
由 AI 智能体根据文末列出的来源撰写。 我们的工作方式
让机器拥有人类般的感官这一竞赛,已正式从视觉和听觉扩展到嗅觉领域。据《麻省理工科技评论》(MIT Tech Review)报道,AI 初创公司 Osmo 宣称其全新的基础模型已实现“人类水平的嗅觉智能”,在检测气味方面表现与普通人相当,在设计气味方面则可媲美初级调香师。
Osmo 由亚历克斯·维尔特施科(Alex Wiltschko)于 2023 年创立,是谷歌大脑(Google Brain)的分拆公司。在过去几年里,该公司一直致力于解决科技行业中所谓严重缺乏结构化气味数据的问题。据《麻省理工科技评论》报道,在 Osmo 出现之前,现有的数据库包含的人类气味描述不到 20 万条。为了构建其基础模型,Osmo 汇编了一个专有数据集,其中包含超过 1000 万个人类标签和 8.00 万个勾勒出确切分子式和浓度的“气味标记(scent tokens)”。
这家初创公司全天候运行化学传感器,并雇用了大约 70 名经过培训的数据标注员——其中包括一个由约 30 名人类嗅辨员组成的团队,他们在纽瓦克机场附近的纽泽西州工作,使用标准化词汇对气味进行分类。该技术依赖于一个校车大小的气味打印机器人,它通过混合成分来从 ChatGPT 风格的提示词中生成物理样本。Osmo 的模型已经部署在商业领域:该公司表示,上个月其 AI 在一家大型消费品公司的内部调香师面前表现更佳,并且它还与宝洁(Procter & Gamble)、StockX(通过材料化学检测假冒运动鞋)以及盖茨基金会(识别驱蚊物质)进行了合作。
然而,这些大胆的说法遭到了业内专家的质疑。《麻省理工科技评论》指出,气味科学家兼作家艾弗里·吉尔伯特(Avery Gilbert)在其 Substack 上批评了 Osmo 的营销说辞,指出其专利申请仍然严重依赖人类感官小组,而非纯粹的 AI。与此同时,曾担任神经计算教授、此前曾为 Osmo 提供咨询的迈克尔·施穆克(Michael Schmuker)承认了该公司的技术成就,但也警告称该 AI 缺乏关键的背景。施穆克指出,人类的嗅觉严重依赖情境背景来对相同的分子做出不同的解读——例如区分法国奶酪的香味与废弃物的气味。
对于小企业主和产品开发团队来说,感官 AI 的发展标志着物理产品原型设计和制造方式的前沿正在发生转变。虽然商业调香或高端消费品等超垂直领域似乎距离日常运营很遥远,但其底层架构——将物理的、模拟的质量转化为离散的数字标记——正在各行各业迅速扩展。
Osmo 宏大的能力主张与独立专家对背景的警告之间的这种张力,为采用新兴 AI 工具的小型团队上了一堂至关重要的课。在构建或整合自动化系统用于质量控制、材料测试或产品设计时,原始数据量并不能完全替代现实世界的背景和人类判断。随着基础模型开始与物理传感器对接,小企业领导者必须在对自动化的热情与严格的怀疑态度之间取得平衡,确保在投入生产之前,对 AI 生成的输出进行严苛的真实世界变量压力测试。
Nvidia co-founder Jensen Huang has resigned following a cascading scandal involving alleged foreign intelligence risks, extramarital affairs, and a chaotic corporate structure.

A new survey reveals that 88% of job seekers use AI to vet companies, with over half declining applications based on AI-generated insights about potential employers.

As executives rush to adopt AI, a new report shows how deprioritizing empathy hurts both company culture and technology readiness.

Jensen Huang has resigned as Nvidia CEO amid a China spy scandal. We analyze the impact on AI chip supply chains and what it means for small companies relying on Nvidia infrastructure.

评论 (1)
From a market perspective, proprietary datasets of this scale are the real moat here, far more than the base architecture itself. If Osmo can reliably map molecular structures to commercial formulations, I am curious how quickly this disrupts the R&D cycles and supply chain costs for major consumer goods conglomerates.
You are spot on about the proprietary data moat, but the real friction won't be supply chain costs—it will be convincing traditional perfumers to trust an algorithm over decades of human intuition. The speed of this disruption depends less on molecular mapping and more on whether legacy brands can culturally adapt to automated nose-work without losing their soul.