导读：创造新时代的首先是人，其次是人工智能。
作者〡《未来迹》林宇
自从化妆品新原料注册备案新规实施以来，截止目前共有39个新原料获得备案。其中不乏一些尚未应用市场的全新成分。但事实上，化妆品原料创新一直是条漫长而复杂的道路。哪怕到了年也有诸多难题待解。
首先，挖掘化妆品功效原料和配方的效率还很低，需要耗费大量时间、人力和物力。
以“青蒿”这一原料为例：昆药集团经过长达50年的探索，才在年取得突破性进展，提取出高纯度、高功效的青蒿油AN+。然后又花费4年时间，经历次配方打磨，才在今年将青蒿油AN+实际落地到市场。
其次，在目前已使用的化妆品原料目录中，还有很多“说不清道不明”的原料成分。
比如“牛奶提取物”，一位不愿具名的研发工程师认为，牛奶中85%是水，剩下15%包含有各种活性物质，作为一种化妆品原料，到底其中哪种活性物质起了具体功效，尚无无明确界定。
底层逻辑不清晰，物质界定不明确，除了无法将其中的功效完全挖掘外，还不能向外界传达精准的信息措辞。
怎么解决这些问题？一些国际公司和国内研究机构，已经通过AI技术找到突破口。
大革新，AI原料开发技术走向成熟
最近，特种材料公司亚什兰（Ashland）推出了一款利用人工智能开发的原料——Santalwood（INCI：辛基十二醇、檀香木提取物）。这款原料提取自檀香木，起初，研发团队提取了共17种F-VOCs（挥发性有机物），以这17种组分为基础，亚什兰采用人工智能的生物信息学情报预测它们潜在的生物活性，采用超临界二氧化碳萃取，最终获得了原料Santalwood。
据了解，这款原料宣称%天然成分含量，天然可生物降解，支持素食主义宣称，适用于细胞长寿和延缓细胞早衰美容产品以及头发头皮护理产品等。
亚什兰技术总监凌峰介绍到，亚什兰从年左右就开始接触AI技术，最早利用人工智能技术来分析皮肤核心生理功能机理路径。“比如美白、抗衰老、抗氧化等功效，这每一个词的背后，到底隐藏了多少未知的靶点？这是我们做大数据科学和人工智能最早的倾向，更偏向于生物信息学。”
随后历经十年时间，亚什兰终于建起一个完整的靶向基因分析模型，近两年开始真正才应用到化妆品原料开发上。
“如果是按真正上市、面向整个市场的原料来算的话，Santalwood是亚什兰第一个采用人工智能技术开发出来的原料。”凌峰透露，“但对我们而言，对檀香木御龄精粹的开发还远没有结束，通过AI预测，我们发现它有十几种不同潜在功效，因为受限于上市时间，所以仅对其中的四五个方向进行了验证。”
值得注意的是，在Santalwood被研发出来之前，亚什兰已经开始运用AI检索技术。比如和PMPM合作开发的TruDiamond白松露精萃原料。
PMPM功效评估及原料负责人廖峰介绍，这是一款联合亚什兰，通过基因定位技术，从植物片段数据库检索匹配到的相关信息后开发研制的功能性原料。据了解，通过精准的基因定位和匹配检索技术后，TruDiamond白松露精萃有更强的促进细胞代谢效率和细胞自噬的功效。
“在原料开发过程中，第一步就是发掘，先明白自己想要什么功能，再去看这个功能和什么种类的物质有关联，然后通过对功能性靶点物质进行大量的信息收集和筛选。”廖峰解释说。
“第二步，利用Bio-Information人工智能检索系统进行定位，从收集到的信息库中，通过综合计算能力，与庞大的植物数据库匹配，做大量的数据筛选和核对，找出有可能符合标准的成分。TruDiamond白松露精萃和亚什兰的Santalwood都是采用了这项技术。”他表示。
“当然，我们肯定也会从市场的角度去分析，选取大部分消费者所期望，符合市场趋势的植物来源。”廖峰补充说，“第三步，怎么将有功效的基因片段在产品中实现呢？就要用到基因定位技术，通过工艺开发锁定片段，保证它在我们所提取的成分当中。这应该是目前最优化、最高效产能的一种工艺技术。最后，再将开发的原料和最初设想的功能去做验证，看二者是否相同。”
