在娛樂化和專業化兩端的AI測膚，未來到底應該往哪走？互聯網+
導讀
通過眼角照片精確識別膚齡， 但這一切并不新鮮
通過眼角照片精確識別膚齡， 但這一切并不新鮮
相信在這個世界上，沒人不懼怕衰老。由此也衍生出出了極具價值的“抗老經濟”，女性的醫美、護膚、化妝品，男性的食補、擼鐵、馬拉松。尤其在臉，這個衰老最明顯的部位上，人們甚至會做出一些非常喪心病狂的事：歐洲女伯爵用處女血洗澡，埃及皇后做鱷魚糞面膜，清宮妃子用口水涂臉……
之所以人們會嘗試種種玄學方法，是因為皮膚變化這件事是很難量化的。除了一些立竿見影的醫美方法，大多數護膚手段都需要更長時間才能體現出功效，其中又摻雜了大量變量和一些心理安慰劑作用，讓人很難真正確認護膚產品的功能。
不過最近AI測膚的流行正在改變這種現狀。
通過眼角照片精確識別膚齡， 但這一切并不新鮮
最近在衰老領域研究期刊《Aging》上發表了一篇論文，說明了一種利用深度學習的非入侵式皮膚生理年齡監測方式，為皮膚衰老這件事打開了一種新的思路。
我們知道，就像心理年齡和生理年齡一樣，皮膚的“膚齡”更能表現出我們身體的狀態。有時候一位四五十歲的中年人也可以擁有年輕的皮膚，而年輕人卻可能會擁有高膚齡。而膚齡則可以很好的推斷出身體機能的衰老狀態，而不是僅僅依靠身份證上的年齡。
這種能夠測試出“膚齡”的算法名為“PhotoAgeClock”，建立在通過人臉識別識別年齡的技術上，研究者將人臉的部分繼續細化，最終發現可以通過眼角照片進行圖像識別，通過皮膚狀況來判斷身體的衰老程度。
在測試中發現，這種通過圖像識別進行判斷的方式，準確度甚至比通過抽血進行甲基化測試還要高。
而參與這項研究的，是一家名為Haut.AI的愛沙尼亞企業，這家企業主打的就是建立在AI測膚參數追蹤上的皮膚病變和個性化護膚業務。
也就是說，建立在圖像識別這種輕量級量化衰老以及皮膚狀況的技術上，AI測膚可以有很多想象空間。
首先對于皮膚衰老狀況量化表示，可以讓護膚抗老這件事更加個性化。消費者可以根據自己皮膚的詳細狀況選擇對應的產品。
同時在研發階段，AI測膚也可以更精細的追蹤產品的作用能力，讓護膚品研發者可以隨時發現皮膚的變化情況，提高研發效率……
等等，這些話術怎么聽起來這么耳熟？
從專業科研到娛樂賣貨， AI測膚的冰火兩極
其實對于中國消費者來說，AI測膚早就不是什么新鮮事了。
在去年，美圖美妝就推出了AI測膚功能，在一些商場中，我們還能看到和電話亭一樣的“智能測膚機”，在今年，華為和榮耀也在新款手機上推出了“愛肌膚”功能。在一些護膚品牌的天貓旗艦店中，用戶也能找到通過拍照一鍵測膚的功能……
這些AI測膚產品基本大同小異：通過后置攝像頭對面部進行拍攝，識別出臉部的哪些部位有痘痘、出油、黑頭和細紋。這種一下數清楚你有多少顆黑頭的技術看似很厲害，實際上只要稍微一動腦子就會發現并沒有什么卵用。
因為和PhotoAgeClock這種通過拍照實現和血液檢測一樣精準的年齡檢測不同，這些普通的AI測膚所提供的信息，并沒有超過人自己的認知范圍——我有沒有痘痘黑頭，自己照照鏡子不就知道了，還用你說？
更何況，這些測膚產品到最后無一不是引流到電商，告訴你應該購買什么護膚品，一天敷幾片面膜。
如果我們簡單地區分一下“有用的” AI測膚和“沒用的”AI測膚，可以看到兩者之間有著很明顯的區別：
1、 有用的AI測膚出自AI企業和護膚品企業，沒用的AI測膚出自賣貨企業
