赛博算命、同人二创、拜年文案、工作规划......不满周岁的DeepSeek在这个春节假期身兼数职却又样样不赖（当然，除了响应速度），这也难怪大家会对此感慨：怎么这东西比我活人味儿还浓？
随着DeepSeek的爆火，中国AI更懂中国人的话题再度冲上了热搜，大健康食品行业的从业者们也开始好奇，如此懂中国人的AI能否为我们的行业建言献策？
我们在这几天不完全观察了一下扎根于大健康食品的相关媒体中提及AI或DeepSeek的频率，几乎在每个细分的头部账号中都有类似的内容产出，从行业预测到细分赛道推荐、从AI+研发路径到小众成分挖掘，DeepSeek似乎都能够在各个维度给出一个相对而言较为成熟的答案。
AI算法看上去已经足够懂这个世界了，但它真的懂人类吗？今天，我们想从精准营养的角度切入一下，跟大家来聊聊AI算法与精准营养之间是否存在着一层难以消弭的健康悖论。
01 偏见来自傲慢
2016年，美国国家卫生研究院（以下简称NIH）成立了营养研究工作小组，负责制定未来十年的营养研究战略计划。该小组联合多家科技公司启动了名为精准营养计划的前置研究，宣称将通过AI算法分析基因、代谢数据和生活方式，为每个美国人提供定制化的精准饮食方案。
项目一经问世便获得了超过2亿美元的资本加注，然而不久之后却有调查指出，在研究方案执行后参与的非裔群体肥胖率反而增长了12%，拉丁裔糖尿病患者血糖波动异常率同样增长了23%。
舆论哗然，为何依靠大数据支持的AI算法也会马失前蹄？原来问题就出在了数据本身。
调查指出，该算法所使用的核心训练数据有78%都来自于斯坦福大学校友库和硅谷地区智能穿戴设备的高频使用者。换句话说，数据的来源多集中于美国社会的白人精英阶级或中产阶级入门水准，对于具有特定饮食偏好的少数族裔和低收入群体的饮食习惯收录非常有限。
例如，非裔和亚裔群体中普遍存在乳糖不耐受的体质，前者更是多达75%，然而在以白人精英群体核心数据为主导的算法中，这一默认值仅为35%，这导致它会为更多的非裔群体推荐超出身体负担的乳类制品饮食方案。
再比如，AI算法会将复杂多元的饮食文化简化为单一的营养素组合排列，它无法识别出少数族裔饮食文化中的一些传统功能性食物以及它们的营养价值，秋葵、山药等等一些具备高膳食纤维的食物仅被简单归纳为提供维生素的范畴之中，许多算法默认为的“非主流”食物都在一次次的更新优化中遭到剔除。
由于涉嫌数据霸权和系统性的算法（种族）歧视，该研究在其后被国会叫停，直至2020年5月，《美国国家卫生研究院2020-2030年营养研究战略计划》的正式出台才意味着美国精准营养计划趋于完善。
这个并不遥远的历史仍值得给今天的大健康食品从业者敲响警钟，毕竟当AI大数据框定在固定的条件下就不会“大”，当小个体具体到独立的人就不会“小”，而这也正是精准营养的应有之义。
02 算法只是工具
在上周的文章中我们曾提到，得益于二代测序技术的普及、临床科研规模化应用和本土企业打破国外垄断的市场竞争的推动，近年来基因检测和代谢组学等技术的成本普遍呈现出下降趋势，在本世纪初需要耗费动则千万美元以上的价格如今可以压缩至几百美元以内，这一变化也推动了精准营养从概念成功走向落地。
根据权威机构预测，今年中国精准营养市场规模预计突破800亿元，年增长率高达40%，AI技术驱动下的精准营养革命已经呈现出势如破竹的气势。
群体之间存在共性，人与人之间又存在着各自不同的体质差异，正如前文所述的那场实验一样，种族、年龄、性别、地域、职业、文化、收入等等都会造成人们在营养需求和功能方向上的个性化差异。我国幅员辽阔，人口众多且又是多民族聚居的国家，大健康食品的消费人群能够在多个类目下不断细化，打造特定人群的特定营养补充是趋势，也是必由之路。
然而，我国精准营养研究及转化目前还处于探索阶段，数据缺乏、技术难度高和研发成本高等一系列的因素制约和挑战其发展。如何提高结果的可重复性、发掘可靠的临床生物标志物、实现科研技术的具体落地等都是精准营养在功能食品实现商业化和产业化面临的问题，在这些环节AI技术只是工具，并不应该，也不能成为具体的手段。
03 别让概念先行
或许是近些年精准营养概念的火热属实提供了一个能够制造卖点差异化的商机，当下的大健康食品领域其实已经不乏将其作为核心卖点的产品。然而，其中又有相当一部分还是停留在概念先行的阶段，拥有“真精准”科学实证的产品还是少数。
像是益生菌品类当中热门的肠道健康赛道，调节肠道菌群的宣称是许多品牌都会营造的屡试不爽的记忆点，但人体肠道菌群丰富且复杂，一些细分的肠道问题涉及的重点菌种也千差万别（便秘型、腹泻型肠易激综合征等），一些使用人群像是儿童、孕产妇、老年人群之间的肠道微生态也充满了各自的差异性，泛化的肠道健康解决方案只会使产品效力大打折扣。
还有近些年来已经成为健康食品代表的各类无糖产品，许多仅仅是去除了产品中的蔗糖类成分以代糖取代，但没有对血糖生成指数（GI）进行有效控制，无论是对Ⅰ型和Ⅱ型糖尿病患者的碳水化合物、膳食纤维摄入的区分，还是普通消费者的实际控糖效果都很难产生裨益。
再以面向银发人群的老年营养品为例，按照世卫组织最新版的年龄划定标准，60至74岁为年轻老年人，75岁以上为老年人，二者虽然都属于银发人群的范畴，但适用的营养补充类型仍存在差异。前者多以骨骼健康、三高等问题较为突出，而后者则多见于肌肉衰退、认知功能下降（缺乏HMB、PS等成分）等情况。因此，若是单纯以如今市售老年营养品中常见的补钙类产品一概而论，难免忽略了群体的差异性。
凡此种种，简单依赖年龄、性别等人口统计学分类造成的产品维度单一化；缺乏生物标志物检测、动态监测等技术支撑造成的产品科研属性短板；对少数真实使用消费者的需求忽视等都是让许多大健康食品精准营养不精准的因素之一。好在，现如今AI技术的蓬勃发展让这些问题的解决方式不再是昂贵且遥不可及的，但这一切，仍需要技术背后无数的真实业内从业者所具备的人性温度才能付诸实践。
作为拥有着细胞、斑马鱼、哺乳动物、皮肤外植体和人体临床等多维生物技术加持的环特生物，深知在AI大数据驱动下的精准营养创新和升级离不开对特定生物机制系统、活性成分、成分复配等环节的一一穷尽与阐明，更离不开以大量的科学实践所积累而成的生物技术科研数据宝库。凭借着十数年来服务于健康美丽产业的脚踏实地，环特生物相信以精准营养为切口的大健康食品会乘着这股AI技术迭代的东风再上一个高度，但这不会是一蹴而就的，也不会是只关乎于技术本身的未来。