结论先行：AI 测肤是全球化妆品行业案例最密集的应用领域——23 个影像诊断项目，对阵 6 个生物标志物项目，数量差近四倍。但数量不等于深度：影像派里能给出明确数据规模的不足一半，而生物标志物派虽然只有 6 个，却贡献了目前唯一一组可核验的商业指标——FANCL 的 SKIN PATCH 累计完成 41701 份分析，上线 1 个月约 1.7 万人体验，直营店新客同比增长 130%。这场较量的真正分野不在技术路线，而在"能不能被验证"。

一、23 个影像诊断项目的数据军备竞赛

企业项目数据或指标规模年份状态深度
拜尔斯道夫SKINLY约 10 亿条数据记录、1.4 亿张高清皮肤图像2025已规模化L4
POLA ORBISPOLA Skin Analysis约 2210 万份皮肤数据；新系统截至 2025-10 累计突破 100 万次分析2024已商业化L4
POLA ORBISMotion Scan约 14 秒视频抽取约 840 帧、约 170 万个特征数据2024已应用L4
爱茉莉太平洋AI Beauty Screen临床专家标注 45 万+案例，与三星电子合作2026展示/推进商业化L4
爱茉莉太平洋Sensitive Skin AI与皮肤科医生共建标准，预测 29 类皮肤病变；累计 50 万+肌肤诊断记录2026研发/服务化L4
花王Kirei Skin AI 2.0从一张脸部图像推测表面及内部状态，扩展至多个机器学习模块与 77 项指标2025已升级应用L4
LG 生活健康GenAI Skin Diagnosis基于 Amazon Bedrock，一张面部照片完成分析与推荐2025技术演示/服务化L4
贝泰妮贝芙汀 AI 痤疮识别百万级病例研究基础，四级分级并量化病灶类型与分布2025已商业化L4
欧莱雅Skin Genius / Spotscan+Coach分析肤色、皱纹、毛孔、紧致度或痤疮相关图像2020 / 2025已商业化L3/L4
上海家化AI 测肤基于国人肌肤数据库和人脸关键点算法，合作方旷视2021已展示应用L3
Kolmar KoreaAI 脱发诊断雄激素性脱发分男女共 16 种类型，结合生物标志物2025研发/商业化准备L4
Sephora / 玫琳凯 / Oriflame 等门店或 App 测肤细纹、色斑、纹理、泛红、干燥、毛孔、痘痘等问题识别2024-2025已上线L3

把"数据规模"这一列单独拎出来看，差距极其悬殊。头部项目的数据量以亿计，尾部项目只有品牌方一句"AI 分析"。拜尔斯道夫 SKINLY 的 1.4 亿张高清皮肤图像和 POLA 的 2210 万份皮肤数据，是几十年门店服务沉淀的结果；而大量 2024 年后上线的项目，训练数据的来源与规模从未公开。

这带来一个必须直面的问题：没有公开数据规模的测肤模型，其结论的可信度无法评估。同样是"AI 判断你有几道皱纹"，背后是 1.4 亿张图训练还是几千张图训练，完全是两回事。

二、六项生物标志物项目

企业项目测什么数据规模状态深度
FANCLSKIN PATCH采集角质细胞后由 AI 分析当前肌肤状态与未来风险截至 2026-07 累计 41701 份分析全国直营店上线L5
花王Skin Gene Mode（SOFINA SYNC+）机器学习把皮脂 RNA 研究与自拍图像关联，推测 Skin Gene Mode皮脂 RNA 表达研究数据已产品化L5
资生堂Beauty DNA ProgramDNA 检测结合基于实测皮肤数据开发的 AI 分析肌肤特质1472 名实测肌肤数据已商业化L4
爱茉莉太平洋Skinsight电子皮肤传感器实时监测老化因素，AI 提供个性化护理与 MIT 联合开发CES 创新技术L4
LG 生活健康Vision AI 面部老化研究分析高清面部图片及 68 个关键点，结合 GWAS 研究衰老因素约 1.6 万名女性科研应用L4
e.l.f. Beautycolor e.l.f.nalysis自拍分析冷暖、明暗与色彩纯度，判断个人色彩季型—已上线L3

