AI菜單愈來愈像，為何沒食欲？

（媒角抵加／林承志綜合報導）AI 生成的菜單圖不一定比真實照片差：研究發現，當觀眾不知道來源時，有些 AI 食物圖反而更受偏好；但一旦圖像出現近似真實卻不對勁的細節，或被看出不對應實際餐點，食欲會轉成疑慮。餐飲平台已把 AI 用在菜單拍照與背景處理，另有平台因把合作餐廳照片換成生成圖而撤回做法。餐廳與外送店使用 AI 時，仍得讓顧客從圖片判斷自己會收到什麼。

• 發生什麼事：DoorDash 2025 年推出 AI 輔助的菜單拍照、背景處理與描述生成工具；WIRED 近期報導，生成式食物圖已從外送頁出現在實體菜單與海報。
• 研究怎麼說：AI 食物圖若未揭露來源，可能顯得更誘人；但有瑕疵的近寫實圖會產生較高詭異感。2026 年一項成對比較研究中，真實食物圖整體得到較高的真實感與食用意願。
• 最直接的風險：食材、份量、擺盤或器皿若和實物不同，菜單圖就不再只是美化，而會影響點餐期待。
• 店家先做什麼：保留實拍的餐點作為底圖；讓 AI 處理取景、光線、背景與裁切前後，都不要改變可交付的菜色。

一張圖被看出「不像食物」時，食欲先退一步

德國杜伊斯堡—埃森大學等研究者在 2025 年發表的實驗，把寫實、有瑕疵與明顯風格化的 AI 食物圖放在一起評估。結果顯示，處於「看起來快要是真的、細節卻有偏差」區間的圖像，得到的詭異感高於寫實與明顯不寫實的圖像，愉悅感也更低；對陌生食物較抗拒的受試者，這種反應更明顯。研究論文

這種反應不必假設每個人都討厭 AI。2024 年一項兩階段線上研究發現，受試者在不知道來源時，常偏好 AI 生成食物圖；但標示為真實照片會提高吸引力，標示為 AI 生成則削弱這個效果。Food Quality and Preference 論文

新近比較把同一類食物的真實與 AI 圖配成對。研究者發現，真實圖整體被評為更真實，也引發較高的食用意願；60 組配對裡，只有 14 組 AI 圖被評為比真圖更寫實，其中 11 組的食用意願也較高。這讓餐廳得到一個比「圖片一定要完美」更實際的結論：顧客先判斷畫面像不像一盤能端上桌的食物，再決定是否想點。Scientific Reports 論文

平台也在畫一條線：修照片，不換一道菜

DoorDash 在 2025 年 4 月推出的 AI Powered Camera，主打協助店家用手機完成取景、光線、背景與裁切；公告特別寫明不改變食物外觀。它也提供背景優化功能，說法同樣是美化照片而不修改食物本身。DoorDash 引述公司資料稱，38% 顧客會受菜單照片影響選餐廳；這是平台的內部行銷數字，不能當成所有外送市場的比例，卻說明菜單圖已被當作點餐介面的一部分。DoorDash 公告

這條線之所以重要，是因為菜單圖需要替顧客提供三種判斷：這道菜有哪些主要食材、份量大約如何、端上桌時會長什麼樣。背景變乾淨、光線更好，不必然破壞這三件事；憑菜名重新生成一盤沒有實拍依據的料理，則可能把它們一起換掉。

Forkable 換圖後，合作餐廳先把照片換回來

舊金山餐飲媒體 Eater 2025 年報導，企業訂餐平台 Forkable 曾把合作餐廳頁面的多數餐飲照片換成 AI 生成圖，之後才以電子郵件通知業者。報導中的貝果店 Boichik Bagels 發現，圖中的貝果形狀、切法與抹醬容器都不像自家餐點；Forkable 的共同創辦人 Nick Naczinski 回覆，平台推得太快，將回到傳統攝影，並保留有限度使用 AI 優化影像的方向。Eater 報導

合作餐廳原本已經上傳自有照片，平台卻以「品質與一致性」替換成另一套影像，讓顧客看見的招牌、麵包形狀和餐點份量不再由店家掌握。顧客點餐時需要對照這一家店會出什麼餐，不能只看平台預設的食物樣貌。

WIRED 9 月 3 日也報導，生成式食物圖由外送頁延伸到店外海報與菜單；餐飲數位行銷公司 Popmenu 的共同創辦人 Brendan Sweeney 提到，他在 Uber Eats 看到五家披薩店使用相同的 AI 圖。這個個案把同質化的後果說得具體：當不同店家共用同一套披薩、漢堡或飲品視覺，菜單圖不再協助顧客辨認店家。WIRED 報導

