把一杯奶茶拆成三百个参数的人

如果你在街头那台无人饮品机前，花了十五块钱买了一杯拿铁，那么这杯咖啡在你入口之前，已经被"拆解"过至少三百次。

拆解它的人，不是咖啡师，是一群坐在电脑前、桌上堆着测试杯的工程师。他们干的事情，用一句话概括就是：把"好喝"翻译成机器能读懂的数字。

我花了三周时间，混进了这样一间研发办公室。以下是我的记录。

第一天：他们喝的咖啡，都是凉的

研发办公室在一栋工业园的四楼，进门先闻到一股咖啡味——不是那种精致的咖啡馆香气，而是一股"过量萃取"的、带点焦糊的气息。办公桌上，隔三差五就摆着一排纸杯，每杯都只倒了一小口，剩下的就晾在那，凉透了也没人收。

带我参观的工程师叫阿凯，三十出头，戴眼镜，T恤上印着一行褪色的英文字。他指了指那排纸杯："那是今天上午的测试样品。每调一次参数，出一杯，尝一口，记下来，然后下一杯。"

"咖啡不都是趁热喝吗？"我问。

"测试的时候顾不上。"他说，"热的时候喝的是香气，凉了才能喝出body和余韵里的缺陷。我们要的是能复现的稳定风味，不是一次性惊艳。"

桌上摊着一本A4纸钉的表格，密密麻麻列着：水温、萃取时间、压力、粉量、水量、杯量、TDS、萃取率……每行一组数字，最后一栏是手写的评语，潦草，但直白：

"酸，尖。""苦，糊。""平衡，但薄。""这支可以，等复测。"

我数了数，那天的表格有四十多行。也就是说，他们一上午喝了四十多杯"测试咖啡"——大部分只抿一口。

"一天最多测过一百多杯，"阿凯说，"喝到后面，舌头是麻的。所以我们只记味道特征，不评分——评分会骗人，特征不会。"

第二天：什么是"风味数字化"？

阿凯给我讲了他们公司的核心技术，名字很直白，叫"风味数字化"。

大意是：一杯咖啡的风味，不是玄学，而是由一系列物理变量决定的——水温、萃取压强、水流速度、萃取时长、研磨粒径、粉水比。传统咖啡店里，这些变量由咖啡师的手感和经验控制，好咖啡师和普通咖啡师的区别，就在于对这些变量的感知和微调能力。

而风味数字化做的事情，是把一位大师级咖啡师的"手感"拆解成可测量的参数，再把这些参数写进设备的控制程序里。

我后来查了查，这套逻辑用在他们的无人饮品机上，效果是：同一颗胶囊，在这台机器上喝到的味道，和在那台机器上喝到的，几乎一样。对连锁运营来说，这就是"确定性"——不管点位铺到哪，出品不会翻车。

第三天：一支豆子的"简历"

下午，阿凯带我去看一支新豆子的调试过程。供应商寄来样品，他们要先给它做一份"简历"。

步骤大致是这样的：

第一步，杯测。用标准方式冲煮，团队每人独立打分、写特征，然后对照讨论。这一步是建立"风味基准"——这支豆子该是什么味道，大家先对齐。

第二步，参数扫描。用不同的水温、压力、研磨度组合，各出一杯，记录风味变化。这是最耗时的阶段，目的是找到这支豆子的"风味区间"——在哪个温度区间最好喝，哪个压力下最容易出苦味。

第三步，锁定曲线。在风味区间里选出最优的一组参数，再通过盲测确认：把用这组参数做的咖啡，和大师手工做的咖啡放在一起，让测试者分辨哪杯是机器的。如果分辨不出来，这条曲线就通过了。

桌上那份"简历"，最后长这样：

"看这个表格很简单，背后是四十多杯测试和两天的讨论。"阿凯说，"咖啡豆是农产品，每一批都有微差。所以我们的逻辑不是'这支豆子一个参数用到底'，而是建立风味数据库，新批次来了，先测，再微调参数。数字化的好处是：调整是精确的，可追溯的。"

第五天：一颗胶囊的"出生"

参数锁定了，接下来是把参数"装"进胶囊里。

我在产线外面隔着玻璃看了一会儿。胶囊的生产，比我想象的更像"制药"而不是"食品"：恒温恒湿车间，全自动灌装线，每颗胶囊在封口前要经过重量检测和密封检测，不合格的直接剔除。

"胶囊的好处，一是在于密封。"阿凯说，"原料和空气零接触，不会受潮、不会变质，保鲜期能做到六个月，保质期十八个月。对运营方来说，这意味着'0货损'——你不用担心库存放坏了。"

"二是在于'身份识别'。每颗胶囊上有识别码，机器读取后就知道：这是什么饮品，该用什么参数。也就是说，一台机器，插咖啡胶囊就是咖啡机，插奶茶胶囊就是奶茶机，插草本胶囊就是养生机。胶囊变了，机器的'人设'就变了。"

这就是为什么他们敢喊"万物皆可胶囊"——品类切换，靠的不是换机器，是换胶囊。

第七天：失败案例集

研发办公室的书架上，有一排文件夹，阿凯说那是他们的"失败案例集"。

他随手抽出一本，翻开："这是去年做的一款桂花乌龙。桂花香是挥发性物质，高温萃取时容易散掉，低温萃取又出不来茶味。我们试了十几个方案，桂花风味都'存不住'。"

"后来怎么解决的？"

