该项目于 2026 年 10 月 15 日宣布，其技术基础源于麻省理工学院 (MIT) 的研究，Analog Devices 公司将继续对其进行改进。.

该解决方案能够分析葡萄藤、葡萄汁和葡萄酒释放的挥发性化学信号，从而及早获取有关生物过程和潜在质量风险的信息。
早期检测“鲜蘑菇香气”缺陷：此次合作的首个成果侧重于检测一种名为“鲜蘑菇香气”（FMA）的缺陷风险，这种缺陷与葡萄酒中的鲜蘑菇香气有关。酩悦轩尼诗罗伯特-让·德·沃格研究中心的研究人员建立了一个包含样本和相关数据的数据库，用于训练能够识别与此缺陷相关的化学特征的机器学习算法。

据参与机构称，这项技术首次实现了在早期阶段识别出极易发生FMA（葡萄酒单不明原因缺陷）的样品，甚至在采用标准程序检测缺陷之前就能发现该缺陷。这一成果为更早地干预酿酒过程、改进对可能影响葡萄酒质量的风险的监测提供了可能。.

利用化学传感器和机器学习分析复杂信号：
Analog Devices 的技术平台将化学检测系统与机器学习和人工智能算法相结合。它通过分析各种化学信息，识别最相关的信号，从而发现与生物过程和品质变化相关的模式。该系统并非简单地搜索预定义的条件，而是利用机器学习技术从复杂的化学数据中识别出其他方法可能忽略的关联。这项功能旨在为研究人员、葡萄种植者和酿酒师提供有关葡萄和葡萄酒状况的更多信息。

葡萄栽培和酿酒领域的
其他应用。正在研究的应用包括葡萄藤病害的早期检测、土壤评估以及识别其他可能影响产量的缺陷。该项目还包括分析与气候变化及某些相关现象（例如野火）相关的风险。这些应用目前仍处于研究阶段。

此次合作的目的是提供决策支持工具，而不是取代负责葡萄种植和酿酒的专业人员的经验和知识。.

半导体、葡萄栽培和科研三方通力合作：
该项目汇集了三家拥有不同专长的机构的优势。Analog Devices 通过其 ADI Health Solutions 部门提供用于化学特征分析的传感器平台和机器学习技术。酩悦轩尼诗贡献其在葡萄栽培和酿酒方面的专业知识，以及其研究中心收集的数据和样本。加州大学戴维斯分校则贡献其在葡萄栽培和酿酒学方面的科学知识。

酩悦轩尼诗执行委员会成员兼研发主管曼努埃尔·雷曼强调，这项技术能够解读葡萄和葡萄酒中的化学信号，从而在质量风险显现之前就预测到这些风险。.

ADI Health Solutions 的负责人 Max Shulaker 指出，FMA 取得的成果标志着该平台在生命系统研究领域取得了重大进展，并有可能得到更广泛的应用。.

加州大学戴维斯分校的本·蒙佩蒂特强调，将新技术工具与能够解读数据并将其用于决策的专业人员培训相结合至关重要。.

除了在葡萄酒行业的初步应用外， Analog Devices。酩悦轩尼诗和加州大学戴维斯分校也在探索如何通过开发共享参考库来惠及整个葡萄和葡萄酒行业。双方将继续合作，探索如何利用化学特征和机器学习来深入了解生物过程、及早发现风险，并为行业专业人士的决策提供支持。
推广到未来的其他工业领域