从AI驾驶到AI做饭，下一代物理AI的入口，可能藏在饮食界|机器人|烹饪|飞轮|餐饮

你有没有想过，在美国的中餐厅，仅凭一台机器，就能完美复刻国内老店分毫不差的中餐风味？濒临失传的老字号手艺和味道，也能通过AI永久传承？一个完全没进过后厨的人，靠一台设备，一天之内就能开出一个全新的餐饮品牌？放在自动驾驶普及前，没人相信 AI 能读懂路面、自主驾控。如今，这套 Physical AI 闭环，正在饮食赛道完整落地。

这些听起来像营销话术，但这是一家叫不停科技的公司，过去几年在29个国家真实跑出来的事情。他们依靠创新的视觉模组、烹饪大小脑架构和专属的门店大模型，蒸馏全球厨师Know-how，实现风味的标准化复刻与跨地域复制。

AI+衣食住行，每一项都是万亿美金级别的赛道。特斯拉已经证明了AI+出行这件事能跑通，做出了世界上最好的司机。现在轮到AI+饮食了，而在这条赛道上跑得最前面的，是这家很多人还没听过名字的公司。我反而觉得，这恰恰是最有意思的地方，越是没被资本充分定价的赛道，越值得花时间看清楚。

这不是一台机器，而是一个会自我进化的饮食物理AI平台

第一次听说不停科技的人，很容易把它归类成一家做厨房设备的硬件公司，觉得不就是造了一台能自动炒菜的机器吗？我一开始也这么想，但深入了解之后发现，这个判断错得离谱，我们真不应该用旧的范式来理解这个事情。机器只是进入物理世界的入口，AI才是核心引擎，这套系统真正值钱的地方在于把全球规模化真实采集的厨师Know-how和经验，转化为可自我进化，并能全球复用的Physical AI数据飞轮。这是传统餐饮六十年行业积累都无法复刻的底层能力。

做菜是一种专有能力，而不是体力，一份菜品出锅，数据沉淀才刚开始，火候、油温、翻炒轨迹、食材状态、用户评价等等，每一次烹饪的全流程数据，都会被实时采集、入库、训练模型。模型迭代后，又反过来提升机器人的生产能力，产生更多高质量数据，形成正向数据飞轮。如果说传统厨师靠的是经验和手感，那这家公司打造的是一个靠独有的真机多模态数据飞轮训练出的持续进化并拥有泛化能力的超级大厨。这才是饮食物理AI平台最核心、也最难复制的护城河。

这个判断很关键，因为如果只把它当成一台设备来估值，天花板一眼就能看到头，无非是卖硬件赚差价。但如果把它理解成一个饮食物理AI平台，就完全不一样了。硬件负责执行和数采，AI负责决策和进化，平台上跑出来的，是一整套全新的商业逻辑。这就像当年评价特斯拉，如果只把它当成一辆能自动驾驶的车，你会低估它很多倍，因为真正值钱的是背后那套感知、决策、进化的系统。

全球第一次把双光视觉模组装进厨房，烹饪机器人从此有了感知能力

说到进化，就绕不开这套系统底层最硬核的部分。一台设备一天要做出几百道菜，意味着每天都在产生几万次感知、决策、执行的完整闭环，这些数据反过来又在训练模型本身，让系统越用越聪明。

这条路径和自动驾驶几乎是同构的，硬件先大规模铺开，数据不断积累，模型持续进化，能力随之升级，但垂类场景里数据比通用场景值钱得多，因为重复率高、反馈周期短，闭环速度快一个数量级。

这里我想特别说一个技术细节，不停科技是全球第一家把双光视觉模组引入饮食场景的公司。这相当于自动驾驶从“程序巡航”升级为“感知自驾”。以前的厨房设备哪怕再自动化，本质上也只是按预设程序机械执行，它不知道锅里的食材现在是什么状态，油温到了没有，火候够不够。双光视觉模组的加入，第一次让机器人真正拥有了“高精度AI双眼”——实时看懂食材的变化、火候的走向、油温的高低，这一步说起来简单，但意义其实很大，因为感知能力是从按部就班执行，走向真正自主判断和泛化的前提，没有感知，决策就是空中楼阁。