其實所謂AI測膚并不是最近幾年AI熱時才出現的概念。寶潔公司從20年前就開始收集不同光照條件下的人臉數據，并從中獲取膚質信息。比起護膚品企業的專業程度，和AI企業的強大技術，以美圖美妝為代表的“電商導流”AI測膚在技術上并不完善。很多使用者也評價說，這些AI測膚用起來并不精準、在不同光照條件下結果相差很多，參考價值并不高。
同樣，這些為了賣貨的AI測膚也沒能像Haut.AI這類專業AI企業一樣，通過學術論文證明的自己的觀點。可以說是在護膚和AI兩方面都成績堪憂。
2、有用的AI測膚重新量化信息，沒用的AI測膚告訴你你已經知道的東西
就像去專柜一樣，BA如果只告訴你臉上有黑頭和出油，你會覺得對方在為了推銷說廢話。但如果BA把你皮膚狀況細分到“真皮層”、“膠原蛋白纖維”、“基底膜”等等一般人不了解的地方，就更容易讓人信服。同樣，有價值的AI測膚應當是利用簡單的方法，讓更多人得知類似皮膚衰老情況、紫外線照射這樣平時很難獲知的信息。
除了能測皮膚衰老狀況的PhotoAgeClock以外，露得清母公司和創業企業FitSkin合作的皮膚掃描儀也是一樣，通過特殊傳感器獲取皮膚含水量；包括歐萊雅最近UV指甲貼，則用來獲知紫外線這種平時我們很難精準量化的東西。
3、有用的AI測膚服務于B端，沒用AI測膚只會為商品導流
同樣的道理，其實在護膚這件事上，消費者和研發者之間是存在巨大的認知差異的。有的人可能有過去化妝品專柜測膚質的經歷，最終得出來的一系列數據，需要BA講解才能明白。同樣，掌握著AI技術的科技企業和消費者自己是很難通過皮膚狀態上數值變化來和護膚產品、手法等等對應起來的，是典型的“有題目，沒解法”。如果僅僅導向商品，很難讓人不覺得這又是一筆智商稅。
其實真正受益于AI測膚并不是消費者，而是護膚產品的研發者。像Haut.AI所提供的就是云端SaaS服務，研發者收集好自己消費者的數據，在SaaS平臺中得出計算結果，進而去促進研發。
AI測膚未來： 和所有AI一樣去到需要效率的地方
而AI測膚目前面對的最大問題，就是娛樂化風潮和認知失調下帶來的收益不均等。
從娛樂化來講，通過現在這些隨處可見“AI測膚”，消費者幾乎已經形成了一種固有的認知，認為AI測膚就是測著玩玩的，并不真的具有參考性。不專業的AI測膚自我祛魅之后，即使消費者應用上了精準專業的AI測膚，也很難形成信任關系。
至于認知失調，是不管專業還是非專業的AI測膚，對于消費者來說他們所提供的信息都是在自己認知范圍之外的。“紅血絲代表敏感肌”、“皮膚干燥需要補水”，這些信息不管精準與否，其實都是護膚商業體系下商家對于消費者的單方面灌輸。對于消費者來說，不管你只是告訴我我皮膚干燥需要補水，還是給我列了一堆復雜的術語數值告訴我我需要補水，結果都是一樣的，很難看出其中的專業知識濃度差異。所以專業程度也不能成為消費者被說服的理由。
所以，專業化AI測膚和娛樂化AI測膚同樣投入到消費市場中，也不一定能在收益上產生明顯的差異。
這樣看來，大部分專業AI測膚企業選擇的道路還是正確的——避開C端市場，和B端護膚品企業合作。
相比直面消費者，B端企業對于算法的精準程度顯然有著更迫切的需求和明確的感知。就像護膚品牌POLA，所提供的皮膚測試非常受消費者歡迎，可皮膚測試的過程非常麻煩，要用取樣貼貼在臉上取樣，然后跨洋郵寄到POLA在日本的中心，最后還要在實驗室中經歷十幾天的校驗才能有結果。如果這種過程能夠被AI簡化，相信能大大提升POLA皮膚測試服務的效率。
其實AI測膚和所有AI技術一樣，適用于那些需要“效率”的地方。機場安檢需要提升效率，所以人臉識別得以應用；發布會速記需要提升效率，所以語音識別得以應用。但消費者對于自己皮膚狀況的簡單認知是不需要提升效率的（照照鏡子就能看到的事本身沒有效率可言），但B端企業研發護膚品、完成專業皮膚測試等等是需要效率的，所以AI測膚該去哪里，答案也很明了。
