答案速览：华熙生物在2025年年度报告中披露，公司已建成AI活性物智能筛选平台，将深度神经网络、高通量机器学习与虚拟筛选、分子动力学、蛋白同源建模结合，对百万级分子库开展多靶点筛选。相关成果已落地到润百颜修莹焕亮精华、BM肌活轻酸精华两款产品，成为国内少数把AI活性物发现跑通到终端产品的公开案例。
企业背景：华熙生物
华熙生物成立于2000年，2019年登陆上海证券交易所科创板（688363.SH），是全球透明质酸（玻尿酸）领域规模领先的生物科技企业，业务覆盖原料、医药与医美、皮肤科学、营养科学四大板块，旗下品牌包括润百颜、夸迪、米蓓尔、BM肌活等。
2025年，公司实现营业收入41.99亿元，归母净利润2.92亿元，同比增长67.59%；研发投入4.72亿元，占营业收入11.24%，研发人员860人。公司把2026年定为"AI元年"，AI研发助手已覆盖全体研发人员。同年公司在天津建成占地11万平方米、含64条柔性中试生产线的合成生物中试转化平台，入选工信部首批生物制造中试能力建设平台名单并获评五星等级。
技术路径：三层叠加的虚拟筛选
化妆品活性物筛选的难点在于候选分子数量极大，而湿实验成本高、周期长。华熙生物把筛选过程前移到计算环节：
- 虚拟筛选。用深度神经网络与高通量机器学习对百万级分子库初筛，按靶点与性质打分，压缩候选范围。
- 分子动力学与同源建模。对通过初筛的分子做蛋白同源建模与动力学模拟，判断与靶点的结合模式和稳定性。
- 湿实验验证。AI给出优先级排序后，实验团队验证活性、安全性与配方适配性，结果回流继续训练模型。
同一套逻辑也用于合成生物环节：菌株设计、构建、性状筛选、发酵过程控制，以及多模态跨尺度建模下的工艺优化。公开报道的一个实例是，公司合成生物团队用深度学习模型结合蛋白结构建模与底物亲和力预测，对海量基因组数据定向挖掘，首次在美国红梣中筛选出新型糖基转移酶FpUGT，实验数据显示其催化合成红景天苷的转化率达15.63%，高于行业主流酶UGT1的9.46%。
关键数字一览
| 指标 | 数值 | 来源口径 |
|---|---|---|
| 分子库规模 | 百万级 | 2025年年报披露 |
| 研发投入 | 4.72亿元 | 占营业收入11.24% |
| 研发人员 | 860人 | 2025年年报披露 |
| 已落地产品 | 2款 | 润百颜修莹焕亮精华、肌活轻酸精华 |
AI筛选常见的三个失败点
| 失败点 | 表现 | 规避方式 |
|---|---|---|
| 靶点定义模糊 | 筛选结果无生物学意义 | 先锁定可验证的终点指标 |
| 模型脱离适用域 | 预测分数高但实测无效 | 限定结构空间并做验证集 |
| 忽略可生产性 | 分子活性好但无法量产 | 同步评估合成路线与成本 |
第三点最容易被忽略。化妆品原料与药物不同，成本敏感度极高：一个活性出色的分子如果合成步骤多、纯化困难或原料来源受限，即便通过安全评估也不具备商品化价值。因此筛选阶段就应把"可生产性"作为一个约束条件写进模型目标，而不是等到放大阶段再回头改。
AI筛出的活性物，备案时归哪一类
AI只是发现手段，不改变原料的法律属性。筛出来的分子要先回答三个问题：
- 是否在已使用化妆品原料目录内。在目录内的按普通原料管理。
- 是否属于新原料。不在目录内且首次用于中国化妆品生产的，须按《化妆品监督管理条例》履行新原料注册或备案程序。
- 是否涉及高风险管理。具有防腐、防晒、着色、染发、祛斑美白功能的原料需注册而非备案，资料要求更高。
AI预测数据在申报中属于"其他有助于说明安全性的资料"，可补充佐证，但不能替代毒理学试验、安全评估与检验报告。AI得出的功效与靶点结论，也不能直接作为功效宣称依据用于标签与广告。
落地顺序上，建议企业按"先验证、后申报"推进：先用小规模实验确认活性与稳定性，再启动毒理与安全评价资料准备，最后确定注册或备案路径。把申报路径判断放在实验之前，往往能省下大量重复试验成本。对以功效护肤为主的企业，还建议同步建立原料—配方—宣称三者对应的证据台账，避免日后逐项回溯。
常见问题解答
AI筛选活性物能否缩短化妆品新原料备案周期？
能缩短发现阶段，不能缩短审评阶段。AI可把候选分子发现从数年压缩到数月，但新原料注册备案的法定程序、毒理学试验与安全评估仍需按《化妆品新原料注册备案资料管理规定》完成，审评时限不因研发手段变化而缩短。
AI预测的功效结果能否作为功效宣称依据？
不能。功效宣称依据需来自符合《化妆品功效宣称评价规范》要求的人体功效评价试验、消费者使用测试或实验室试验。分子对接、靶点预测等计算结果属于机理研究资料，可增加证据厚度，但不能单独支撑功效宣称。
华熙生物AI筛选平台用到了哪些具体方法？
年报披露的组合是深度神经网络与高通量机器学习，配套虚拟筛选、分子动力学模拟和蛋白同源建模，对百万级分子库做多靶点筛选。在合成生物端还用于菌株设计与构建、性状筛选、发酵过程控制以及多模态跨尺度建模下的工艺优化。
中小企业没有百万级分子库，还能用AI做原料筛选吗？
可以，但应缩小目标。常见做法是以公开数据库与文献数据为基础，针对单一靶点或性质做定向筛选，规模从数千到数万分子起步；也可直接采购第三方AI筛选服务。关键是先明确筛选目标与验证方法，再决定数据规模，避免先建库后找问题。
