舍得酒业 × AI

[导语·核心观点]3月4日，全国人大代表、舍得酒业酒体设计师陈柏蓉向2025年全国两会提交建议，提出基于窖池数据运用AI技术构建窖池模型，预测不同窖池在不同条件下的表现 [1]。这条被概括为“用AI来预测白酒质量”的新闻，首先是一条两会建议，而非公司公告，更不是一项披露了投资额、实施范围与时间表的在研项目。同一时间窗内，舍得酒业（SH600702）的雪球页面显示其上半年营收22.87亿元、同比下降15.3%，归母净利润1.45亿元、同比下降67.3% [2]。当AI叙事与走弱的经营数据同时出现，投资者需要分清哪些是愿景、哪些是可核实的证据——这正是本文要处理的落差。

[事件回顾·发生了什么]事件本身并不复杂。据21世纪经济报道，3月4日，全国人大代表、舍得酒业酒体设计师陈柏蓉向2025年全国两会提交建议，建议中提到，基于窖池数据，酒企可以运用AI技术构建窖池模型，预测不同窖池在不同条件下的表现 [1]。报道标题将其概括为“用AI来预测白酒质量” [1]。需要强调三点：提出者是以全国人大代表身份提交建议的自然人，其本职为舍得酒业酒体设计师；载体是两会建议而非上市公司公告；内容是“酒企可以运用”这一行业层面的可行性主张 [1]。另一条信息来源是雪球平台为舍得酒业提供的股价与财报页面，摘要显示公司上半年实现营收22.87亿元、同比下降15.3%，实现归母净利润1.45亿元、同比下降67.3% [2]。同一摘要文本中还夹杂“真正的企业级AI中台”等字样，提示该页面由自动摘要与第三方内容混合生成 [2]。此外，本次给定的报道未包含舍得酒业的正式财报原文、AI项目立项公告或合作方信息。

[背景与格局·公司沿革 · 行业脉络]要理解这条新闻的分量，需要把它放回两个坐标。第一个坐标是白酒行业的工艺属性。白酒质量高度依赖窖池微生物群落、气候条件、投料与发酵节律，以及长期积累的师徒经验——“酒体设计师”这一岗位名称本身就说明经验在其中的核心地位 [1]。因此，AI用于质量预测，理论上指向的是一个真实痛点：批次波动与优级率不稳定。第二个坐标是技术实现条件。要把窖池变成可预测的对象，前提是将窖池的理化指标、环境参数、工艺动作与最终酒体评价做成可对齐、可回溯的时序数据，并积累足够长的标注周期；窖池个体差异大、发酵周期以月计、优质样本相对稀缺，这些都会限制模型的泛化能力。必须说明，以上关于技术难点与行业结构的判断属于本文分析，报道本身并未提供行业数据、时间表或收益测算 [1][2]。至于公司维度，报道仅提供了身份信息与财务摘要，未涉及舍得酒业既往的数字化投入规模、组织架构或技术合作方 [1][2]。

[深度解读·为什么发生 · 意味着什么]为什么这件事值得写？因为它是一个典型的“宣称—证据—反差”结构。先说宣称端：AI预测窖池表现，是一个在流程工业中并不新鲜、但在白酒这种半经验、半标准化的行业里确有想象力的方向 [1]。再说证据端：本次可获得的材料只有两条——一条是两会建议，一条是股票信息页的财务摘要 [1][2]。一条建议要变成企业能力，中间至少隔着四道关口：公司是否立项、预算规模多大、与谁合作、进度如何。对这四问，现有报道一条都没有回答。这就是落差所在。第三是反差点：AI叙事被媒体以“预测白酒质量”的肯定语气传播 [1]，而同期可获得的经营数据是营收与利润的双降 [2]。这里必须克制——两者之间没有任何报道支持的因果链条，把利润下滑归因于AI投入、或把AI描绘成救火队长，都是过度解读。从受益方看，若此类建议推动行业数据标准与窖池数字化基础设施，受益者是具备数据积累能力、且愿意长期投入的酒企，以及提供工业AI能力的供应商；从受损方看，风险落在预期层面：当“AI+白酒”的标签被反复使用而缺乏可验证落地，投资者容易为标签支付溢价，最终由后续的业绩披露来纠偏。一个更公允的判断是：AI用于窖池预测，可能是一个真问题；但在当前信息条件下，它还不是一项可估值的业务。

