第587章 “AI ＋ 老匠人” 协同研发模式试点与落地 (3/8)

ai

实验室、老匠人联盟，开展了大规模的

ai

模型训练工作，收集了

500

组老匠人手工优化后的配方数据——包括陈皮添加量从

5%

调至

3%、烘烤温度从

180c调至

175c、发酵时间从

4

小时调至

2.5

小时等各类优化数据，将这些数据输入

ai

模型，让

ai

深入学习老匠人的优化逻辑、操作经验，理解老匠人对口感、风味的把控标准。

经过两周的集中训练，ai

模型得到了显着优化，生成的基础参数与老匠人经验的契合度，从最初的

60%

提升至

85%，再也不是之前“纸上谈兵”的参数。与此同时，团队还按糕团品类，对

ai

模型进行了细分，针对年糕、桂花糕、苏式月饼等不同品类的工艺特点，优化

ai

模型的参数生成逻辑——比如年糕需突出高软糯度，ai

就会适当调整发酵时间和揉面力度参数；月饼需突出高酥脆度，ai

就会优化烘烤温度和时间参数，让参数更具针对性和精准度。

优化后的

ai

模型，表现十分亮眼。以赵爷爷擅长的猪油年糕为例，之前

ai

生成的发酵时间参数，与赵爷爷的经验误差高达

2

小时，经过品类细分和数据训练后，误差缩小至

30

分钟，赵爷爷试做后，满意地说道：“现在这个

ai

生成的参数，就靠谱多了，和我多年的经验差不多，不用再反复调整，节省了不少时间。”再比如陈皮桂花糕，ai

生成的陈皮添加量参数，从最初的

5%

优化为

3.2%，与老匠人最终确定的

3%

仅相差

0.2%，试做后基本无需大幅调整，只需微调即可投入量产。

其次是协同流程简化。为了避免因反复沟通、职责不清导致的效率低下，团队制定了详细的“ai