现实版黑客帝国：AI能给气味编程了，想要啥味要啥味

人工智能合成气味起底：比刷脸和语音识别更惊艳的感官AI

为项城等地区用户提供了全套网页设计制作服务，及项城网站建设行业解决方案。主营业务为网站建设、成都网站建设、项城网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

编者按：本文来自微信公众号“智东西”（ID:zhidxcom），作者：信仪，36氪经授权发布。

想象一下，有一天电子产品可以模拟人的大脑识别并区分气味，随时提醒你周围的气味异常助你及时了解情况；或是在看电影的时候精确地对应屏幕中的画面闻到相应的味道；甚至可以通过平板电脑上配备的气味按键，帮助盲人通过气味挑选菜品，这种感觉想想都觉得既方便又美妙。

图像和声音的网络化传输多数人已经司空见惯，而气味是不是也可以进行网络化识别传输呢？但是气味无色无形易挥发，比图像和声音要难以琢磨得多，要如何收集并且研究它呢？

一旦气味也可以加入“数字化”大军，我们的生活场景或许将会通过维度的提升，产生意想不到的改变。

实际上继视觉和听觉后，近几年“嗅觉”也的确逐渐成为了数字化研究者们新的发力点，除了一些专注于数字嗅觉的初创公司，谷歌、英特尔、IbM等头部玩家也将部分目光放在了用AI学习识别气味的领域上，“数字嗅觉”逐渐成为了AI领域的一个“小热门”。

那么“数字嗅觉”到底是什么？

这一概念现在还没有一个相对官方准确的描述，借用一家初创公司的定义来说，“数字嗅觉”的意思主要是通过数字捕捉气味，以及通过数字产生香气。

如今哪些公司正在发力“数字嗅觉”领域？数字如何捕捉到无色无形的气体？数字又如何能产生气味？本文将深扒目前市面上正在发展的“数字嗅觉”业务，看看“数字嗅觉”目前的进展和应用情况如何。

01 法国数字嗅觉公司融资1700万，气味传感器是不是巨额智商税？

Aryballe是一家开发生化传感器、光学器件和人工智能，以收集和分析气味数据的初创公司，总部位于“欧洲硅谷”——法国格勒诺布尔，成立于2014年。

在今年的7月10日，这家初创公司宣布又筹集了700万欧元（合790万美元），用于支持产品和机器学习的研发。迄今为止，Aryballe的总融资额达到了1700万欧元（合1920万美元），员工数量也较去年增长了30%。

这家专注于数字嗅觉的公司正在逐年壮大，也在证明数字嗅觉领域正在逐渐进入大众视野。

Aryballe将生物传感器、先进的光学技术和机器学习相结合，捕获气味特征，并通过软件解决方案进行显示和分析，模拟出大脑识别和区分气味的过程。

从2016年开始，Aryballe一直在研发和迭代一款名为“NeOse”的气味监控设备，后续在2018年又推出了升级版“NeOse pro”。

NeOse的工作过程看起来还算比较简单。气味发出后，NeOse通过内置的化学传感器和光学系统来识别这些气味分子，而后与气味数据库中的气味进行比对。经过15~30秒后，如果气味匹配成功，配套的App就会直接给出结果。

当然，NeOse设备的数据库不是一成不变的，后续依旧可以添加不同的气味数据到库中继续进行测试。但据悉NeOse最初并没有计划面向消费者市场，而是专为企业供货，这从它每台设备的定价在10000到15000美元的价格就能深刻感受到。

升级版的NeOse pro使用这家公司的O-Cell技术检测和识别气味，以模仿人的嗅觉，但是它的技术更像是一种“数字嗅觉指纹”，相较于人的主观嗅觉更加客观精准。

NeOse pro的工作原理相较于NeOse更细致，也更快速。

有机物和无机物会根据能量和生物时间过程的变化释放出气味分子，当能量增加时，会发生气味挥发，鼻腔有可能会顺势吸收异味，这样的行为会刺激到嗅觉神经元，然后刺激嗅球，进而促使嗅觉皮层识别气味及其来源。

NeOse pro和Aryballe的硅光电子平台会将气味分子与充当嗅球的生物传感器结合，并近乎实时地显示出独特的气味信号，一旦检测到这样的气味信号，对应的软件便会将它们与先前收集和分析的气味数据库中的500多个条目关联起来，解释这些信号。随着时间的推移，人工智能和机器学习能够帮助生物传感器逐渐监测到更低浓度的气味。

