《AI 非遗糕团工艺应用指南》正式发布并全面推广后，非遗糕团行业逐渐摆脱了之前的争议困境，企业规范使用 AI、老匠人接纳新技术、消费者重拾信任，行业发展步入良性轨道。但苏晚、林默等人深知，指南的落地只是第一步，要真正实现“AI 辅助非遗传承”的核心目标，破解“老匠人手艺难传承、企业效率难提升、年轻传承人成长慢”的行业痛点，还需要探索一套可复制、可推广的实操模式。

经过多方研讨、结合行业实际需求，协会最终敲定了“AI + 老匠人”协同研发模式，明确核心逻辑：AI 依托指南规范，生成基础配方与工艺参数，发挥其高效、精准、可量化的优势；老匠人凭借数十年手工经验，对 AI 参数进行试做优化，守住手工核心与非遗风味；年轻传承人在老匠人指导下，结合优化后的参数完成量产，实现“传承 + 创新 + 量产”的三方共赢。

为确保模式可行，协会筛选了 10 家试点企业，涵盖林记这样的行业标杆企业与中小规模糕团企业，同步选取 20 名老匠人、50 名年轻传承人参与试点，计划通过 1 个月的试点运行，优化模式细节、解决落地难题，再逐步推广至所有会员企业。苏晚牵头负责试点统筹工作，林默、小李、陈曦等人分工协作，赵爷爷、林父等老匠人全程参与，一场关乎非遗传承模式创新的试点工作，正式拉开序幕。

然而，理想与现实之间总有差距。试点工作推进不到一周，两大棘手问题便接踵而至，让协同模式的落地陷入瓶颈，也让参与试点的企业、老匠人、年轻传承人陷入了困惑与焦虑，不少人甚至开始怀疑这种模式的可行性。

第一个问题，是协同效率低下，AI 与老匠人经验严重脱节。按照最初的协同模式，AI 生成基础配方参数后，直接交由老匠人试做优化，但由于 AI 模型未充分学习老匠人的手工经验，生成的参数往往不符合实际操作需求，与老匠人几十年积累的经验相悖，导致反复调整、耗时耗力，效率甚至不如纯手工制作。

某中小试点企业的负责人，在试点会上满脸无奈地抱怨：“我们本来指望这种协同模式能提升效率、降低成本，可现在倒好，AI 生成的参数根本没法用！就拿陈皮桂花糕来说，AI 建议陈皮添加量 5%，我们老匠人试做后发现，这个比例的陈皮太苦，完全不符合非遗糕团的传统风味，只能一点点下调，从 5% 调到 4%，再调到 3%，反复试做了五六次，花了整整一周时间才确定合适的比例，效率比纯手工还低，再这样下去，我们只能放弃试点了。”

这样的困境，并非个例。林记在试点初期，也遇到了同样的问题。AI 为猪油年糕生成的发酵时间参数是 4 小时，可林父凭借几十年的经验判断，这个发酵时间过长，会导致年糕口感发酸、过于软糯，不符合传统猪油年糕的嚼劲要求，只能反复调整发酵时间，从 4 小时调到 3 小时，再到 2.5 小时，每调整一次，就要重新试做、等待发酵，不仅耗时，还浪费了大量原料。

赵爷爷在参与试点时，更是直言不讳：“这个 AI 就是‘纸上谈兵’，根本不懂我们老匠人的手艺！它只知道按固定的数据生成参数，却不知道面粉的湿度、当天的气温，都会影响揉面力度和发酵时间。就像上次，AI 建议揉面力度 7kg，可那天面粉偏干，我按 7kg 的力度揉出来的面团，硬得像石头，根本没法发酵，只能重新揉面、调整力度，白白浪费了大半天时间。”

AI 与老匠人经验的脱节，不仅导致协同效率低下，还让不少试点企业产生了抵触情绪，甚至有企业提出要退出试点，让协同模式的落地面临巨大压力。

第二个问题，是年轻传承人参与度极低，传承断层的隐患仍未解决。部分年轻传承人，依旧摆脱不了对 AI 参数的依赖，认为“有 AI 生成参数，只要按参数操作就行，没必要花费时间和精力练习手工技艺”，在试点过程中，常常出现“老匠人指导揉面、塑形时，只看不动、敷衍了事”的情况，手工技能提升缓慢，让老匠人们忧心忡忡。