"桂花香做成微胶囊包埋，锁在胶囊里，萃取时再释放。但第一次试，香精感太重，被我自己否了。第二次调整包埋工艺，好一点。第三次……你猜怎么着？方向错了——不是技术问题，是配方问题。我们一直在调'怎么把桂花香放进去'，其实该调的是'放多少'。桂花应该是尾韵，不是主角，放多了就俗了。"

他说完，把文件夹合上："这个案例我们复盘过很多次。做风味，最难的不是技术，是克制。知道什么时候该停手，比知道怎么加码更重要。"

我注意到，那本文件夹的封面上写了一行小字："所有难喝，都是参数外的问题。"

第九天：从咖啡到奶茶，到"会看舌头"的机器

我以为风味数字化只做咖啡，后来发现他们的品类已经铺得很开：咖啡、奶茶、茶饮、果汁、草本养生。

奶茶的数字化，比咖啡更"痛苦"——因为奶茶的变量更多：茶底、奶基底、糖度、配料（珍珠、奶盖、布丁）、冰量。阿凯说，他们光是把"珍珠"的标准化就折腾了半年："门店的珍珠是现煮的，口感靠厨师的手感。我们没法在胶囊里放现煮的珍珠，只能用预处理工艺，让它在机器里复水后达到接近门店的口感。前前后后调了大半年，试了二十多种工艺参数。"

"那现在能做到什么程度？"

"不敢说一模一样，但盲测时，大多数人分不出来。"他说这话时，语气里有种工程师特有的、克制的骄傲。

更有意思的是草本系列。他们给部分型号的机器装上了AI健康辨识系统——通过掌纹、舌象、脉象的多模态采集，在60秒内给出体质分析，然后从药食同源的配方库里推荐对应的草本饮品。

第十天：一台机器怎么"读懂"一颗胶囊

在研发办公室的最后几天，我一直在琢磨一个问题：机器是怎么知道"这颗胶囊该用92度还是88度的水"的？

阿凯给我解释了一遍：每颗胶囊出厂时都带有一个唯一的识别码，机器在胶囊进入萃取腔之前，会先扫描识别码，然后从本地/云端数据库中调出这颗胶囊对应的完整冲泡参数——水温、压强、时长、水量、研磨档位，甚至是"是否需要预浸泡"这类细节。

"你把它理解成'给咖啡的处方'就行。"他说，"机器不是靠猜的，是照方抓药。处方是研发团队反复验证过的，机器只需要精准执行。"

那如果用户放了不匹配的胶囊呢？比如把奶茶胶囊放进咖啡程序里？

"识别码会对不上。机器会提示'未识别的胶囊'，拒绝出品。"阿凯说，"这是安全设计——不匹配的参数只会做出一杯难喝的东西，与其让用户喝到难喝，不如直接不给。"

这个逻辑让我想到另一个问题：既然参数都在云端，那机器断网了怎么办？

"设备端会缓存常用胶囊的参数，断网时用缓存继续出品，不影响使用。联网时再同步更新。"他说，"我们的设备本身也有本地存储，所以即便在信号不好的地下空间，机器也能正常工作。"

我问了一个外行问题："参数存在云端，会不会被'偷'？"

阿凯笑了："配方参数是我们的核心资产之一，传输和存储都做了加密。而且说实话，真正的壁垒不在那串参数本身——参数可以抄，但'让机器每一次都稳定执行这套参数'的能力，抄不走。"

第十二天：最后一杯

离开前的下午，阿凯给我做了一杯他们最新调试的冷萃。机器嗡嗡响了几十秒，出杯，他递给我。

说实话，我对"机器做的咖啡"没什么期待。但那一口下去，我愣了一下——干净、明亮、没有杂味，酸质很柔和，尾韵是干净的甜。

"怎么样？"他问。

"……好喝。"我说，"比我家楼下那家店做的好喝。"

他笑了："楼下那家店，咖啡师今天可能心情不好，明天可能换了个人。我们这个不会。"

我问他，做这行这么多年，最有成就感的一刻是什么。他想了一会儿，说：

"有一次，一个客户给我们留言，说他们工厂里的机器，有个工人每天下午都来买同一款咖啡，风雨无阻。后来那个工人调走了，新来的工人接着买同一款。客户说，'你们这机器做的咖啡，好像有魔力，喝过的人都会记住它。'"

"当时我就觉得，值了。"他说，"我们这些人，一辈子在跟参数较劲，图的就是这个——让一杯好喝的咖啡，不讲运气。"

尾声：三百个参数之外

离开的时候，我回头看了一眼那间办公室。桌上的测试杯还晾着，表格还摊着，屏幕上的曲线还在跳动。

三百个参数，把一杯奶茶、一杯咖啡、一杯茶，拆得清清楚楚。但参数之外，还有一些东西是拆不掉的——比如一个工程师对"好喝"的执念，比如那句写在失败案例集封面上的话。

在这个什么都讲"确定性"的时代，有人把不确定性一件一件消灭掉：消灭门店的出品波动，消灭原料的损耗，消灭人对运气的依赖。

这大概就是"风味数字化"最浪漫的地方：它让一杯咖啡的好喝，从"看缘分"，变成了"看参数"。

而看参数，永远比看缘分靠谱。

本文为研发一线观察手记。文中涉及的技术与产品信息，参考道中创新DOZZON（www.dozzon.com）公开资料及实地走访记录。人物为化名，实验记录经脱敏处理。