之所以人們會嘗試種種玄學方法，是因為皮膚變化這件事是很難量化的。除了一些立竿見影的醫美方法，大多數護膚手段都需要更長時間才能體現出功效，其中又摻雜了大量變量和一些心理安慰劑作用，讓人很難真正確認護膚產品的功能。
不過最近AI測膚的流行正在改變這種現狀。
通過眼角照片精確識別膚齡， 但這一切并不新鮮
最近在衰老領域研究期刊《Aging》上發表了一篇論文，說明了一種利用深度學習的非入侵式皮膚生理年齡監測方式，為皮膚衰老這件事打開了一種新的思路。
我們知道，就像心理年齡和生理年齡一樣，皮膚的“膚齡”更能表現出我們身體的狀態。有時候一位四五十歲的中年人也可以擁有年輕的皮膚，而年輕人卻可能會擁有高膚齡。而膚齡則可以很好的推斷出身體機能的衰老狀態，而不是僅僅依靠身份證上的年齡。
這種能夠測試出“膚齡”的算法名為“PhotoAgeClock”，建立在通過人臉識別識別年齡的技術上，研究者將人臉的部分繼續細化，最終發現可以通過眼角照片進行圖像識別，通過皮膚狀況來判斷身體的衰老程度。
在測試中發現，這種通過圖像識別進行判斷的方式，準確度甚至比通過抽血進行甲基化測試還要高。
而參與這項研究的，是一家名為Haut.AI的愛沙尼亞企業，這家企業主打的就是建立在AI測膚參數追蹤上的皮膚病變和個性化護膚業務。
也就是說，建立在圖像識別這種輕量級量化衰老以及皮膚狀況的技術上，AI測膚可以有很多想象空間。
首先對于皮膚衰老狀況量化表示，可以讓護膚抗老這件事更加個性化。消費者可以根據自己皮膚的詳細狀況選擇對應的產品。
同時在研發階段，AI測膚也可以更精細的追蹤產品的作用能力，讓護膚品研發者可以隨時發現皮膚的變化情況，提高研發效率……
等等，這些話術怎么聽起來這么耳熟？
從專業科研到娛樂賣貨， AI測膚的冰火兩極
其實對于中國消費者來說，AI測膚早就不是什么新鮮事了。
在去年，美圖美妝就推出了AI測膚功能，在一些商場中，我們還能看到和電話亭一樣的“智能測膚機”，在今年，華為和榮耀也在新款手機上推出了“愛肌膚”功能。在一些護膚品牌的天貓旗艦店中，用戶也能找到通過拍照一鍵測膚的功能……
這些AI測膚產品基本大同小異：通過后置攝像頭對面部進行拍攝，識別出臉部的哪些部位有痘痘、出油、黑頭和細紋。這種一下數清楚你有多少顆黑頭的技術看似很厲害，實際上只要稍微一動腦子就會發現并沒有什么卵用。
因為和PhotoAgeClock這種通過拍照實現和血液檢測一樣精準的年齡檢測不同，這些普通的AI測膚所提供的信息，并沒有超過人自己的認知范圍——我有沒有痘痘黑頭，自己照照鏡子不就知道了，還用你說？
更何況，這些測膚產品到最后無一不是引流到電商，告訴你應該購買什么護膚品，一天敷幾片面膜。
如果我們簡單地區分一下“有用的” AI測膚和“沒用的”AI測膚，可以看到兩者之間有著很明顯的區別：
1、 有用的AI測膚出自AI企業和護膚品企業，沒用的AI測膚出自賣貨企業
其實所謂AI測膚并不是最近幾年AI熱時才出現的概念。寶潔公司從20年前就開始收集不同光照條件下的人臉數據，并從中獲取膚質信息。比起護膚品企業的專業程度，和AI企業的強大技術，以美圖美妝為代表的“電商導流”AI測膚在技術上并不完善。很多使用者也評價說，這些AI測膚用起來并不精準、在不同光照條件下結果相差很多，參考價值并不高。
