珀莱雅 × AI

[导语·核心观点]2026年4月至5月，多条信息陆续披露珀莱雅股份在研发端系统性导入AI：新华社报道其已将AI用于活性成分发现、靶点预测、虚拟筛选与功效机制解析 [1]；飞书客户案例称其与飞书AI深度集成，AI研读文献使研发提效50% [2]；5月，公司总经理侯亚孟签署“浙江大学-未名拾光AI生物学联合研究中心”战略合作备忘录 [3]。核心判断：这些动作构成一项被现有市场叙事遮蔽的隐性研发资产——市场仍主要按“营销驱动的国货美妆龙头”为珀莱雅定价；但证据全部来自公司披露与供应商案例，尚无财务验证，属于“证据成立、定价缺失”的跟踪项，而非已经完成的重估。

[事件回顾·发生了什么]事件由四条互不重叠的信息拼成。其一，研发场景层面，珀莱雅已将AI深度应用于活性成分发现、靶点预测、虚拟筛选、功效机制解析等核心环节，并在成分筛选与配方优化中采用数据建模 [1]。其二，流程层面，公司与中国协同办公平台飞书的AI深度集成，构建覆盖调研语音洞察、文献研读、工艺参数换算的产品研发全链路，其中AI研读文献使研发提效50% [2]。其三，产学研层面，2026年5月总经理侯亚孟签署“浙江大学-未名拾光AI生物学联合研究中心”战略合作备忘录，珀莱雅成为该中心生物智能体前沿应用的战略合作伙伴 [3]。其四，战略层面，公司在公开分享中明确AI战略核心为通过人工智能实现提质提效、驱动业务增长、探索创新模式 [4]。四条信息分别落在工具、流程、组织与战略四个层级，链条相对完整，但均未附带可验证的财务口径。

[背景与格局·公司沿革 · 行业脉络]珀莱雅是A股化妆品板块的代表性公司，长期被归入“渠道与营销能力突出”的一类，估值讨论多围绕大单品迭代、线上流量成本与毛利率展开。而本次资料指向另一条线：行业竞争重心正从流量转向成分与功效验证能力——谁能更快找到有效成分、更快完成机制解释与配方落地，谁就能压缩新品周期 [1][2]。在这一逻辑下，AI在美妆的应用大致分三层：前端是消费者洞察与内容营销，中端是配方筛选与工艺放大，后端是靶点、活性成分与生物合成等基础研究。珀莱雅的公开信息同时覆盖三层，而后两层正是传统上由原料商与科研机构把持的环节 [1][3]。公司对AI的定位也不止于降本，“提质提效、驱动业务增长、探索创新模式”的表述把AI提到了增长变量位置 [4]。组织信号同样值得注意：出面签约与分享的分别是公司总经理与数字化条线负责人 [3][4]，说明这不是单个部门的项目，而是管理层议题。

[深度解读·为什么发生 · 意味着什么]这件事值得单独讨论，因为它触到一个常见误判：市场容易把“AI应用”等同于一篇ESG通稿，从而系统性低估那些已经长进核心业务流程的AI能力。珀莱雅的证据链至少在两点上超出了通稿水平。第一，落点在研发而非营销。AI用于活性成分发现、靶点预测、虚拟筛选与功效机制解析 [1]，这些是决定新品能否成立的前端环节，一旦形成能力，效果会体现在新品成功率与开发周期上，而非一次性传播效果。第二，引入外部科研供给。与“浙江大学-未名拾光AI生物学联合研究中心”的备忘录 [3]，意味着公司试图把生物智能体这类前沿方法接入自己的研发管道；对一个以消费品身份被定价的公司，这是能力边界的扩张。 但推断必须到此停住。“被低估”与“确实不行”的区别在于：前者有实质业务证据、缺的是市场注意力；后者缺的是业务本身。珀莱雅目前的证据支持前者，也仅止于前者——研读文献提效50% [2]是单点环节指标，无法外推为整体研发效率或新品回报；AI战略的“提质提效、驱动增长、探索创新模式” [4]是目标表述，不是结果。可以认为AI已进入其研发核心流程，但不能认为它已经改变财务曲线。 受益方相对清晰：一是公司自身研发组织；二是提供生物计算与平台能力的合作方（未名拾光、飞书）；三是向上游看，能把算法预测与实际功效验证闭环的原料与检测环节。承压方是仍依赖经验配方、以人力与时间堆研发周期的中小代工与同质化品牌——当头部公司把成分发现速度提上来，跟风复刻的窗口会被压缩。这一判断基于行业逻辑推演，报道中无可比数据支撑，应视为分析而非事实。

