一场深刻的变革正在产业链最上游的原料端悄然发生！

 

2025年，一家名为“未名拾光”的初创公司，在短短不到一年时间完成了两轮超亿元融资。事实上，这家成立仅4年的公司，已连续得到欧莱雅、纳爱斯等消费巨头的6轮“加注”。

 

在资本趋于理性的大环境下，如此密集且巨额的投资显得尤为瞩目。经深入挖掘，美妆头条发现，未名拾光的标签并非传统美妆企业，而是一家“AI生物科技企业”。它之所以能够崛起，与乘上了AI赋能原料创新的东风密切相关。

 

 

前不久，国内首个AI制100%人源丝聚蛋白通过药监局备案，同样引发行业广泛关注。

 

当AI这股颠覆性的力量，从遥远的云端概念，真正潜入美妆原料研发的“心脏”，它给行业带来了哪些颠覆性的新变化，面对席卷而来的AI技术浪潮，未来美妆企业又是如何精准布局、主动拥抱AI？

 

 

AI美妆潜力喷发

国内外巨头竞速布局

 

 

于化妆品行业而言，AI早已不是遥不可及的未来概念，而是深刻影响美妆日常的新“增长引擎”。

 

一组数据印证了这一点。据专注于市场研究和咨询的InsightAce Analytic预测，全球AI美容化妆品市场规模到2030年将达到133.4亿美元，2021年至2030年复合年增长率高达19.7%。

 

在欧莱雅集团、雅诗兰黛集团、资生堂集团等一众国际知名美妆巨头的战略版图里，AI也已渗透到原料研发、市场调研、消费者互动、个性化护肤方案、虚拟试妆、物料仓储的开发与应用等多个环节，成为其谋求增长的一大利器。

 

具体到中国化妆品企业，上美股份建造了中国首个AI智能化妆品无人工厂并上线AI智能体平台；宜格集团旗下花西子智能工厂全面接入AI；福瑞达生物也在加速布局AI，拓展AI应用场景。

 

 

目前，国内排名前十的美妆企业，大多已在原料创新研发的多链路上实现了AI赋能。

 

不止于此，MetaNovas Biotech元星智药、未名拾光、杉海创新、百葵锐、佰鸿华湙集团、深圳瑞德林、珈凯生物等一批专注生物科技与原料创新的企业，也将AI运用在新原料智创的每一个关键环节。

 

聚焦到品牌端，拥有94年历史的百雀羚品牌母公司研发首席技术官蒋丽刚强调了合成生物学、AI靶点筛选等前沿技术对原料创新的推动作用；谷雨品牌母公司旗下子公司——广州青囊生物科技有限公司通过AI酶筛选与复合酶仿生转化技术，实现稀有人参皂苷CK的超2500倍含量提升，并由此完成了行业首个稀有人参皂苷新原料的备案。

 

不难发现，从国际巨头的战略布局，到中国品牌企业的集体跟进，一个由AI驱动美妆产业发展的新范式已然成型。 

 

 

AI赋能原料研发

从“试错”到“智造”

 

 

2024年，诺贝尔化学奖授予了利用AI在蛋白质设计和蛋白质结构预测方面作出贡献的科学家。这一殊荣的取得，无疑为AI在生命科学领域的应用前景加盖了权威“印章”。

 

而当这股AI浪潮加速席卷至化妆品原料革新领域时，一个根本性的问题也随之浮现：区别传统原料研发模式，AI驱动的新研发模式究竟有何不同？其核心优势又体现在哪里？

 

锦波生物利用AI技术赋能合成生物学，对重组人源化胶原蛋白研发生产体系进行全面重构。在锦波生物国际原料部总经理周大为博士看来，新旧原料研发模式的核心区别在于“研发逻辑的底层重构”。

 

传统模式依赖经验推导与实验试错，周期长且受限于认知边界。因此，许多业内人士在谈及传统原料研发模式时，“效率低”“成本高”“创新天花板明显”成为普遍共识。

 