从以上的工作过程来看，如果把传感器视为鼻子，那么对应的软件就是大脑，数据库就是我们的记忆存储库。

就像我们的大脑依靠记忆将个体的气味与生活经历关联起来一样，Aryballe的软件也是依靠数据库来实现气味呈现。

不仅如此，就算是遇到了比如柠檬之类水分超多，且稀释掉一定气味的物质，Aryballe的软件也能使用AI将“干燥”的气味分离出来，进而准确呈现出获取的物体气味。

除了NeOse系列，今年的1月7日，Aryballe又宣布推出了一款新的气味传感器，这种传感器相较于之前的产品容量更高、成本更低，灵敏度与NeOse pro相同，但体积比手机更小，且更耐用。

此外，这款新产品还建立在硅光子学平台上，配备了硅光子生物传感器，使其具有抗震性，并且减少外部环境的干扰。

目前我们还不清楚这一新产品的现状，只知道它的首批样品已经在今年的第二季度交付给客户了，如果顺利的话，不久后我们或许能看到这个更加便携小巧的气味传感器。

那么，Aryballe的气味传感器到底有什么用？这样高价的产品到底是不是为了迎合买家的“好奇心”而收割的一波智商税？

目前来看，气味传感器的应用范围主要还是集中于汽车、智能家电、饮食制造以及个人护理和化妆品行业。

Aryballe的气味传感器在汽车行业的应用最为广泛。2019年数字嗅觉汽车联盟（DOAC）成立，本意就是为建立汽车行业气味测量标准，为嗅觉产品的开发和服务提供信息为目标。依靠数字嗅觉，汽车行业可以在嗅觉上满足消费者的个性化需求，控制品牌的“新车气味”，最重要的是，嗅觉可以成为汽车维护警报的又一重保险，通过气味，在灾难性故障之前发现如液体泄漏等隐患，及时发出预警信号或诊断故障。

随着家电的智能化，气味传感器或许将来也会在智能家电方面开始占有一席之地。早在NeOse推出的时候就有人在询问以后是不是可以用气味传感器监测冰箱里食物的新鲜度，进行食物储存监控，而如今这一目标几乎很快就能实现。

除此之外，气味传感器甚至还能让用户的“厨艺大涨”，比如在烤饼干的时候有一个传感器能及时提醒你火候到了可以关火了，那么相信每个人都能成为出色的“厨神”。

在饮料制造以及个人护理和化妆品产业，数字嗅觉扮演的则是“监工”的角色。数字嗅觉可以通过制定标准的气味刻度，来提高产品质量，同时降低成本。与此同时，精准的气味监测还能够通过数据搜寻到新的配方，甚至提供传统的气味色板之外的数据。

以上的用途看起来都还蛮吸引人，可是这动辄上万美元的报价，也着实是让人瑟瑟发抖。

02 气味王国收集3000多种气味，气味播放也能像3D眼镜一样人手一个

相对于法国售价高昂的气味传感器，要体验数字嗅觉，在中国或许划算得多，但中国的这家数字嗅觉公司与Aryballe的关注点略有不同，Aryballe关注的重点在于捕捉气味，而这家中国公司则将大量的心思放在了产生气味之上。

2015年，一位在阿里巴巴美妆板块有着8年市场推广经历的高管黄剑炜，创立了气味王国品牌，以从事数字气味的技术研发。目的是为了将气味通过分类、编码进行数字化，从而建立一个全面而缜密的“数字气味词典”。

气味王国的技术与上文提到的借助传感器实现气味量化的传统不同，这家公司的气味还原技术分为两部分：前端检测和后端编码。

前端检测用的是图像识别方式，通过软件识别物体后，即可知晓该物体对应的气味成分，由气味工程师将其气味调制还原，接着由后端为其赋予一组对应编码再录入气味库。

由于气味“虚无缥缈”的特质，第一步提取气味就已经是一项复杂的工程，而截至到今年年初，气味王国已经积累了3000多种气味，相当于人类一般可识别气味标准的30%，包括日常生活中各种常见的气味：血腥味、火锅味……甚至情绪、氛围的味道都被收集起来了。后续他们还计划生成气味云，直接从云端调用气味。

