智能手机历经二十余年发展，已能完美呈现视觉、听觉乃至触觉体验，但“嗅觉”始终是数字交互的空白领域。这一局面正迎来突破。10月下旬，俄亥俄州立大学与之江实验室的研究人员在《科学进展》（Science Advances）发表论文，展示了一套名为 Scentronic（电子气味）的 AI 辅助嗅觉接口，实现了从气味识别到远程释放的自动化闭环。
Scentronic系统：从识别到释放的自动链路
该系统的核心在于打通了感知、分类、传输和释放四个环节。发送端采用“电子鼻”技术，利用6个商用金属氧化物气体传感器模仿人类嗅觉受体。当乙醇、柠檬烯等挥发性分子吸附于传感器表面时，电阻发生变化，形成独特的信号组合，即气味的“指纹”。
研究团队选取橙子、蛋糕、咖啡、啤酒和红酒五种日常食物，各采集50次样本，通过 k-近邻算法（k-nearest neighbors）训练分类模型，识别准确率超过98%。一旦识别完成，系统无线发送类别标签至接收端。
接收端被设计为手环、项链或手持设备，内部储存稀释后的香液。接收到信号后，内置压电陶瓷片振动将香液雾化，并通过调节振动通断比例控制浓度。从接收信号到喷出香雾，响应时间约为0.6秒。不过，受限于复杂气味的分析过程，电子鼻整体识别仍需数秒至数十秒。
在14名志愿者参与的测试中，单一气味辨认正确率约为73%，混合气味约为71%。此外，团队还开发了一款配合 Meta Quest 3 头显使用的“数字杯子”，能在虚拟场景中同步释放对应的香气和味道，增强沉浸式体验。
（来源：Science Advances）
技术演进：从预设脚本到实时感知
远程气味传输并非新概念。早在1960年，电影《神秘的气味》便尝试通过胶片信号触发影院座椅下的管道释放气味；1996年的游戏《情圣拉瑞：爱之航》则利用刮刮卡配合屏幕提示让玩家闻味。但这些早期尝试均依赖预先编写的脚本。
Scentronic 的创新之处在于其指令源自对现场真实物体的即时判断。这种端到端的自动化闭环，且接收设备微型化、可穿戴化的特点，使其在医疗领域展现出应用潜力，如远程评估病毒感染或神经退行性疾病患者的嗅觉变化。
扩展瓶颈：缺乏嗅觉的“RGB”标准
目前 Scentronic 采用“传标签不传配方”的模式，每增加一种气味需重新训练电子鼻并添加对应香液。这揭示了数字嗅觉面临的核心挑战：不同于视觉有红绿蓝三原色，嗅觉缺乏简单的基本单元，日常气味多为大量复杂分子的混合物。
业界正尝试多种路径突破这一限制：
- 基础气味调配：麻省理工学院媒体实验室与纽约大学今年4月发布的 AromaGen 系统，选用12种基础气味剂，借助多模态大语言模型计算混合比例。用户可通过自然语言反馈调整，生成气味与真实食物香气的相似度中位数达8分（满分10分）。
- 构建气味图谱：2023年，谷歌等机构在《科学》发表论文，利用图神经网络构建“主气味图谱”（POM），将分子结构映射为人类气味感知。基于此成立的初创公司 Osmo 试图打造嗅觉领域的“RGB”，但专家指出，混合物质的非线性叠加效应使得完全模拟所有气味仍任重道远。
未来展望：从有限库到无限可能
现阶段，Scentronic 凭借低成本传感器和经典算法，在食品批次比对、远程筛查等特定场景已具备实用价值。研究团队计划下一步在非实验室环境中测试，并扩充可识别气味种类。
伦敦大学学院多感官交互教授 Marianna Obrist 评价称，虽然从有限库中识别释放气味是有价值的进展，但距离像音视频那样完整记录并回放复杂的气味体验仍有巨大差距。唯有破解基本气味的组合规律，数字嗅觉才能真正丰富我们的虚拟世界。
注：封面/首图由 AI 辅助生成