賽博算命、同人二創、拜年文案、工作規劃......不滿周歲的DeepSeek在這個春節假期身兼數職卻又樣樣不賴（當然，除了響應速度），這也難怪大家會對此感慨：怎么這東西比我活人味兒還濃？

隨著DeepSeek的爆火，中國AI更懂中國人的話題再度沖上了熱搜，大健康食品行業的從業者們也開始好奇，如此懂中國人的AI能否為我們的行業建言獻策？

我們在這幾天不完全觀察了一下扎根于大健康食品的相關媒體中提及AI或DeepSeek的頻率，幾乎在每個細分的頭部賬號中都有類似的內容產出，從行業預測到細分賽道推薦、從AI+研發路徑到小眾成分挖掘，DeepSeek似乎都能夠在各個維度給出一個相對而言較為成熟的答案。

AI算法看上去已經足夠懂這個世界了，但它真的懂人類嗎？今天，我們想從精準營養的角度切入一下，跟大家來聊聊AI算法與精準營養之間是否存在著一層難以消弭的健康悖論。

01 偏見來自傲慢

2016年，美國國家衛生研究院（以下簡稱NIH）成立了營養研究工作小組，負責制定未來十年的營養研究戰略計劃。該小組聯合多家科技公司啟動了名為精準營養計劃的前置研究，宣稱將通過AI算法分析基因、代謝數據和生活方式，為每個美國人提供定制化的精準飲食方案。

項目一經問世便獲得了超過2億美元的資本加注，然而不久之后卻有調查指出，在研究方案執行后參與的非裔群體肥胖率反而增長了12%，拉丁裔糖尿病患者血糖波動異常率同樣增長了23%。

輿論嘩然，為何依靠大數據支持的AI算法也會馬失前蹄？原來問題就出在了數據本身。

調查指出，該算法所使用的核心訓練數據有78%都來自于斯坦福大學校友庫和硅谷地區智能穿戴設備的高頻使用者。換句話說，數據的來源多集中于美國社會的白人精英階級或中產階級入門水準，對于具有特定飲食偏好的少數族裔和低收入群體的飲食習慣收錄非常有限。

例如，非裔和亞裔群體中普遍存在乳糖不耐受的體質，前者更是多達75%，然而在以白人精英群體核心數據為主導的算法中，這一默認值僅為35%，這導致它會為更多的非裔群體推薦超出身體負擔的乳類制品飲食方案。

再比如，AI算法會將復雜多元的飲食文化簡化為單一的營養素組合排列，它無法識別出少數族裔飲食文化中的一些傳統功能性食物以及它們的營養價值，秋葵、山藥等等一些具備高膳食纖維的食物僅被簡單歸納為提供維生素的范疇之中，許多算法默認為的“非主流”食物都在一次次的更新優化中遭到剔除。

由于涉嫌數據霸權和系統性的算法（種族）歧視，該研究在其后被國會叫停，直至2020年5月，《美國國家衛生研究院2020-2030年營養研究戰略計劃》的正式出臺才意味著美國精準營養計劃趨于完善。

這個并不遙遠的歷史仍值得給今天的大健康食品從業者敲響警鐘，畢竟當AI大數據框定在固定的條件下就不會“大”，當小個體具體到獨立的人就不會“小”，而這也正是精準營養的應有之義。

02 算法只是工具

在上周的文章中我們曾提到，得益于二代測序技術的普及、臨床科研規模化應用和本土企業打破國外壟斷的市場競爭的推動，近年來基因檢測和代謝組學等技術的成本普遍呈現出下降趨勢，在本世紀初需要耗費動則千萬美元以上的價格如今可以壓縮至幾百美元以內，這一變化也推動了精準營養從概念成功走向落地。

根據權威機構預測，今年中國精準營養市場規模預計突破800億元，年增長率高達40%，AI技術驅動下的精準營養革命已經呈現出勢如破竹的氣勢。

群體之間存在共性，人與人之間又存在著各自不同的體質差異，正如前文所述的那場實驗一樣，種族、年齡、性別、地域、職業、文化、收入等等都會造成人們在營養需求和功能方向上的個性化差異。我國幅員遼闊，人口眾多且又是多民族聚居的國家，大健康食品的消費人群能夠在多個類目下不斷細化，打造特定人群的特定營養補充是趨勢，也是必由之路。

然而，我國精準營養研究及轉化目前還處于探索階段，數據缺乏、技術難度高和研發成本高等一系列的因素制約和挑戰其發展。如何提高結果的可重復性、發掘可靠的臨床生物標志物、實現科研技術的具體落地等都是精準營養在功能食品實現商業化和產業化面臨的問題，在這些環節AI技術只是工具，并不應該，也不能成為具體的手段。

03 別讓概念先行

或許是近些年精準營養概念的火熱屬實提供了一個能夠制造賣點差異化的商機，當下的大健康食品領域其實已經不乏將其作為核心賣點的產品。然而，其中又有相當一部分還是停留在概念先行的階段，擁有“真精準”科學實證的產品還是少數。

像是益生菌品類當中熱門的腸道健康賽道，調節腸道菌群的宣稱是許多品牌都會營造的屢試不爽的記憶點，但人體腸道菌群豐富且復雜，一些細分的腸道問題涉及的重點菌種也千差萬別（便秘型、腹瀉型腸易激綜合征等），一些使用人群像是兒童、孕產婦、老年人群之間的腸道微生態也充滿了各自的差異性，泛化的腸道健康解決方案只會使產品效力大打折扣。

還有近些年來已經成為健康食品代表的各類無糖產品，許多僅僅是去除了產品中的蔗糖類成分以代糖取代，但沒有對血糖生成指數（GI）進行有效控制，無論是對Ⅰ型和Ⅱ型糖尿病患者的碳水化合物、膳食纖維攝入的區分，還是普通消費者的實際控糖效果都很難產生裨益。

再以面向銀發人群的老年營養品為例，按照世衛組織最新版的年齡劃定標準，60至74歲為年輕老年人，75歲以上為老年人，二者雖然都屬于銀發人群的范疇，但適用的營養補充類型仍存在差異。前者多以骨骼健康、三高等問題較為突出，而后者則多見于肌肉衰退、認知功能下降（缺乏HMB、PS等成分）等情況。因此，若是單純以如今市售老年營養品中常見的補鈣類產品一概而論，難免忽略了群體的差異性。

凡此種種，簡單依賴年齡、性別等人口統計學分類造成的產品維度單一化；缺乏生物標志物檢測、動態監測等技術支撐造成的產品科研屬性短板；對少數真實使用消費者的需求忽視等都是讓許多大健康食品精準營養不精準的因素之一。好在，現如今AI技術的蓬勃發展讓這些問題的解決方式不再是昂貴且遙不可及的，但這一切，仍需要技術背后無數的真實業內從業者所具備的人性溫度才能付諸實踐。

作為擁有著細胞、斑馬魚、哺乳動物、皮膚外植體和人體臨床等多維生物技術加持的環特生物，深知在AI大數據驅動下的精準營養創新和升級離不開對特定生物機制系統、活性成分、成分復配等環節的一一窮盡與闡明，更離不開以大量的科學實踐所積累而成的生物技術科研數據寶庫。憑借著十數年來服務于健康美麗產業的腳踏實地，環特生物相信以精準營養為切口的大健康食品會乘著這股AI技術迭代的東風再上一個高度，但這不會是一蹴而就的，也不會是只關乎于技術本身的未來。