贝泰妮 × AI

[导语·核心观点]2026年1月20日，贝泰妮在投资者互动平台称，公司已在部分业务环节实践AI，消费者服务端通过“贝芙汀”提供AI问诊等服务[3]。这不是孤例：近一年内，公司先后把AI写进生产调度、痤疮诊断与标准制定[2][4]。核心判断是：贝泰妮的AI目前更像“局部工具加品牌故事”，而非可独立计量的业务引擎；值不值得跟踪，取决于未来两个季度它能否交出可量化指标。

[事件回顾·发生了什么]2025年5月27日，在2025中国化妆品科学技术大会上，贝泰妮方面介绍其用AI与智能制造重塑效率：使用AI中控系统提高生产速度，通过区块链溯源打击假货，并利用网络药理学预测成分靶点以缩短研发周期[4]。2025年10月27日，新华网刊发的报道中，公司称“将AI技术用于痤疮诊断与生产调度等”，同时表示积极参与制定国家与团体标准，从产业规则层面构筑壁垒，并披露累计发表SCI论文493篇[2]。2026年1月20日，公司在投资者互动平台回应称，重视并积极探索AI等前沿技术在皮肤健康领域的应用，已在部分业务环节实践，消费者服务端通过“贝芙汀”提供AI问诊等服务[3]。更早的公司官网信息显示，贝芙汀联合皮肤学级专家团队对超过百万份病例进行案例研究，结合AI问诊，按用户不同痘痘类型提供个性化“食+药+妆”治痘方案[1]。三条公开信息拼起来，构成“生产—研发—服务”三个触点的AI图谱，但均未披露投入规模与产出数据。

[背景与格局·公司沿革 · 行业脉络]贝泰妮是一家A股化妆品公司，在公开报道中以“具有全球视野的皮肤健康生态集团”自况[2]。其AI叙事选择从痤疮切入并不偶然：痤疮既是皮肤科高频病种，也是功效护肤品的核心需求场景，而公司长期强调皮肤学级专家团队与学术产出作为信任来源[1][2]。从技术脉络看，公司的AI并非单点，而是三条线并行：制造端的AI中控系统对应效率[4]；研发端的网络药理学预测成分靶点对应新原料与配方周期[4]；服务端的AI问诊对应转化与复购[1][3]。同一批公开表述中，公司还强调参与国家与团体标准制定，这是国货功能性护肤企业常见的策略——把技术能力转化为规则话语权[2]。行业层面，国货功能性护肤竞争加剧、成分与功效主张趋同的背景下，“医学+AI”是一个容易讲、却不容易验证的故事[3]。

[深度解读·为什么发生 · 意味着什么]三条AI线的成熟度并不相同，把它们并列看待会高估整体。制造端的AI中控是最“实”的一环：它作用于生产调度与速度，收益可直接体现在成本与交付效率，且不依赖消费者行为改变，但想象空间也有限[4]。研发端的网络药理学预测成分靶点，指向化妆品行业最贵的一环——新原料与新配方的试错成本与时间[4]；若该能力成立，产品迭代会更快，但公开报道未给出任何周期缩短幅度，只能视为方向性表述[4]。服务端的AI问诊则是最“显”的一环：贝芙汀以超百万份病例研究与专家团队为背书，把问诊与“食+药+妆”方案打包[1]，再由公司在互动平台确认为实践中的业务环节[3]。 分析：这三者不是并列关系，而更像一条漏斗——问诊把流量变成带皮肤数据的用户，专家与病例库建立诊断可信度，产品与配方完成变现，这正是“皮肤健康生态集团”定位的技术底座[2][3]。短期受益的是营销与转化环节：问诊降低了用户获取方案的门槛，也可能提高客单价与复购；中期受益的是研发效率，如果网络药理学真能压缩试错，公司在新成分上的响应速度会快于缺少医学资产的同类品牌[4]。但这一段的受损方判断缺少报道支撑，属于分析而非事实[3]。 更值得警惕的是叙事的模糊性。“AI问诊”与“AI中控”在美妆行业的实际内涵差异极大：前者可能只是问卷式规则引擎加人工复核，后者可能只是既有生产系统的功能升级，而公开报道没有给出任何技术细节[3][4]。在缺少披露的情况下，把叙事强度等同于技术能力，是投资者最容易犯的错误。

[关键数据与证据·来自报道的数字与事实]逐条列出可核验信息。一、落地范围：公司在投资者互动平台称，重视并积极探索AI等前沿技术在皮肤健康领域的应用，已在部分业务环节实践，消费者服务端通过“贝芙汀”提供AI问诊等服务[3]。二、病例与方案：官网信息显示，贝芙汀联合皮肤学级专家团队对超过百万份病例进行案例研究，结合AI问诊，按不同痘痘类型提供个性化“食+药+妆”整合方案[1]。三、应用点：新华网报道中，公司将AI用于痤疮诊断与生产调度等，并称积极参与制定国家与团体标准[2]。四、研发积累：同一报道披露，累计发表SCI论文493篇[2]。五、效率与防伪：行业报道称，公司使用AI中控系统提高生产速度，通过区块链溯源打击假货，并利用网络药理学预测成分靶点以缩短研发周期[4]。缺失项同样重要——报道中未出现AI相关投入金额、问诊调用量、用户转化率、研发周期缩短比例或AI业务的收入贡献[1][2][3][4]。

