深度 | 美妝打響AI科研競(jìng)備賽，誰(shuí)在掉隊(duì)？

200多年前，蒸汽機(jī)的活塞撼動(dòng)了世界，人類第一次學(xué)會(huì)了將自然的能量馴化為蓬勃的生產(chǎn)力，點(diǎn)燃了工業(yè)文明的燈塔。那頭轟鳴的蒸汽巨獸，為一個(gè)時(shí)代的人們，帶來(lái)的是興奮與喜悅，也有短暫的迷惘與恐慌。

或許當(dāng)下，我們也在面對(duì)同樣的事情。人工智能（以下簡(jiǎn)稱“AI”）開(kāi)啟的這場(chǎng)“智能革命”，正在賦予我們一顆更強(qiáng)大的“外腦”，復(fù)制與擴(kuò)展人類最核心的智能本身，解決腦力所不能及之事。

尤其在美妝科研領(lǐng)域，這場(chǎng)革命正從概念迅速落地：AI能從數(shù)億分子中篩出抗衰奇跡，能預(yù)測(cè)一抹乳霜?jiǎng)澾^(guò)的微妙膚感，甚至能解碼基因里關(guān)于年輕的秘密。當(dāng)這艘名為“AI”的巨輪鳴笛啟航，美妝科研進(jìn)入了提速的新周期。

但，這不僅僅是效率提升的故事。這是一場(chǎng)關(guān)乎未來(lái)座次的新軍備競(jìng)賽。過(guò)去，國(guó)際巨頭憑體量和時(shí)間堆積起科研護(hù)城河；如今，AI這條新賽道，似乎把所有人拉回了同一起跑線。

然而，跑得快不一定贏，不迷路才重要。當(dāng)所有人都在談?wù)揂I賦能時(shí)，真正的問(wèn)題浮出水面：你的AI，是真實(shí)的生產(chǎn)力，還是昂貴的“玩具”？

大廠都在布局什么？一場(chǎng)“百花齊放”的效率革命

當(dāng)下美妝科研的AI應(yīng)用可謂“百花齊放”，已滲透到從皮膚機(jī)理研究到產(chǎn)品上市的全鏈路。其應(yīng)用方向主要集中在皮膚生物學(xué)與多組學(xué)研究、計(jì)算生物學(xué)與分子模擬、成分篩選與設(shè)計(jì)、 配方優(yōu)化與設(shè)計(jì)、膚感/香調(diào)與安全性評(píng)估等層面。

這場(chǎng)競(jìng)賽的起跑線上，國(guó)際巨頭和國(guó)貨先鋒都已開(kāi)始亮出新牌。以下是部分代表性布局：

從企業(yè)們的實(shí)踐看，時(shí)下AI技術(shù)對(duì)于美妝科研有三大影響：

首先，最實(shí)質(zhì)的作用是通過(guò)數(shù)字孿生的方式，實(shí)現(xiàn)降本增效。

美妝科研人員可以通過(guò)AI深度學(xué)習(xí)算法，采用高通量篩選的方式快速、準(zhǔn)確地挖掘和篩選合適的化合物或生物，達(dá)到縮短新成分研發(fā)周期、降低開(kāi)發(fā)成本、提高研發(fā)成功率的目的。

這一點(diǎn)在藥物開(kāi)發(fā)中早已得到驗(yàn)證。

過(guò)去藥物開(kāi)發(fā)有著名的“三個(gè)10”定律（10億美元、10年時(shí)間、不到10%的成功率）。但硅谷公司Atomwise通過(guò)IBM超級(jí)計(jì)算機(jī)，在分子結(jié)構(gòu)數(shù)據(jù)庫(kù)中篩選治療方法，篩選出820萬(wàn)種候選化合物，研發(fā)成本僅為數(shù)千美元，研究周期僅需幾天。

