泸州老窖 × AI

[导语·核心观点]2025年6月的天津夏季达沃斯论坛上，泸州老窖以"非遗酿造与AI双向奔赴"为题，对外展示了AI在白酒生产中的两类应用：一是整合历史数据、实时数据与工匠经验构建"黄金生产批次"模型，二是车间里的安全隐患识别[1][2][3]。方向清晰、场景具体，但公开报道中没有出现任何金额、规模或财务口径的量化结果。对投资者而言，真正要分辨的不是"白酒能不能用AI"，而是这些应用目前处在示范阶段，还是已经进入损益表。

[事件回顾·发生了什么]2025年6月，天津夏季达沃斯论坛期间，泸州老窖对外展示了非遗酿造与人工智能结合的实践[1]。据财新转载内容，刘淼在论坛上分享了人工智能赋能白酒的情况[2]。技术层面有两项被反复提及：在智能生产方面，公司通过AI技术整合海量历史数据、实时数据以及专家、工匠传下来的经验积累，构建"黄金生产批次"模型，实时预测并指导生产，报道中并提及"缩短工艺"[1][2]；在安全生产与管理方面，据海康威视发布的应用案例，AI应用走进了泸州老窖生产车间，在园区酿酒中心、酒库等重点区域，AI算法能够实时识别交验间漏酒、危险区域闯入等隐患，助力生产管理更快速、有效[3]。

[背景与格局·公司沿革 · 行业脉络]白酒是典型的高毛利、强周期、重经验的传统制造业。窖池、曲药、温度、湿度、发酵时间等变量的组合，长期依赖老师傅的手感，这既是品质护城河，也是标准化与规模复制的瓶颈。泸州老窖把"非遗酿造"作为品牌资产对外传播[1]，其AI路线的核心诉求，可以理解为把难以言传的经验转成可计算、可复现的参数体系——"黄金生产批次"模型正是这一思路的具体命名[1][2]。行业层面，头部酒企近年普遍推进数字化酿造、智能工厂与渠道数据中台，路径高度趋同：先做数据采集与在线监测，再做工艺建模与预测。与此同时，海康威视这类安防与视觉厂商向工业场景延伸，为酒企提供了跨行业的技术供给[3]。在这条链条上，AI更多扮演生产工具与管理工具的角色，而非直接产生新收入的业务。

[深度解读·为什么发生 · 意味着什么]为什么是现在？可以梳理出三层动因。第一，白酒进入存量竞争阶段，靠提价与渠道扩张获取增长的空间收窄，向内要效率——出酒率、优级率、能耗、人工——成为更现实的选项。第二，AI的视觉识别与预测建模能力，已经成熟到可以落在相对结构化的工业场景：漏酒识别、危险区域闯入这类任务，本质是目标检测加规则告警，技术门槛不高，投入产出相对可算[3]。第三，"黄金生产批次"式的工艺建模[1][2]，价值在于把隐性经验显性化。对一家依赖非遗传承体系的企业，这既是效率问题，也是传承问题：经验一旦被数字化，就不再完全受制于个体的流动。 谁受益？首先是企业自身的管理效率与质量一致性（此为分析，非报道事实）。其次是提供算法、摄像头、传感器与平台的供应商——海康威视的案例被公开展示，本身就带有标杆营销的属性（判断）[3]。谁可能受损？传统工艺环节的部分岗位，以及把"纯手工"当作唯一溢价来源的品牌叙事；当工艺被建模，"非遗"三个字需要被重新解释（分析）。但这一切都建立在"宣称已落地"的前提上：报道没有披露模型覆盖多少窖池、多少产线，也没有说明AI带来的具体改善幅度。

