要理性看待老干妈用AI这件事，需要先把企业披露的事实与传播过程中附加的解释区分开来。

老干妈2022年营业收入已达52.6亿元，2024年为53.91亿元，2025年约54亿元，变化不大。AI视觉质检系统是在2025年全面上线的，但尚无公开数据能说明它贡献了多少收入，或实现了多少业绩跃升。

AI更直接的作用，可能体现在质量管理上。据老干妈常务副总、首席质量官李鑫介绍，2025年AI视觉质检系统全面上线后，关键工序产品不良率降至0.02%，核心原料实现100%可追溯。不过，公开报道尚未给出改造前的可比数据。

这些变化究竟有多少来自AI，又有多少来自设备更新和管理调整？考虑投入成本后是否划算？现有信息还不足以回答。不过，老干妈的案例仍提供了一个观察传统企业应用AI的切口。

AI为什么用于拣辣椒？

对老干妈这样的食品企业来说，能否守住消费者熟悉的味道，很大程度上取决于原料。辣椒的品质，是其产品质量的第一道关。这种需要大量采购和处理的原料，直接关系到产品风味。

分拣辣椒看似不起眼，却关系到后续加工的稳定性。AI在这里能做的，不只是减少人工挑选，还可能降低坏果、异物混入的风险。

老干妈曾因调整辣椒采购来源引发口味争议。媒体报道称，公司一度增加河南等地辣椒的使用，引发消费者随后出现“变味”的讨论。口味变化是否由产地调整单独造成还有待商榷，但原料管理会影响消费者熟悉的产品风味，也可能关系到品牌长期积累的客户信任度。

因此，在辣椒分拣环节引入AI，价值不只是省人力，也在于把原料质量控制得更稳定。

这个环节适合先用AI，还有一个原因：部分判断有明确标准，也需要反复执行。比如识别异物、斑点和颜色异常，可以用合格与不合格样本训练系统，再由人工抽查结果。

当然，不同品种、产地和批次的辣椒差异很大，风味也不能单看外观。AI能承担的是部分外观检查，而不是替代全部质量判断。

工业视觉和光学分选在食品加工中已有应用，可以根据颜色、形状等特征识别缺陷、剔除异物。企业仍要通过现场测试，判断设备能否适应不同批次的原料和实际生产速度。

分拣准确率哪怕只是小幅提升，放大到生产规模上，长期积累的效果也能带来相当可观的收益。

老干妈的案例提示我们，企业不必一开始就追求全面AI化，先找出与产品质量关系紧密、标准相对清楚、效果可以检验的环节，可能更务实。

AI叙事下，“手工制作”的意义

但另一个问题也随之而来：AI提高了效率，就一定能增强品牌的竞争优势吗？

如果一家辣椒酱品牌强调AI分拣，另一家强调人工挑选、保留传统做法，消费者会怎么选？

虽不能简单断定消费者更喜欢后者，但生产方式引发的联想，确实会影响消费者对产品的印象。

2015年《市场营销杂志》（Journal of Marketing）刊发的一项研究发现，在其研究情境中，标注“手工制作”会提高产品吸引力，部分原因是消费者觉得制作者投入了心意。虽然这项研究不能直接证明辣椒酱消费者也有相同偏好，但也具有一定的参考意义。

有人会把手工制作和认真选料、家常味道联系起来，也有人可能觉得机器筛选更干净、更稳定。更极端一点，AI反而可能触发“科技与狠活”的联想。所以，AI究竟是加分还是减分，要看消费者如何理解这件事，以及实际产品有没有变化。

对经历过原料争议的品牌来说，消费者可能对降成本格外敏感。如果企业只强调节省了多少人工，却不解释质量怎么保证，容易让人担心熟悉的味道会改变。

人工参与在某些产品和场景下也可能有品牌价值，但不能因此认定人工一定优于机器。

企业眼中的成本问题，有时也是消费者最在意的品质问题。

老干妈此前调整辣椒采购来源以寻找降本空间，如今又在原料分拣环节引入AI，关注点都落在辣椒上。从经营逻辑上看并不奇怪：辣椒是老干妈的核心资源，围绕辣椒的选料与加工能力，是其核心竞争力的重要基础。

业务成本的痛点与消费者的敏感点，就这样汇集到了同一个环节。企业看见的是效率改善的空间，消费者更在意的是味道会不会变。这两种关切都合情合理。

但麻烦在于，两者不容易用同一张报表衡量。采购价格和用工成本的变化很快就能算出来，消费者对口味的失望却可能逐渐积累，也难以归因到某一次生产调整。如果只盯着眼前的成本，企业就可能低估长期的品牌损失。

如果企业没有讲清楚AI改善了哪些质量指标，消费者可能只记住了“少用人”这件事。即使机器确实提高了筛选稳定性，也可能被放进过去的口味争议里理解。

这也是为什么，曾经发生过的原料争议，会增加企业解释新变化的难度。

真正值得保留的，不是某一种固定的生产方式，而是消费者熟悉的风味和对品牌的信任。技术可以更新，但企业需要说清楚，哪些地方变了，哪些品质要求没有变。

与其把AI当作宣传卖点，不如让消费者先吃到稳定、好吃的产品。对一家靠味道建立口碑的企业来说，这或许更有说服力。

老干妈AI应用的新想象空间

围绕老干妈的AI应用，还有一个广泛流传的数字：拣椒工人从600多人减至48人。但这组数字并未得到证实。2026年10月26日，多家媒体报道，老干妈工作人员明确否认了相关裁员传闻，称公司从未发布这组数据。

因此，我们不能据此推算老干妈的人工成本和利润变化，更不能把它当作AI替代工人的确证。

裁员传闻虽不可靠，问题仍然值得讨论：当机器承担更多外观筛选工作后，长年和原料打交道的工人积累的经验，应当怎样继续发挥作用？

熟练工人可能凭干湿、气味、外观，再加上多年经验，察觉某批辣椒与平时不同。这些判断有些能够转化成检测指标，有些则需要进一步记录和验证。机器能否覆盖这些判断，要看系统的实际能力，不能只凭“AI”这个词下结论。

相比把AI仅仅看成替代人工的工具，老干妈还可以探索它在研发环节的作用。食品企业寻找懂研发、熟悉消费者需求的人才，有时会受到地域和人才供给的限制，AI恰好可能补上这个缺口。

已有食品企业尝试让AI辅助研发。2019年，调味品公司味好美（McCormick）与IBM合作，利用消费者偏好、感官研究等数据辅助寻找新风味组合，并推出ONE系列。据报道，其研发提速效果显著。

对老干妈而言，更有想象空间的问题或许是：AI能否帮助研发新配方，在保持熟悉风味的同时，让部分消费者吃辣后“不上火、不烧心”？

AI可以先筛选配方候选，但好不好吃、是否容易引起不适，还需要感官测试和必要的科学验证，不能仅靠算法或少量试吃判断。

老干妈最终要证明的，不是AI替代了多少人，而是省下了人工，依然留得住那份懂辣椒、做好辣椒酱的本事。如何保留并用好人的经验，也应成为这场改造的一部分。 （来源：我爱公关）