其次，大大解放了科學(xué)家的腦力和精力，帶來(lái)更多創(chuàng)新的可能性。

歐萊雅集團(tuán)研究和創(chuàng)新中心科學(xué)總監(jiān)Isabelle Castiel不久前在接受《FBeauty未來(lái)跡》專訪時(shí)表示：“過(guò)去人腦沒(méi)有辦法處理鋪天蓋地的數(shù)據(jù)，但AI可以讓過(guò)去許多‘不可能完成的任務(wù)’成為可能。”

更重要的是，正在縮短國(guó)貨品牌與國(guó)際企業(yè)在科研端的差距。例如，2025年，珀萊雅一篇《基于深度學(xué)習(xí)輔助篩選的線粒體功能增強(qiáng)與皮膚抗衰老活性化合物發(fā)現(xiàn)》的科研成果，榮獲「IFSCC 2025十大基礎(chǔ)研究獎(jiǎng)」。據(jù)了解，這一獎(jiǎng)項(xiàng)因門(mén)檻極高，一直被視為IFSCC含金量最高的獎(jiǎng)項(xiàng)，過(guò)去通常被國(guó)際美妝和原料商壟斷。

MetaNovas元星智藥CEO王梅杰也對(duì)《FBeauty未來(lái)跡》表示：“某種程度上說(shuō)，AI時(shí)代其實(shí)把大家重新拉到了同一起跑線上。”他認(rèn)為：“AI時(shí)代變化非常快，核心不一定在于誰(shuí)原本積累的數(shù)據(jù)更多，而在于誰(shuí)能更快擁抱最先進(jìn)的AI技術(shù)。外部可用的數(shù)據(jù)其實(shí)已經(jīng)很多了，所以對(duì)品牌來(lái)說(shuō)，更重要的是誰(shuí)能更快地調(diào)用最新AI能力、整合外部數(shù)據(jù)，并結(jié)合自己內(nèi)部的數(shù)據(jù)去做創(chuàng)新。”

從以上信息可見(jiàn)，國(guó)際巨頭憑借先發(fā)優(yōu)勢(shì)已將AI融入血液，而中國(guó)企業(yè)的AI應(yīng)用足夠精準(zhǔn)且已形成體系，甚至在某些領(lǐng)域?qū)崿F(xiàn)了差異化領(lǐng)先。AI，正成為國(guó)貨縮短與國(guó)際巨頭科研差距的“渦輪增壓器”。

AI的“神話”與“草臺(tái)班子”：成本、門(mén)檻與現(xiàn)實(shí)的骨感

當(dāng)AI的潛能被描繪得天花亂墜時(shí)，我們必須冷靜審視其落地的真實(shí)面貌。這不僅是效率的躍升，更是對(duì)企業(yè)實(shí)力和戰(zhàn)略定力的殘酷考驗(yàn)。

1.第一道坎：燒錢(qián)——AI不是省錢(qián)工具，是高投入基礎(chǔ)設(shè)施

任何行業(yè)AI工具的深度應(yīng)用，都離不開(kāi)前期基建。英偉達(dá)創(chuàng)始人黃仁勛就曾提出“AI五層蛋糕理論”。他同時(shí)給出判斷：一個(gè)百萬(wàn)億美元規(guī)模的產(chǎn)業(yè)，其研發(fā)預(yù)算中有幾個(gè)百分點(diǎn)正在轉(zhuǎn)向人工智能。AI部署主要集中在模型和應(yīng)用層，但這同樣意味著高昂的成本。

對(duì)照看，當(dāng)前美妝科研的AI的本地部署和應(yīng)用，主要集中在第三到第五層，且對(duì)企業(yè)提出了4個(gè)硬性要求：

1.在企業(yè)整體科研策略上能夠大膽擁抱AI，能夠大力投入基建；

2.企業(yè)內(nèi)部擁有AI相關(guān)科學(xué)家，能夠精準(zhǔn)選擇AI供應(yīng)商，開(kāi)展長(zhǎng)期磨合，完成企業(yè)需求適配；

