各位PM、配方师朋友，别来无恙。

最近我系统性地扒了2025年IFSCC大会的研究，一股“硅基味”扑面而来。不管是欧莱雅、资生堂、花王、爱茉莉这些“化妆品老钱”，还是HBN、安德普这些国货新贵，不约而同地开始做一件事：试图用AI替代“老师傅的直觉”。

但如果你以为AI只是来抢饭碗的，那格局就小了。

我试着把这些案例像拆解原料成分一样，进行了归类、纯化、结构剖析，得出了一些或许能让你少走弯路的冷观察。

一、 四大流派：AI正在接管化妆品的四条战线

基于我看到的几项研究，这些化妆品AI技术可收敛为四大技术流派，它们各自攻破的痛点完全不同：

别看方向不同，它们的底层逻辑完全一致：将化妆品科学从“描述性”、“经验性”的试错，升维为“机制性”、“预测性”的计算科学。

二、 各国品牌偏好不同：欧美重计算，东亚重体验

仔细看这些技术的地域分布，会发现一个很有意思的应用差异：

欧美系（欧莱雅）：典型的理性主义信徒。它们攻的方向比较硬核——用3200万篇文献挖靶点，用SVC、DOE建模优化配方。他们的潜台词是：“万物皆可算”。只要能解决原料与基因的关系、原料与物理性状的关系，配方就是一道数学题。

日系（资生堂、花王）：工匠精神的数字化学徒。资生堂拿百年数据库喂出个调香师；花王则死磕“底妆为何翻车”这种极其细微的肤感问题。他们不强调颠覆，而是强调传承与极致适配，把老师傅的感觉量化成参数。

韩系（爱茉莉）：体验派的技术卷王。它们把AR试妆直接拉进了Stable Diffusion时代，核心不在产品本身，而在购买前的体验链。这是典型的“体验驱动”思维，用AI制造下单前的爽感。

中国品牌（HBN/安德普/汇嘉）：人狠话不多的实用主义者。我们暂时缺百年的数据积累，但有的是极强的痛点挖掘能力。HBN不跟你谈宏大的抗老，直接算出中国人6种衰老脸；安德普不讲复杂通路，直接告诉你“哪个酸的结合能最强”。刀法精准，直奔ROI。

三、 直击痛点：这些研究“怯魅”在哪？

作为一名原料工程师，说好话不是我的工作，挑刺才是。这些研究虽然光鲜，但工程化落地的短板同样明显：

“体外疗法”的尴尬：欧莱雅的91个成分也好，安德普的分子对接也好，目前大多停留在硅基计算和细胞实验。结合能算出来强，进不了真皮层怎么办？透皮递送、配方基质干扰、代谢失活，这些现实世界的“脏活”，AI至今还无力完美预测。

样本偏差的局限：花王的底妆研究只有日本女性，HBN的衰老脸谱只锁定广州。这就好比用四川菜谱去定位法国大餐，风味肯定有偏差。皮肤的种族差异、地域差异是座高山，目前的AI模型还没彻底翻过去。

解释上的“黑匣子”：AI能找出HMC促胶原，但它很难用人类听得懂的逻辑去解释“为什么是它”。这种解释力的缺失，让极致的科学创新在面对宣称合规时，往往陷入“有理说不清”的尴尬。

从生成到量化生产的鸿沟：资生堂的AI防晒很美，但这10000个配方里，AI能预判工艺放大的稳定性吗？能解决量产时的黏度偏移吗？配方生成派目前更像是提供了极棒的蓝图，但从图纸到摩天大楼，中间还隔着几吨的实验废料。

四、 对同行们的大实话：活法得变

未来的实验室里，真正的硬通货将不再是“多少年手感”的配方师，也不是“调库调参”的AI工程师。未来最稀缺的，是懂化妆品的AI架构师，以及懂AI的原料/配方专家：

你得学会当“AI的嘴替”：如何精准地定义Prompt，把模糊的市场感官需求（“涂了像没涂”）翻译为AI能理解的物化参数约束，这将是一剂核心竞争力。

当“筛选者”比当“创造者”更重要：AI给你生成一万个配方，你需要像一名冷酷的狙击手，在瞬间基于工艺可行性、成本、法规，排除9900个。这种快速决断的品味，是AI学不会的。

告别“单点思维”，拥抱“系统连接”：未来的技术红利不在某个单体原料，而在跨品类嫁接（资生堂）、文献隐性知识挖掘（欧莱莱）。你大脑里的知识图谱，要开始联网了。

AI赋能的共享原料知识库，能帮助国产新锐品牌打破行业的经验壁垒，用到最合适、最优秀的原料吗？

总而言之、言而总之：目前AI还不能替代工程师。不管各位CEO、老板多么期待AI的红利。

但事实是，目前的AI连一个完美的乳化体都很难独立设计。但我们也相信，科技发展日新月异。

如果我们继续日复一日地干着“炒菜式”试错的工作，那么替代我们的，不是AI，而是会驾驭AI的那个同行。

和平与理性，共勉。

【互动彩蛋】

看完这四个“AI流派”，你觉得哪个方向对你的工作最具有冲击感？或者，你手里正在“炒”的哪款原料，特别希望AI来给算一卦？

评论区聊聊，让我看看你们的焦虑在哪里