气味王国并不是单枪匹马作战，它在美国洛杉矶还设立了一间研发实验室——S—SRT(Scent Realm Techonlogy)，SRT依托伯克利等高等学府的智囊资源，在气味王国项目研发中扮演重要角色。

此外，气味王国还与中科院的嗅觉实验室、芝加哥香精香料公司“Orchidia Fragrances”等多个大牛合作，并在成立后一年获得了A轮融资，当时该公司估值已达到1.6亿人民币。而后气味王国又在2018年获得了报喜鸟的股权融资，同年，这家公司已经通过快速铺开的影院气味设备盈利了。

在黄剑炜和他的团队的设想中，是想通过自家的产品为用户还原一个特定场景的气味，比如公园里的桂花香、报纸上的油墨味，还有洗发水特定的干净味道。气味的记忆是独特的，因此也能在一定程度上帮助企业建立品牌认知。

从2015年4月开始正式启动气味王国项目至今，气味王国已经研发出了多款数字气味产品，包括智能气味播放器、气味编辑软件、气味时光机、气味模块等。

最有趣还数是气味王国的气味播放器，这款名为X-SCENT的播放器已经做到了3.0版本，借助这个挂在脖子上的，类似颈椎仪似的仪器，人们可以在看电影的时候同步闻到画面中的场景气味。

虽然看电影的时候添加这个设备只需要再多付10元，但是还是有人会疑惑，普通的4D电影在观看时通过影院的气体释放也能达到气味匹配画面的效果，为什么要大费周章使用这么“精致”的气味播放器呢？

原因在于如果在影院整体释放气体，会有气味残留、混淆的问题存在，而气味王国的气味播放器将有效气味传播距离控制在25公分左右，随着电影的播放，气味切换可以做到无缝衔接、不混淆。

除此之外，气味王国还自主开发了新型贮味纳米多孔材料及其密闭结构，解决了气味贮存难题，并且开发了采用特殊流道设计的气味释放装置结构使设备能够适配于不同的应用场景。

为了控制气味喷出量的适宜，气味王国还采用了DSp芯片、高分子材料和精密的气味播放控制系统相结合的解决方案，通过App、ApI等实现设备在各应用场景中对气味的远程定时定量播放和控制。

同时，气味王国把气味做成胶囊，根据不同的电影更换气味胶囊，而后以工业433M无线传输的方式控制，一次可以播放12种不同的味道。此外，这种气味播放严格控制在毫秒级，因此也不必担心吸入大量的气味颗粒而产生身体不适。

目前，全国已经有气味电影特效厅70多个，气味电影付费观影人数超200万，杭州西溪湿地、烂苹果乐园等均已开设气味王国的气味体验馆。

除了气味播放器，用户还可以使用气味王国自研的Scent Magic气味编辑器自行编辑气味脚本，创作自己的气味作品并分享，活脱脱是一款气味版的“美图秀秀”。

而气味时光机、气味模块等也以相似的功能，适用于不同的场景。未来，气味王国还将把数字嗅觉应用变得更加精致化、个性化，以满足不同领域的需求。

03 头部玩家的“数字嗅觉”大潮：“电子鼻”时代来了？

除了以上提到的两家专注于“数字嗅觉”业务的初创公司，谷歌、英特尔等头部玩家在近些年也开始踏足“数字嗅觉”领域。

1、谷歌团队使用神经图形网络识别、预测气味

人类的气味感知是激活400种不同类型嗅觉受体，其中的百万分之一的嗅觉感知神经元（OSN）将信号发送到嗅球，然后再发送到大脑中其他结构的结果。

一个由化学、生命科学和AI研究人员组成的团队，从去年开始就已经着手使用图形神经网络来识别气味分子并预测气味。

这项工作是由谷歌、加拿大高级研究学院、矢量人工智能研究所、多伦多大学和亚利桑那州大学的研究人员创建的，他们制造的模型在一项目的为“绘制化学特性，以预测受试者的行为反应”的“Dream嗅觉预测挑战赛”中表现得最好。

研究人员认为，分子识别的机器学习应用程序的进步，可以帮助人工智能像模仿视听觉一样预测气味。

这个团队的科学家在《arXiv》上发表的题为《机器学习气味：学习小分子的通用感知表示》的论文中写道，将原子视为节点，将化学键视为边缘，则可以将分子解释为图形。

类似于AI模仿视觉和听觉等其他感觉的方式，在这项研究中，气味小分子通过向量值的形式重复传递，最后将汇总代表整个分子的单个矢量作为已知分子的特征传递到网络中，因此无需手动操作就可以通过图形神经网络（GNN）实现直接预测单个分子的气味。