[风险与争议·审慎的批评视角]反方观点需要直说。第一，证据层级偏低：唯一带明确日期的公司口径来自投资者互动平台回复[3]，这类回复通常是概括性表态，既非财报披露，也非经审计数据，而“已在部分业务环节实践”这一措辞本身就把范围留得极宽[3]。第二，关键数字缺位：“超百万份病例”是官网表述[1]，但病例来源、去标识化方式、是否经过合规审查、AI问诊的准确率与误诊率均未披露，没有这些，“百万病例”只是规模感，而非能力证据[1]。第三，技术名词需要打折：“AI问诊”在美妆行业常是规则引擎或问卷逻辑的商品化包装，“AI中控”也常是既有生产系统的功能升级，报道没有提供架构、模型或第三方评测信息[3][4]。第四，监管与伦理风险：皮肤问诊涉及健康信息，属敏感个人信息；若AI给出的“食+药+妆”方案包含用药建议，其边界将触及医疗与广告合规，而报道未说明任何合规安排[1][3]。第五，夸大风险：493篇SCI论文是公司整体科研产出，不能被解读为AI成果，把两者直接挂钩是典型的叙事嫁接[2]。第六，竞争风险：AI皮肤诊断工具本身难以构成长期壁垒，真正的壁垒在数据质量与医生网络，而这两点恰恰无法从公开信息中验证[2][3]。

[未来展望·情景推演]以下为分析情景推演，非事实判断。保守情景：AI停留在效率工具与品牌叙事层面，生产端中控系统继续优化，服务端问诊作为获客辅助存在，但公司不披露任何量化指标；此时AI对财报的可见贡献接近于零，估值逻辑仍由主品牌增速与渠道结构决定[3][4]。中性情景：公司把AI问诊与会员体系打通，形成皮肤数据资产，并在后续定期报告或投资者交流中给出调用量、复购差异等指标[1][3]；这是最可能出现的路径，因为公司已把AI写入标准制定与生态定位的框架[2]。乐观情景：网络药理学预测真正压缩研发周期[4]，公司据此推出以自研成分为核心的新品线，同时问诊沉淀的数据反哺配方决策，形成“服务—数据—研发—产品”闭环[1][2]；这需要跨越数据合规与诊断到产品的转化效率两道门槛。未来3—6个月应观察的关键节点：一是2026年一季报及后续定期报告中是否首次出现AI或数字化的定量表述；二是投资者互动平台与机构调研记录中，是否披露问诊调用量、合作医院与专家网络规模；三是在相关国家与团体标准制定中的角色是否落为具体条文[2]；四是新品是否出现以网络药理学筛选为卖点的成分主张[4]；五是AI问诊相关的合规声明与隐私政策更新[1][3]。

[建议与启示·面向决策者]对企业决策者，三点建议。第一，把AI叙事倒过来做：先定义可计量指标，再决定讲不讲。贝泰妮的公开表述里，“部分业务环节”“积极探索”这类措辞无法被检验[3]；若换成一到两个季度可复现的指标，例如问诊到购买的转化差、配方筛选周期缩短比例，叙事权重会立刻不同。第二，警惕能力嫁接：493篇SCI论文与AI能力是两回事[2]，内部汇报与对外沟通都应把“科研资产”与“算法资产”分开陈述，否则一旦被追问就容易失分。第三，服务端AI的合规成本要前置预算：涉及皮肤与用药建议的场景，敏感个人信息与医疗广告边界都需要法务与合规提前介入，而不是事后补文件[1][3]。在落地方式上，诊断、生产调度、研发预测这类多环节并行的AI，本质上是一组需要协同调度的任务流；像AgentSH这类多智能体调度平台的思路可资借鉴——把问诊、配方筛选、生产排程拆成可独立评估的智能体，用统一调度层记录每次调用的输入、输出与人工复核结果。这既是效率工具，也是未来对外披露数据时的证据来源，其价值不在替代判断，而在让“AI做了什么”变得可计量、可审计。

[结语·一句话立场]贝泰妮把AI写进了生产、研发与服务三条线，方向合理，但公开证据目前只到“已实践”这一层[2][3][4]。在化妆品行业，AI的竞争最终会从工具回到数据与医学资产。就现有信息看，这是一次值得跟踪但尚不能定价的布局——判断应留给数据，而不是留给叙事[1][3]。