AI重塑包装行业：从材料研发到回收分拣的五大应用路径

图片来源：Nestlé Research & Development 授权

AI 正在重塑包装行业的五个关键方向

技术应用仍处于早期，但众多包装行业领导者表示计划在近期内采用生成式 AI。Nestlé、Colgate-Palmolive 等企业公开了其在 AI 领域的最新探索。

作者：Shefali Kapadia ｜ 发布于 2025 年 9 月 16 日

在 Nestlé 的研发部门，一套工具正在识别全新类型的高阻隔包装材料。据 Nestlé 官方披露，该工具基于生成式 AI 技术。

越来越多的消费品包装（CPG）公司开始将人工智能引入包装设计流程。与此同时，包装制造商也在探索如何利用该技术在设计及制造环节节省时间与资源。

Nestlé 的研究人员将公开及专有文档导入知识库，随后与 IBM Research 合作，利用 transformer 模型对数据进行微调，以理解包装分子特征与物理性能之间的关联。最终，AI 模型会在设定参数范围内分析输入数据。

Nestlé 发言人在邮件中表示：“该模型能够识别适合保护干性及敏感食品（如咖啡）免受湿气、温度波动和氧气影响的材料。”

尽管应用场景尚处萌芽阶段，AI 的普及速度正在加快。2024 年 McKinsey 调查覆盖了 200 多位纸品与包装行业高管，其中 95% 认为公司应投资生成式 AI，77% 表示公司有中等至强烈的意愿在近期内采用生成式 AI。

包装领导者与 CPG 企业的 AI 实践

包装与加工技术协会（PMMI）行业服务副总裁 Tom Egan 观察到，行业对 AI 的接受度“相当积极”。他表示，应用范围涵盖物流、销售与营销、制造等多个环节。

以下是包装企业和 CPG 公司正在尝试的 AI 应用场景。

新设计与原型开发

AI 最受关注且被广泛探索的潜在优势之一，是在虚拟环境中评估包装修改或更新方案的能力。

软包装供应商 Tradepak 总裁 Rafael Recao 表示，当客户提出新设计需求时，公司会将客户参数输入系统。AI 能快速调取数据库、综合数据点，并提供设计与基材建议，最终由包装负责人做出决策。

Egan 指出，借助仿真模型和数字孪生技术，AI 可以分析形态因素、检查接触点并预测消费者反应，从而快速生成某 SKU 包装的 10 个模拟版本，而无需逐一进行物理制作与测试。AI 能够“分析海量数据点并提供洞察”，包装负责人可在此基础上优化方案。

仿真模型还可用于同一产品在不同渠道的包装设计，例如零售货架版与电商版。Egan 表示，AI 能在确保品牌一致性的前提下，为各渠道确定最佳设计与防护性能。

模拟测试

Colgate-Palmolive 全球牙刷与装置包装负责人 Sukhdev Singh Saini 表示，公司正在探索如何利用仿真来验证瓶、盖、喷雾泵等组件的新设计。

Saini 说：“没有 AI，我们必须物理制作大量样品进行测试。”这些样品需要运输、测试、修改，再进入下一轮测试，“耗时耗材”。而借助仿真模型，CPG 将规格输入系统，AI 即可模拟测试并输出结果。Saini 承认该技术仍在完善中，目前尚不能完全替代物理测试。

Fifthelement 首席执行官兼企业 AI 顾问 Jonathan Garini 观察到，品牌正利用算法模拟基材在湿度、粗暴搬运等真实条件下的表现。“这不仅加速了测试周期，还能显著降低物理原型的成本。”Garini 说。

包装 artwork 管理

Recao 表示，Tradepak 使用配备 AI 的 Adobe Illustrator，在印刷前对颜色、设计位置等元素进行调整。

在 artwork 方面，Colgate-Palmolive 采用 Esko 软件，该软件在包装上市流程中实现自动化。Saini 表示，AI 在 artwork 管理中的应用提升了质量并节省了时间。过去，即使进行微小修改，也需要人工检索历史 artwork 信息；现在，负责 artwork 的人员可在数分钟内获取数据并高效决策。Saini 称，在涉及 50 个以上 SKU 的大规模项目中，Colgate-Palmolive 已将开发时间缩短 60%–70%。

可回收性评估

Colgate-Palmolive 与 Glacier 合作，开发了基于 AI 的回收设施分拣系统，用于识别牙膏管。CPG 可通过仪表板查看牙膏管材料及其可回收性，以及不同城市的牙膏管回收行为。

随着更多州推行生产者责任延伸（EPR）计划，Saini 预计“可回收性方面将有大量工作要做”。McKinsey 报告还提到，生成式 AI 可增强废弃物视觉检测系统，以提高再生纸和纸板的质量。

制造、生产与维护

许多 CPG 企业在生产线上使用计算机视觉、光学系统和成像技术。Saini 表示，这并非新现象，但机器学习正通过基于 AI 的功能“将质量管理系统提升数个层级”。Nestlé 利用高分辨率成像技术监控生产线质量。

Nestlé 发言人表示：“通过机器学习，这些技术能够预判生产线问题，并提供预防性维护或清洁等建议。”

Recao 使用增强现实眼镜与欧洲制造工厂实时连接，以便监控设备问题。“我们节省了大量时间，能快速解决问题。”Recao 说。

AI 在包装领域的下一步

AI 在包装行业的应用仍处于早期，许多领域尚未充分挖掘。Garini 认为，AI 将被用于预测消费者对包装的感知及其对销售的影响，包括将包装作为沟通工具。“模型正在被训练以预测形态、纹理和颜色如何影响货架吸引力及线上转化率。”Garini 说。

然而，应用仍面临一些障碍。Recao 指出，实施新技术需要变革管理，员工需接受并信任系统；AI 模型接收专有数据可能引发网络安全担忧；软件订阅费用也可能较高。

Egan 强调，AI 输出质量取决于输入数据，因此组织需要坚实的数据基础。McKinsey 调查发现，缺乏现代数据技术栈是 AI 实施的首要限制因素。

尽管如此，CPG 和包装制造商对 AI 的潜力仍持乐观态度。Nestlé 设想其技术将帮助扩展更多品类的包装解决方案；Saini 相信 Colgate-Palmolive 使用的工具将节省资源并提升可回收性；Recao 则表示，更先进的 AI 可应用于机器人和机械设备。

“目前，AI 在我们行业的潜力巨大，”Recao 说，“天空才是极限。”