与之相对，AI带来了全新的研发范式。凭借其强大的数据整合、分析处理与学习能力，AI能将海量的原料成分、皮肤学机理和市场趋势信息系统融汇，并通过高通量的计算，加速化妆品原料的识别、筛选与设计。

 

这也意味着，由数据驱动的AI赋能原料革新模式具备以下核心优势：

 

一、效率与成本的双重优化

 

这恰恰是对传统原料研发模式“降本增效”核心诉求的精准超越。

 

以锦波生物为例，其研发的FSAT平台通过整合胶原蛋白“序列－结构－功能－应用”全链条数据，借助AI胶原智脑系统实现“数据预测－高通量筛选－验证－优化迭代”的闭环。据周大为介绍，传统方法解析胶原功能区需数年，FAST数据库结合AlphaFold结构预测，可将该过程压缩至数月。

 

依托云南特色植物资源，贝泰妮集团目前已成功备案17款化妆品新原料。其相关负责人站在行业高度观察到，肽类原料的研发效率正显著提升，而这一变化的主要原因，正是“得益于AI驱动蛋白质结构与功能预测技术所带来的研发模式升级”。

 

AI的应用同样使得未名拾光的研发效率倍增，以重组胶原蛋白为例，其通过运用AI，将研发效率提升了至少5倍；元星智药搭建了四大专有AI算法平台后，研发成功率提高至45%以上，研发周期从数月缩短至数周；深圳瑞德林通过AI优化发酵工艺，将产物浓度提升至380g/L，AI模型加速酶改造周期则使新原料研发效率提升3倍，实现肽类、糖类等活性原料的生产成本降低50%以上。

 

截自MetaNovas官网

 

无论是优化工艺、成分筛选，还是辅助设计、结构与功能预测，这些案例清晰地表明，AI能让一众美妆企业能够以更低的试错成本、更快的研发速度，开发出真正具有创新性和竞争力的产品。

 

二、精准与可控的无限可能

 

AI赋能原料开发，其价值远不止于“快”，更重要的是，它让整个研发过程变得前所未有的精准与可控。

 

贝泰妮集团相关负责人认为，AI赋能原料研发的一大显著优势，就是“更聚焦”。其以薇诺娜超塑肽的研发为例，AI技术能针对一个确定的皮肤学靶点，快速匹配有靶向结合位点的肽序，并基于蛋白口袋分析提高候选肽靶向结合该靶点的精准性。

 

 

上海家化研发团队自2021年起构建“AI+中国特色植物成分”研发体系，通过AI网络药理学技术和高通量筛选，从青蒿提取物的153种成分、1080个活性靶点中，锁定了64种涉及调控炎症的关键蛋白。

 

珀莱雅股份的研发人员通过AI驱动的SaaS平台，实现了对天然植物分子的快速筛选与效果预测，将研发的精准度与成功率提升至新高度。

 

谷雨则利用现代AI科技，在近200万种酶中精准筛选了明确能转化得到稀有人参皂苷CK的6种高效生物酶。

 

凡岛研究院通过构建AI靶点筛选平台，解析活性分子与靶点蛋白的原子级动态作用机制，将筛选准确率维持在85%。

 

能够看到，AI不仅能通过生物网络和信号通路挖掘新靶点，也可以基于现有靶点库筛选分析和锁定功效原料的作用机制，这意味着，在化妆品原料开发领域，实现“精准与可控”已不再是遥不可及的梦想，而是正在发生的现实。

 

三、安全与可持续性的坚实保障

 

MetaNovas首席科学家罗衡在接受媒体采访时曾提到，借助AI技术来开发功效型原料，往往能赋予传统原料所难以企及的出色性能，比如更强劲的生物活性、更出色的稳定性，或是更可靠的安全性。

 

除此之外，AI的应用还破解了美妆原料领域长期存在的可持续难题。以往，由于功效成分的结构复杂性、功效机制的未知性，行业企业难免陷入“成果难复制”的量产困境。

 

而借助AI+研发，这一瓶颈得以被打破。

 