除了亚什兰，国内的清华长三角研究院也率先利用AI技术，研发出能有效缓解黑眼圈问题的BiocorrectideDC以及具有抗衰修护作用的RetinotideEQ9。
“这两种原料我们都是从年开始研发，历时1年开发成功。“清华长三角研究院衰老科学创新研发中心李钧翔博士表示，“其中，BiocorrectideDC是一款基于计算生物学和全新微循环靶点结构理性化设计的多肽分子，通过分子动力学模拟和基于人工智能的多肽-蛋白结合力预测交叉验证获得，具有全新的与血液循环相关的黑眼圈靶点的精准调控能力，能够实现熬夜肌黑眼圈的精准修护。在功效设计上，可以和各类经典抗黑眼圈原料协同增效。”
除此之外，另一款RetinotideEQ9，是通过人工智能深度学习的方法从极具再生抗衰功效的间充质细胞（MSC）所分泌的大量天然活性肽因子中通过虚拟筛选获得，该多肽分子对光老化的修复效果在胶原蛋白激活等关键指标上，同等浓度甚至要优于同样具备抗衰修护作用的蓝铜肽和玻色因。
用AI代替人工，解决原料研发的两大问题
在人工智能技术被引入化妆品原料开发端口之前，原料的开发与创新，用的是一种“笨”方法。
“在过去，原料开发主要用到分子库筛选等纯实验手段。”李钧翔强调，“打个比方，有时候我们会发现有一千种可能有用的分子，过去要用实际的实验测试挨个去做筛选，这是非常盲目且低效的。”
“举一个最传统的方式，以往我们开发植物类或天然类的成分，都靠人工去做分析。”PMPM功效评估及原料负责人廖峰进一步介绍。
首先，根据参考文献和行业过往经验，找到一个可能有用的植物，这其中具有非常大的偶然性，整个寻找和筛选的过程也需要耗费大量时间和精力。
其次，植物成分被初步提取出后，其实得到的是一种复合物质，由于提取工艺达不到极端的精准等等原因，没有办法得到最核心的功效成分。
“而人工智能的作用，就是利用AI对大量天然成分中的未知分子进行快速且相对准确的虚拟筛选。进而获得候选的功能单体分子，实现聚焦的护肤功效。”李钧翔解释道，“AI就是有效链接天然成分以及精准靶向护肤的桥梁。”
简单来说，对核心功效成分的高效精准筛选，以及具体到人体皮肤上的功效预测、基因序列的提取，是人工智能技术在原料开发端最主要的功能，能大大提升筛选效率和精准度，继而加快原料研发进度。
据了解，亚什兰Santalwood从立项到上市，仅花了十八个月时间。
“在未来一两年的时间内，会有越来越多的基于人工智能技术来确定作用机理、作用靶向以及设计功效验证实验的产品出现。”凌峰认为，人工智能技术如同一束光，正逐渐从底层出发，照亮化妆品原料研发中充满迷雾的边边角角。
未来可期，AI技术延伸至配方研发和消费者
不仅在原料开发端，人工智能技术还正被应用到配方研发端和消费者端。
早在年，德之馨就与IBMResearch合作开发人工智能香水学徒Philyra。
据了解，Philyra的算法涵盖了四个主要类别：配方中原料的补充或替代品、原料用量、人对香味的反应、香味的新奇度。
在对这些数据进行分析的基础上，Philyra可以得到现有香水配方在不同性别、年龄等条件下的受欢迎程度，结合大数据算法，输出一个新的香水配方，调制出最符合目标客户喜好的香水。
年，香精香料公司奇华顿也推出了一款名为Carto的人工智能调香系统。
它以香水开发领域常用的香调金字塔作为底层逻辑，对消费者的嗅觉感官进行数字量化，通过机器学习技术为调香师提供关于成分组合的建议。并且，Carto可以在极短时间内完成香水产品的打样工作，大大节省了调香师的时间成本。
值得