3.企業(yè)能否構(gòu)建基于AI的可持續(xù)創(chuàng)新生態(tài)系統(tǒng)，建立自己的數(shù)據(jù)庫(kù)與差異化算法；

4.能否在更長(zhǎng)的周期里讓科研成果轉(zhuǎn)化為市場(chǎng)成功。

現(xiàn)實(shí)中，在美妝企業(yè)AI科研能力建設(shè)想跨出第一步，光部署AI工具的硬性成本投入就不低。

根據(jù)億網(wǎng)AI 知識(shí)庫(kù)部署成本解析：中小型企業(yè)若選擇本地化部署，需采購(gòu)服務(wù)器、存儲(chǔ)陣列等設(shè)備，入門(mén)級(jí)配置（支持百萬(wàn)級(jí)數(shù)據(jù)量）約需10-30萬(wàn)元；大型企業(yè)面對(duì)千萬(wàn)級(jí)以上數(shù)據(jù)規(guī)模，可能需要分布式存儲(chǔ)與GPU加速集群，例如運(yùn)營(yíng)AlphaFold官方推薦的頂級(jí)配置，初期硬件投入就超過(guò)100萬(wàn)。

好算法需要“高質(zhì)量數(shù)據(jù)”喂出來(lái)，例如多肽類原料的篩選、預(yù)測(cè)需要Peptipedia v2.0、SILICOS?、AlphaFold等多個(gè)數(shù)據(jù)庫(kù)的支撐 ，部分領(lǐng)域甚至需要定制化數(shù)據(jù)庫(kù)。從第三方采購(gòu)行業(yè)數(shù)據(jù)集，費(fèi)用可能按GB計(jì)費(fèi)。一些特殊領(lǐng)域數(shù)據(jù)單價(jià)甚至超過(guò)千元/GB。

同時(shí)，作為AI知識(shí)庫(kù)的“燃料”，數(shù)據(jù)清洗需剔除重復(fù)、錯(cuò)誤信息，以此提升算法的精度，其處理成本往往被低估。例如，一些專業(yè)醫(yī)療領(lǐng)域的數(shù)據(jù)清洗，需要該領(lǐng)域?qū)＜覅⑴c，單條數(shù)據(jù)成本可達(dá)10-50元。

2.第二道坎：不是招個(gè)程序員就行——“橋梁”型人才是必須

硬件和數(shù)據(jù)是可復(fù)制的壁壘，人才才是真正的護(hù)城河。企業(yè)需要的不是單純的程序員或生物學(xué)家，而是既懂AI、又懂業(yè)務(wù)的復(fù)合型“橋梁”人才。他能精準(zhǔn)地將科研需求翻譯成AI問(wèn)題，并持續(xù)迭代模型。

例如高絲在采用量子計(jì)算配合AI做產(chǎn)品配方開(kāi)發(fā)之前，用長(zhǎng)達(dá)5年的時(shí)間，培養(yǎng)內(nèi)部團(tuán)隊(duì)，設(shè)計(jì)人體角栓模型的算法并驗(yàn)證整個(gè)方案的可行性，在這一過(guò)程中高絲科研團(tuán)隊(duì)培養(yǎng)了多名數(shù)據(jù)科學(xué)家，最終才得以讓AI的科研應(yīng)用體系成型。

事實(shí)上，在AI科研的過(guò)程中，人力的持續(xù)輸出才是關(guān)鍵，中型企業(yè)至少需要一名懂AI與生物的復(fù)合型人才來(lái)維持系統(tǒng)運(yùn)轉(zhuǎn)、更新數(shù)據(jù)庫(kù)、優(yōu)化流程。團(tuán)隊(duì)中是否有這樣一位“橋梁”角色，是項(xiàng)目能否成功的關(guān)鍵。