三、FANCL：唯一给出商业指标的项目

6 个生物标志物项目里，只有 FANCL 的 SKIN PATCH 披露了完整的商业数据，值得单独拆：

  • 做法。采集角质细胞后由 AI 分析当前肌肤状态和未来风险并给出护理方案，2026 年在全国直营店上线。
  • 规模。截至 2026 年 7 月累计完成 41701 份分析数据。
  • 效果。上线 1 个月约 1.7 万人体验，直营店新客同比 130%。

这组数字的意义在于：它证明生物标志物路线不只是技术演示，也能带来可测量的客流与转化。其余 5 个项目要么是科研应用（LG），要么是 CES 创新技术（爱茉莉），要么只有产品化状态而无量化结果（花王、资生堂、e.l.f.）。

也要看到它的代价：SKIN PATCH 需要采集角质细胞，是 6 个项目里唯一涉及生物样本采集的。这意味着它必须在门店场景完成，无法远程化——这正是生物标志物路线规模化的最大障碍。

四、两条路线的场景对照

场景影像派生物标志物派当前主流选择
门店与柜台快速引流手机拍照数秒出结论，几乎零边际成本需采样或专用传感，5 至 60 分钟影像派
电商与私域个性化推荐一张自拍即可接入推荐链路无法远程采样，基本不可用影像派
高端定制与旗舰体验结论偏表面，说服力有限可给出成因级解释，客单价支撑得住生物标志物派
研发端人群队列研究参数有限，主要反映外观可积累 RNA、DNA、角质细胞层数据生物标志物派

结论很清楚：两派目前并不在同一条赛道上正面竞争。影像派吃"高频、低客单、需要立刻转化"的场景，生物标志物派吃"低频、高客单、需要强说服"的场景。真正重叠的只有研发端，而研发端恰恰是两派开始合流的地方——花王的 Skin Gene Mode 用机器学习把皮脂 RNA 研究与自拍图像关联，本质就是用影像派的采集成本去逼近生物标志物派的信息量。

五、中国的位置

中国的两个影像派项目各有特点：

  • 贝泰妮（贝芙汀）。用户上传照片后 AI 对痤疮进行四级分级，量化病灶类型和分布并生成护理方案，基于百万级病例研究基础，2025 年已商业化。其自研"面部皮肤影像处理软件"已取得二类医疗器械注册证——这是全球 23 个影像诊断项目中少见的、通过了医疗器械审评的案例。
  • 上海家化。基于国人肌肤数据库和人脸关键点算法建立 AI 肌肤模型，2021 年已展示应用，合作方为旷视。它同时发布了团体标准《人工智能（AI）测肤数据分析法》，从皱纹、痘痘、肤色、毛孔、眼袋、黑眼圈、肤质、敏感度 8 大维度建立国人肤龄检测标准。

团体标准这条路径值得注意。当测肤结果要用于推荐甚至诊断时，"测什么、怎么测"本身就需要规范。上海家化把 8 大维度写进标准，是在为这个行业补最重要的一块短板。

六、三个还没解决的问题

  1. 数据规模不透明。23 个影像项目中公开了训练数据规模的不超过一半。头部（1.4 亿张图、2210 万份数据）与尾部之间的差距可能达到四个数量级，但对外表述都是"AI 测肤"。
  2. 准确性缺乏外部验证。除了贝芙汀的二类医疗器械注册证，几乎没有项目公开过准确率、一致性或敏感性与特异性指标。标准解决的是测什么与怎么测，不解决测得准不准。
  3. 人群代表性偏差。拜尔斯道夫、POLA、花王的模型主要基于本国或本地区人群数据；直接套用到中国人群肤质会有系统性偏差。这也是"国人肤龄检测标准"存在的意义。