除了预测气味描述之外，图形神经网络（GNN）还可以用于其他嗅觉任务，比如用仅有的数据对新提炼出的气味进行分类。

就像从色彩中提炼出“三原色”，具有神经网络的图形是将气味关系定量建模的一种合适的方法，在这方面，气味可以被标记为多个分类标签，研究人员称之为“气味嵌入”。

小气味分子是香精的最基本组成部分，因此也代表了气味预测问题最简单的形式。但是每个分子可以用多种气味来描述，比如香兰素的味道可以被描述成甜味、香草味、奶油味和巧克力味。因为一些事物的某些气味成分比另一些更多，因此气味预测也是一个多标签分类的问题。

嗅觉深度学习的进展将会有助于发现新的合成增香剂，从而减少从天然作物中提取香料而造成的生态影响。

此外，经过气味识别任务训练的模型衍生分子的新形式，还可能有助于加强人类大脑中对一些事物的感知理解。

2、英特尔研发嗅觉芯片，可识别10种气味

不止谷歌团队通过机器学习进军“数字嗅觉”，在今年的3月份，英特尔和康奈尔大学发表的一份联合文件也证明了英特尔在Loihi神经形态芯片（专用芯片）上成功设计了基于大脑嗅觉电路的神经网络机制算法，该算法赋予了芯片在明显的噪声和遮盖情况下，学习和识别10种有害物质的能力。

Loihi是英特尔在2017年9月推出的自学习神经形态芯片，基于14nm的制程工艺，管芯尺寸60毫米，包含超过20亿个晶体管、13万个人工神经元和1.3亿个突触，以及三个用于编排的可管理Lakemont内核。

据英特尔称，Loihi的信息处理速度是传统处理器的1000倍，效率高10000倍，并且可以解决某些类型的优化问题，其速度和能源效率提升了三个数量级以上。

此外，Loihi可以保持实时性能，并且在扩展50倍时仅会多消耗30%的功率，而传统硬件在相同状况下则会多消耗50%的功率，与广泛使用的CpU同步定位和映射方法相比，它消耗的电能大约只占传统方式的百分之一。

据悉，这一研究成果还发表在了《自然（Nature）》杂志子刊《自然机器智能（Nature Machine Intelligence）》上，并成为了封面文章。

在Loihi上开发神经算法，就像是在模仿人闻到某种气味后大脑中发生的事。研究人员称，他们采用了一个由72个化学传感器活动组成的数据集，通过配置生物嗅觉的电路图来描述如何“教”Loihi闻味道。他们说他们的技术不会破坏芯片的气味记忆，并且与以往的传统方法相比，它的识别精度更高，这种级别的精度需要每级的训练样本数量多3000倍才能达到。

论文作者，英特尔神经形态计算实验室高级研究科学家纳比尔·伊玛姆（Nabil Imam）认为，这项研究将为神经形态系统铺平道路，该系统将可以诊断疾病、检测武器和爆炸物，及时发现麻醉剂、烟雾和一氧化碳之类的有害气味，并对它们进行甄别。

除了谷歌和英特尔这些科技巨头，英国和俄罗斯的一些其他公司也在发力数字嗅觉。2019年在伦敦巴比肯中心的一次AI展览中，科学家们使用机器学习重现出了已灭绝花朵的气味，而俄罗斯的技术效果与英特尔的很像，也是利用人工智能嗅出可能致命的混合气体。

甚至早在1999年，DigiScents开发的iSmell设备已经能通过USb连接到电脑，来重现一些气味了。

04 定制化推进

虽然人们目前对嗅觉数字化的认知度不是很高，但是各大厂商已经纷纷发力这一领域，数字嗅觉也逐渐成为了AI领域的一个“小热门”。

无论是将数字量化用于检测，还是将气味提取出来，实现跨时空的嗅觉连接，数字嗅觉像数字视听觉一样成为了一种趋势。

从目前的趋势来看，将嗅觉数字化已经逐渐从面向企业到面向个人，进而满足针对企业和个人更加定制化、个性化的需求。因此在关注数字视听觉的同时，也要了解或许在不久的将来，数字嗅觉和味觉的地位也同样不可替代。