从分子筛选到配方落地， AI 走到哪一步了？ ——对话联合利华中国研发策略与运营负责人梁燕

一个防腐增强成分的智能研发模型，将原本需要数年的分子筛选压缩到数月完成；一套敏感肌预测系统，能在配方设计阶段就预判成分的致敏风险。2025 年 7 月的世界人工智能大会上，联合利华作为唯一一家以企业展商身份亮相的外资消费品公司，发布了由中国研发团队主导开发的 AI for Science 创新平台，集成六大 AI 模型，覆盖从原料筛选到功效验证的全链路。

 

消息传开，行业反应热烈。AI 驱动美妆研发，已经是近两年最火的话题。几乎每一场行业论坛都在谈 AI，每一份趋势报告都在预测 AI 将如何颠覆产品开发。

梁燕，联合利华中国研发策略与运营负责人

梁燕是这一平台背后的核心推动者。作为联合利华中国研发策略与运营负责人，她致力于上海全球研发中心的能力建设与资源整合。在她和团队的精细化统筹下，分析、微生物、中试工厂等基础设施高效运转，有力保障了 300 人科研团队的日常测试需求。同时，她通过运营科研专业社群，促使 AI 与数字化、包装、科学技术、消费者研究，香氛，工艺等多个领域实现了协同发展。而 AI for Science 平台的搭建，正是她近年来重塑科研范式、驱动研发数字化升维的核心成果。

在《happi China国际个人护理品生产商情》杂志对梁燕的专访中，她坦率地分享了 AI 在联合利华研发体系中的真实应用现状，包括行业很少公开讨论的问题——AI 目前能做什么，不能做什么，边界在哪里？
她的回答，对于正在思考如何将 AI 引入自身研发体系的从业者们来说，或许比任何一篇趋势分析都更有参考价值。

 

六大模型背后，一个「统一平台」诞生

联合利华在中国的 AI 探索并非始于一夜之间，早在十年前，该公司就开始与中国科学院等机构开展基于大数据的科学研究合作。2020 年，联合利华正式成立 AI Hub，成为其研发体系智能化布局的起点。此后几年，iPREDICT 市场趋势洞察工具、PCCH 智能化包装共创链路、RoboLab 智能实验室等数字化工具陆续落地。

 

AI for Science 平台的诞生，是这条路径的集大成。

梁燕介绍，平台由联合利华中国携手深势科技（DP Technology）共同搭建。深势科技的核心技术团队由中国科学院院士领衔，在 AI for Science 领域积累深厚，其 Uni-Mol 分子构象大模型和 Uni-Finder 科学文献数据库为平台提供了底层能力支撑。

「联合利华不同的业务单元对 AI for Science 的需求是不一样的，每个方向都有自己的模型。我们做的事情，是把这些模型建在统一的平台上，放在自己的云端。」梁燕解释了平台的核心逻辑。

目前，平台集成的六大模型覆盖了多个关键研发场景——防腐增强成分研发、肌肤致敏风险预测、活性物发现、新靶点探索、衣物柔顺功效预测、口腔刺激水平预测。这些模型贯穿从原料筛选到功效验证的全流程，服务于联合利华旗下个人护理、家庭护理、口腔护理等多条业务线。

以防腐增强成分智能研发模型为例，该模型由两个核心模块构成，一套防腐功效预测系统，基于海量分子结构与历史抗菌活性数据，构建可预测分子防腐功效的算法；另一套多靶点抗菌筛选系统，结合五个关键抗菌靶点，在具备防腐功效的成分中进一步筛选出温和、低刺激的候选分子。据联合利华披露，研发团队已利用该模型成功发现了 3 个创新防腐增强成分，这些成分将被应用于集团规模达 1.7 亿欧元的全球创新项目中。

在肌肤致敏预测方面，团队构建了一套涵盖分子特性到细胞反应、再到最终肌肤表现的全流程评估模型，在药物动力学（ADMET）维度上的预测准确性比传统方法平均提高了 5.85%。

 

AI 能反推机理，但目前还设计不了配方

行业对 AI 驱动美妆研发的期待，很大程度上集中在一个愿景——让 AI 从几百万个分子中筛选出最优活性物，再自动生成一套可量产的配方方案。从靶点发现到货架上的产品，全程由算法主导，研发周期从数年缩短到数月。