3.第三道坎：AI的“幻覺(jué)”——?jiǎng)e期待AI無(wú)所不能

行業(yè)曾對(duì)AI抱有不切實(shí)際的幻想，認(rèn)為它“什么都能干”。通過(guò)相對(duì)低精度的數(shù)據(jù)采集和分析，AI工具常常用于皮膚診斷、配方開(kāi)發(fā)等技術(shù)領(lǐng)域。但實(shí)際上，當(dāng)時(shí)的皮膚診斷點(diǎn)位較少，分析模型十分“粗糙”，而AI配方的開(kāi)發(fā)，只需要從“配方思維”做考量，并沒(méi)有涉及功效成分作用通路、遞送體系、生產(chǎn)工藝等維度。

然而，隨著科研體系的深入，成分作用機(jī)理、通路、皮膚分析、膚感設(shè)計(jì)、成本等多個(gè)維度的加入，即便是“AI算力爆炸”的當(dāng)下，將AI應(yīng)用于美妝科研具有明顯的局限性。

聯(lián)合利華中國(guó)研發(fā)策略與運(yùn)營(yíng)負(fù)責(zé)人梁燕坦言：“AI輔助的配方設(shè)計(jì)，目前來(lái)說(shuō)不成熟。其是護(hù)膚品這樣的體系，里面的復(fù)雜程度很高。分子動(dòng)力學(xué)模擬可以處理一兩個(gè)分子與皮膚或頭發(fā)之間的相互作用，一旦體系中的分子數(shù)量增加，計(jì)算量急劇上升，很難跑起來(lái)。”

這是因?yàn)椋豢钭o(hù)膚品的配方，涉及活性物、乳化劑、增稠劑、防腐劑、香精等數(shù)十種乃至上百種成分，這些成分在體系中的行為受到濃度、pH值、溫度、加工工藝等多重變量影響。

因此，目前最務(wù)實(shí)的方式是“AI預(yù)篩選+濕（物理）實(shí)驗(yàn)驗(yàn)證”的混合模式。AI提供一個(gè)概率性的最優(yōu)解，然后由科學(xué)家做實(shí)驗(yàn)去證實(shí)或證偽。在這個(gè)過(guò)程中，AI像個(gè)需要不斷糾正的“孩子”，科學(xué)家需要判斷其預(yù)測(cè)不準(zhǔn)的癥結(jié)，并針對(duì)性修正。

正如中國(guó)科學(xué)院院士顏寧此前公開(kāi)發(fā)表的觀點(diǎn)：“可惜AlphaFold還不太行，好多預(yù)測(cè)不出來(lái)或者預(yù)測(cè)不準(zhǔn)。”

智者的選擇：把AI“噪音”變成品牌“資產(chǎn)”

面對(duì)AI的誘惑與現(xiàn)實(shí)挑戰(zhàn)，企業(yè)該如何下注？

答案或許不是大干快上，而是“為我所用”。

當(dāng)下美妝企業(yè)從內(nèi)部“長(zhǎng)”出AI的能力十分困難，同時(shí)AI技術(shù)本身也在快速迭代，美妝企業(yè)AI科研能力的建設(shè)離不開(kāi)外部生態(tài)伙伴的支持，而中國(guó)在AI生態(tài)領(lǐng)域擁有強(qiáng)大的優(yōu)勢(shì)。

聯(lián)合利華梁燕曾對(duì)外透露，中國(guó)約有6000家AI企業(yè)，數(shù)量遠(yuǎn)超其他國(guó)家和地區(qū)。更關(guān)鍵的是，中國(guó)的研發(fā)人員和科技企業(yè)對(duì)新技術(shù)的接受度極高。

公開(kāi)資料顯示，聯(lián)合利華AI for Science平臺(tái)由聯(lián)合利華中國(guó)攜手深勢(shì)科技（DP Technology）共同搭建。深勢(shì)科技的核心技術(shù)團(tuán)隊(duì)由中國(guó)科學(xué)院院士領(lǐng)銜，在AI for Science領(lǐng)域積累深厚，其Uni-Mol分子構(gòu)象大模型和Uni-Finder科學(xué)文獻(xiàn)數(shù)據(jù)庫(kù)為平臺(tái)提供了底層能力支撐。

