一面镜子帮消费者换上不同发型，一个 AI 美容顾问回答护肤和彩妆问题，一套数字孪生系统在虚拟世界里替不同发质测试配方 ... 向来由科技公司唱主角的 WAIC，首次出现了一个美妆集团——欧莱雅。

为了展示 AI 如何改造美妆这门百年生意，这家已经拥有百余年历史的美妆巨头，正在表现出一家科技公司的进取姿态。但不容忽视的是，热闹的技术叙事与财务增长之间，仍隔着一段需要被证明的距离。

2025 年，欧莱雅实现销售额 440.52 亿欧元，同比增长 1.3%，研发与创新支出为 13.81 亿欧元，广告及促销支出却高达 141.78 亿欧元，占销售额 32.2%。

进入 2026 年，增长开始回暖：一季度销售额达到 121.52 亿欧元，同比增长 3.6%，调整后同口径增长 6.7%。不过，这场反弹来自新品、电商、市场回暖和份额提升等多重因素，AI 究竟贡献了多少，欧莱雅并未单独披露。

上世纪 80 年代，沃尔玛曾通过自建卫星通信网络，用技术将零售生意重做了一遍。当下，欧莱雅又如何将 AI 融入美妆，重讲一遍关于美的故事？

01

规模越大，AI 的价值越明显

美妆行业看似依赖审美、创意与爆款，但当一家企业拥有数十个品牌并进入全球市场后，经营难度会随着规模迅速上升。

从原料筛选、配方研发到内容生产、广告投放和消费者服务，每个环节都需要大量专业人员参与，也积累了难以被快速复制的经验。小型品牌可以依靠少数核心员工推动业务，欧莱雅却需要让数万名员工、数十个品牌和不同地区的市场保持相近的运行效率，这让人的经验逐渐成为组织扩张中的一道瓶颈。

研发是最先感受到这种压力的环节。欧莱雅拥有超过 4000 名科研人员，历史积累的配方超过 180 万份，庞大的数据构成了它的研发优势，也让研究人员面对的选择更加复杂。当成分、肤质、发质和产品功效不断细分，依靠人工逐一测试已经很难跟上新品迭代的速度，如何缩短试错周期并提高新品命中率，成为 AI 进入研发体系的直接原因。

（图源：欧莱雅中国资讯中心公众号）

在营销端，压力则直接体现为投入产出。内容生产速度、广告投放精度和购买转化率的细微变化，最终都可能影响数亿欧元的投入产出。与此同时，兰蔻、圣罗兰美妆、美宝莲和理肤泉拥有完全不同的品牌定位，同一款产品进入不同国家和平台后，还要重新适配当地语言、审美习惯和传播方式。

消费者服务则把这道规模难题进一步放大。在中国，欧莱雅拥有超过 9000 名美容顾问，线下柜台覆盖 1700 个城市，仅抖音电商平台每年就要处理超过 1000 万次消费者咨询，大促期间的咨询量最高达到平时的 15 倍。护肤和彩妆又高度依赖个性化判断，同样一句 " 为什么卡粉 "，背后可能对应皮肤缺水、屏障受损或产品不适配等不同原因，传统指令式机器人很难准确识别，完全依赖人工又无法承接剧烈波动的咨询需求。

这些问题最终指向了大型集团共同面对的组织难题。科研人员掌握的配方经验、品牌经理积累的审美判断、美容顾问形成的沟通技巧，长期分散在不同部门和员工手中，企业规模越大，知识传递和经验复制的成本越高。

对于普通品牌而言，AI 可能是一套提高局部效率的工具；对于欧莱雅这样的美妆巨头，它更接近一套用来降低组织复杂度的基础设施。

02

AI+ 美妆，究竟能做哪些事？

今年 WAIC 期间，欧莱雅宣布与火山引擎达成战略合作，计划把大模型、多模态生成和智能客服用于内容生产、经营分析及消费者服务。

把时间拉长可以发现，欧莱雅近几年的 AI 合作虽然涉及多家科技公司，最终都指向美妆生意中的三笔成本，分别是研发试错、内容生产和消费者转化。

研发端解决的是如何减少无效实验。2025 年，欧莱雅与 IBM 开始开发化妆品配方基础模型，将历史配方、原料属性和生产数据交给模型学习，用于辅助新品设计、旧产品重新配方及规模化生产。