同樣，這些為了賣貨的AI測膚也沒能像Haut.AI這類專業AI企業一樣，通過學術論文證明的自己的觀點。可以說是在護膚和AI兩方面都成績堪憂。
2、有用的AI測膚重新量化信息，沒用的AI測膚告訴你你已經知道的東西
就像去專柜一樣，BA如果只告訴你臉上有黑頭和出油，你會覺得對方在為了推銷說廢話。但如果BA把你皮膚狀況細分到“真皮層”、“膠原蛋白纖維”、“基底膜”等等一般人不了解的地方，就更容易讓人信服。同樣，有價值的AI測膚應當是利用簡單的方法，讓更多人得知類似皮膚衰老情況、紫外線照射這樣平時很難獲知的信息。
除了能測皮膚衰老狀況的PhotoAgeClock以外，露得清母公司和創業企業FitSkin合作的皮膚掃描儀也是一樣，通過特殊傳感器獲取皮膚含水量；包括歐萊雅最近UV指甲貼，則用來獲知紫外線這種平時我們很難精準量化的東西。
3、有用的AI測膚服務于B端，沒用AI測膚只會為商品導流
同樣的道理，其實在護膚這件事上，消費者和研發者之間是存在巨大的認知差異的。有的人可能有過去化妝品專柜測膚質的經歷，最終得出來的一系列數據，需要BA講解才能明白。同樣，掌握著AI技術的科技企業和消費者自己是很難通過皮膚狀態上數值變化來和護膚產品、手法等等對應起來的，是典型的“有題目，沒解法”。如果僅僅導向商品，很難讓人不覺得這又是一筆智商稅。
其實真正受益于AI測膚并不是消費者，而是護膚產品的研發者。像Haut.AI所提供的就是云端SaaS服務，研發者收集好自己消費者的數據，在SaaS平臺中得出計算結果，進而去促進研發。
AI測膚未來： 和所有AI一樣去到需要效率的地方
而AI測膚目前面對的最大問題，就是娛樂化風潮和認知失調下帶來的收益不均等。
從娛樂化來講，通過現在這些隨處可見“AI測膚”，消費者幾乎已經形成了一種固有的認知，認為AI測膚就是測著玩玩的，并不真的具有參考性。不專業的AI測膚自我祛魅之后，即使消費者應用上了精準專業的AI測膚，也很難形成信任關系。
至于認知失調，是不管專業還是非專業的AI測膚，對于消費者來說他們所提供的信息都是在自己認知范圍之外的。“紅血絲代表敏感肌”、“皮膚干燥需要補水”，這些信息不管精準與否，其實都是護膚商業體系下商家對于消費者的單方面灌輸。對于消費者來說，不管你只是告訴我我皮膚干燥需要補水，還是給我列了一堆復雜的術語數值告訴我我需要補水，結果都是一樣的，很難看出其中的專業知識濃度差異。所以專業程度也不能成為消費者被說服的理由。
所以，專業化AI測膚和娛樂化AI測膚同樣投入到消費市場中，也不一定能在收益上產生明顯的差異。
這樣看來，大部分專業AI測膚企業選擇的道路還是正確的——避開C端市場，和B端護膚品企業合作。
相比直面消費者，B端企業對于算法的精準程度顯然有著更迫切的需求和明確的感知。就像護膚品牌POLA，所提供的皮膚測試非常受消費者歡迎，可皮膚測試的過程非常麻煩，要用取樣貼貼在臉上取樣，然后跨洋郵寄到POLA在日本的中心，最后還要在實驗室中經歷十幾天的校驗才能有結果。如果這種過程能夠被AI簡化，相信能大大提升POLA皮膚測試服務的效率。
其實AI測膚和所有AI技術一樣，適用于那些需要“效率”的地方。機場安檢需要提升效率，所以人臉識別得以應用；發布會速記需要提升效率，所以語音識別得以應用。但消費者對于自己皮膚狀況的簡單認知是不需要提升效率的（照照鏡子就能看到的事本身沒有效率可言），但B端企業研發護膚品、完成專業皮膚測試等等是需要效率的，所以AI測膚該去哪里，答案也很明了。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
