o | 橡鹿首席科学家、橡鹿-浙大联合研发中心负责人马蔚的答案很直接,「在中餐真实烹饪场景里,数据和模型都是0」。网上有海量摆盘照片,也有数不清的菜谱知识,但AI真正需要的,是「菜正在炒的时候发生了什么」。什么时候夹生,为什么糊了,汁水收到什么状态才算到位;同样多加100克水,对火力、时长和最终口感会产生什么影响。这些数据,公开知识库里几乎找不到。人类拍了几百亿张菜的照片,大部分都停在上桌那一刻;从下锅到出锅的几分钟,一直缺少系统记录。
p | 若是把今天的通用大模型丢进厨房,它的「厨艺」基本全靠瞎猜。它能告诉你宫保鸡丁必须放花生,却无法预判这锅花生什么时候会糊。AI最需要的,从来不是最多的数据,而是最接近真实问题的数据。真正能训练判断力的,往往是那些意料之外的瞬间:水加多了、食材含水量变了、肉切厚了、菜盒放错了、火候偏了。一次炒糊,记录了问题、变化和修正方案,比一百张摆盘照片更值钱。
q | 这样的数据,只能来自真实门店里的真实炒制。
r | 这恰恰是橡鹿最难被复制的部分。目前,橡鹿已经服务3000多个品牌、13000多家门店,累计服务6亿人次,数万台设备每天在真实厨房里运转。每一次炒制、异常和客户反馈,都在沉淀过程数据。再加上近百万道中餐数字菜谱,橡鹿手里形成了两根支柱——菜谱知识告诉模型「应该怎么做」,真实厨房教会模型「出了变化怎么办」。
t | 而这颗「大脑」真正可怕的地方还在于,每一次下厨,都会让它越用越聪明。真正的护城河,是一套「数据飞轮」橡鹿内部一直有一个判断,这个行业真正的护城河,是一套能够持续转动的数据飞轮。机器人进入真实厨房,产生真实数据和异常问题;数据回来训练模型,模型再回到机器人身上;更聪明的机器人进入更多厨房,又产生更多、更有价值的数据。这个循环的商业价值,比单品升级更大。数据、模型、机器人、真实场景,在这里咬成了一个闭环。这套闭环一旦转起来,竞争就不再停留在某个参数或某代硬件上。后来者可以买相机、复刻机械结构、堆出一台样机,却无法批量购买真实厨房里的异常。同一道菜,在不同门店、食材批次和季节里都会变化。
u | 只有设备长期跑在客户现场,模型才能不断见到这些边角问题。这才是数据飞轮最核心的商业逻辑:一台机器的经验,可以变成下一万台机器的能力。两颗4000万像素的「眼睛」不过,要让飞轮转起来,机器首先得看见锅里发生了什么。简言之,大脑再聪明,也得有一双眼睛。
v | 3K视觉AI炒菜机器人,就是CookingMuse厨启在物理世界睁开的第一双眼。
w | 它身上装了两颗4000万像素的全局快门工业相机,以每秒30帧的速度,持续盯着锅里。过去的炒菜机器人很难感知肉切厚了、菜盒放错了、蔬菜含水量变了,只能沿着程序执行。3K则把下锅到出锅的全过程变成连续数据,既看得出「这是什么菜」,也知道「现在到了什么状态」。
x | 一旦发现偏差,它会动态调整加热功率、炒制时长、搅拌转速和调料投放量。
y | 出品管控由此从「事后发现」,前移到「事中干预」。这套视觉能力还长出了一个很妙的衍生功能:AI督导。看得见锅里,也就看得见门店。3K把原本依赖店长巡检和事后投诉的管理,变成了一套可以实时发现、跨店追踪的数字系统。从五国炒饭,到非遗大师菜更惊艳的是,同一台橡鹿3K,还可以做出不同国家、不同菜系的味道。从扬州炒饭,到泰国菠萝炒饭、日式蛋包炒饭,再到印尼炒饭、美国鸡肉炒饭,同一把铲子要应付五种完全不同的烹饪逻辑。