2026 年，欧莱雅又将 NVIDIA 面向化学研发的机器学习工具 ALCHEMI 框架接入研发体系，通过分子模拟预测原料在原子尺度上的表现和相互作用。欧莱雅首先将其用于防晒和肤色管理研究，通过计算提前筛选更合适的成分组合，据官方披露，这一方式可以将部分发现过程提高至传统方法的 100 倍。

WAIC 现场展示的头发数字孪生延续了这一思路。它相当于在计算机中建立不同发质的虚拟模型，提前观察某种成分对直发、卷发和受损发质可能产生的影响。AI 没有省去真实实验，却压缩了实验前的搜索范围，使研发从广泛试错转向定向验证。

营销端解决的是内容规模与品牌差异之间的矛盾。欧莱雅内部的 CreAItech 是一套生成式 AI 内容平台，它接入 Google、Adobe 和 NVIDIA 等公司的模型，用于生成图片、视频和产品 3D 素材。品牌团队先将视觉规范、产品信息和法律要求写入系统，再针对不同国家和平台批量生产内容，从而降低本地化素材的边际成本。

消费者端解决的是专业服务难以规模化的问题。Beauty Genius 是巴黎欧莱雅推出的 AI 美容顾问，可以通过对话和自拍完成皮肤分析、产品推荐、虚拟试妆及购买引导，接入 WhatsApp 后，消费者无需进入品牌官网便能获得服务。Noli 则是一家由欧莱雅支持的多品牌 AI 购物平台，它会根据皮肤扫描和产品配方匹配不同品牌的商品。

2026 年，美宝莲又计划把 ModiFace 虚拟试妆技术放进 ChatGPT，使消费者可以在对话中提出需求、查看妆效并寻找购买渠道

（图源：欧莱雅中国资讯中心公众号）

在中国，欧莱雅把同样的能力接入了本地电商和员工体系。欧莱雅在 WAIC 现场披露，其抖音电商每年需要处理超过 1000 万次咨询，大促期间的咨询量最高达到平时的 15 倍，接入大模型后意图识别准确率达到 99%，约 40% 的咨询可以由机器人独立完成。

03

下一代美妆巨头，向 AI 而行

壹览商业注意到，欧莱雅虽然披露了大量使用人数、服务规模和生成速度等过程指标，却很少提及相关产品究竟节省了多少成本。2026 年 3 月发布的《2025 年年度报告》介绍了 AI 的应用范围和效率方向，但没有单独披露 AI 投入、预算节省和利润贡献，随后发布的 2026 年一季度财报也只有销售数据，无法进一步判断 AI 对费用率和利润率产生了多大影响。

但壹览商业认为，尽管目前尚无法精确量化 AI 对利润的直接影响，但从应用规模和覆盖链条来看，AI 正在成为欧莱雅降低组织复杂度的底层能力，其价值将逐渐体现在效率指标的边际改善中。

比如，欧莱雅的 AI 已经度过小范围试验阶段。截至 2025 年末，集团旗下 31 个品牌在 66 个国家提供 Beauty Tech 服务，累计使用次数超过 1.2 亿次；Beauty Genius 在美国完成超过 110 万次消费者对话，CreAItech 已覆盖集团全部品牌，使用者达 2.4 万人。

当然，欧莱雅的探索并非孤例。当 AI 开始进入配方研发、内容生产和消费者服务，美妆行业的竞争也从单点工具试用走向经营链条改造。

雅诗兰黛与微软开发 ConsumerIQ，将散落在报告、表格和演示文档中的消费者信息汇集起来，使获取洞察的时间从数周缩短至数分钟；资生堂利用 AI-QSAR 预测原料的可降解性，将原本需要一至两个月的评估压缩至实时完成。

国内企业也在沿着研发、生产和营销三条路径推进。珀莱雅把 AI 用于活性原料筛选、消费者洞察和智能质检，上海家化借助 AI 研究青蒿等中草药成分，贝泰妮将其用于痤疮分级 ...

对比之下，国内品牌目前更多从原料筛选、消费者洞察或内容生产等单点场景切入，欧莱雅则依靠更大的品牌矩阵、数据规模和技术团队，把研发、营销、培训及消费者服务连接成一套集团级系统。

总体来看，欧莱雅的 AI 布局提供了一个观察行业变化的样本。下一代美妆巨头的竞争力，将来自对审美、科学与算法的共同掌控；美妆行业争夺的也将不只是下一款爆品，而是谁能定义技术时代的美，又由谁把这种定义推到消费者面前。

End