联合利华在 WAIC 展示 AI for Packaging：包装上货架前，先在数字世界试一遍

洗衣液瓶子换一种弧度、沐浴露标签改一套配色，看起来只是设计问题，真正落到生产线上却要同时回答一串问题：瓶子能不能稳定制造，材料是否合适，运输中会不会变形，摆上货架又是否足够醒目。

7 月 19 日，联合利华在 2026 世界人工智能大会展示了 “AI for Packaging”。这套由上海研发中心包装共创中心搭建的平台，试图把创意、三维建模、工程仿真和虚拟货架接成一条数字流程。它不是再多做一个会画包装图的生成器，而是想让一个包装在开模和生产之前，先在数字世界里多过几关。

从一句设计需求开始，一直走到虚拟货架
联合利华披露的流程从消费者趋势、品牌资产和市场数据开始。设计人员先形成需求，生成式 AI 提供概念方向，再把二维设计转成三维模型，进入实时渲染和数字样机环节。

包装外形确定后，工程仿真继续检查结构和制造条件，必要时再用 3D 打印制作实体原型。最后，团队还可以用 AR 查看包装，或把多个产品放进 MR 虚拟货架，比较它们在真实陈列环境中的视觉效果。

这条流程最值得注意的地方，是设计图不再单独停留在设计部门。品牌、包装工程、制造和供应链看到的是同一个数字对象，修改也能沿着同一条链路往下传，而不是每到一个环节就重新做一遍文件。

AI 画得快不算结束，包装还要过制造这一关
消费品包装既要吸引人，也是一件需要批量生产的工业品。一个瓶身的曲面、瓶盖的结构或标签的位置发生变化，都可能牵动模具、材料用量、灌装速度、运输体积和回收处理。

生成式 AI 可以很快给出大量外观方案，但方案数量越多，后面的筛选和工程验证也可能越重。AI for Packaging 把数字孪生和工程仿真接在创意之后，目的就是尽早淘汰那些好看却难以制造、运输或陈列的设计。

这也说明包装团队不会因为有了 AI 就消失。设计师仍要守住品牌语言，工程师要设定结构、安全和制造边界，供应链团队则要判断材料、成本和规模化条件。AI 更像把反复画图、建模和试错的时间往前压缩。

“周期缩短一半、创意产出十倍”是联合利华给出的阶段数据
联合利华在发布中称，这套平台已让包装设计周期缩短 50%，创意产出提升 10 倍。这两个数字来自企业披露，反映的是其内部应用阶段的结果，并不意味着每种包装、每条产线都能获得相同提升。

公司同时列出了几项进入市场或获得设计认可的案例，包括奥妙五星香氛洗衣液和力士忆境奢香沐浴露，以及清扬、多芬、凡士林和金纺等品牌的包装实践。其中，奥妙五星香氛洗衣液包装获得了 2026 年红点设计奖。

对外部观察者来说，更有价值的不是单次生成了多少张图，而是进入下一环节的方案比例是否提高、实体打样和返工次数是否下降，以及数字设计最终能否稳定地变成货架上的商品。

它延续了联合利华在中国研发中心推进的 AI for Science
AI for Packaging 并不是一条突然出现的独立产品线。联合利华在 2025 年已经发布 AI for Science 平台，把生成式 AI、数字孪生和智能体用于配方研发、消费者洞察和供应链等环节。

这一次，包装被单独拉成一条更完整的应用链。相比实验室里的配方发现，包装连接了设计、工程、生产、物流和零售陈列，也更容易让普通消费者在最终商品上看到变化。

不过，它目前首先是一套服务联合利华内部研发和业务团队的平台，不是公众可以注册使用的包装设计软件。它在 WAIC 亮相的意义，是展示大型消费品公司如何把 AI 从灵感工具继续推向具体研发流程。

WAIC 之后，要看数字样机能否真正减少实体世界的返工
一套包装平台是否成熟，最终要回到几个朴素指标：从设计到量产用了多久，做了多少轮实体样品，上市后有没有结构或陈列问题，材料用量和运输效率有没有改善。

数字流程还会带来新的管理题。品牌素材和未上市产品设计怎样被模型使用，生成方案的版权与版本如何追踪，不同供应商拿到的三维模型能否保持一致，都需要与速度一起被管理。

联合利华这次展示的是一条已经串起来的工作流，而不是一个孤立的 AI 功能。接下来更值得跟踪的，是它能否在更多品牌和工厂中重复取得效果，以及那些在虚拟货架上看起来不错的包装，到了真实货架上是否依然成立。

想继续了解
• WAIC 2026 官方展商名录
• 联合利华中国：携 AI for Packaging 亮相 2026 WAIC
• 联合利华中国：发布 AI for Science 创新平台