从分子到香气的两层鸿沟
气味的描述需要两座桥梁：从分子结构走到感知强度，再从感知强度走到语言。前者依赖化学与嗅觉受体研究的进展，后者依赖受过训练的调香师。把这两层鸿沟抹平的尝试，早在 1980 年代就有，但真正可用的系统是近五年随着图神经网络与嗅觉受体的结构生物学进展才出现的。
多模态嵌入：把气味放在 1024 维向量里
目前最被关注的工作是把「分子 SMILES + 感知描述文字 + 受体响应曲线」三种模态对齐到一个 1024 维向量空间。任意输入一个分子，可以反查到「听起来像」「闻起来像」的语言描述；输入一段「夏天雨后的柑橘园」描述，可以给出可达该意图的若干候选配方。
AI 调香会取代调香师吗
短期内不会。真正的高级订制香水依然依赖「鼻子 + 现场语境」——客户的体温、季节、地理都会介入配方迭代。但 AI 已能在中低端市场做两件事：一是批量生成 200 个候选版本供调香师筛；二是把客户在问卷里描述的偏好转化为 5-7 个超参数，节省前期对话时间。
一个可上手的家庭实验
你不必是大公司也能体验。准备 4-5 瓶单一成分精油——佛手柑、檀香、雪松、岩兰草、岩兰草——用滴管以 1%、3%、5%、10% 共四档浓度与酒精基底配比，记录盲闻感受。把结果列成表后再用 ChatGPT 或 NotebookLM 分析「哪些组合让你直觉性地舒服」。这正是 AI 调香系统在做的事的极简版本。
