麦当劳花了三年教 AI 接得来速订单：为什么 260 块麦乐鸡终结了这场实验
2024 年 6 月底，我坐在一间酒店房间里刷手机，一条 TikTok 让我僵住了。一位女士在麦当劳的得来速车道上冲着点单音箱尖叫，而一个 AI 的声音正欢快地确认她的订单：九杯甜茶、一份加培根的焦糖圣代，以及看起来价值 $222 的麦乐鸡。这些她一样都没点过。
我看了三遍。不是因为它好笑——虽然确实好笑——而是因为我一眼就认出了到底哪里出了错。是架构。不是模型，不是训练数据，也不是提示词。是架构。
那一周，麦当劳正式终止了与 IBM 长达三年的 AI 得来速合作。美国 100 多家门店重新用回了戴耳麦的真人接单员。这个试点在大约 80–85% 的订单准确率上停滞不前——听上去还不错，直到你意识到人类员工通常能做到 90% 以上，而且在利润薄如刀刃的快餐世界里，每一份错单都是一小场火，必须用免费食物和道歉去扑灭。
我在 Veriprajna 构建 AI 系统的时间已经够长，长到知道这不是一次 AI 的失败。这是一次理念上的失败。麦当劳试图用一个浅层的架构答案，去解决一个深层的架构问题。而那 260 块麦乐鸡，是宇宙在用它的方式说：这行不通。
一场变成笑柄的实验
来龙去脉很重要。2019 年，麦当劳收购了语音识别初创公司 Apprente，把它并入了一个叫 McD Tech Labs 的部门。两年后，他们把这个部门卖给了 IBM，赌的是蓝色巨人的企业级基础设施和 Watson NLP 能把这项技术推向全球规模。
这个逻辑看上去成立。IBM 有服务器、有 NLP 流水线、有企业级的公信力。麦当劳有全球 40,000 家门店，以及解决用工难题的迫切需求。把两者放到一起，你就得到了快餐的未来。
结果，你得到的是冰淇淋上的培根。
这些失败不是偶发的小故障。它们是系统性的。这个 AI 会把隔壁车道的订单也收进来，因为它分不清是哪辆车在说话。它把背景里的电台闲聊当成了点单请求。当它无法解析顾客说了什么时——遇上地方口音、说到一半改口、或者多位乘客同时讲话，这种情况几乎时时发生——它就默认去猜。而它的猜测由 token 概率主宰，而不是常识。
一个不知道 260 块麦乐鸡有多荒唐的 AI，其实根本不懂什么是麦乐鸡。
这句话一直在我脑子里回响。因为问题并不在于模型笨。GPT 时代的语言模型能力惊人。问题在于，没有人构建过那一层——那个会说“等等，这不可能对”的层。
麦当劳的 AI 得来速究竟为什么失败？
这里我想说得准确一点，因为流行的说法——“AI 还没准备好面对真实世界”——是错的。Wendy's 建在 Google Cloud 上的 FreshAI 系统，准确率约达 99%，并把服务时间缩短了 22 秒。Taco Bell 跑在 Nvidia 基础设施上的 Byte 系统，已在 500 多家门店处理了超过 200 万笔成功订单。这项技术是行得通的。只是按麦当劳和 IBM 的建法行不通。
有三件事杀死了这个试点。
得来速是一片声学战区。大多数语言模型是在安静环境中训练出来的。而得来速车道里有引擎轰鸣、有打在麦克风上的风压、有车载电台漏出的竞争性人声，还有互相盖过对方喊话的乘客。IBM 的系统缺少成熟的波束成形——也就是用麦克风阵列在驾驶员嘴部形成空间聚焦的技术。没有它，AI 就只是处理它能听到的每一个声音。一辆车的订单就是这样跑到了另一辆车的账单上。
人类的语言乱得精彩。顾客会说“Mickey D's”，而不是“McDonald's”。他们会在句子中间改主意：“给我来杯可乐——不，等等，来 Dr. Pepper。”他们用俚语、含混不清、带着训练数据从未见过的口音。当 IBM 的系统无法解析输入时，它用的是贪婪解码——挑出统计上概率最高的下一个词，而不是请求澄清。“水和香草冰淇淋”就是这样变成了“加黄油和番茄酱的焦糖圣代”。系统把语音片段匹配到高概率的菜单项上，全然不管这个组合是否说得通。
