编者按：本文来自微信公众号亿邦动力（ID：iebrun），作者：张从容，编辑：董金鹏，创业邦经授权转载。
在美妆行业，人们对AI的兴奋与焦虑，正在向上游研发环节传导。
张凤（化名）博士毕业，在一家美妆原料公司做研发。过去，这样的岗位需要积累几年经验，经历从研发到产品上市。她所从事的多肽序列设计与优化，依赖合成与实验筛选，每次耗时数月甚至数年。
然而现在，AI正在大幅提升美妆研发的速度，许多颇为惊人。张凤曾设计了一套多肽序列，一边做实验验证，一边用AI预测。结果，实验与预测一致，真的失败了。
你可能并不知道，AI帮珀莱雅完成环肽163的分子构象和靶点筛选，将应用至红宝石系列产品；AI帮环亚集团筛选稀有人参皂苷CMx，应用至美肤宝反重力面霜2.0；知美集团则用AI锁定A醇的温和替代成分补骨脂酚，应用至AB LAB的明星单品“女巫眼霜”。
与此同时，一批AI for Science公司正在成为资本关注的重点。2026年3月，天鹜科技完成超2亿元A+轮融资；MetaNovas连续完成A+、A++两轮融资。
如果说淘汰客服、设计和营销等是美妆行业掀起的集体“瘦身”，那么AI“入侵”门槛更高的科研环节，无疑是行业大洗牌的前兆。它会带来哪些机会？又会抢走谁的饭碗？
01研发岗位正在被蒸馏，开发周期缩短约一半
社交媒体上，有一类视频很火，研究生博士生对着实验台磕头，祈求实验得到理想结果。“真的就是拜大神，运气好就能做出来一条非常不错的（序列），”美尚洁生物CEO赵铧说，“然后好，就这样！不要动！把序列记下来，拿这个去做。”
在他看来，这种行为的背后，是传统研发模式的不确定性——靠“碰运气”得到一组优质序列，一旦成功就立刻锁定条件、固定参数，基于该结果推进后续研究。
而原因在于，人类不知道好结果是怎么来的，所以升级迭代时，不知道往哪儿改。同样，搞清楚为什么错也很难，所以返工时要回到设计环节，花费大量时间探索下一步如何调整。
AI则偏向理性设计，在现有数据指引下，总结人类看不到的规律，并有方向地搜索最优解。随着数据的累积、人类这个“考官”不断为其“批改”，AI的准确率会越来越高。
赵铧曾在爱茉莉太平洋集团担任电商销售总监，操盘国内10亿规模业务，2018年成立美尚洁生物，目前在江苏省生物科技协会担任常务理事。美尚洁生物是一家重组胶原蛋白原料工厂，从巨子生物、锦波生物等行业龙头的夹缝中杀出来，靠的正是AI。
以过往累积的数据为基础，美尚洁生物与AI服务商合作，搭建了AI重组蛋白定向设计与深度研发平台，并通过湿实验不断验证AI的预测结果，用真实反馈持续优化模型。为了高效对接AI服务商，赵铧本人正在悉尼科技大学攻读AI科技硕士学位。
2025年10月，美尚洁生物对外宣称，完成数千万人民币A+轮融资。此后不久，天鹜科技、MetaNovas等也相继获得资本青睐。
MetaNovas，成立于2021年，美妆原料研发企业，可根据预设需求，用AI设计出兼顾功效和落地要求的分子。2025年11月，MetaNovas自主研发的AI设计多肽原料“寡肽293”，完成医疗器械主文档备案。
除文献和专利，以及与科研机构合作的数据，MetaNovas的AI研发还用到公司内部数据。AI团队设计分子，交给生物团队验证，并反馈数据结果，将正面和负面样本均投喂给AI，让AI再学习生产。生物团队用知识图谱设计或筛选成分，再做功效验证。
MetaNovas招了一批生物信息学背景的人，主要处理输入的数据和现有知识，得出可指导研发的结论。数据来源可自产自销，AI有自主思考和判断能力。CEO王梅杰称，这种工作的价值，在内部已被AI蒸馏。
天鹜科技，成立于2021年，以自研蛋白质设计大模型起家。大模型的工作逻辑是：在海量数据上预训练，让模型学会蛋白质的“底层规则”，再结合少量湿实验数据进行微调。这样一来，模型能精准预测哪些突变点位能提升哪些特定功能，比如耐碱性或热稳定性，实现高效的蛋白质定向进化。
实际上，有研发人员用ChatGPT预测实验结果，发现有时准确，有时明显错误。但把积累的实验结果喂给AI，再做预测，结果会更准确。他们希望人类找到几十个候选序列后，先用AI筛出来几个最有可能成功的，再拿去做实验验证，降低试错成本。
与此同时，有研发人员明显感知到，市场对成分迭代速度的要求也越来越快。知情者告诉亿邦动力，在AI辅助下，某护肤品牌即将落地的新一代成分，研发周期较以前缩短约一半。
02欧莱雅资生堂悄悄入局，国货品牌AI似无战事
王梅杰曾在英伟达工作，下班后开车去海边吹风，最开始觉得惬意，后来隐隐感觉有点浪费人生。“我可能更加喜欢一种比较紧张的生活和工作节奏吧。”
2021年，王梅杰回国创办MetaNovas。2023年，MetaNovas斩获欧莱雅Big Bang美妆科技创造营冠军，才开始接触美妆客户。如今，公司的美妆客户占比过半。
