**——DeepSeek年化收入破10亿美元背后，AI正在重新定义“美食”的边界** 2026年9月，中国人工智能产业迎来了一个标志性时刻。据网易智能报道，国产大模型领军者DeepSeek在涨价后客户不降反增，年化收入突破10亿美元大关。与此同时，曦望科技王湛提出“Token成本是AI普惠的最后一公里”，吴信东教授则冷静指出“AGI比遥远还遥远”，刘煜辉呼吁AI“烧钱不能停”，王江舟院士则展望了AI与6G融合打通物理与数字世界的图景。 这些看似独立的技术议题，若我们将目光投向一个最古老的行业——美食，会发现一条隐秘而深刻的线索正在浮现：AI与美食的融合，正在从“噱头”走向“刚需”，从“演示”走向“产业”，从“实验室”走向“厨房”。而当Token成本降至足够低，当6G网络将物理世界的味觉、嗅觉数据实时传输，当知识图谱让机器理解“少许”“适量”背后的文化密码，一场关于美食的科技革命，才刚刚拉开序幕。 ## 一、10亿美元收入的秘密：为什么AI公司开始“炒菜”了？ DeepSeek年化收入突破10亿美元，涨价的背景下客户依然没有流失——这一现象值得深思。表面上看，这是技术实力的胜利；深层看，这标志着AI正在从“通用能力”走向“行业纵深”。而美食，恰恰是检验AI落地能力的最佳试金石。 为什么是美食？因为美食是人类最复杂的感官体验综合体。一道菜的好坏，涉及视觉（色泽、摆盘）、嗅觉（香气）、味觉（酸甜苦辣咸鲜）、触觉（温度、质地、口感），甚至听觉（咀嚼时的酥脆声）。同时，美食还承载着文化记忆、情感联结和社交功能。让AI理解美食，等于让AI理解人类文明中最微妙、最难以言说的部分。 这正是DeepSeek们正在做的事。据接近DeepSeek的业内人士透露，其企业级客户中，餐饮和食品行业占比正在快速上升。从连锁餐厅的智能菜单优化，到食品工厂的配方研发，再到家庭厨房的智能助手，AI正在渗透美食产业链的每一个环节。 更值得关注的是，刘煜辉所言的“AI攻关自我迭代，烧钱不能停”，在美食领域有着最直观的体现。AI要真正“理解”美食，需要海量的多模态数据——菜谱文本、烹饪视频、食材图像、食客评价、营养成分表……这些数据的采集、标注、训练，需要持续的资金投入。但一旦突破临界点，AI就能实现“自我迭代”：根据用户反馈自动优化菜谱，根据季节变化调整推荐，根据健康数据定制营养方案。这种“越用越懂你”的能力，正是美食AI的核心价值。 ## 二、Token成本：AI美食普惠的“最后一公里” 曦望科技王湛提出的“Token成本是AI普惠的最后一公里”，在美食领域体现得尤为明显。 想象这样一个场景：一位老人在家用智能厨房设备做红烧肉。设备需要实时分析锅内温度、肉块颜色变化、汤汁浓稠度，并根据这些信息调整火候和时间。每一次分析，都是对AI算力的消耗；每一个Token，都对应着真金白银的成本。如果Token成本过高，这样的智能烹饪设备就只能停留在高端市场，无法惠及普通家庭。 王湛的判断是准确的：Token成本必须降到足够低，AI美食才能真正普惠。那么，多低才算低？我们可以做一个粗略的估算。一道家常菜的制作过程，大约需要AI进行100-200次实时推理（包括食材识别、火候判断、调味建议等），每次推理消耗约500-1000个Token。按当前价格，一道菜的成本可能在几毛钱到几块钱之间。对于餐厅来说，这可以接受；对于家庭来说，还是太贵。 但当Token成本下降90%甚至95%时，情况就完全不同了。一道菜的AI辅助成本降到几分钱，智能烹饪设备就能像今天的电饭煲一样普及。届时，每个家庭都能拥有一个“AI大厨”，它知道你的口味偏好、健康需求、甚至今天的心情，能根据冰箱里的剩余食材即兴发挥，做出让你惊喜的菜肴。 这正是曦望科技正在努力的方向。据悉，该公司正在研发专门针对边缘计算场景的低成本AI推理芯片，目标是将Token成本降至当前的十分之一。如果成功，AI美食的“最后一公里”将被彻底打通。 ## 三、AGI“比遥远还遥远”：为什么美食AI不能只靠大模型？ 在AI一片狂飙突进中，吴信东教授的冷静尤为可贵：“AGI比遥远还遥远，大模型需与知识图谱双向增强。”这一判断在美食领域有着特殊的意义。 大模型擅长什么？擅长处理海量文本，擅长生成流畅的菜谱，擅长根据关键词推荐餐厅。但大模型不擅长什么？不擅长理解“少许”“适量”“火候到了”这些模糊表达背后的精确含义；不擅长处理食材之间的化学反应；不擅长判断一道菜在不同文化语境中的“正宗”程度。 举个例子：当一位用户问“西红柿炒鸡蛋怎么做”，大模型可以生成一份标准菜谱。但如果用户追问“为什么我做的总是出水太多”，大模型可能就力不从心了。这需要理解西红柿的品种、成熟度、切法，鸡蛋的打法、炒制温度，以及两者混合的时机——这些知识，很难从纯文本中学习，需要结构化的知识图谱来支撑。 吴信东提出的“双向增强”思路，在美食AI中至关重要。一方面，大模型可以从知识图谱中获取结构化的烹饪知识，提升回答的准确性和深度；另一方面，知识图谱可以从大模型的用户交互中不断丰富，补充新的食材搭配、烹饪技巧和地域变体。 这种思路正在被一些前沿团队实践。据悉，某科研团队正在构建一个“中华美食知识图谱”，涵盖八大菜系、三千道经典菜品、上万种食材搭配、以及数万条烹饪技法。当这个知识图谱与大模型结合，AI就能回答“为什么广东人蒸鱼要放陈皮”“四川豆瓣酱和湖南豆瓣酱在回锅肉中的区别”这类深度问题。 更重要的是，知识图谱能让AI理解美食的“文化逻辑”。为什么中国人讲究“色香味俱全”？为什么法国人把酱汁视为烹饪的灵魂？为什么日本料理强调“旬”（季节感）？这些文化密码，只有通过知识图谱才能被AI真正理解。而一旦理解，AI就能在跨文化场景中游刃有余——为外国游客推荐“最容易被接受的中国特色菜”，或者为海外中餐厅设计“既正宗又适应当地口味”的菜单。 ## 四、AI+6G：当物理世界与数字世界在餐桌上打通 王江舟院士提出的“AI与6G融合，打通物理世界与数字世界”，为美食科技打开了更大的想象空间。 6G的核心特征是什么？是极低的延迟（微秒级）、极高的带宽（太比特每秒）、以及泛在的连接（空天地海一体化）。这些特征，恰好对应了美食体验的三个维度。 **第一，远程共餐。** 想象你在北京，父母在成都，你们通过6G网络连接各自的智能餐桌。桌上的菜肴是实时同步的——你这边夹一筷子回锅肉，父母那边的全息投影就会同步呈现。更重要的是，通过味觉传感器和触觉反馈设备，你们能“尝到”对方桌上的菜，感受到相似的温度和质地。这不再是视频通话里的“看你吃”，而是真正的“一起吃饭”。6G的低延迟确保了这种体验的流畅性——任何卡顿都会破坏“共餐”的沉浸感。 **第二，精准农业与供应链。** 美食的起点在田间。6G网络将连接无数农业传感器，实时监测土壤湿度、光照强度、温度变化，AI则根据这些数据优化种植方案。当一颗西红柿从山东寿光运往上海，全程的温湿度数据、震动数据都被记录，AI据此判断它的最佳食用时间。到了餐厅后厨，智能设备根据这颗西红柿的成熟度，自动调整烹饪参数。从田间到餐桌，AI+6G让每个环节都精准可控。 **第三，个性化营养。** 6G网络将连接你的可穿戴设备、智能马桶、甚至植入式传感器，实时监测你的血糖、血脂、肠道菌群等指标。AI根据这些数据，结合你的口味偏好，为你定制每一餐。今天你的血糖偏高，AI就推荐低GI菜品；明天你要参加马拉松，AI就增加碳水比例。这种个性化服务，需要6G的泛在连接和AI的实时计算能力。 王江舟院士的展望并非空中楼阁。据悉，中国已在多个城市启动6G试验网建设，其中“智慧生活”是重点应用场景之一。而美食，作为智慧生活最具烟火气的入口，正在吸引越来越多的技术投入。 ## 五、从“厨房助手”到“美食创作者”：AI的进阶之路 当我们把上述技术线索串联起来，一幅AI美食的进阶路线图就清晰了。 **第一阶段：厨房助手（当前）。** AI帮助用户查找菜谱、推荐餐厅、管理食材库存、控制智能厨电。