在台灣，爭點會落在圖片和實物差多少

台灣目前沒有一條專門以「AI 菜單圖」命名的公開規範。公平會對公平交易法第 21 條的處理原則，已把影像、顏色、形狀等列為可傳播商業價值訊息的表示；判斷是否虛偽不實或引人錯誤時，會看一般消費者的認知、整體印象、限制條件是否充分揭示，以及表示與實際狀況的差異是否足以影響交易決定。公平會處理原則

衛福部在重組肉品的說明中，也明確把餐飲業者的菜單、立牌與掛牌視為可能的食品宣傳廣告介面；若未充分揭露正確資訊而有不實或易生誤解情形，可能涉及食安法第 28 條。該說明處理的是重組肉標示，不是 AI 影像案件，但菜單圖若讓顧客對品項、食材或內容物形成與實際不符的認知，店家不能只把它當成美術問題。衛福部說明

餐廳用 AI 前，先留下三個可對照點

第一，保留餐點實拍照。店家可用 AI 修正白平衡、背景雜物和裁切，但每一張上線圖都要回頭對照實際出餐的食材、份量、餐具與配料。

第二，將概念圖和現售菜色分開。新菜還在研發、節慶主視覺或店內故事插畫，可以是概念畫面；顧客能直接下單的品項，圖像應讓人辨識實物，不能以「示意」掩蓋一整盤不存在的料理。

第三，讓顧客找到真實參照。菜單頁可保留客人實拍、店家出餐短片或同一品項的多角度圖；對外送店而言，這些資料也能讓顧客在加點前核對份量與配料。

食物攝影從來不等於廚房現場。燈光、擺盤與修圖原本就會放大食物的吸引力。生成式 AI 把差別推到新的位置：它能快速做出更亮、更整齊的畫面，也能在沒有任何一盤真實料理時，直接生成一套看似可點的菜單。前者仍可協助顧客看清餐點；後者若取代了實物，省下拍攝成本的同時，也可能損及顧客對店家的信任。

常見問題

AI 生成的菜單圖一定會讓人不想點嗎？

不一定。2024 年研究中，沒有揭露來源的 AI 食物圖常獲偏好；2026 年研究也發現，少數被評為比真實圖更寫實的 AI 圖，食用意願較高。影響判斷的是圖像的真實感、可辨識的瑕疵、是否被標示為 AI，以及它是否對應實際餐點。

店家標示「圖片僅供參考」，就可以用完全生成的菜色嗎？

這句話不能自動消除影像與實物的差異。公平會處理原則會看整體印象、限制條件是否充分揭示，以及是否可能影響一般消費者的交易決定。若顧客可直接點餐，店家應讓圖片、文字品名和實際出餐能互相核對。

消費者點餐前可以怎麼看？

先找同品項的顧客實拍或出餐短片；若圖中食材、份量或器皿會影響是否下單，就看品名與文字描述能否對上。圖像只有一張、細節過度整齊，或每一道菜都用相同場景時，直接詢問店家會比只依圖片加點更可靠。

資料來源與更新紀錄

• 2024 年 2 月 28 日：Califano、Spence〈Assessing the visual appeal of real/AI-generated food images〉，確認兩項線上實驗與來源揭露對吸引力的影響。
• 2025 年 4 月 1 日：Diel 等人〈Eerie edibles〉，確認有瑕疵 AI 食物圖的詭異感、愉悅感與食物新奇恐懼的結果。
• 2025 年 4 月 9 日：DoorDash AI 菜單工具公告，確認平台功能、產品方向與公司引用的菜單照片數據。
• 2025 年 12 月 4 日：Eater SF：Forkable 替換合作餐廳照片個案，確認餐廳、顧客與平台的回應。
• 2026 年 8 月 28 日：Diel 等人〈AI-generated food stimuli match real counterparts…〉，確認真實感、食用意願、熱量與健康感的成對比較結果。
• 2026 年 9 月 3 日：WIRED〈Ugly AI Food Photos Are Only the Beginning〉，補充餐飲菜單與外送頁使用生成式食物圖的近期觀察。
• 2026 年 9 月 6 日：公平會不實廣告處理原則；衛福部重組肉品菜單標示說明，補充台灣的影像商業表示與餐飲菜單規範背景。