譬如，针对来源复杂、结构不稳定、功效难以量化的PDRN，佰鸿正式发布全球首个专注于全生态PDRN的AI全流程研发平台（AISSM），不仅实现了对PDRN的“可计算、可预测、可优化”，还将此成功范式扩展与赋能至细胞外囊泡、其他核苷酸、多肽等战略成分的研发中，推动更多生物活性成分走入“可计算研发”时代。

 

佰鸿AISSM平台技术路线图

 

巨子生物首席技术官段志广博士曾对媒体谈及“重组胶原蛋白未来的优化方向是什么”时，也肯定了人工智能AI技术有助于重组胶原蛋白领域的技术提升，这对于提高重组胶原蛋白的产量和质量稳定性大有裨益。

 

华熙生物同样利用生物计算平台，设计出了全新的GABA生产菌株，并通过AI技术加速靶点筛选与发酵参数等的优化，大大提高了功能性物质GABA的产量和质量。

 

凡岛研究院借助AI，首创环肽自动化合成平台，实现多肽从分子设计到功效验证的全链路创新。

 

这样看来，“AI+研发”不仅以更低的试错成本、更高的效率攻克了制约化妆品原料设计、量产难题，还能为原料的精准性、安全性和稳定性提供了强有力保障。而这也是越来越多企业愿意投入研究“AI代替人的工程”的底层逻辑所在。

 

 

面临潜在挑战

数据与算法是区分能力高下的关键

 

 

从发展趋势看，AI的渗透将更加深入。系列企业依靠AI取得的突出原料成果也显示，AI赋能美妆原料创新，前景无疑是星辰大海。不过，正如“AI教父”杰弗里·辛顿所提出“伴AI如伴虎”的比喻，行业仍需面临AI潜在的挑战和超级智能失控的风险。

 

未名拾光创始人赵亚冉曾在接受媒体采访时这样判断：“未来AI会成为生物技术公司的基础能力，而区分能力高下的要素是‘数据’。”

 

华熙生物董事长兼CEO赵燕也曾强调：“数据是生物制造时代的‘新石油’，是持续迭代的命脉。” 

 

多位行业精英的观点不谋而合，直指核心数据的重要性。

 

显然，AI并非凭空捏造，其模型训练需要海量数据“投喂”及强大的AI算法运作，但核心原料研发数据涉及商业机密，生物实验数据需考究印证，消费者数据则涉及隐私保护，这些因素都使得数据获取与使用受到严格限制。若再加上数据本身质量不高，或缺乏标准化，那么AI算法所能输出的创新便难以在化妆品领域形成飞轮效应。

 

广州言美创信息科技有限公司创始人李杰锋成功帮助50+美妆企业实现AI落地。其就指出，“AI再聪明，也架不住你喂的是零散、不标准甚至错误的实验数据。原料结构、皮肤反应这些数据要是没有统一口径，AI学出来的全是‘偏见’。”

 

化妆品违禁词网创始人李锦聪也表示，“AI 的可靠性依赖企业积累的海量真实数据进行训练，需避免联网导致的‘假信息源’ 污染或 AI 幻觉问题。”

 

周大为博士更直言，“数据质量是关键痛点。”其进一步补充道：“高质量数据的稀缺会导致模型预测性能有限，进而在合成设计、催化剂开发、反应预测等方面未能达到预期目标。”

 

足以见得，在赋能原料革新的路径上，数据问题是制约AI释放其潜能的“阿喀琉斯之踵”。

 

当然，在应用AI赋能化妆品原料的过程中，挑战远不止数据问题。过度依赖AI忽视科学直觉、商业化价值与成本难平衡、AI领域专业人才稀缺导致技术落地受限，以及合规风险等，都是企业必须跨越的障碍。

 

正如贝泰尼集团相关负责人指出，当前行业在应用AI进行原料研发时，存在“盲目追求‘AI技术背书’不考虑实际价值”的本末倒置乱象，这种将AI作为热点或营销噱头去追的浮躁风气，对行业和消费者而言都是一种伤害。

