橡鹿杨建成：从中国厨房到全球厨房，机器人正在学会理解真实世界

来源：环球网

【环球网科技报道 记者 郑湘琪】离家越远的人，越知道一道菜的分量。异乡街边的中餐馆里，有人因为一口辣椒炒肉想起了母亲站在厨房里的背影，有人因为一勺麻婆豆腐的汤汁想起了围着饭桌等菜上齐的家人。菜谱能找到，食材能买到，但味道总和记忆中的差一点。

“菜谱记录的是步骤，真正决定味道的，却往往是没有被写下来的判断。”在WRC 2026期间，橡鹿机器人创始人、董事长杨建成在采访中表示，橡鹿希望让机器人真正进入厨房，看见食材的每一秒变化，看见老师傅几十年的经验，最终看见每一个人的需要。

从“执行菜谱”到“理解烹饪”

在杨建成看来，过去AI炒菜机器人更接近一台自动化设备。“之前的炒菜机器人可以说是基于SOP的自动化设备，没有反馈系统，并不知道汁收得多还是少。而现在加上视觉感知之后，它第一次有了反馈，可以像人一样‘看见’，再根据观察调整。这其实是两个时代的物种：一个是自动化，一个是智能、判断与决策。”

不过，“看见”的过程，远比拍张照片复杂。杨建成将其拆解为几个步骤：识别物体、分割对象、建模、追踪状态变化、实施干预。“静态图像是不会变的，但机器人‘看见’的图像会有变化，位置变动的时候，位置本身的特征值也会消失。比如烹饪过程当中，肉下一秒可能就从红色变成了棕色。所以我们要先捕捉，再跟踪，然后穿透物体本身，最后持续观察变化并干预。”

这套能力到底能解决什么？在真实厨房里，它的价值体现得最直接。杨建成举例称，过去机器人做土豆丝，需要提前定义土豆是白心还是黄心、切规如何、味型如何，把SOP一步步写好。但真实厨房里，买的肉肥瘦程度不一定一致，土豆丝的水分和切规也有差异。“固定程序最大的问题，是食材一变，结果就变。只有让机器人像老师傅一样边看边判断，才能把出品稳住。”

正是在这一判断下，橡鹿此次发布的3K视觉AI炒菜机器人，第一次把“看见”和“决策”装进了同一台设备。作为首款融合AI视觉与烹饪智脑的智能AI炒菜机器人，其搭载三颗4000万像素全局快门工业相机，可以每秒30帧的速度捕捉锅内画面。

视觉让机器人有了“眼睛”，而真正让它“看懂”锅里的，是橡鹿同步推出的多模态烹饪AI基座CookingMuse厨启。作为首个基于真实厨房数据训练的烹饪AI基础模型，它融合视觉、烹饪过程数据与智能决策能力，让机器人关注的不再只是“这是什么菜”，而是“这道菜现在处于什么状态、为什么出现这个状态、下一步应该怎么办”。

杨建成坦言，这类模型的泛化难度很高。“比如麻婆豆腐收汁训练完了之后不能直接迁移到红烧肉上，准确率会下降到60%多。随着训练数据越来越多、质量越来越好，模型在新食材上的表现会逐步提升，但仍然不能说泛化得很好。橡鹿做的泛化，不是让机器学会重复动作，而是让它在材料变化和具体场景里都能自己调整。”

从固定后厨到移动无人餐饮工作站

如果说CookingMuse厨启负责理解烹饪，3K视觉AI炒菜机器人聚焦感知判断，那么刚刚发布的具身烹饪机器人“现炒方舟”则承担具身执行的角色。三者依次衔接，完整呈现了AI进入真实厨房、解决真实问题的技术路径。

作为一款以具身智能机器人为核心的可移动微型无人后厨体系化解决方案，现炒方舟从净菜保鲜储存、烹饪、供碗出餐到油烟处理和设备自清洁，实现全流程数字化闭环，支持中式爆炒、西式意面、炒饭等多种品类。

