欧莱雅440亿里的AI账

拆解欧莱雅如何把AI变成组织基础设施，从研发试错到内容生产再到消费者服务，为中国美妆品牌提供全链路改造的参考路径和深度思考。

规模是一切问题的解药，规模也是一切问题的毒药。当一家公司拥有数十个品牌、数万名员工和上千万消费者时，最稀缺的资源不再是钱，而是对复杂性的承受力。

2025年，欧莱雅交出了一份看似矛盾的成绩单。销售额440.52亿欧元，同比增长仅1.3%，但广告及促销支出却高达141.78亿欧元，占销售额的32.2%，而研发支出仅为13.81亿欧元。进入2026年一季度，增长开始回暖，销售额同比上涨3.6%。但有一个问题始终没有被正面回答：AI到底帮欧莱雅省了多少钱？

在世界人工智能大会上，这家百年美妆巨头首次以参展商身份出现，展示了一套覆盖研发、内容和服务的AI系统，却对财务转化的具体数字保持沉默。这种沉默背后，是技术叙事与经营结果之间那条需要被证明的巨大鸿沟，也是每个正在考虑用AI重做生意的中国老板，必然要面对的拷问。

当爆款逻辑撞上规模天花板

美妆行业天生依赖审美、创意和爆款。但当一个企业拥有超过4000名科研人员、历史配方积累超过180万份、在全球66个国家运营31个品牌时，经营难度和规模呈指数级上升。人的经验，成为最昂贵的瓶颈。

研发端最先感到窒息。配方数量过于庞大，成分、肤质、发质和功效不断细分，依靠人工逐一测试已经很难跟上新品迭代速度。营销端的压力则直接反映在投入产出比上：兰蔻和理肤泉的消费者完全不是同一群人，同一款面霜进入中国和东南亚市场，需要重新适配语言、审美和传播方式。内容生产速度、投放精度和转化率的微小波动，最终都可能牵动数亿欧元的损益。

消费者服务把这层复杂性推到了极致。仅在中国市场，欧莱雅就拥有超过9000名美容顾问，线下柜台覆盖1700个城市。其抖音电商每年需要处理超过1000万次消费者咨询，大促期间咨询量最高达到平时的15倍。护肤和彩妆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三种完全不同的原因。传统指令式机器人几乎无法识别这些细微差异。

这些问题指向一个共同的本质：科研人员的配方直觉、品牌经理的审美判断、美容顾问的沟通技巧，长期散落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就越高，组织复杂度本身成了增长的敌人。

AI进入美妆生意的三条路径

欧莱雅的解题思路很清晰。它不是把AI看作一套提效工具，而是将其定位为降低组织复杂度的基础设施。近几年的技术合作虽然涉及多家公司，最终都指向美妆生意中最烧钱的三笔账：研发试错、内容生产和消费者转化。

研发：把无效实验拦在实验室门外

2025年，欧莱雅与IBM合作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、旧品改良和规模化生产。2026年，它又将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。

这一思路的核心不是替代实验，而是压缩实验前的搜索范围。欧莱雅首先将ALCHEMI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，官方披露将部分发现过程提速至传统方法的100倍。在WAIC现场展出的头发数字孪生也延续了同一逻辑：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，让研发从广泛试错转向定向验证。

营销：用系统化解品牌差异化的成本

欧莱雅内部构建的生成式AI内容平台CreAItech，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。截至2025年末，这一平台已覆盖集团全部品牌，使用者达到2.4万人。

这意味着一个重要的组织变化：品牌经理不再需要为每一个市场重复做适配工作，而是把审美判断和合规要求沉淀为系统的规则，让AI在规则框架内自动完成规模化生产。

服务：把专业判断变成可复制的对话

面向消费者，巴黎欧莱雅推出了AI美容顾问Beauty Genius，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就能获得服务。截至2025年末，Beauty Genius在美国已完成超过110万次消费者对话，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。

在中国，同样的能力被接入抖音电商和员工体系。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。这个数字背后是一个被重新定义的客服成本结构：大促期间15倍峰值负载，不再需要等比例增加人力。

下一场竞争：从单点工具到全链路系统

欧莱雅并非孤例。当AI开始进入配方研发、内容生产和消费者服务，美妆行业的竞争正在从单点工具试用，走向经营链条的整体改造。

雅诗兰黛与微软合作开发了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，把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。中国品牌也没有缺席：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。

但对比之下，一个关键差异浮现出来。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、数据规模和技术积累，把研发、营销、培训及消费者服务连接成一套集团级系统。这不是资金量级的差距，而是系统化思维的差距。单个AI工具可以提高局部效率，但只有把研发数据、内容生产规则、消费者沟通记录打通，才能产生真正的飞轮效应：研发端更精准的成分筛选，直接为营销端提供更具说服力的产品卖点；消费者端积累的肤质数据和问题反馈，又能反向指导下一代产品的开发方向。

效率账的真正算盘

欧莱雅至今没有单独披露AI的投入产出、预算节省和利润贡献。2026年3月发布的年度报告只介绍了AI的应用范围和效率方向，随后的一季度财报也只公布了销售数据。这让外界很难精确判断AI对费用率和利润率究竟产生了多大影响。

但恰恰是这种不急于算清单项技术回报的做法，透露出另一种衡量逻辑。欧莱雅的AI已经度过小范围试验阶段，覆盖研发、生产、营销和消费者服务等多个环节，使用人数以万计，交互次数以亿计。当技术渗透率达到这种程度，它不再是一笔需要单独论证的投资，而是变成企业的水电煤。三十年前沃尔玛自建卫星通信网络，用技术把零售生意重做了一遍，它同样没有单独披露那颗卫星的投入产出比。因为基础设施的价值，永远分布在整个系统的效率提升里，而不是孤立的财务报表中。

下一代美妆巨头的竞争，将不再只是争夺下一款爆品，而是在争夺谁能定义技术时代的美，以及如何系统性地把这种定义推向消费者面前。对身处同样规模和效率困境的中国品牌而言，欧莱雅的样本至少说明了一点：AI的效率账，不能只在一个部门、一个工具、一个季度里算。它需要被放在整个组织的复杂度降低中，用数年时间、全链路视角来兑现。这个过程不会体现在任何一页单独的PPT上，但最终会在整个生意的成本结构和增长韧性中显露痕迹。