Climax Foods 是几家使用人工智能设计植物基食品的初创公司之一，其他公司包括美国的 Shiru 和智利的 NotCo。

这些公司在包含风味、香味或可拉伸性等理想特征的成分数据集上训练算法。然后他们使用人工智能梳理大量数据，开发出口味相似的成分的新组合。

Shiru 的 CEO 贾斯明·休姆（Jasmin Hume）写了一篇关于蛋白质工程的博士论文。

她说：“传统的成分发现过程可能需要数年时间和数千万美元，而结果只会比上一代好一点点。（现在）我们可以从头开始，挑选出功能最好的蛋白质，并在大约三个月内制作出原型并测试。”

并非业内所有人都看好人工智能驱动的成分发现技术。食品顾问乔纳森·麦金太尔（Jonathan McIntyre）曾领导百事可乐饮料和零食的研发团队，他认为这项技术在他的领域“明显”被夸大了。

他说：“人工智能只能做到和你提供的数据一样好。”他补充道，考虑到食品公司都对配方奶粉和专有信息十分保护，研究人员不一定会有足够的数据来产生富有成效的结果。

麦金太尔讲了一个故事，在他任职百事可乐期间，该公司试图使用 IBM 的人工智能 Watson 来生产更好的苏打水。他说：“它给出了有史以来味道最差的东西。”

Climax Foods 通过创建自己的训练集来从根本上逆向工程为什么奶酪味道这么好，从而规避了数据短缺的问题。

扎恩曾担任谷歌广告业务的数据科学主管，他说：“当我们开始的时候，很少有数据表明为什么动物产品会有这种味道，切达干酪、蓝色干酪、布里干酪和马苏里拉干酪，我们没有商业动机去搞清楚它们的味道。”

在 Climax 的食品科学实验室，扎恩展示了他的团队用来建立“数据宝库”的一些仪器。有一种机器使用离子色谱法展示细菌菌株分解乳糖后不同酸的精确平衡。

质谱仪就像一个“电子鼻子”，可以揭示哪些挥发性化合物会产生我们对食物的嗅觉反应。

一种名为流变仪的设备可以追踪奶酪对物理形变的反应，我们对奶酪的喜好程度部分取决于咀嚼时的口感。

这些奶酪数据创建了所谓的“性能目标基线”，人工智能可以尝试使用不同植物成分组合达到目标。

在过去的四年里，Climax的食品科学家基于工具给出的线索，分析了哪些植物可能是表现良好的替代品，并创造了 5000 多个奶酪原型。

使用与测量动物奶酪相同的实验室仪器，Climax 团队进行了一项分析，包括大约 50 种不同的质地和风味测定，在这个过程中产生了数百万个数据点。

人工智能工具就是在这些数据上训练的，算法会提出可能会表现更好的组合，然后团队不断尝试新组合并迭代。

扎恩说：“你改变所有的输入参数，测量输出的成果，然后试图将成果和动物奶酪之间的差异缩小到尽可能小的程度。”

他估计，包括小规模的“微型原型”在内，Climax 已经分析了大约 10 万种植物成分组合。

扎恩说，依靠人力品尝和微妙地调整如此多原型中的成分组合，需要花费数千年的时间。

但从 2020 年开始，到他和团队配制并销售第一块奶酪，只过了 3 年多的时间（其产品于 2023 年 4 月上市销售）。

这种纯素食蓝奶酪的植物成分几乎没有什么特殊的。排名前四的原料是南瓜子、椰子油、利马豆和大麻籽蛋白粉。

然而，米其林星级厨师多米尼克·克伦（Dominique Crenn）将其描述为“柔软、有黄油味，而且浓郁得惊人，超出了自己对纯素食奶酪的想象”。

扎恩的公司已与知名食品制造商 Bel Group 达成协议，将为该公司的产品发放许可证。扎恩还与另一家尚未披露名字的大型生产商签署了协议。

扎恩目前正在与风险投资公司讨论融资，并希望在 2024 年晚些时候开始销售布里干酪和羊乳酪。

与 IBM Watson 试图配制出更好的苏打水配方不同，Climax 的算法是以类似炼金术的形式将不同成分组合在一起。

扎恩说：“一种成分与另一种成分的相互作用会引发意想不到的味道或口感。这不仅仅是两个成分的总和，而是完全不同的东西。”

开发乳制品奶酪替代品的一个原因是其环境成本。按重量计算，奶酪的碳足迹高于鸡肉和猪肉，而人类每年会消耗约 2200 万吨奶酪。

对扎恩而言，他追求的不是让消费者满足于一种橡胶味的、味道很差的替代品，而是提供一种味道一样好，甚至更好的，制作成本更低的植物基版本。

支持：Ren

排版：刘雅坤