从技术演进的路径来看，这套系统正在从只会照着程序执行，一步步走向能够自主决策，甚至反过来创造新菜谱的阶段。感知能力的落地，是物理AI从自动化迈向智能化的关键一步。数据飞轮转起来之后，AI已经开始自己发明菜谱。未来，厨师这个身份也许会更像IP，而菜谱本身，会变成一种可以流通交易的资产，最终形成硬件+软件+内容生态的能力，这一层商业模式目前还在早期，但方向已经很清楚。

烹饪大小脑：让机器人从“执行动作”走向“理解和创造”

这家公司还自研了烹饪大小脑双架构，整套逻辑分成云端大脑和本地小脑，走完采集数据、训练模型、现场执行、持续优化的完整闭环，这也是它和普通炒菜机、通用大模型拉开差距的核心。简单来说，大脑负责思考，小脑负责行动。通过数据采集、AI训练、机器人执行和持续优化，不停科技让机器人从一个只会按照程序执行动作的设备，变成一个能够学习和进化的智能系统。

所谓“烹饪大脑”，本质上是在让机器人学习人类厨师多年积累的经验。他们通过真实厨房中的数据采集，包括厨师操作过程、机器人运行数据、食材变化以及门店反馈等，让AI不断理解菜谱逻辑、判断烹饪状态，并生成更适合实际场景的执行方案。更重要的是，门店运行过程中产生的新数据还会不断回流，让系统持续优化。

如果大脑解决的是“知道该做什么”，那么小脑解决的就是“如何把它做好”。真实厨房里，食材、温度、火候都在不断变化，固定程序很难应对复杂情况。不停科技通过双光视觉和多传感器融合技术，让机器人能够实时感知食材状态，并根据变化动态调整火候、动作和节奏，实现更加稳定的标准化出品。

最终，大小脑形成了一套持续进化的数据飞轮，通过真实厨房产生数据，AI不断学习，再反过来提升机器人的能力。传统自动化设备只能重复人设定好的动作，而不停科技希望打造的是一个能够理解、决策、执行，并且越用越聪明的餐饮Physical AI系统。

门店大模型：让AI从“会做菜”走向“会经营餐厅”

如果说烹饪大小脑解决的是怎么把菜做好，那么不停科技自研的垂类门店大模型Restaurant-LM，解决的是另一个更大的问题：AI能不能像一个经验丰富的店长一样，帮助一家餐厅持续经营和优化？

传统餐饮管理最大的难点在于，很多经验掌握在人的脑子里。什么时候该备多少货、哪些菜品更受欢迎、为什么某家店突然销量下降、如何调整运营策略，这些判断往往依赖多年行业经验，很难被复制。这家公司通过Restaurant-LM把这些分散在不同门店、不同岗位中的经营经验沉淀下来。系统会持续学习门店中的订单数据、生产数据、设备运行数据、菜品表现以及用户反馈，逐渐形成对餐饮经营的理解。

简单来说，它不只是告诉机器人下一步怎么炒菜，还会帮助门店回答今天卖什么？怎么生产？哪里出了问题？下一步应该怎么优化？

传统餐饮最大的痛点之一，是一家店成功，很难复制到100家店。因为每一家店面对的顾客、环境和运营情况都不同。而门店大模型改变了这一点，一家门店积累的优秀经验，可以通过AI模型快速沉淀，并应用到更多门店。比如，一家门店发现某个菜品在特定时间段销量提升，或者某种生产方式能够降低损耗，这些数据都会成为模型学习的一部分，帮助整个门店网络不断优化。这就像给每一家餐厅配备了一位不断学习的“AI店长”。

传统设备解决的是协助人工完成某个动作，而Restaurant-LM希望解决的是如何让AI真正参与餐饮经营全过程，将店长、厨师以及老板等角色的经验沉淀下来，并通过AI Agent智能体完成分析、判断和执行，让门店经营从依赖个人经验，逐渐走向数据驱动。当机器人、AI模型和真实门店数据连接起来，不停科技想打造的就不只是一台会炒菜的机器，而是一套能够持续学习、持续优化的饮食Physical AI基础设施。

RaaS（Restaurant as a service）模式：把开餐厅这件事封装成一种能力

Airbnb把每个房屋变成酒店，让不会开酒店的人可以经营酒店；不停科技把每个空间变为餐厅，让不会做餐饮的人也可以经营餐厅。他们用一种叫RaaS的模式，也就是Restaurant as a Service（餐厅即服务），把开餐厅这件事的门槛几乎降到了0。