梁燕对这个愿景的态度是清醒的。在采访中，她对 AI 目前在研发链路中能够胜任和尚未胜任的环节做了一番坦率的区分。

「AI for Science 能帮助发现新靶点，通过新靶点筛选新的活性物，然后这个活性物接下来要看它的一系列安全性指标，比如毒理、皮肤致敏性，这些我们已经有模型可以做了。但要把活性物放到配方当中，又是另外一回事。AI 辅助的配方设计，目前来说不成熟。」

问题出在哪里？梁燕的解释直指配方科学的核心难题——多组分体系中原料之间的相互作用。

一款护肤品的配方，涉及活性物、乳化剂、增稠剂、防腐剂、香精等数十种乃至上百种成分，这些成分在体系中的行为受到浓度、pH 值、温度、加工工艺等多重变量影响。「尤其是护肤品这样的体系，里面的复杂程度很高。分子动力学模拟可以处理一两个分子与皮肤或头发之间的相互作用，一旦体系中的分子数量增加，计算量急剧上升，很难跑起来。」

粗粒化模拟（coarse-grained simulation）是一种折中方案，可以模拟更大尺度的体系，比如一个配方体系与皮肤之间的作用力。但模拟精度会下降。「但粗颗粒模拟是可以做到配方体系和皮肤之间的相互作用的，但模拟始终是模拟，它有一定的概率，不是百分百准确。」

更大的挑战来自真实世界的复杂性。每个人的皮肤状态不同，使用环境不同，产品在实验室模拟中的表现与消费者实际体验之间存在天然的鸿沟。

梁燕总结了一个重要判断——AI 目前更擅长的是「反推」而非「正向设计」。

「如果已经通过湿实验找到了一个有效的体系，反过来用 AI 去推算它到底是怎样一个作用机理，AI 可以算出来。但通过 AI 来筛选、来正向设计一个配方，目前还是比较具有挑战性的。」

这意味着什么？对于大多数品牌方和配方师来说，AI 在当前阶段的最大价值，不在于取代实验室的试错工作，而在于两个方向。第一，在前端的靶点发现和活性物筛选环节大幅提速，缩小候选范围。第二，在后端的机理解析环节，帮助研发人员理解「为什么这个配方有效」，为功效宣称提供科学支撑。中间最耗时耗力的配方开发环节，例如打样、调试、肤感优化等仍然高度依赖配方师的经验和手感。此外，目前还没有任何一个虚拟细胞被完整地模拟出来，活性物与真人皮肤、头皮之间的复杂交互作用，离全面数字化还有相当的距离。

不过，她也指出了一条可行的中间路径——AI 可以做虚拟实验，帮助减少物理实验的数量，缩短验证时间。研发人员先通过 AI 模拟得到初步结论，再用湿实验去验证，如果结果吻合，就可以在这个基础上继续深入，比如配方稳定性和包装相容性测试，工艺优化，都可以用AI模拟来减少或者缩短物理测试 。「AI 预筛选 + 湿实验验证」的混合模式，是目前大部分企业的实际做法。

 

配方不只要「用着好」，还要「拍得出来」

访谈中，梁燕花了相当多的时间谈论感官科学。她的视角颇为出人意料，起点不是实验室，而是短视频平台。

「现在消费者买产品，先看短视频。主播做一个 demo，爆水霜往脸上一抹水珠迸出来，或者精华液快速渗透皮肤不见了，这种视觉冲击先抓住眼球，消费者才会下单。」这背后指向一个严肃的研发命题，即感官体验的评价标准正在发生变化。

传统的感官评价侧重使用过程中的触感、肤感、吸收性、滋润度，这些都需要亲手试用才能感知。但在短视频主导消费决策的时代，产品的视觉表现力变成了前置条件。一款面霜的质地变化、一瓶精华的渗透速度、一支高光的光泽效果，必须能在摄像机前被清晰地呈现出来，消费者才有可能点击购买。