MetaNovas设计出的原料，已经添加进部分品牌的产品。王梅杰称，包括美妆在内的快消品客户，对原料的主要诉求在于差异化、独家和安全，头部公司尤甚。服务大客户的经验，让MetaNovas的AI生意逐步成熟。2025年，MetaNovas成立工厂，从卖研发向卖研发+原料过渡。
品牌接入AI，最直接的落点之一是在“成分筛选”环节。过去，这项工作主要外包给CRO（合同研究组织）——品牌提出需求，CRO负责筛选、测试候选分子，按工时或按分子数量收费。
比如拜尔斯道夫旗下的提安明多630，从5万多个分子中层层筛选，最终开发成本高达千万级；同属美白赛道的377，其成本也达到了千万量级。
CRO的筛选逻辑是“广撒网”：把所有可能相关的分子都合成出来、测一遍。这种模式虽然有效，但成本高昂、周期漫长。AI介入后，逻辑变成了“精准捕捞”——在交给CRO之前，品牌先用AI模型做一轮虚拟筛选。
据第十四章创始人梅鹤祥介绍，可以先让AI用Lipinski规则和ADMET规则，筛选出符合要求的分子，再交给CRO研究。他现场演示了该AI模型对多个热门原料的检测结果。梅鹤祥称，这样能降低化妆品企业的CRO研发预算。
据了解，因天花板太低，有AI for Science的服务商正有意减少CRO业务，逐步转型为按销售分佣。同时，部分CRO机构也在与AI接轨。
欧易生物，一家CRO机构，过去主要服务医药行业，约两年前涉足化妆品领域，目前已与资生堂、欧莱雅、雅诗兰黛等品牌合作。其研发与美丽健康创新中心负责人彭章晓，过去主要研究中医药领域。他曾参加华师大“美丽健康CTO”班，意外发现众多化妆品企业也在做组学研究，便带领团队向该方向拓展。
欧易生物主要用AI辅助品牌解析原料“为什么有效”，如可视化地呈现作用靶点、透皮吸收、物质基础。品牌可以拿这些发论文、申请专利，在B端做科学传播。
AI for Science服务商、原料厂、CRO机构……在AI的加持下，各方的边界正在模糊，新的分工正在形成。AI把筛选的“漏斗”上半段变窄，但下半段的湿实验验证——细胞、动物、人体测试——似乎依然是瓶颈。
除了少部分尝鲜的，对于这场即将到来的风暴，许多人还处在焦虑和探索之中。3月中旬，王梅杰参加化妆品活动，没有人探讨已经爆火的OpenClaw。“当时连李诞都在教你怎么用小龙虾了！”她说。
03跟就业一毛钱关系没有，研发与应用为何冰火两重天
知美集团CEO kami是AI博士出身，创业初期就开始尝试将AI和企业相结合，早在2014年就开始做基于NLP的市场趋势分析。
他观察到，今年3月底以来的“龙虾热”，也在美妆行业掀起一股AI浪潮，老板们开始讨论OpenClaw等AI工具，都在焦虑如何用AI用进业务、用Agent处理实际问题，而落地则没有想象的那么一帆风顺。
AI研发飞速向前，但美妆品牌的需求却相对有限。行业人士称，云端发展得很快，物理端还是没有跟上。
以蛋白质设计为例：AI完成设计只需几小时甚至几天，但后续的湿实验验证却需要几十人耗费几个月乃至几年。而且，人工手动操作难以精确控制各种实验条件，容易导致实验失败。即便在失败后进行复盘，依然高度依赖人工介入，凭经验摸索调整，才能开启下一轮实验。
4月，天鹜科技推出支持自然语言对话的蛋白质设计智能体MatwingsVenus™（晓鹜™），将Agent与自动化实验室绑定，这一突破让AI从云端向物理端有所拓展。
在需求端，美妆品牌不仅需要原料具备创新性，也希望原料安全、迅速地落地。kami认为，安全与有效并不矛盾，这也是美妆品牌人必须要坚守的底线。
在美妆行业，老牌企业固守于优势成分，新锐企业则追逐热门成分，创新成为了一种瓶颈。知美集团的AI研发重点，是将AI制药领域的药物研发逻辑应用到化妆品成分挖掘中，重点在筛选已备案的原料。
例如应用于AB LAB女巫眼霜中的补骨脂酚，就是AI从分子结构到靶点再到表征的多重分析后给出的选择：AI发现其与A醇功能相似，但效果好、副作用弱，并且海外已有护肤应用案例。
一款新原料的应用，除了安全性，另一个影响因素是备案时间——经历长达1年以上的备案时间。有行业人士解释称，设计自然界不存在的成分，需要经历较长的备案周期。
在这种情况下，品牌训练研发专用AI，可能陷入“巧妇难为无米之炊”的困境。数据是AI燃料，但没有企业愿意分享自己的核心数据。虽然行业专利是公开的，但企业不会公开研究过程中的序列和实验条件。
更致命的是，部分企业没有前端研发数据，直接从大学或研究机构购买核心序列，然后做发酵、提取、生产，却没有数据说明“为什么选这个序列”“试过哪些其他序列”“失败的原因是什么”。
因其学术背景，kami被国内多所985高校聘为产业研究生导师。课上，有学生很焦虑：当下AI迭代速度太快，想知道AI对未来就业到底有什么影响、该如何关注AI。他的回答是：把AI当工具，学会再多都会过时，且与未来就业几乎“一毛钱关系没有”。真正重要的是把AI当伙伴，学会与AI的相处模式，让自己成为AI native，问题也就迎刃而解。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