從國(guó)內(nèi)外企業(yè)的實(shí)踐看，珀萊雅科研團(tuán)隊(duì)制定的“人機(jī)協(xié)同”基本原則值得借鑒：

AI負(fù)責(zé)提效，人負(fù)責(zé)決策；AI拓展可能性，人把控方向與結(jié)果。

具體分工是：AI高效地讀文獻(xiàn)、做篩選、跑實(shí)驗(yàn)設(shè)計(jì)、生成初步方案。但“我要解決什么問(wèn)題”的靶點(diǎn)定義權(quán)、“AI預(yù)測(cè)對(duì)不對(duì)”的驗(yàn)證決策權(quán)，以及結(jié)合市場(chǎng)洞察與品牌表達(dá)的審美判斷權(quán)，必須牢牢掌握在研發(fā)科學(xué)家手中。這條原則，不僅保障了科研的自主性，也避免了企業(yè)科研的“空心化”。

企業(yè)另一個(gè)普遍的擔(dān)憂是：過(guò)度依賴公共數(shù)據(jù)庫(kù)和外部AI服務(wù)，會(huì)導(dǎo)致算法趨同，最終喪失科研的獨(dú)立性和品牌的差異化優(yōu)勢(shì)。

在一些人的眼中，AI科研更合理的方式是由外部AI專家和品牌內(nèi)部團(tuán)隊(duì)一起共創(chuàng)平臺(tái)。外部專家負(fù)責(zé)持續(xù)跟進(jìn)最前沿技術(shù)，并在技術(shù)迭代時(shí)幫助品牌同步升級(jí)。

站在企業(yè)科研的角度，珀萊雅科研團(tuán)隊(duì)持有類似的觀點(diǎn)：“我們會(huì)和不同類型的技術(shù)伙伴保持開(kāi)放交流，但核心不是簡(jiǎn)單引入一個(gè)現(xiàn)成平臺(tái)，而是圍繞具體研發(fā)場(chǎng)景去驗(yàn)證價(jià)值，比如知識(shí)檢索、數(shù)據(jù)治理、原料篩選、實(shí)驗(yàn)輔助、趨勢(shì)洞察等。”

珀萊雅在與外部技術(shù)方合作的過(guò)程中，對(duì)此設(shè)定了清晰的邊界，其關(guān)鍵在于品牌是否始終掌握以下三個(gè)核心要素。

正如MetaNovas元星智藥CEO王梅杰向《FBeauty未來(lái)跡》分析認(rèn)為：“問(wèn)題的核心不是完全自研，而是共創(chuàng)更好。通用模型解決不了企業(yè)的具體問(wèn)題，完全自研又跑不贏AI的迭代速度。技術(shù)可以合作，但創(chuàng)新能力和創(chuàng)新主權(quán)必須沉淀在品牌自身。”

可見(jiàn)，那些通過(guò)AI技術(shù)產(chǎn)生并屬于品牌自己的原料研究、配方開(kāi)發(fā)、功效評(píng)價(jià)、感官反饋以及研發(fā)知識(shí)，才是更具長(zhǎng)期價(jià)值的核心資產(chǎn)。

就像人類在過(guò)去無(wú)法拒絕蒸汽機(jī)、電力一樣，AI科研時(shí)代到來(lái)是一種必然，甚至比我們想象得更快。積極擁抱AI是一種必然，它既是政策導(dǎo)向，也是當(dāng)下美妝科研生產(chǎn)力迭代的必然需求。

今年4月2日，國(guó)家藥監(jiān)局發(fā)布《關(guān)于“人工智能+藥品監(jiān)管”的實(shí)施意見(jiàn)》，提出推動(dòng)申報(bào)資料電子提交標(biāo)準(zhǔn)化、結(jié)構(gòu)化，完善審評(píng)審批知識(shí)庫(kù)，加快“兩品一械”審評(píng)審批大模型與智能體研發(fā)應(yīng)用，高效賦能產(chǎn)品智能分類、任務(wù)分配、資料審查、知識(shí)檢索、問(wèn)題識(shí)別、報(bào)告生成、制證送達(dá)等場(chǎng)景，顯著提升審評(píng)審批質(zhì)效。

