美妆原料创新下一战：在AI实验室？
来源 | i美妆头条
作者 | 陈金蓉
一场深刻的变革正在化妆品产业链最上游的原料端悄然发生。
2025年，成立仅4年的初创公司“未名拾光”，在不到一年内完成两轮超亿元融资，并已连续获得欧莱雅、纳爱斯等消费巨头6轮投资。其核心标签并非传统美妆企业，而是一家“AI生物科技企业”——AI正深度赋能原料创新，成为驱动其快速崛起的关键引擎。
不久前，国内首个AI制100%人源丝聚蛋白通过国家药监局备案，再次印证AI技术已真正切入美妆原料研发的“心脏”。当AI从概念走向实操，它为行业带来了哪些结构性变化？企业又该如何精准布局、主动拥抱这一浪潮？
AI美妆潜力喷发：国内外巨头竞速布局
AI早已不是遥不可及的未来概念，而是深刻影响美妆产业的新“增长引擎”。
据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，2021–2030年复合年增长率达19.7%。
欧莱雅、雅诗兰黛、资生堂等国际巨头，已将AI全面应用于原料研发、市场调研、个性化护肤、虚拟试妆、智能仓储等环节。国内头部企业亦加速跟进：上美股份建成中国首个AI智能化妆品无人工厂；花西子智能工厂全面接入AI；福瑞达生物持续拓展AI应用场景。
目前，国内排名前十的美妆企业，大多已在原料研发的多链路上实现AI赋能。MetaNovas Biotech、未名拾光、杉海创新、百葵锐、佰鸿华湙、深圳瑞德林、珈凯生物等专注生物科技与原料创新的企业，也将AI深度嵌入新原料智创的各关键环节。
百雀羚母公司研发首席技术官蒋丽刚指出，合成生物学与AI靶点筛选正推动原料创新升级；谷雨旗下青囊生物依托AI酶筛选与复合酶仿生转化技术，实现稀有人参皂苷CK含量提升超2500倍，并完成行业首个该成分的新原料备案。
从国际巨头的战略卡位，到本土企业的集体行动，一个由AI驱动的美妆原料创新新范式已然成型。
AI赋能原料研发：从“试错”到“智造”
2024年诺贝尔化学奖授予AI蛋白质设计与结构预测领域的科学家，为AI在生命科学的应用盖下权威“印章”。当这股浪潮席卷至化妆品原料领域，一个根本性问题浮现：AI驱动的研发模式，究竟如何区别于传统路径？其核心优势何在？
锦波生物国际原料部总经理周大为博士指出，新旧模式的本质差异在于“研发逻辑的底层重构”：传统模式依赖经验推导与反复试错，周期长、成本高、天花板明显；而AI凭借强大的数据整合与计算能力，可系统融合原料成分、皮肤机理与市场趋势，加速识别、筛选与设计全过程。
一、效率与成本的双重优化
以锦波生物FSAT平台为例，其整合胶原蛋白“序列－结构－功能－应用”全链条数据，借助AI胶原智脑系统形成“预测－筛选－验证－迭代”闭环。传统方法解析胶原功能区需数年，FAST数据库结合AlphaFold预测可压缩至数月。
贝泰妮集团依托云南特色植物资源，已成功备案17款新原料；其相关负责人指出，肽类原料研发效率显著提升，主因正是“AI驱动蛋白质结构与功能预测带来的研发模式升级”。
未名拾光通过AI将重组胶原蛋白研发效率提升5倍；元星智药搭建四大专有AI算法平台后，研发成功率超45%，周期由数月缩短至数周；深圳瑞德林利用AI优化发酵工艺，产物浓度达380g/L，新原料研发效率提升3倍，肽类、糖类等活性原料生产成本降低50%以上。
二、精准与可控的无限可能
AI的价值不仅在于“快”，更在于“准”与“稳”。
贝泰妮集团以薇诺娜超塑肽研发为例：AI可针对确定皮肤学靶点，快速匹配具靶向结合位点的肽序，并基于蛋白口袋分析提升结合精准度。
上海家化自2021年起构建“AI+中国特色植物成分”研发体系，通过AI网络药理学与高通量筛选，从青蒿提取物153种成分、1080个活性靶点中锁定64种调控炎症的关键蛋白。
珀莱雅研发团队借助AI驱动SaaS平台，实现天然植物分子的快速筛选与效果预测；谷雨在近200万种酶中精准筛选出6种可高效转化稀有人参皂苷CK的生物酶；凡岛研究院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，准确率稳定在85%。
三、安全与可持续性的坚实保障
MetaNovas首席科学家罗衡指出，AI开发的功效型原料往往具备更强生物活性、更高稳定性与更可靠安全性。
