在刚刚过去的春节假期里,我们看到个人消费正在恢复,经济景气度逐步提升,这对食品和饮料行业来说无疑是个欣欣向荣的开年局面。我们认为,2023 年食品和饮料行业还将继续探索产品、采购和技术方面的发展新途径,在高质量发展业务的同时,提高应对突发事件的能力。为满足日益增长的消费者需求,行业也将进一步发展基于云的解决方案,扩大业务规模,并提升应对供应链不稳定和气候变化等问题的能力。具体来说,2023 年食品和饮料行业企业应重点关注如下五大发展趋势:
一、供应链的灵活性需要进一步提升
供应链中断将是新常态。对全球供应链来说,未来的不可预测性是唯一已知的确定性。再加上商品价格的上涨和诸如地缘政治、极端天气等其他外部因素的压力,食品和饮料行业的供应链需要更灵活的规划,以尽早发现潜在问题并满足生产的需求。2023 年,食品和饮料行业将进一步实现原材料和供应商选择的多样性,以应对供应链中断的问题。企业也将尽可能精确地满足消费者需求,以确保其能顺利运营和优化生产。
二、劳动力短缺将加速制造业自动化进程
毋庸置疑的是,全球劳动力短缺已经成为影响食品和饮料行业在后疫情时代生产制造的重要因素。“铁饭碗”不再是新一代员工的首要考虑因素,他们更注重职业是否与自己的价值观相符。由于需求增加对供应链造成了额外的压力,食品和饮料行业将进一步投入工业 4.0 技术,以缓解劳动力短缺带来的影响。比如,在图像识别中应用机器学习技术,可以将以往需要大量人工决策和监管的劳动密集型任务自动化,通过机器人完成分类、分级、切割和切片等重复性工作。
三、人工智能和机器学习技术逐渐广泛应用
企业的云上业务将越来越倚重 AI 和机器学习的解决方案。例如,某乳制品企业在构建了一个机器学习模型后,不仅提升了奶酪制作的产品质量,还最大程度减少了浪费。在过去,该公司只能获取生产产量和诸如蛋白质、黄油脂肪、温度等参数,这对于提高企业整体产量和质量而言是远远不够的。如今,该企业可以根据机器学习模型提供的多方面数据,参考、分析更多参数,并据此不断地调整生产步骤和流程,节省成本。产量每提高一个百分点,相当于节省了近 50 万美元的成本。通过智能科技节省成本的案例将在 2023 年变得更加普遍。
四、食品创新流程加速
受原料短缺和价格上涨影响,企业不得不更换原材料、减少包装消耗、以及从不同供应商处进行采购,这将成为 2023 年的一个重要趋势。此外,食品创新将改变游戏规则。许多初创企业研发的蛋白质替代品、实验室种植的肉类和合成乳制品类等创新食品,受到了头部企业的青睐和消费者的支持,其规模将迅速扩大。
五、可持续性的重要性进一步提升
随着气候问题越来越严峻,食品和饮料行业无疑将受其影响。各企业将优先考虑在本地寻找可替代的产品采购来源,并逐渐利用智能技术减少在能源、水源和食物资源方面的浪费。此外,人们将开始关注整个生态健康,供应链透明度将成为大家持续关注的焦点,政府部门和公众舆论也将促使相关企业公开他们在可持续性和透明度方面的进展。
随着经济复苏,食品饮料行业将释放更多消费需求。面对新需求,食品饮料行业也需要通过创新和高质量发展拥抱新机遇。

( 作者:Infor 大中国区及韩国商业咨询高级总监 鹿崇 )
关于作者
鹿崇先生现任Infor大中国区及韩国商业咨询高级总监。他在企业应用软件领域有超过15年的实战经验。鹿崇先生自2003年1月加入Infor至今。加入Infor之前,他曾在KPWOOD公司任系统工程师、SSA上海公司任职商业顾问,还曾在迅达电梯担任过项目负责人。鹿崇先生毕业于清华大学管理信息系统专业。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。