先看一个假设的场景。配方组把一款豌豆蛋白植物奶的蛋白从 1.0 提到 3.0 g/100 mL（假设数字），新鲜样品口感浓厚，可一经 UHT 灭菌、静置三周，瓶底出现白色沉淀，瓶颈还多了一圈油环。蛋白上去了，稳定性掉了，为补稳定性加进去的手段又改变了味道。三件事共用同一批分子，谁也不能单独调。纵横国际植物基食品这一栏整理植物奶资料时，先把三者的调节杠杆并排放在一起看。

维度 常用测量主要杠杆 推得太狠的代价
蛋白含量凯氏定氮、溶解度 原料种类与添加量 加热后聚集、黏度上升、豆味加重
稳定性 粒径分布、Zeta 电位、静置分层 均质、胶体、pH、钙盐发稠发胶、香气释放变慢
风味 顶空挥发物、感官评价 灭酶、脱脂、发酵、酶解、遮蔽 蛋白功能下降、成本上升、新异味

问：蛋白提高以后，为什么先出问题的是稳定性？

豆类蛋白以球蛋白为主，加热时结构展开，疏水基团和巯基暴露，聚成大颗粒。浓度越高，碰撞越频繁，聚集越快，轻则黏度上升，重则 UHT 之后直接凝胶。商业分离蛋白在提取、酸沉和喷雾干燥中可能已有一部分变性，未溶解的颗粒是沉淀的第一批来源。

更容易被忽略的是，沉淀不由平均粒径决定，而由粒径分布里最大的那一小撮决定。按斯托克斯定律（Stokes Law），颗粒沉降速度与直径的平方成正比，直径减半，沉降速度降到约四分之一。平均粒径“合格”的样品，仍可能因为尾部几个大颗粒在货架期里慢慢沉底，粒径报告至少要同时给出 D50 和 D90。

问：均质到底做了什么，为什么不能一味加压？

均质迫使物料通过狭缝，把油滴和蛋白团块打碎。单位体积油相的界面积与直径成反比：油滴从 1 μm 打到 0.3 μm（示意），界面积约变成三倍多，吸附在界面上的蛋白也要同步增加。蛋白不够，新界面会被油滴互相“桥连”，反而絮凝；蛋白大量占用界面，水相里的游离蛋白又变少。常见做法是两段均质，第二段低压专门打散刚形成的絮团；压力再往上提，收益递减。

问：钙强化为什么总伴随沉淀？

为了对标牛乳的钙含量，植物奶常加碳酸钙或磷酸三钙。这两类盐溶解度低、密度大，不加悬浮手段就会沉底；改用可溶性钙盐，钙离子（Ca²⁺）又会屏蔽蛋白表面电荷、削弱静电斥力，加热后蛋白更容易聚集。常见对策是加入结冷胶（Gellan Gum）等胶体，形成很弱的凝胶网络把颗粒“挂住”，代价是口感偏胶偏稠。钙添加量与营养声称以现行国家标准为准。这类“换一种原料、连锁改一串指标”的现象，可以参考配方替换一种原料后的连锁反应。

问：热处理和酶解，是稳定性的帮手还是风味的敌人？

两者都是双向的。巴氏杀菌温和，风味保留较多，但要冷链；UHT 可以常温贮存，代价是蛋白聚集、美拉德褐变和含硫化合物带来的蒸煮味。酶解方面，蛋白酶适度水解能提高溶解性、减少加热聚集，却容易生成苦味肽。上游还有加热灭酶（如热磨），能阻断脂氧合酶生成豆腥味的路径，但过度加热会让蛋白溶解度下降，细节见豆腥味、草味与发酵风味优化。

问：机器学习预测的配方，为什么喝起来仍然不像牛乳？

2026 年 5 月前后，《Journal of Food Science》发表了一项用随机森林回归（RFR）和梯度提升回归（GBR）预测“像牛乳”的植物奶配方的研究。研究者把预测出的配方与牛乳、椰子、燕麦、大豆、杏仁植物奶以及巴氏、UHT 牛乳放在一起，比较感官、黏度、稳定性、颜色、粒径和顶空挥发性成分。结果是：预测配方的黏度接近牛乳，也与牛乳共有辛醛、1-戊醇、香草醛等部分挥发物；但感官评价里仍与牛乳有明显区别，被描述为带有香草、焦糖、涩、苦、金属和坚果味，牛乳则偏甜、有乳香。

这项研究把“接近”拆成了几层：黏度接近、几个挥发物重合，都只是必要条件。涩和苦通常与不挥发成分有关，顶空分析本来就看不到；即使挥发物种类一致，浓度比例不对，鼻子也会判为另一种味道。参照里同时有巴氏和 UHT 牛乳，也提示热处理不同就是两个不同的感官目标。机器学习缩短的是试错次数，真实样品的感官评价一项也省不掉，这与食品研发为什么需要多个模型协同里的分工一致。

问：那么最难的到底是哪一个？

把三者摆在一起，我的判断是：蛋白含量是设计选择，取决于产品定位和标签；稳定性有明确指标和成熟杠杆，失败得早、暴露得快；风味难在目标本身，是做“像牛乳”，还是做一款好喝的另一种饮料？稳定性是必须先过的门槛，风味则是最晚暴露、也最难量化的关卡。

一个可操作的建议：配方进入放大之前，把静置 2 至 4 周的分层观察、D50 与 D90 粒径、顶空挥发物和三角检验放进同一张验收表，任何一项都不能单独放行。怎样在优化目标里区分“像牛乳”与“好喝”，目前没有标准答案，这也是植物奶配方图谱里留给感官数据的空白。