AI还破解了长期制约行业的可持续难题。例如，佰鸿发布全球首个全生态PDRN AI全流程研发平台（AISSM），实现对PDRN的“可计算、可预测、可优化”，并将该范式延伸至细胞外囊泡、核苷酸、多肽等战略成分。
巨子生物首席技术官段志广博士肯定AI对重组胶原蛋白产量与质量稳定性的提升作用；华熙生物利用生物计算平台设计全新GABA生产菌株，并通过AI加速靶点筛选与发酵参数优化；凡岛研究院首创环肽自动化合成平台，打通“分子设计－功效验证”全链路。
由此可见，“AI+研发”不仅以更低试错成本、更高效率攻克原料设计与量产瓶颈，更为原料的精准性、安全性与稳定性提供坚实保障。
面临潜在挑战：数据与算法是区分能力高下的关键
AI渗透虽深，挑战亦不容忽视。“AI教父”杰弗里·辛顿曾警示：“伴AI如伴虎。”行业需清醒认知其潜在风险。
未名拾光创始人赵亚冉判断：“未来AI将成为生物技术公司的基础能力，而区分能力高下的核心要素是‘数据’。”华熙生物董事长兼CEO赵燕亦强调：“数据是生物制造时代的‘新石油’，是持续迭代的命脉。”
AI模型训练高度依赖海量、高质量、标准化的数据，但原料研发数据涉及商业机密，生物实验数据需严格验证，消费者数据受隐私保护限制——多重因素导致核心数据获取难、使用严。若数据质量不高或缺乏统一标准，AI输出的创新便难以形成飞轮效应。
广州言美创创始人李杰锋指出：“AI再聪明，也架不住喂的是零散、不标准甚至错误的实验数据。”化妆品违禁词网创始人李锦聪提醒：“AI可靠性依赖企业自有真实数据训练，须警惕联网导致的‘假信息源’污染或AI幻觉。”周大为博士直言：“数据质量是关键痛点”，高质量数据稀缺将直接影响模型在合成设计、催化剂开发、反应预测等方面的性能。
除数据瓶颈外，行业还面临多重挑战：过度依赖AI忽视科学直觉、商业化价值与成本难平衡、AI专业人才稀缺、合规风险突出等。
贝泰尼集团相关负责人指出，当前存在“盲目追求AI技术背书、忽视实际价值”的本末倒置现象；多位中小原料企业代表坦言，因成本所限，尚无AI应用经验；李锦聪进一步警示：部分企业利用AI开发“类人源”新原料后，不按规定注册备案即套用INCI名称流入市场，在发酵工程、细胞工程等领域尤具隐患——新技术、新结构、新菌株缺乏统一检测标准，一旦出现质量安全问题，溯源极为困难。
归根结底，AI是加速器，而非方向盘。化妆品原料创新，科学逻辑、法规意识与产业经验三者缺一不可。
多维破局：真正拥抱AI
面对挑战，业内正探索系统性破局路径：构建数据壁垒、推进AI与多学科融合、加强人才培养与合作、夯实合规基础。
华熙生物将其在透明质酸领域积累的10万+组发酵数据持续投喂AI模型，显著提升菌株设计、工艺预测与故障诊断的精度与迭代速度；自然堂集团依托AI与微型反应器集群，高效完成发酵菌种验证与工艺开发。
未名拾光搭建“AI+synthetic bio”材料创新与生产平台，由AI完成材料设计，并定制生物细胞工厂实现绿色原料量产；杉海创新上线全球首款AI超分子智造平台，实现超分子新材料的全链路AI辅助开发。
周大为博士建议：应建立更高质量数据库与迭代优化算法；加强高校与科研机构合作，培养既懂理论又懂实践的交叉型人才；构建完善的数据安全防护体系。
李锦聪强调：“AI可提升99%效率，但剩余1%风险必须人工校验”，企业需配备专人对模型持续微调；上海某新锐品牌负责人指出，AI设计须确保符合化妆品法规要求；李杰锋提示，AI生成结构可能无意侵犯已有专利，跨国布局时法律风险须前置排查；贝泰妮集团相关负责人则坚信：基层科研人员善用AI可创造更大价值，但须始终关注信息安全、结果验证及对消费者的实质性意义。
AI正深度融合市场需求与生命科学、生物合成等前沿技术，重塑中国化妆品原料创新格局，为中国品牌在全球竞争中实现“弯道超车”注入强劲动能。
但必须清醒认识到：AI并非“万金油”。其数据与算力驱动的基因，注定是一把双刃剑——既能以前所未有的效率加速创新，也可能因数据质量或算法“黑箱”带来隐忧。
未来的美妆原料创新，不再是人类科学家的单打独斗，也不仅是AI“替代人的工程”，而是人类智慧与人工智能的深度协同。谁能率先驯服AI，谁就能在这场技术浪潮中掌握真正的主动权。