七分相似，是两位老师傅对同一批基酒给出的评语吻合度；隔一周再评，同一个人也可能改口。白酒的品质判断长期依赖感官，这既是行业的底气，也是它难以规模化的地方。AI 进入这条链，能解决的和不能解决的差别很大。这篇按酿造、质检、渠道三段拆开，讲清哪些环节适合交给模型、哪些结论必须留给人，以及看到「AI 评酒」这类说法时该问什么。
经验为什么难被量化
老师傅的判断来自长期积累：闻一下知道发酵走到哪一步，抿一口知道酒体有没有杂味。这种能力的特点是「结果准、过程说不清」——他能给出结论，却很难把结论拆成可测量的中间量。要把经验变成模型能学的东西，中间必须有一次翻译：把「香气协调」拆成若干可采集的信号，把「入口顺」拆成若干条曲线特征。翻译过程一定丢信息，丢多少，决定了模型的上限。这也是为什么很多项目在实验室里效果不错，一进车间就失灵。
三段落地，边界差别很大
把应用场景拆成三段，每段能碰的地方完全不同：
| 环节 | 能做 | 不能做 |
|---|---|---|
| 酿造过程 | 连续记录温度、湿度等环境量，提示工艺节点偏离，把批次间的操作差异沉淀成数据 | 替代工艺师定夺关键节点，也解释不了「这一批为什么特别香」 |
| 质量一致性 | 比对同款产品不同批次的信号特征，标出偏离基线的那一批 | 给出「好不好喝」的结论，替代品评师打分，判定风格是否典型 |
| 渠道与内容 | 分析动销数据、辅助铺货、生成合规的传播素材 | 承诺市场效果，也绕不开酒类广告的合规要求 |
三段的共同点很清楚：模型擅长「和过去比」，不擅长「下价值判断」。它能说这一批和第 37 批差得远，说不出这一批值不值这个价。
酿造环节为什么先落地
因为这里的信号最规整。发酵是连续过程，温度、湿度、时间这些量本来就在被记录，只是过去记在本子上、用来事后追责，现在可以实时看、用来事前干预。当这些量积累成序列，时间序列 的方法就能派上用场：找出正常批次的曲线形态，再看当前这批偏离在哪一段。它的价值不在「预测品质」，而在「早点发现不对」，让人有时间调整，而不是等出酒才知道。
更长远的意义是经验沉淀。老师傅会退休，手感带不走，但如果每个批次的工艺参数和最终评价都被成对记录下来，这份对应关系就留在了厂里。这是很多传统行业做数字化的真实动机，比「降本增效」这种说法具体得多。
感官评定为什么替代不了
风味评价是多感官协同的结果：香气、入口、回味、协调性，这些维度之间还有交互。传感器能测出某些成分的浓度，但「浓度合适」和「好喝」之间隔着一条很宽的沟，这条沟里装的是人的偏好、地域习惯和场景期待。更现实的问题是标注：模型的训练目标来自品评师的打分，如果品评本身有主观波动，模型学到的就是这份波动。也就是说，AI 的一致性上限，取决于人的一致性。
这一点和 模型校准 讨论的问题同源：模型输出的分数可不可信，取决于它和真实判断的对应关系有没有被验证过。没有验证过的评分，数字再精细也只是数字。
一致性判断与价值判断是两件事
把这两件事分开，是理解这类项目的关键视角。一致性判断回答「这一批和标准样差多少」，它有客观参照，可以被测量、被复现、被追责；价值判断回答「这酒好不好、值多少钱」，它取决于市场、品牌和消费者，没有唯一答案。AI 在第一个问题上可以做到比人更稳定——它不会因为疲劳、情绪、当天状态而改口；在第二个问题上，它连参与资格都没有。
所以「AI 评酒」这个说法本身就容易误导。准确的说法是「AI 辅助批次一致性筛查」，结论仍然由品评师出。看到宣传里出现「替代品评师」「直接给出香型判定」这类表述，基本可以判断对方没搞清边界，或者只是在借概念做营销。
看案例时，问三句
第一句：它改的是工艺控制还是营销话术？很多所谓落地案例，实际只是用生成工具写了几条推广文案。第二句：数据有没有真正沉淀成可复用的对应关系？如果每个批次的数据采完就扔，那只是换了个记录本。第三句：有没有跨年度的效果数据？酿造是长周期的事，三个月的对比说明不了什么。另外要留意数据漂移：原料产地变了、工艺微调了、设备换了，历史基线都会失效，数据漂移 不监控，模型会慢慢给出错的提示。结论可信不可信，还要看系统能不能说清依据，可解释性 在这里同样是底线。
速查：白酒用 AI 的四条边界
- 能比批次，不能下「好不好」的结论
- 能提示工艺偏离，不能替工艺师定夺
- 感官评定与品评师签字不可替代
- 看案例先问：改的是工艺，还是话术