「对于感官来说，跟往年不一样的是，感官、质地、视觉表现，是不是能够在摄影机或者显微镜下面被捕捉到、被展示出来。要么是产品自身质地的变化，要么是它涂抹在皮肤上之后产生的一个可视化的互动效果。」

例如，高光身体护理产品有不同的使用场景，晚宴场合需要锁骨处的强烈光泽感，日常通勤可能只需要腿部微微的柔光效果。不同场景对应不同的粉体、不同的油脂基质、不同的肤感，最终呈现出来的视觉效果也不同。「要在真正卖货的主播身上 demo 出来，消费者才会下单。」

从研发端来看，这意味着配方师需要具备新的能力，不仅要让产品用着好，还要让产品「拍得出来」。质地设计、外观表现、涂抹过程中的动态变化，都需要在配方阶段就纳入考量。提高产品的肤感也是联合利华今年的工作重点，我们中国研发团队也想通过和荣格以及广大的美妆生态系统的合作在积极从原料端和ODM端寻找能够带来颠覆性感官体验的新材料、新产品。

除了皮肤护理，联合利华也长期聚焦在洗护领域的感官需求尤其是，清扬、多芬、力士等品牌都在加码头皮护理和头发护理赛道。去屑、头皮微生态调节、防脱、蓬松控油，这些功效方向都需要配合强有力的感官表现来打动消费者。

梁燕今年受邀担任第三届「荣格•配方大师奖」的专家评审。当被问到对参赛作品的期待时，她的回答紧扣上述逻辑：「首先是具备创新的、令人眼前一亮的感官体验，视觉上能够呈现出来的质地表现，可以在摄影机前或者显微镜下面能展示出来的那种表现力，包括产品自身的质地变化、涂抹在皮肤上或头发上之后的可视化的互动效果，以及嗅觉等诸多的感官维度。」

本届荣格配方大师奖以「稳态皮肤：配方如何参与皮肤的长期自我调节」为年度主题，面向中国化妆品行业一线配方师、研发工程师及产品研发相关人员征集作品，报名截止日期为 2026 年 6 月 30 日。作为评审，梁燕对这一主题也表达了认同。她提到，联合利华拥有全球最大的皮肤微生物组数据库之一，在皮肤和头皮微生态领域积累了大量研究成果。

 

中国 AI 生态带来速度优势

梁燕在采访中反复提到一个词：速度。

联合利华 AI for Science 平台之所以能在中国落地并快速迭代，与中国本土 AI 科创企业的执行力密不可分。中国约有 6000 多家 AI 企业，数量远超其他国家和地区。更关键的是，中国的研发人员和科技企业对新技术的接受度极高。联合利华上海研发中心的团队氛围也契合这种文化。梁燕说，研发大楼里的员工对新工具、新方法都很有热情，管理层也保持开放态度。

除了 AI for Science，联合利华中国团队还在另外三个方向部署了 AI 能力：AI for Packaging Design（包装设计），AI for agile Innovation和 AI for Science Communication（科学传播）。后两个方向就是类似热门的「龙虾（Open Claw）」技术，企业和AI 公司一起搭建定制化的 AI Agent 工作流。

例如，在科学传播的应用场景下，团队将文献数据库通过 API 接口接入工作流，结合公司内部的供应商资料、临床报告等数据，按照预设的模板自动生成不同渠道的内容脚本、文字素材、消费者创意等，通过人工审核和调整，效率提升非常明显。

在联合利华的全球科研版图中，上海中心正通过 AI for Science 率先开启一场研发范式的变革。这不再是传统模式的线性迭代，而是由中国团队先行先试，构建起一套驱动科学发现的数字化新引擎。作为创新工具和科学思路的策源地，中国中心的 AI 实践正转化为可供全球科研体系借鉴的「智慧底座」，以算法深度挖掘科学边界，引领集团进入高效能科研的新纪元。

当被问到如何概括 AI 对美妆研发的影响时，梁燕没有用任何宏大叙事。她给出了一个非常务实的判断：「AI 不会取代配方师，但会改变配方师的工作方式。前端筛选和后端机理解析的效率会大幅提升，中间的配方开发还是要靠人。关键是要找到对的合作伙伴，找到对的切入点。」

 

来源：荣格-《国际个人护理品生产商情》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。