[关键数据与证据·来自报道的数字与事实]按可核验程度排列：①研发场景覆盖——AI深度应用于活性成分发现、靶点预测、虚拟筛选、功效机制解析，成分筛选与配方优化中使用数据建模 [1]（新华社，权威媒体，定性描述）。②流程量化指标——与飞书AI集成构建研发全链路，AI研读文献使研发提效50% [2]（飞书客户案例，供应商自述，指标限定于文献研读环节）。③组织与外部合作——总经理侯亚孟签署“浙江大学-未名拾光AI生物学联合研究中心”战略合作备忘录，公司成为生物智能体前沿应用战略合作伙伴 [3]（新浪财经，签约通稿）。④战略定位——“通过人工智能技术实现提质提效、驱动业务增长、探索创新模式” [4]（行业媒体转述公司人士分享）。需提示：四项证据均无外部审计、无财务口径、无时间序列；“50%提效”是其中唯一可比较的数字，且边界被限定在文献研读。

[风险与争议·审慎的批评视角]第一，证据层级偏软。四条信息中，两条来自公司或合作方自我披露 [2][3]，一条为媒体转述 [1]，一条为公开分享 [4]。飞书案例本质上属于供应商营销素材，“提效50%”既无基线说明也无统计口径，无法排除只选取有利环节的可能。第二，缺少财务可归因性。资料中没有任何与AI相关的收入、毛利率、研发费用率或新品成功率数字，把研发环节的效率描述直接换算为公司价值，是常见而危险的跳跃。第三，监管与科学边界。化妆品功效宣称受功效评价与备案制度约束，AI预测与虚拟筛选不能替代人体功效评价与安全评估；若在对外传播中把算法结论当作功效证据，存在合规风险（此为基于行业监管常识的判断，报道未涉及）。第四，数据与伦理风险。AI研读用户调研语音、处理生物数据，涉及个人信息与生物数据合规，报道未披露相应数据治理安排 [2][3]。第五，外部依赖。核心能力挂在协同平台、高校与AI公司等外部主体上 [2][3]，合作方变更或成果不外化都会削弱这一资产的可持续性。第六，资本市场风险：“AI+美妆”极易被贴标签炒作，一旦预期跑在证据前面，回撤由投资者承担。

[未来展望·情景推演]保守情景：AI停留在单点工具层面，文献研读、配方检索、参数换算持续提效，但研究中心成果未转化为可备案的原料或成分，公司财务曲线不变。此时AI应被理解为费用端的效率工具，而非估值变量。中性情景（基准判断）：未来12至24个月，公司在新品开发周期、自研成分比例或功效宣称丰富度上出现可被外部观察的变化，例如以自研或联合研发成分作为核心卖点的新品系列上市，或在财报沟通中首次出现研发与AI相关的量化表述；届时市场会开始把“研发能力”计入估值，但幅度有限。乐观情景：生物智能体路径产出可落地的活性成分或原料成果，公司从成分采购方转为成分供给方，打开第二收入曲线——这需要跨越从算法预测到功效验证、备案与量产的完整链条，周期通常以年计，报道中尚无进展证据 [1][3]。催化剂清单：联合研究中心首批成果披露、以新成分为卖点的新品节奏、财报中研发投入与新品结构变化，以及AI表述从“提效”升级为可量化业务指标。

[建议与启示·面向决策者]对企业决策者有三条可操作建议。其一，把AI指标的记账方式从“环节提效百分比”换成“可归因业务指标”——例如新品从立项到上市的天数、自研成分占比、功效宣称一次性通过率。“提效50%” [2]这类数字对内可激励，对外不足以支撑重估，因为无法归因。其二，警惕工具孤岛。文献研读、靶点预测、虚拟筛选、工艺换算 [1][2]分属不同工具与团队，单点提效很容易在交接处被抵消，这层恰恰需要多智能体调度与编排能力：像AgentSH这样的智能体调度平台，价值不在于替代某个模型，而在于把分散的研发智能体按流程串成可追溯的流水线，让每一步的输入输出、数据来源与人工复核节点都被记录——这既是效率问题，也是未来AI研发留痕与合规举证的前提。其三，对齐外部合作与内部能力：与高校、AI公司、协同平台的合作 [2][3]应约定成果归属与知识回流机制，避免核心能力长期外置。对投资者而言，则应把“AI叙事”与“可验证证据”分账记账。

[结语·一句话立场]珀莱雅把AI接进研发核心流程这件事，证据是成立的；但它尚未走完从效率描述到财务结果的最后一公里。理性的立场是：把它放进“被低估”的观察名单，而非“已重估”的结论列表。真正值得盯的不是又一条签约新闻，而是第一批能被外部验证的成果——新成分、新周期、新口径。