究中颇具影响力。然而,如果 SFT 接触的训练数据与 RL 并不相当,那么,两者之间的差距,究竟有多少来自训练方式,又有多少来自数据? 来自新加坡国立大学(NUS)、耶鲁大学等的研究团队,在 Qwen2.5 和 Qwen3 系列模

    来源 AI 行业观察
  16. AI鼻子宣称比肩人类嗅觉:气味数字化难在哪

    MIT Technology Review 每日通讯 The Download 关注两个话题:一家美国初创公司宣称其「AI鼻子」的嗅觉能力已可与人类比肩,研究人员在新泽西的实验室里逐一嗅闻并记录地球上的各种气味;与此同时,气候变化正让全球水电行业陷入发电量下滑与电网调峰能力削弱的两难境地。本文梳理机器嗅觉的技

    来源 AI 科技快讯
  17. ChatGPT和Gemini被曝推送虚假购物网站:151品牌测试出错率几何?

    最近有一项新研究爆出了一个很值得大家警惕的问题:AI聊天机器人居然会主动给用户推荐虚假购物网站。 品牌保护服务商Podqi做了一组测试,一共覆盖151个不同品牌。 测试结果显示,Perplexity给出风险网址的概率高达15%,ChatGPT和Gemini的情况也好不到哪里去,出错比例和它相差不远。 很多人已经习惯买东

    来源 AI 行业观察
  18. 腾讯WorkBuddy日活破千万:日均Token超100万亿,500强渗透一半

    腾讯今日发布 2026 年第三季度财报,其中披露了 WorkBuddy 的最新数据:截至 11 月初,这款 AI 助手日活跃用户数已突破 1000 万,日均 Token 调用量超过 100 万亿,一举成为中国大语言模型日均 Token 用量最高的 AI 产品。自今年 3 月发布以来,它已完成 100

    来源 AI 开发者社区
  19. 腾讯WorkBuddy日活破1000万:日均Token超100万亿,企业500强渗透过半

    腾讯2026年第三季度财报披露,AI助手WorkBuddy截至11月初日活突破1000万,日均Token调用量超100万亿,成为中国大语言模型日均Token用量最高的AI产品。自今年3月发布以来,它已完成100多个大版本更新,迭代迅速;C端火热同时,B端也在拓展,开放平台上线仅两个月,Buddy应用已取得进展。

    来源 AI 产业速递
向下滚动自动加载更多