宝洁:AI把日化研发,从3年砍到了6个月

肽是护肤界常用的活性成分，种类上万。要把它们加到洗发水里，你得先回答一个问题：哪一种能渗进发芯、修复损伤？

过去，宝洁的研发工程师只能一种一种试。做一个配方要上万次实验，一款产品从概念到上市至少三年。这还是顺利的情况。

现在，AI分子发现套件接手了筛选环节。系统从万余种肽类中预测，再做工艺可行性判断，锁定最优候选。宝洁首席信息官Seth Cohen在2026年6月的Evercore投资者会议上说，这套工具已经把部分品类的创新周期从五年以上压缩到了六个月以内^[1]。

2025年上市的潘婷胜肽泡沫，就是第一批跑出来的产品。它的核心成分3A胜肽，是AI从万余种肽类中层层筛出来的。宝洁用荧光寿命检测技术（FLIM）验证了效果：3A胜肽能去除发芯氧化损伤因子ROS，重塑发芯蛋白结构^[2]。

肽类成分加进洗发水本身就难——活性保持是行业难题，潘婷用微珠包裹解决了这个问题^[2]。但"找到对的肽"才是第一步，没有AI，这一步可能要花几年。

一款洗发水的配方，包含几十种成分，每一种比例变化都影响效果。传统流程是线性的：做样品→实验室测试→拿结果→再调配方。大部分配方最终都会失败——失败本身不是问题，问题是每个失败都要花时间和钱。

宝洁中国现在的做法变了。研发人员先用AI对成分库做一轮预测实验，找出优选配方，再针对性做实验验证^[2]。过去"做样品-测-看结果"的循环被AI预测大幅缩短。

瓶子设计也走同样的路。以前改一款瓶型，要花几个月、几十万元做小批量模具，反复试错。现在把CAD瓶型输入宝洁的R&I仿真系统，系统根据抗压强度、稳定性等指标运算，指出哪里需要加厚减薄。工程师两三周就能优化出可行方案^[2]。

Cohen在Evercore会议上举了两个具体的例子。Dawn Powerwash洗洁精喷雾——宝洁通过智能家居传感器发现，英国消费者习惯把碗碟泡一整夜再洗，这个洞察催生了这款直接喷在碗上即可的产品。Old Spice在巴西推出了一款抗污渍除臭剂，因为消费者抱怨腋下衣物染色——这也是数据驱动发现的痛点^[1]。

宝洁北京创新中心是宝洁全球第二大、亚洲最大的研发中心，超过800名科研人员，已实现95%产品的本地研发^[3]。2024年8月，创新中心二期启用，新增消费者体验中心和三个品类的创新实验室^[3]。整体来看，宝洁新品从概念到上市的周期缩短了22%^[4]，在分子发现等AI工具加持下，部分品类已进入6个月以内^[1]。

宝洁在中国的八家工厂都在推进AI，走得最快的是天津智能化领航工厂^[5]。

2024年，天津工厂"聘请"了三位数字员工^[5][6]。

供应链端也有变化。2024年9月上线的"Ask Order"智能订单查询系统，基于大语言模型和内部知识库，7×24小时处理每天1000多次客户订单查询，减少了76%的重复沟通^[6]。

Cohen在Evercore会议上花了大量时间讲数据架构，而不是讲AI模型^[1]。原因很简单：没有标准化数据底座，AI跑不起来。

宝洁有一个行业少见的资产：全球单一SAP实例。所有业务跑在同一个系统上，底层交易数据100%互通。Cohen管这叫"数据超能力"^[1]——大多数跨国公司跑几十个区域性系统，数据互不相通，宝洁只需要对接一个。

在这个底座之上，宝洁积累了约35PB的消费者行为数据，每年来自超过200万次消费者接触点^[1]。数据来源包括几千个智能家居（消费者授权后安装传感器，追踪真实使用行为），甚至包括手腕传感器测量消费者怎么洗头^[1]。基于这些数据，宝洁创建了数千个数字孪生——不是统计平均数，而是个体级模拟，用来在产品概念阶段做测试，压缩创新漏斗^[1]。

AI工厂集中管理模型和数字产品，实现规模化扩展。Cohen说，AI工厂让模型部署速度比以前快了约十倍，覆盖了80%的全球业务^[1]。在中国，内部使用生成式AI的员工超过5000人，职能部门平均AI渗透率突破84%^[2]。

数字营销这边，生成式AI创作多平台广告内容，数量达到传统的10到200倍。Cohen说，相比以前外包给广告代理商，"我们在更低成本下看到了更高的效果"^[1]。还有一个新做法叫GEO（生成式引擎优化）——确保宝洁品牌在ChatGPT、Gemini等AI搜索工具中出现在正确位置。一个有意思的发现：宝洁团队追踪帮宝适纸尿裤的信息来源时，排名第一的不是帮宝适官网或育儿网站，而是Forbes的论坛帖子。这个洞察直接改变了GEO的投放方向^[1]。

供应链3.0推进无人值守运营，部分工厂已实现日间无人化生产班次。IoT设备实时监控质量，提前识别并调整潜在问题^[1]。

宝洁大中华区董事长兼CEO许敏在36氪采访中说了一句话："宝洁中国对AI和科技没有执念，但对消费者和产品有执念。"^[2]

这句话不是说说。客服团队开发了"GenCoach"智能培训系统，新人通过AI模拟的各类消费者场景练习应对，培训后1到2周就能达到以往6周才能达到的业务水平^[2]。但在实际客服中，一旦对话涉及情感安抚、复杂决策，系统会立即转接人工^[2]——AI能教你怎么回答，但接不住情绪。

消费者洞察团队也保留了大量面对面的一线访谈。团队没有把AI智能体命名为"虚拟消费者"，而是叫"Insight Inspirator"——灵感启发者^[2]。不管AI多先进，它只是对真实消费者言语的延伸，不是消费者替身。

宝洁中国的AI项目从立项到上线，都要过"负责任地使用AI"的合规评估——合法合规、透明性、个人信息保护、安全性、责任制，一项不落^[2]。AI部门负责人说得很直白："数据安全和数据合规底线一定做到百分之百，这是不能突破的底线。信息准确度一定达到80%以上。"^[2]

Cohen在Evercore会议上也提到一个问题：不少员工因为公司批准的AI工具限制太多，悄悄用起了未经授权的替代工具。他的态度是，这说明员工看到了价值，"机会在于把这些实践经验引入一套适合公司且可扩展的体系中"^[1]——堵不如疏，但前提是体系够快跟上需求。