RaaS把机器人、门店大模型、内容生态打包在一起。机器人+AI把出品这件事直接封装了，你不需要懂厨艺，也不需要懂管理，只要有闲置场地就能做餐厅。德国最大的超市集团Kaimug REWE的案例很能说明问题，这原本是一家社区超市门店，接入不停科技的平台之后，多出了一个五平米大小的AI智能体厨房，单位坪效直线拉升了5-10倍。这不是一个孤立的成功案例，因为这套系统的部署速度快到夸张，一天之内就能上线一个全新的品牌，因为菜谱由AI生成，硬件可以即时部署，不需要漫长的筹备期。

我一直觉得Anthropic这个类比特别贴切。Anthropic把写代码这件事的能力封装进了AI里，所以现在很多原本不会编程的人也能做出软件。不停科技做的是同一件事，只是把标的换成了开餐厅这件事。它把厨艺能力（厨师长）、管理能力（店长）这些原本需要多年经验积累的能力，封装进了机器人加AI里，所以现在几乎任何人都有机会拥有一门属于自己的小生意。

数字是骨感的检验标准

讲了这么多故事和逻辑，最终还是要拿真实数字来验证，不然一切都只是漂亮话。不停科技目前年营收预计数亿，业务落地在29个国家，部署了数千台硬件，海外营收占比超过百分之六十。这说明它不是一个只在国内讲故事的项目，而是真正走出去被海外市场验证过的生意。

它的客户名单里有东南亚第一大餐饮集团Jolibee、香港第一大餐饮集团美心、沃尔玛、迪士尼、汉莎航空等国际品牌，同时与软银机器人、Cuckoo等近百个渠道伙伴展开战略合作。这些客户横跨主题乐园、连锁餐饮、生鲜零售、高端酒店、航空餐饮和欧洲商超好几个完全不同的业态，一家公司能同时拿下这么分散的头部客户，说明它解决的不是某个细分场景的小问题，而是一个跨行业的通用痛点。

融资层面，他们累计融资已经超过一亿美元，资本市场对这个方向的认可度正在快速提高。

一个放弃清华的90后，开了十几家餐厅后决定用AI做饭

写到这，我才发现不停科技是李泽湘、甘洁、高秉强等顶尖教授团队孵化的。创始人陈锐，是个90后女性。她读书的时候是物理竞赛省队选手，拿到了保送清华的资格，但她放弃了，去了香港理工读金融。这个选择本身就挺有意思，一个理科尖子生，主动走向了商业世界。

后来在毕马威做战略咨询的经历，让她对“一个产品怎么规模化进入一个新市场”这件事有了非常扎实的方法论训练。与此同时，她开过十几家连锁餐厅，真正泡在后厨里，她才摸清楚这个行业最痛的地方到底在哪，出品不稳定、老师傅难留、坪效上不去、扩张全靠复制人。

2021年，她写下了第一版商业计划书，里面有一句话：“最终一定是AI给人做饭”。

六年之后，这句话正在变成现实。

不停科技的核心成员来自大疆、云鲸、黑格等创新硬件公司，团队兼具一线落地经验及硬核AI底层研发能力，是市面上非常稀缺的落地型AI团队。这个公司之前还得到了五源资本、华山资本等国际一线机构的投资。

我怎么看这件事

我一直觉得，判断一个新赛道值不值得关注，关键不是看它现在有多热闹，而是看它有没有走通那条从硬件铺量，到数据积累，再到模型进化的完整闭环。特斯拉走通了这条路，做出了世界上最好的司机。不停科技正在用几乎一样的方法论，试图做出世界上最好的厨师。

我特别喜欢的一点是，这件事的社会价值和商业价值是完全统一的。它没有消灭谁的饭碗，反而是把开一门小生意所需要的能力，用一种前所未有的方式开放给了更多普通人，一个原本只会卖肉的超市老板，现在也能利用闲置的5平米空间，拥有一个赚钱的炒菜档口。这种赋能实体经济的路径，我觉得比单纯讲一个万亿赛道的故事更有说服力。

从一个放弃清华保送资格、真刀真枪开过十几家餐厅的创业者手里，走出来这样一套系统，这件事本身就很说明问题。她不是从概念出发去找应用场景，而是从后厨里真实的痛点出发，反过来构建出了一整套技术体系。AI+出行已经有了特斯拉这个答案，AI+饮食这道题，目前看不停科技交出的答卷，是我见过最完整的一份。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。

- END -

两个“特别坑”的AI产品创业方向，你知道吗