[关键数据与证据·来自报道的数字与事实]逐条梳理可核验信息，会发现证据密度明显偏低。定性表述方面：AI整合海量历史数据、实时数据以及专家、工匠的经验积累，构建"黄金生产批次"模型，实时预测并指导生产，报道并提及"缩短工艺"[1][2]——这是公司对外口径，非第三方审计数据。场景描述方面：AI算法在泸州老窖园区酿酒中心、酒库等重点区域实时识别交验间漏酒、危险区域闯入等隐患[3]——来源为供应商官网的成功案例，属产业链自述。场合方面：2025年6月天津夏季达沃斯论坛的公开分享[1][2]。 缺失项同样清晰：没有投资金额，没有部署规模（窖池数、产线数、点位数量），没有量化收益（出酒率、优级率、人工节省、成本下降），也没有可查证的对外订单或相关销售收入。整体看，这组证据的可验证性处于中到低区间：权威媒体的定性报道为中等[1][2]，供应商自述案例为偏低[3]。

[风险与争议·审慎的批评视角]必须讲清楚几层反差。其一，"宣称—证据"落差。达沃斯是国际传播场合，企业倾向于展示最亮的一面；"构建模型并实时预测"与"该模型在多大范围稳定运行并产生可计量收益"是两个不同命题，现有报道只支持前者[1][2]。其二，供应商案例的证据属性。海康威视官网的成功案例属于商业营销材料，通常经双方确认、以正面呈现为目的，缺少对照组与量化基线[3]；把"能识别"等同于"显著降本"，是常见的推论跳跃。其三，归因偏差。白酒酿造是多变量系统，出酒率与优级率的改善可能来自原料、季节、班次管理等多种因素，若无对照设计，很难把结果单独归因于AI（分析）。其四，叙事替代风险。用AI讲非遗故事，容易滑向技术标签营销——对消费品品牌，这能带来短期的资本市场关注与品牌收益，但并不自动构成竞争壁垒。其五，能力边界。漏酒与闯入识别属于成熟的视觉任务，本身难以形成差异化优势[3]。其六，披露纪律。上市公司正式公告与论坛演讲之间，信息质量差异巨大，投资者不应把论坛发言当作业绩指引。

[未来展望·情景推演]保守情景：AI应用继续以单点示范形式存在，集中在安全监控、设备巡检与部分工序的参数推荐，财务影响不单独披露，难以在报表中留下痕迹。中性情景：未来三到五年，工艺建模覆盖主要产线，出酒率与优级率出现可被公司口径引用的改善，AI成为年报"数字化转型"章节的常规内容，但仍不是估值变量。乐观情景：模型沉淀为可复用的酿造知识资产，支撑产能扩张中的品质一致性，并对行业形成方法论输出。三种情景的差异，关键不在技术可行性，而在于企业是否愿意公开可验证的量化口径——这恰恰是当前最缺的一块。

[建议与启示·面向决策者]面向企业决策者，有四条可操作建议。第一，把"可验证性"作为AI项目的立项标准：任何宣称都应绑定基线、对照与观察周期，例如上线前后同窖池、同季节的出酒率与优级率对比。第二，区分"展示型AI"与"收益型AI"：前者服务品牌与资本市场沟通，后者要进损益表，两者的预算与考核应分开管理，避免用展示成绩掩盖收益不明。第三，正视经验数字化的组织阻力：老师傅经验的建模牵涉激励安排与知识产权归属，技术之外的机制设计往往决定成败。第四，多智能体协同是这类场景的自然延伸——工厂里的视觉识别、工艺预测、安全告警、设备运维，本质上是多个专精智能体的协同任务，需要统一的任务编排、权限与审计层，这正是AgentSH这类多智能体调度平台试图解决的问题：把分散的模型能力组织成可调度、可追溯的生产力，而不是让每个场景各自为战。对投资者而言，建议的核实清单是三条：年报或公告中是否有金额与规模口径；是否有第三方或客户侧的交叉验证；管理层表述是否已从"已构建"推进到"已产生可计量收益"。

[结语·一句话立场]泸州老窖把AI引入非遗酿造，方向合理、场景真实，但目前的公开证据只支持"在做"，尚不足以支持"做成了什么"。在技术叙事最容易获得掌声的场合，投资者更应回到最基本的问题：钱花了多少，覆盖了多大范围，省下了多少。这三个数字出现之前，关于AI赋能白酒的任何判断，都应当保持克制。