根本没有常识校验层。这一点最让我在意。没有最大数量上限。没有一条规则规定“冰淇淋加培根＝请人工介入”。没有针对高金额交易的升级触发器。语言模型做出了全部决策，而语言模型并不对物理世界进行推理。它们预测下一个 token。这是根本不同的两件事。
包装层问题
我记得那段时间和一位潜在客户的一次对话。他们是一家中型零售商，做了一套自己颇为自豪地称为“AI 驱动的客服系统”的东西。我掀开引擎盖一看，那不过是坐在他们的顾客和 OpenAI 的 API 之间的一层薄薄的软件。它格式化输入、结构化输出，再贴上他们的 logo。就这些。
“它产生幻觉的时候会怎么办？”我问。
“我们有免责声明。”他们说。
这就是业内所说的“包装层”（wrapper）——也正是让麦当劳栽跟头的那种架构模式。包装层拿一个强大的基础模型，给它刷上一层漆。它很适合做演示。它很适合做原型。而它灾难性地不够用——在任何出错就要付出代价的环境里都是如此。
麦当劳与 IBM 的系统，本质上就是围着老旧的 Watson NLP 套的一层包装。语言模型包办了一切：语音识别、意图解析、菜单匹配、订单确认。什么该是概率性的（理解混乱的人类话语）与什么该是确定性的（执行业务规则）之间，没有任何分界。从上到下，全是概率。
我在我们的交互式研究论文中深入写过这个架构上的区别，但核心思想简单到一张餐巾纸就能写下。
“确定性内核，概率性边缘”到底是什么意思？
在 Veriprajna，我们构建系统时遵循一条我不断回到的原则：用 AI 去做 AI 擅长的事，用规则去做规则擅长的事。
面对混乱、含糊、带着口音的人类话语，语言模型极其擅长理解其背后的意图。这就是概率性的边缘——处理现实世界混沌的那层灵活外壳。
但一旦你理解了意图，执行就应当由硬逻辑来管辖。一个符号推理引擎。一张业务知识图谱。一套无法被统计概率推翻的规则。
放到得来速的场景里，这意味着：
LLM 听到“给我来大概一百块鸡块”，并正确地把意图理解为“顾客想要大量麦乐鸡”。然后确定性内核接手：麦乐鸡单笔订单的最大数量是 40 块。系统于是问：“我最多可以给您 40 块麦乐鸡——可以吗？”而不是欢快地把 2,510 块打进单里。
语言模型应该是耳朵。规则引擎应该是大脑。麦当劳却让耳朵去思考。
这不是理论。Wendy's 的 FreshAI 之所以奏效，恰恰是因为它与 POS 系统和厨房显示屏深度集成——AI 理解你在说什么，但业务逻辑决定接下来发生什么。Taco Bell 的系统采用多智能体编排，由不同的专用组件分别处理交易的不同环节。这些都是被架构出来的系统，而不是包装层。
我明白真正护城河的那一夜
有一个很晚的夜里——我记得是个星期四——我和团队在为一个客户部署调试音频处理流水线。我们已经折腾了好几个小时。系统一直把环境噪声误判成语音输入，而我们想不通为什么。
晚上 11 点左右，我的一位工程师调出了原始声谱图，指着一个我们谁都没注意到的模式。客户厂区的暖通空调系统正在发出一种低频嗡鸣，恰好落在某些元音的频段里。这个模型是真的在听空调说话，还试图给它点单。
接下来的两周，我们构建了一个定制的谱减层——一个专门针对那处厂区噪声特征训练的神经网络——它能在音频抵达语音识别模型之前，先识别并去除暖通空调的特征信号。
就在那一刻，我想通了一件事。企业 AI 真正的护城河不是模型。现在谁都能用上好模型。护城河在于信号处理——那些不性感、耗心力的活儿：在现实世界抵达 AI 的大脑之前，先把它清理干净。
麦当劳的系统完全没有这一层。斯坦福的研究显示，跨模态方法——用摄像头在音频之外同时追踪唇部动作——可以在嘈杂环境中把词错误率从 28.8% 降到 12.2%。这就是一个能用的系统和一个因为错误原因而爆红的系统之间的差别。
大脑归谁所有？
麦当劳这次失败还有另一个维度，它没能进入那些 TikTok 合集，却极其重要：数据主权。
