味道真能顺着网线飘出来了！科学家造出AI嗅觉系统，可识别并远程释放香气

深夜刷到一段美食视频，高清画面和立体声满足了视听体验，但总觉得少了点什么。智能手机发展了二十多年，屏幕、扬声器和振动马达分别接管了视觉、听觉和触觉，但时至今日，我们依然无法拥有一台能“闻”到味的手机。

如果手机能释放气味，清晨叫醒你的除了闹钟，还可以是一缕现磨咖啡或烤面包的香气。最近，这种美妙的设想距离实现又近了一小步。10 月下旬，俄亥俄州立大学（The Ohio State University）与之江实验室的研究人员在《科学进展》（Science Advances）发表论文，展示了一套名为 Scentronic（意为“电子气味”）的 AI 辅助嗅觉接口。

系统一端用电子鼻识别气味，另一端的可穿戴设备就能在千里之外喷出对应的香气。借助 AI，研究人员将气味识别、网络传输和可穿戴释放连通为一条完整的自动链路。

从识别到释放

这项研究的通讯作者是俄亥俄州立大学材料科学与工程系助理教授李婧华（Jinghua Li），她的实验室长期研究可穿戴和可植入的柔性生物传感器。Scentronic 延续了这一方向，把传感对象从体液换成了空气中的气味分子。

系统的发送端是一个电子鼻，原理是用一组各有偏好的气体传感器模仿鼻腔中的嗅觉受体，虽然单个传感器分辨力有限，组合起来的响应图案却能区分不同气味。

Scentronic 使用了 6 个商用气体传感器，乙醇、柠檬烯等挥发性分子吸附至传感器内加热的金属氧化物表面后，传感器电阻随之变化，6 路信号组成一种气味的“指纹”。

研究人员选择了橙子、蛋糕、咖啡、啤酒和红酒 5 种日常食物，每种各采集 50 次样本，用 k 近邻算法（k-nearest neighbors，一种根据新样本与已知样本的相似程度进行归类的经典机器学习方法）训练分类模型，识别准确率在 98% 以上。

识别完成后，系统会向终端接收设备无线传送一个诸如“咖啡”的类别标签，团队将接收端做成手环、项链和手持三种形态，内部储存着稀释好的 5 种香液。收到释放某种气味的信号后，接收端内置的压电陶瓷片随即振动，将香液打成细雾，并通过调节振动的通断比例控制气味浓淡。

从接收信号到喷出香雾，整套系统的响应时间约为 0.6 秒。不过在此之前，面对成分复杂的食物气味，电子鼻需要耗费几秒到几十秒才能完成识别。

人能否认出这些远程送来的气味，是另一项考验。研究招募了 14 名健康志愿者参与测试，在熟悉对应气味后，他们对设备释放单一气味的辨认正确率约为 73%，两种气味混合时约为 71%。

研究人员还做了一只“数字杯子”，内置 5 个气味通道和 5 个味道通道，后者用电磁泵送出调味液体。用户戴上 Meta Quest 3 混合现实头显，在虚拟场景里选中一杯啤酒或咖啡，杯子就同步释放对应的香气和味道，边喝边闻。

（来源：Science Advances）

团队在论文中展望，这套装置未来可被用于远程嗅觉测试，帮助医生评估病毒感染后或神经退行性疾病患者的嗅觉变化。

预先储存香味再定向释放，这个思路并不新鲜。1960 年上映的电影《神秘的气味》（Scent of Mystery）采用“嗅觉电影”（Smell-O-Vision）技术，用胶片上的信号触发中央装置，把约 30 种气味通过管道送到每个座位下方。

1996 年的电脑游戏《情圣拉瑞：爱之航》（Leisure Suit Larry: Love for Sail!）随盒附赠一张有 9 个香味区域的刮刮卡，剧情进行到特定节点，屏幕会闪出编号，提示玩家摩擦对应的格子，释放气味。

Scentronic 的不同之处在于触发信号的来源。电影胶片上的提示和游戏里的编号都是制作者提前写好的脚本，Scentronic 的指令则来自电子鼻对现场真实物体的即时判断。感知、分类、传输和释放四个环节由机器自动接成闭环，接收端也缩小为可以随身佩戴的尺寸。

从挑选到调配

只传标签、不传配方，决定了 Scentronic 的扩展方式：每增加一种气味，就要对电子鼻进行针对性的训练，再往接收端里多装一管香液。论文第一作者、李婧华团队的博士生杨春雨（Chunyu Yang）在接受媒体采访时表示，在视觉领域，红、绿、蓝三种像素可以组合出接近无限的颜色种类，但嗅觉缺乏此类简单基本单元，日常闻到的气味，往往由大量结构差异极大的分子混合而成。

已经有一些团队正在尝试绕过这重限制，试图用少数几种基础气味调配出更多气味。今年 4 月，麻省理工学院媒体实验室（MIT Media Lab）和纽约大学（New York University）的研究人员在预印本平台发布了 AromaGen 系统。研究人员与嗅觉专家一起挑选了 12 种基础气味剂，装进一个颈戴式设备。

用户用文字、图片或语音描述一种食物，多模态大语言模型会利用训练中习得的气味知识，算出 12 种基础气味剂的混合比例，交给设备依次释放。用户觉得哪里不像，还可以用自然语言提出修改，模型据此调整配比。在人类测试中，经过几轮迭代，生成气味与真实食物香气的相似度中位数可达 8 分（满分 10 分），参与者对“人工感”的评价也降到了与真实食物相近的水平。

有团队则选择回到更基础的问题，探究气味空间是否存在标准坐标体系。

2023 年，谷歌（Google）研究团队等机构在《科学》（Science）发表论文，用图神经网络将分子结构映射到人的气味感知，构建出“主气味图谱”（POM）。在 400 种此前未被描述过的气味分子上，模型给出的描述与受过训练的人类评审员相当。

这项研究的核心团队孵化了初创公司奥斯莫（Osmo），公司把气味图谱称作嗅觉领域的 “RGB”。但有嗅觉研究者认为，这个类比过于乐观，图谱目前解决的主要是“单个分子闻起来像什么”，而日常气味几乎都是复杂混合物，混合后的感知往往不是单个成分的简单叠加，它距离模拟出所有气味仍有很长的路要走。

按照目前的形态，Scentronic 仅用了 6 个售价几美元的金属氧化物传感器，配上一个经典的分类算法，就能在固定类别上做到很高的识别准确率，这在食品批次比对、远程嗅觉筛查等需要快速辨别气味的场景中已经够用。

研究人员也表示，下一步会在实验室以外的环境测试系统，并扩充可识别的气味种类。

伦敦大学学院（University College London）研究多感官交互的教授玛丽安娜·奥布里斯特（Marianna Obrist）评价这项工作是有价值的进展，同时指出，从有限的气味库中识别并释放对应气味，与像传输声音和图像那样记录、回放气味体验，仍有很大差距。

回到开头的两类场景，枕边的咖啡闹钟可以通过预装方案实现，真正困难的其实是传递出美食视频中的味道。

这些食物的香气往往来自几百种分子的特定组合，只有研究出基本气味的组合方式，数字嗅觉才有可能像图像和声音一样丰富。

参考内容：

https://www.science.org/doi/10.1126/sciadv.aee9266

https://www.reuters.com/science/new-scentronic-technology-can-detect-transmit-aromas-remotely-2026-10-23/

https://www.newscientist.com/article/2595189-digital-scents-could-add-a-new-dimension-to-virtual-worlds/

https://arxiv.org/abs/2604.01650

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成