從產(chǎn)業(yè)角度來(lái)看，一個(gè)美妝品牌服務(wù)消費(fèi)者的環(huán)節(jié)，會(huì)越來(lái)越多，精度要求會(huì)越來(lái)越高。但一個(gè)品牌能夠覆蓋人員成本和投資是有限的。AI應(yīng)用本質(zhì)是用算力幫助有限的人力成本，去服務(wù)無(wú)限上升的產(chǎn)品研發(fā)精度、服務(wù)精度、體驗(yàn)精度。

未來(lái)已來(lái)：奔赴“人機(jī)共創(chuàng)”時(shí)代

AI并未停下進(jìn)化的腳步。當(dāng)美妝企業(yè)還在摸索“AI預(yù)篩選+濕實(shí)驗(yàn)驗(yàn)證”的混合模式時(shí)，一種更顛覆性的范式已經(jīng)悄然降臨——Agentic AI（代理式AI）。

如果說(shuō)過(guò)去的AI是“聽(tīng)話的工具”，你輸入指令，它輸出結(jié)果，是線性的、被動(dòng)的；那么Agentic AI則像一個(gè)主動(dòng)的“科研伙伴”——它通過(guò)“感知—規(guī)劃—執(zhí)行—反思”的閉環(huán)，實(shí)現(xiàn)自主迭代的科研探索。

什么意思？我們來(lái)看一個(gè)具體的場(chǎng)景。

過(guò)去研發(fā)人員做功能蛋白設(shè)計(jì)，需要手動(dòng)調(diào)用AlphaFold預(yù)測(cè)結(jié)構(gòu)，看到結(jié)果不行，再手動(dòng)修改序列，重新提交計(jì)算。這是一個(gè)反復(fù)“試錯(cuò)”的過(guò)程。

但在Agentic AI模式下，AI Agent會(huì)主動(dòng)工作：它先檢索專利和文獻(xiàn)，自動(dòng)規(guī)避已知風(fēng)險(xiǎn)并設(shè)定研發(fā)邊界；接著驅(qū)動(dòng)AlphaFold和分子動(dòng)力學(xué)模擬進(jìn)行結(jié)構(gòu)初算；當(dāng)模擬反饋“螺旋解體”時(shí)，它自主修改序列、重新計(jì)算以對(duì)抗失穩(wěn)。更關(guān)鍵的是，系統(tǒng)內(nèi)部多個(gè)子Agent會(huì)針對(duì)蛋白的穩(wěn)定性、安全性和合成成本進(jìn)行“博弈辯論”，由總控Agent裁決取舍并自動(dòng)切換新路徑。

最終，它交付給你的，是一個(gè)附帶完整失敗推理鏈的最優(yōu)候選分子。整個(gè)過(guò)程中，科學(xué)家只需要做一件事：提出那個(gè)“對(duì)的問(wèn)題”。剩下的，交給AI去跑、去試、去迭代。

這已經(jīng)不是簡(jiǎn)單的效率提升，而是科研工作流的重塑。

長(zhǎng)期從事AI技術(shù)研究的王梅杰認(rèn)為，“現(xiàn)在AI Agent帶來(lái)的變化是，它可以在每一個(gè)環(huán)節(jié)形成‘專家能力’，并且進(jìn)一步打通全鏈條——從文獻(xiàn)研究、原料篩選，到配方優(yōu)化，再到產(chǎn)品故事表達(dá)，交付完整結(jié)果。”

這個(gè)總結(jié)意味著，過(guò)去研發(fā)人員需要分工協(xié)作——做基礎(chǔ)研究的未必懂配方，懂配方的未必會(huì)做科學(xué)傳播。但現(xiàn)在，一個(gè)AI Agent就能充當(dāng)全流程的“多面手”，把原本碎片化的環(huán)節(jié)串成一條線。