麦当劳当时已经因涉嫌未经同意收集顾客声纹，面临依据《伊利诺伊州生物识别信息隐私法》提起的诉讼。当你的 AI 跑在第三方的云上时，每一次顾客互动——每一段语音、每一笔订单、每一种偏好模式——都流经你无法控制的基础设施。
这不只是法律风险，更是战略风险。50% 的知识工作者已经在工作中使用未经授权的 AI 工具，46% 的人表示即便被明令禁止也照用不误。我们把这叫做“影子 AI”，它代表着一场巨大而无形的数据泄漏，而大多数企业还没开始着手应对。
另一条路是我们所说的主权智能：把模型部署在组织自己的基础设施内部，数据永远不出这栋楼。想看私有 LLM 部署与影子 AI 风险的完整技术拆解，我会指给你我们的研究——但原则很直白。如果你不拥有那个大脑，你就不拥有这门生意。
为什么有些 AI 得来速行得通，有些却不行？
人们不停地问我这个问题，我想他们期待一个复杂的答案。其实并不复杂。
那些行得通的系统——Wendy's、Taco Bell、White Castle——从地基开始就被构建为一体化架构。它们把 AI 当作更大系统中的一个组件，这个系统还包含信号处理、业务逻辑、人工升级路径和持续监控。AI 很强大，但受到约束。它在反映业务真实物理规律的护栏之内运行。
而失败的那个系统是外挂上去的。它把 AI 当成一项你订阅的服务，而不是一种你去工程化构建的能力。它要求一个语言模型包办一切——听、理解、决策、执行——而且是在语言模型从未被设计来应对的环境里。
2025 年得来速研究证实了这种分野。AI 驱动的车道平均比真人值守的车道快 22 到 29 秒；尽管在“友好度”上得分更低，AI 门店的整体满意度录得 97%——比传统平均值高出六个百分点。顾客不需要 AI 有多热情。他们需要的是它准确。
在快餐的未来里，待客之道不是用声音的温度来衡量的。它是用你有没有拿到自己真正点的东西来衡量的。
我们关于“够好了”的那场争论
我想分享一件发生在 Veriprajna 内部的事，因为我觉得它体现了每一家 AI 公司都会面临的一种张力。
我们当时在为一个客户设计系统，我的一位资深工程师认为我们把确定性层过度工程化了。“模型的准确率已经到 92% 了，”他说，“我们却在花好几周，为只占 8% 交易量的边缘情况写规则。这真的值得吗？”
我调出了那个麦当劳的 TikTok 合集。“你觉得要多少条这样的视频，才能毁掉一个品牌？”我问。
他说两条。
我说一条。
我们把规则层建了出来。它让工期多了三周。那个客户至今没出过一起爆红事故。
这正是包装层模式算错的那笔账。在实验室里，92% 的准确率非常出色。在真实世界里，那 8% 的失败率并不是随机分布的——它聚集在最难的案例、最嘈杂的环境、最恼火的顾客身上。而那些恰恰就是会被传到社交媒体上的时刻。这 8% 的代价并不与它的频率成正比。它是指数级的。
接下来会发生什么
麦当劳并没有放弃 AI。他们已经放出信号，正在评估新的合作伙伴和新的路径。但那场为期三年的 IBM 实验结束了，它留下的，是给每一家考虑部署 AI 的企业的一堂清晰的课。
试验阶段结束了。把一个语言模型外挂到既有流程上、然后祈祷一切顺利的时代，已经完了。接下来的阶段——我称之为深度 AI 时代——要求更难的东西：真正围绕机器智能的能力与局限，重新架构你的系统。
这意味着确定性内核搭配概率性边缘。这意味着拥有自己的基础设施。这意味着像投入模型选型一样认真地投入信号处理。这意味着把人工升级路径不当作兜底方案，而是当作一项功能来构建。而且这意味着接受一个事实：那些不性感的工程工作——噪声过滤、规则引擎、边缘情况库——才是真正的竞争优势所在。
理解这一点的组织与不理解的组织之间的差距，即将变成永久性的。不是因为技术遥不可及，而是因为这种架构理念所要求的那种纪律，是大多数组织宁愿绕过的。
麦当劳是以最惨痛的方式、在大规模上、在公众面前学到这一课的。那 260 块麦乐鸡不是一个 bug。它们是一个从未被构建来说“不”的系统的必然产出。