有一次，赵爷爷带着几名年轻传承人练习猪油年糕的手工发酵，他耐心地讲解发酵的关键技巧：“发酵的时候，要时刻观察面团的状态，用手轻轻按压，面团能快速回弹，就说明发酵到位了；如果回弹很慢，就是发酵不足，还要再等一会儿；如果一按就塌，就是发酵过度，面团就废了。”讲解完后，赵爷爷让年轻传承人亲手操作、尝试判断，可几名年轻传承人只是匆匆看了一眼，就纷纷后退，说道：“赵爷爷，有 AI 提醒发酵时间，我们只要按时间取面团就行，不用这么麻烦地观察吧？”

更让赵爷爷无奈的是，有一名年轻传承人，在练习手工塑形时，全程盯着 AI 给出的塑形参数，机械地模仿，根本不理解塑形的技巧和精髓，捏出来的年糕，外形歪歪扭扭，毫无美感，与老匠人手工塑形的年糕相差甚远。当赵爷爷指出问题，让他重新练习时，他还满脸不耐烦：“反正 AI 都给出参数了，差不多就行，消费者也不会太在意外形。”

小主，

这种依赖 AI、不愿动手实践的态度，在年轻传承人中并不少见。王宇在试点初期，也存在这样的问题，他总觉得“AI 能搞定所有参数，手工技艺只要了解大概就行”，在林父指导他揉面时，他只是站在一旁观看，很少主动动手，即使动手，也只是敷衍了事，揉出来的面团，力度不均、质地松散，根本达不到制作非遗糕团的要求。

“我们老匠人辛辛苦苦一辈子，就是想把手艺传下去，可现在这些年轻人，根本不愿意好好学，只依赖 AI，这样下去，我们的手工手艺，迟早会失传！”赵爷爷看着这些年轻传承人的态度，满脸忧虑，语气中带着一丝失望，“本来以为这个协同模式，能解决传承断层的问题，可现在看来，要是年轻传承人不愿意动手实践，一切都是白费。”

两大问题的出现，让协同模式试点陷入了僵局。苏晚、林默等人深知，若不及时优化调整，不仅协同模式无法落地，还会打击各方的积极性，甚至影响非遗糕团行业的长远发展。为此，他们紧急召开试点工作推进会，邀请老匠人代表、试点企业负责人、年轻传承人、江南大学 AI 实验室专家，齐聚一堂，坦诚交流，共同探讨解决方案，优化协同模式。

推进会上，苏晚率先发言，语气坚定：“各位代表，这次试点，我们遇到了协同效率低、年轻传承人参与度低的问题，这是我们预料之中的，也是新模式落地过程中必然要经历的阶段。今天，我们汇聚一堂，就是要正视这些问题，结合各方的经验和诉求，优化协同模式，让‘AI + 老匠人’协同模式，真正成为非遗传承的助力，而不是负担。”

随后，各方代表依次发言，阐述自身的困惑与诉求，为模式优化建言献策。试点企业负责人希望能简化协同流程、提升 AI 参数的精准度，降低时间和原料成本；老匠人代表希望 AI 能更贴合手工经验，同时能倒逼年轻传承人主动实践，提升手工技能；年轻传承人则表示，希望能有更具吸引力的激励机制，激发他们的参与热情；AI 专家则提出，可以通过数据训练，优化 AI 模型，提升参数与老匠人经验的契合度。

结合各方诉求，苏晚、林默等人牵头，制定了针对性的优化方案，从“提升协同效率”“提升年轻传承人参与度”两个方面入手，全面优化“AI + 老匠人”协同研发模式。

在提升协同效率方面，重点围绕 AI 参数预优化和协同流程简化，开展一系列优化工作。

首先是 AI 参数预优化，核心是让 AI 学习老匠人的手工经验，生成更贴合实际操作的参数。协会联合江南大学 AI 实验室、老匠人联盟，开展了大规模的 AI 模型训练工作，收集了 500 组老匠人手工优化后的配方数据——包括陈皮添加量从 5% 调至 3%、烘烤温度从 180℃调至 175℃、发酵时间从 4 小时调至 2.5 小时等各类优化数据，将这些数据输入 AI 模型，让 AI 深入学习老匠人的优化逻辑、操作经验，理解老匠人对口感、风味的把控标准。

经过两周的集中训练，AI 模型得到了显着优化，生成的基础参数与老匠人经验的契合度，从最初的 60% 提升至 85%，再也不是之前“纸上谈兵”的参数。与此同时，团队还按糕团品类，对 AI 模型进行了细分，针对年糕、桂花糕、苏式月饼等不同品类的工艺特点，优化 AI 模型的参数生成逻辑——比如年糕需突出高软糯度，AI 就会适当调整发酵时间和揉面力度参数；月饼需突出高酥脆度，AI 就会优化烘烤温度和时间参数，让参数更具针对性和精准度。