目前，這一趨勢(shì)已在產(chǎn)業(yè)端萌芽。今年3月，清華大學(xué)智能研究院與水木分子聯(lián)合發(fā)布了全球首個(gè)生物醫(yī)藥Agent Skill Set，將專家決策流程編碼為可執(zhí)行代碼，覆蓋生物化學(xué)、蛋白質(zhì)設(shè)計(jì)、單細(xì)胞組學(xué)分析等領(lǐng)域，被業(yè)內(nèi)稱為生物醫(yī)藥版的“OpenClaw”。

有國(guó)貨企業(yè)已開(kāi)始關(guān)注這一趨勢(shì)，但目前會(huì)堅(jiān)持從高頻、低風(fēng)險(xiǎn)、價(jià)值明確的場(chǎng)景切入，確保過(guò)程可審計(jì)、結(jié)果可追溯。不冒進(jìn)，但絕不掉隊(duì)。

但無(wú)論技術(shù)如何發(fā)展，最終，AI的應(yīng)用還是會(huì)回歸人本。

所幸在《FBeauty未來(lái)跡》今年上半年的多家訪談中，不止一家企業(yè)給出了邊界清晰的“人機(jī)協(xié)同”。AI做的不是替代，而是解放，讓科學(xué)家能從重復(fù)性工作中解放出來(lái)，去從事更具創(chuàng)造力的關(guān)鍵工作。正如珀萊雅所暢想的未來(lái)：每一位科學(xué)家都將配備一個(gè)“AI助手”，而科學(xué)家則專注于提出問(wèn)題和做出關(guān)鍵判斷。

AI始終是效率工具，不會(huì)取代研發(fā)科學(xué)家，但會(huì)改變研發(fā)科學(xué)家的工作方式。與此同時(shí)，AI帶來(lái)的效率提升，也在反向?qū)蒲腥藛T提出更高的要求。有科研人士稱，AI當(dāng)前做的是二類科學(xué)家的工作，在一個(gè)固定規(guī)則里調(diào)整參數(shù)。這也意味著，能夠充分發(fā)揮AI能力和效率的，是一類科學(xué)家——那些能夠找到問(wèn)題、解決問(wèn)題的人。

從蒸汽機(jī)延伸體力到AI延伸腦力，人類始終在將自身能力“外包”給工具，又總在工具的鏡像中重新確認(rèn)自我的獨(dú)特性。或許AI永遠(yuǎn)不能回答“人為何更美”的終極追問(wèn)，但AI的算力正在將研發(fā)效率推向極致，讓人們更接近這個(gè)答案。

這場(chǎng)AI軍備競(jìng)賽，最終淘汰的不是人，而是那些不懂如何與AI協(xié)作的人。對(duì)于企業(yè)而言，擁有AI能力的企業(yè)，將淘汰固步自封的傳統(tǒng)企業(yè)。

擁抱AI，不是因?yàn)樗芨嬖V你“正確答案”，而是因?yàn)樗茏屇阋愿斓乃俣取⒏偷某杀荆L試“所有可能的答案”。而那個(gè)能讓所有答案產(chǎn)生價(jià)值的，永遠(yuǎn)是在背后提出問(wèn)題、做出判斷、并為其賦予溫度的人。這，才是“人機(jī)共創(chuàng)”時(shí)代的終極奧義。

[1]人工智能技術(shù)在化妝品研發(fā)中的應(yīng)用概況與前景。戴鏡酈，胡曉波，王梅杰，余論，羅衡，王坦。日用化學(xué)品2026年2月23

本文為FBeauty未來(lái)跡原創(chuàng)作品，未經(jīng)書(shū)面授權(quán)許可，不得轉(zhuǎn)載或通過(guò)技術(shù)抓取用于AI訓(xùn)練。

作者/陳龍

編輯/劉穎

排版/陽(yáng)艷