 

而在与部分中小原料企业进行交流时，不止一位企业代表也对美妆头条表示，因成本问题，其在原料革新方面尚无任何AI应用经验。

 

李锦聪则进一步补充，除了需关注个人隐私数据收集的合规性，更需警惕企业利用 AI 开发“类人源”新原料后，不按规定注册备案，就直接套用现有的INCI名称流入市场。这种情况在发酵工程、细胞工程、蛋白质工程等生物技术领域尤为突出，由于新技术、新结构、新菌株等缺乏统一的检测标准，一旦出现质量安全问题，将很难追溯其根源。因此，这一隐患必须引起高度重视。

 

归根结底，AI是加速器，而不是方向盘。对于化妆品原料革新而言，科学逻辑、法规意识和产业经验，三者缺一不可。

 

 

多维破局

真正拥抱AI

 

 

基于以上挑战，不少企业代表给出了破局之道。

 

其中，构建数据壁垒、推进AI与多学科融合、加强人才培养与合作、推进合规等是多位业内专业人士在探讨原料领域如何真正拥抱AI议题时给出的答案。

 

如在构建数据壁垒方面，不少企业已作出了示范。如华熙生物把其在透明质酸领域积累的10万+组发酵数据持续喂养给AI模型，使其在菌株设计、工艺预测、故障诊断上具备远超业界同仁的迭代速度与精准度；自然堂集团借助AI技术和微型反应器集群产生海量发酵过程数据及实验设计理论，得以更高效地实现发酵菌种验证、发酵工艺开发等工作……

 

而在推进AI与多学科融合方向，未名拾光搭建了“AI+synthetic bio”材料创新和生产平台，通过AI完成材料设计，并设计特定生物细胞工厂完成原料产出，为下游客户和终端市场提供绿色、安全、有效的原料和产品；全球领先的超分子技术平台应用及产业化企业——杉海创新最新上线的全球首款AI超分子智造平台，则实现全链路AI辅助超分子新材料开发。

 

截自杉海创新

 

对于企业如何真正拥抱AI的议题，周大为博士提出了切实的建议，“首先应建立更高质量的数据库模型，优化AI算法的迭代模型；此外，要加强与高校及科研机构的合作，培养AI成为既懂科学理论又懂技术实践的交叉型人才；最后，应该注重数据隐私和安全问题，构建完善的防护体系以确保核心数据的安全性。”

 

李锦聪则强调，AI 虽能提升99%的工作效率，但剩余1%的风险仍需通过人工校验规避。因此，企业应配备专人对模型持续微调优化。

 

而上海某新锐美妆品牌相关负责人认为，原料企业巧用AI设计、优化原料功效、肤感、稳定性、安全性是件好事，但前提是，需确保AI模型及其推演结果需符合化妆品法规要求。

 

关于合规问题，李杰锋同样提及，“AI生成的结构可能无意撞上已有专利，尤其跨国布局时更危险。故而法律风险得前置排查。”

 

贝泰妮集团相关负责人则坚信，基层科研人员能用好AI创造更多价值，而非被AI取代，但在此过程中，仍需注意信息安全、信息验证、创新项目对消费者的实质性意义。

 

毋庸置疑，通过深度融合市场需求与生命科学、生物合成等前沿技术，AI正重塑着中国化妆品产业的原料创新格局。这一深刻的变革，为中国品牌在全球市场中实现“弯道超车”注入了强大动能。当然，我们仍需清醒地认识到，AI并非“万金油”，其依赖数据和算力驱动的基因，注定了它是一把锋利的双刃剑，既能以前所未有的效率加速创新，也可能因数据的质量或算法的“黑箱”而带来潜在风险。

 

因此，未来的美妆原料创新，不再是人类科学家在实验室的单打独斗，也不仅仅是AI“替代人的工程”，而是人类智慧与人工智能的深度协同。这意味着，谁率先能驯服AI，谁就能在这场技术浪潮中掌握真正的主动权。