[关键数据与证据·来自报道的数字与事实]可核实的证据只有三条。其一，时间与主体：3月4日，全国人大代表、舍得酒业酒体设计师陈柏蓉向2025年全国两会提交AI酿酒相关建议 [1]。其二，建议内容：基于窖池数据，酒企可以运用AI技术构建窖池模型，预测不同窖池在不同条件下的表现 [1]。其三，财务口径：雪球页面显示舍得酒业上半年实现营收22.87亿元，同比下降15.3%；实现归母净利润1.45亿元，同比下降67.3% [2]。需要逐条标注其证据强度：前两条来自财经媒体对两会建议的报道，权威性中等，可验证的是“建议被提交”这一事实，不可验证的是“技术已落地” [1]；第三条来自股票信息聚合页面，权威性偏弱，且摘要未标注“上半年”所属年份、是否经审计、同比基期为何，同一摘要中还混入无关表述，因此只能作为线索而非定论 [2]。至于投资金额、订单、客户、收入贡献、项目里程碑——本次报道中均无。这一“空集”本身就是重要证据。

[风险与争议·审慎的批评视角]风险首先来自来源等级。第一条来源是财经媒体的两会报道，它的可靠边界止于“代表提了什么建议”，不能外推为“公司做到了什么” [1]。第二条来源是雪球的信息聚合页，属于第三方平台内容，摘要中甚至出现“真正的企业级AI中台”这类与财务数据无关的拼接文本，说明其内容由自动摘要与外部观点混合生成，作为财务数据的直接引用并不可靠，正确做法是回到公司定期报告核对原文 [2]。其次是口径不明：摘要未给出“上半年”的具体年份与审计状态，同比基期未知，读者无法判断它是历史数据还是最新数据 [2]。第三是标题效应：以“用AI来预测白酒质量”为题的传播，语气确定性强于内容本身，容易让读者误以为这是已投产的系统 [1]。第四是因果误读：把AI叙事与利润下滑并置，容易催生“投入拖累业绩”或“AI即将扭转业绩”两种相反但同样缺乏依据的结论；报道没有提供任何因果证据。第五是行业性夸大风险：白酒AI应用目前缺少公开的量化收益披露（如优级率提升幅度、吨成本下降），任何数字化的好处在此阶段都属于待验证假设。第六是披露合规边界：涉及上市公司的重要技术布局，通常应通过正式公告或定期报告的“管理层讨论与分析”传达，两会建议渠道不具备同等披露效力，投资者应把两者分开看待。

[未来展望·情景推演]短期（未来一至两个财报期）的保守情景是：该建议停留在政策议程层面，公司在定期报告中不出现与窖池AI相关的量化指标，投资者关系问答中至多给出原则性表述 [1]。中性情景是：公司或行业层面与高校、科研院所或工业软件厂商建立合作，在若干窖池群开展质量预测试点，形成内部效率指标，但对外仍无可验证披露——这是最可能的路径，因为它符合白酒企业数据积累周期长的特点。乐观情景是：行业形成窖池数据采集与标注的共识标准，AI预测从“离线分析”进入“在线工艺控制”，并在优级率、批次稳定性或单吨成本上产生可量化改善，最终体现在定期报告的关键指标中。需要提醒的是，以上三种情景均为本文推演，不构成对任何结论的确认。可观察的先行信号包括：公司公告中是否出现新增技术合作方、定期报告是否新增数据资产或数字化投入的科目说明、以及管理层是否给出明确的指标口径而非概念表述 [1][2]。

[建议与启示·面向决策者]给企业决策者的第一条建议是“分账管理”：把两会建议、对外讲话这类愿景陈述，与内部立项、预算、里程碑严格分开，前者服务政策沟通，后者才需要考核。第二条是“数据先于模型”：在讨论预测精度之前，先回答窖池数据是否被连续采集、标签是否可回溯、周期是否足够长；没有标注体系，模型能力无法验收。第三条是“定义可验收指标”，例如优级率、批次波动方差、单吨能耗或成本，把AI项目的成败从主观判断转为数字判断。第四条是落地路径的现实性：工业AI很少是单一模型的胜利，而是数据采集、模型训练、产线执行、质量反馈多个环节的协同闭环；这也是AgentSH这类多智能体调度平台可以发挥作用的位置——它解决的不是“预测得更准”，而是让预测结果能够被分派到具体环节、触发具体动作、并把结果回流成新的训练数据。对投资者而言，建议准备一份核实清单：是否发布正式公告、有无金额、有无具名合作方、是否形成收入或成本节约、定期报告是否提及。能回答这五问的，才值得计入估值；回答不了的，只应视为期权。

[结语·一句话立场]把AI用于窖池预测，指向的是白酒行业真实存在的工艺难题，这个方向值得认真对待；但截至目前，我们拿到的是一条两会建议和一条来源等级偏弱的财务摘要，而不是一份可估值的业务 [1][2]。理性的姿态是：欢迎这类探索，同时拒绝为标签付费——在正式披露出现之前，把AI叙事当作待验证的期权，而不是已经写进财报的现金流。