“现炒方舟并不只是把炒菜机器人放进一个盒子里，而是重新组织后厨流程。食材如何存放、机器人如何抓取、烹饪完成后如何出餐和清洁，都需要一起设计。”杨建成介绍，这套系统可以帮助餐饮经营者降本增效——双锅并发让它能扛住就餐高峰的集中出餐压力，可机动部署则让设备可以追着客流走即拉即用。他给了一笔更具体的账，按照一天稳定运行100单的强度计算，现炒方舟回本周期约为12到15个月。

对很多餐饮经营者来说，设备之外更敏感的是菜谱。杨建成表示，橡鹿菜谱数据采用本地学习、本地使用、脱敏处理的方式，菜品的具体做法和商业化模式，平台也无法获取。

在现炒方舟的场景拓展上，杨建成划分了四个方向：家庭厨房操作台、餐厅后厨、零售场景、海外场景。“把车去掉，它就是一个家庭厨房的操作台，可以联动炒菜机、蒸饭机、洗碗机。放进餐厅后厨，就是一套商用后厨系统。零售场景里，比如露营、景区、滑雪场这类淡旺季明显的地方，也能随放随用。海外则有很多移动餐车和校园场景可以切入。”

海外市场的需求，在杨建成看来甚至比国内更刚性。“我们在海外雇一个中餐烹饪水平很好的厨师是很困难的。即使厨师的烹饪水平很好，做出来的菜是否符合当地的用户需求，也是一个非常尖锐的问题。中餐出海对我们来说是更好、更刚需的市场。”他透露，橡鹿目前已进入海外20多个国家和地区，在新加坡餐厅的铺设率已达到70%以上。

从理解中国厨房到理解全球厨房

场景的拓展，最终还是要回到人身上。无论机器人进入多少个国家和地区的厨房，它面对的始终是一个个口味不同、需求各异的人。一道菜好不好吃，从来不是由机器定义的，而是由坐在餐桌前的人定义的。

把“好吃”的定义权交还给每一个具体的人，标准化与个性化的边界就需要被重新审视。杨建成说，“因为人的需求应该被个性化满足，不是被标准化满足，所以标准化是手段，个性化才是目标。”在他看来，个性化的实现是一个逐步收敛的过程。早期是预设值，随着用户输入越来越多，系统会越来越贴近个人口味偏好。“味觉可以被拆解为数百个甚至上千个维度，每个人都有一套属于自己的偏好图谱，每一道菜都会根据这套图谱重新计算和调整。喂给它的数据越多，它就越懂你。”

当个性化能力逐步成熟，这套对“人”的理解也开始向更实际的需求延伸。杨建成谈到，口味之外，饮食还承载着健康与照护的分量。孩子蛋白质摄入是否充足，不同基础病的老人需要什么样的饮食方案，这些都可以由系统给出更科学的建议。他把这个方向概括为一个问题：能不能构建一套真正理解人的营养膳食体系。在个性化与营养之外，杨建成还希望让家庭餐桌的选择更丰富——“足不出户，就能吃到一万个大厨、一万道菜。”

支撑这些想象落地的，是一套能够自我进化的底层机制。在杨建成看来，橡鹿的真正竞争力并不局限于单一设备，而是“机器人—数据—模型—机器人”的持续进化闭环。“机器人进入真实厨房，产生数据；真实数据进入模型，让模型开始理解烹饪；新的能力再回到机器人；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。”

目前，橡鹿AI炒菜机器人累计服务人次已近6亿。规模化的真实场景，正在为这套烹饪智能提供持续进化的养料。“从理解中国厨房，到理解全球厨房，橡鹿希望最终构建一套能够持续学习、理解全球美食的烹饪智能。”杨建成告诉记者。

谈及行业拐点何时到来，杨建成给出了两个判断标志：一是无论食材处于什么状态，机器人都能稳定复现大师级出品；二是从菜谱分发到无人后厨的全流程真正打通。在他看来，到了那个阶段，炒菜机器人才真正迎来自己的“GPT时刻”。

正如杨建成所说，“机器人最终要看见的，不只是一道菜，而是每一个人。”当AI从后厨走向家庭，从标准菜谱走向个人味觉，从效率工具走向生活伙伴，橡鹿正在探索的，不只是一条商业路径，更是一条让技术真正进入日常生活的路。这条路走通之后，“回家做饭”这件事，也许会变成另一副模样。