七、一个判断

如果只看落地规模，影像派赢了两个数量级：23 个项目对 6 个，且影像派里已有多个累计百万次以上的服务记录。但这场竞争的关键变量不是规模，而是解释力。

影像派能告诉用户"你有几道皱纹"，却很难回答"为什么会这样、用这个成分能不能改善"。生物标志物派能给出成因层面的答案，代价是成本与速度。FANCL 那组数字（41701 份分析、新客同比 130%）说明：当用户愿意为"解释"付出额外时间时，生物标志物路线的商业价值是可以成立的。

对中国企业，最现实的路径是先用影像派把触点铺开、把数据攒起来，再在高端线或研发端引入生物标志物能力。反过来，在还没有影像数据积累时就直接上采样设备，大概率拿不到足够的样本量把模型跑起来。

绿翊提示：合规问题越晚发现，越容易转化为重检、改版、补正和上市延期。AI 提速的是研发与内容环节，产品属性判定、安评资料、功效依据与检验报告一个都不能省，很多团队把效率提升误当成资料减免。绿翊合规成立于2017年，拥有4000+特殊化妆品成功申报经验和法规、安评、检测、质量复合团队，可从产品属性、配方、宣称、目标市场及现有资料入手，形成风险清单、资料清单和推进节点。AI 项目准备对外宣称或申报时，建议先提交资料开展前置审核。

常见问题解答

AI 测肤的影像派和生物标志物派各有多少案例？

按公开可核实口径，AI 皮肤/头皮/头发诊断类共 23 个，AI 生物标志物/DNA/组学类共 6 个。影像派数据规模最大的两个是拜尔斯道夫 SKINLY（约 10 亿条数据记录、1.4 亿张高清皮肤图像）与 POLA Skin Analysis（约 2210 万份皮肤数据）；生物标志物派中只有 FANCL SKIN PATCH 披露了完整商业指标，截至 2026 年 7 月累计 41701 份分析。

FANCL SKIN PATCH 的商业表现如何？

它是 6 个生物标志物项目中唯一披露完整商业数据的一个。做法是采集角质细胞后由 AI 分析当前肌肤状态与未来风险并给出护理方案，2026 年在全国直营店上线；截至 2026 年 7 月累计完成 41701 份分析数据，上线 1 个月约 1.7 万人体验，直营店新客同比增长 130%。代价是必须到店采样，无法远程化，这也是生物标志物路线规模化的最大障碍。

花王 Kirei Skin AI 2.0 能测多少项指标？

从一张脸部图像推测皮肤表面及内部状态，模型扩展至多个机器学习模块与 77 项指标，2025 年已升级应用并商业化。同集团还有 Skin Gene Mode（SOFINA SYNC+），用机器学习把皮脂 RNA 研究与自拍图像关联，推测基于 RNA 研究的 Skin Gene Mode 并推荐护理，已产品化，深度为 L5。后者实际上是用影像派的采集成本去逼近生物标志物派的信息量。

中国企业在 AI 测肤上做到哪一步了？

两个项目。贝泰妮旗下贝芙汀在用户上传照片后由 AI 对痤疮进行四级分级，量化病灶类型和分布并生成护理方案，基于百万级病例研究基础，2025 年已商业化，其自研面部皮肤影像处理软件已取得二类医疗器械注册证。上海家化基于国人肌肤数据库和人脸关键点算法建立 AI 肌肤模型，合作方旷视，并发布团体标准《人工智能（AI）测肤数据分析法》，覆盖 8 大维度。

AI 测肤目前最大的问题是什么？

三个。一是数据规模不透明，23 个影像项目中公开训练数据规模的不超过一半，头部与尾部差距可能达四个数量级但对外表述都是 AI 测肤；二是准确性缺乏外部验证，除贝芙汀的二类医疗器械注册证外几乎无项目公开准确率或敏感性特异性指标；三是人群代表性偏差，海外模型直接套用在中国人群肤质上会有系统性偏差。

参考资料

相关阅读

全球化妆品行业AI应用案例数据库：138个案例、47家公司集团、62个品牌业务与22类AI应用全景

数据来源：全球化妆品行业 AI 应用案例数据库 https://www.lv-1.cn/cosmetics-ai/