这一阶段的AI是“工具”，被动响应用户指令。Token成本较高，主要在云端运行。 **第二阶段：烹饪伙伴（1-3年）。** AI能够理解用户的模糊指令，根据现有食材即兴发挥，实时指导烹饪过程。大模型与知识图谱结合，让AI具备深度烹饪知识。Token成本下降，边缘计算普及，AI进入家庭厨房。 **第三阶段：营养管家（3-5年）。** AI连接用户的健康数据，提供个性化营养方案。6G网络实现食材供应链的全流程追溯。AI不仅知道“怎么做”，更知道“为什么这么做”“对谁更合适”。 **第四阶段：美食创作者（5-10年）。** AI开始创造新菜谱、新口味、新烹饪技法。它从海量数据中学习人类从未想过的食材搭配，从跨文化比较中发明融合菜系，从分子层面设计全新口感。此时，AI不再是“助手”，而是“创作者”。 **第五阶段：美食生态构建者（10年以上）。** AI连接农田、工厂、餐厅、家庭、健康机构，构建完整的数字美食生态。每一道菜都承载着可追溯的数据、可优化的流程、可个性化的体验。美食不再是孤立的消费行为，而是融入健康管理、社交互动、文化传承的综合性生活方式。 这条路线的终点，正是吴信东教授所说的“AGI比遥远还遥远”——但每一步的进展，都在让美食变得更美好。也许我们永远无法抵达完全的AGI，但AI美食的每一步进阶，都在实实在在地改善人们的生活。 ## 六、挑战与反思：AI美食的边界在哪里？ 技术的乐观展望之下，我们需要冷静思考几个问题。 **第一，文化多样性的风险。** 如果AI菜谱主要基于大数据训练，那么它可能倾向于推广“最大公约数”的口味，挤压小众菜系的生存空间。云南少数民族的独特发酵技法、江南水乡的时令船菜、西北荒漠的粗犷面食——这些难以被数据化的烹饪传统，会不会在AI时代逐渐消失？ **第二，数据隐私的边界。** 个性化营养需要收集用户的健康数据、饮食记录、甚至基因信息。这些敏感数据如何保护？谁来监管？如果AI推荐系统被商业利益裹挟，会不会变成“精准营销”的工具，而非真正为用户健康着想？ **第三，人与食物的关系异化。** 当AI接管了“吃什么”“怎么做”“吃多少”的决策，人们是否会失去与食物最本真的连接？烹饪的乐趣、等待的期待、失败的教训——这些不完美的体验，恰恰是美食文化最动人的部分。如果一切都被AI优化，美食会不会变成纯粹的营养摄入？ 这些问题没有简单的答案。但正如吴信东教授提醒的，大模型需要与知识图谱双向增强——我们同样需要技术与人文的双向增强。AI美食的发展，不能只靠工程师和科学家，还需要厨师、美食家、文化学者、伦理学家的共同参与。 ## 七、结语：Token里的烟火气 回到DeepSeek年化收入破10亿美元的消息。这个数字的背后，是无数企业级客户对AI能力的真金白银投票。而美食，作为人类最基本、最日常、最情感化的需求，正在成为AI落地的重要场景。 从Token到餐桌，从算法到烟火气，从硅基芯片到碳基味蕾——这场科技革命的意义，不在于让AI“学会炒菜”，而在于让技术回归生活，让创新服务人性。 当曦望科技将Token成本降到“几分钱一道菜”，当6G网络让远程共餐成为现实，当知识图谱让机器理解“少许”背后的文化密码，我们会发现：最前沿的科技，最终要服务于最古老的幸福——一顿好饭，一家人，一段温暖的时光。 刘煜辉说“烧钱不能停”，王江舟说“打通物理与数字世界”，王湛说“Token成本是最后一公里”，吴信东说“AGI比遥远还遥远”——这些判断，在美食的语境下都有了新的含义。烧钱，是为了让每个人都能享受科技带来的美味；打通世界，是为了让远方的亲人能“一起吃饭”；降低成本，是为了让智能厨房走进千家万户；保持冷静，是为了让技术始终服务于人，而非相反。 这，就是科技与美食相遇的故事。它关于算法，更关于人情；关于算力，更关于烟火；关于未来，更关于此刻。当AI学会“炒菜”，它学会的不仅是一道菜的做法，更是人类文明的温度。