据作者现场录音整理，按讲者脉络转述，不是逐字稿。讲者是驰领传悦科技创始人兼 CEO，自述 PhD 读脑科学、博后做脑机接口，后来创业做美妆品牌。中文演讲，无问答环节。前半段讲框架，后半段讲"填海四步"。

一句话

讲者认为 AGI 是最强的解码器，在编码清晰的领域（数学、编程）做应用一定会被它吞没；垂直 AI 的壁垒在于"编码"，也就是把一个隐性知识多、交易成本高的实体行业数字化，她称之为"填海"。她选的是美妆，从消费者端切入，用消费者需求数据去换品牌的知识和数据。

论断

1. 科学是编码，技术是解码

她说这是导师给她讲的框架：所有 science 都是某种形式的编码，所有 engineering 和 technology 都是某种形式的解码。AGI 是人类有史以来最强的解码器，在编码最清晰的地方最厉害。开场她先抛出三个问题：AGI 估值太贵进不去，哪些垂直领域会被吞没，AI 怎么在实体产业盈利；这个框架是她的总回答。

“AGI 这件事情，就是我们人类有史以来最强大的解码器”

  • 林奈双名法给植物编码，才有香水、食品香料对植物的解码。
  • DNA→RNA→蛋白质是生物大分子的编码规律，才能解码出药物靶点、制药。
  • 脑区和 circuit 的功能是编码，脑机接口是把编码规律解出来。

2. 显性大陆会被吞没，垂直 AI 该去"群岛"

数学、编程是编码极清晰、没有模糊性的领域，所以 AI 攻克得最快。她认为在编码的显性大陆做应用又卷又贵，一定会被 AGI 吞没。垂直 AI 该去群岛：有一部分陆地是编码清楚的，四周是大海，很多隐性知识没被数据化。

“所以说我们认为就是编码就是填海，我这个行业，我把它数字化了，就是我在填海”

  • 比喻来自基辛格与 Eric Schmidt 合著的 Genesis：把海水抽干，地球是连续的地壳；已知学科是大陆，未知的被海水盖着，研究的 frontier 像海岸线一点点往前推。
  • 选岛的条件：岛周围的隐性知识在你能力范围内，或你熟悉握有隐性知识的产业链；你的编码有门槛；你熟悉这个市场；这个行业能够独立。她没说这些条件怎么量化，“能够独立"具体指什么也没展开。

3. 选美妆：利润高、软性经验多、交易成本高

她说美妆护肤是过去 100 年最盈利的行业，能相比的只有烟草，但烟草是专卖。什么包装女生喜欢、什么精华液肤感好，这类软性经验特别多，不是数字化的硬性经验。

“交易成本越高的行业，它越好，因为你要降低交易成本，它里头的钱就越多”

  • 她说中国美妆护肤是"万亿市值"的行业。
  • 销售费用率 50% 左右的美妆企业算优秀企业：买 100 块化妆品，50 块给渠道。
  • 有些品牌交易成本已到 90%，已经没钱做研发和生产，没给具体品牌。
  • “过去 100 年最盈利"没给数据来源和比较口径。她以美妆品牌老板的身份说自己知道交易成本有多高。

4. 填海从消费者切入

四步是：消费者、小品牌、大品牌、整个产业链。她的逻辑是，足够多的消费者来问美妆知识，哪怕不买，品牌也会愿意交数据，因为他们要降交易成本。消费者端的问题是美妆不是所见即所得，不像一件衣服穿上就知道好不好看。

“通过他问什么问题，我就知道他个性化需求了……这样的话后边我给他推荐品牌和产品就会很容易”

  • 她列的消费者四个问题：信息过载（很多女生硬背成分）、内容不客观（种草博主、测评博主都接广告）、知识不专业（网红多数不是生物或化学专业）、通用模型收的多是网上营销信息，专业编码不够。
  • 产品的数据底是全球"上千万个备案信息"和"上千篇"美妆相关论文（皮肤生理、制剂学、生物化学）。平台层面的通用问题完全依靠文献，不接广告。
  • 覆盖场景：买 A 还是买 B 的决策、盘点已有产品怎么调整、习惯和目标规划、知识学习。
  • 用户规模她说"已经有几万人了，但是我们想再攒一攒”。

5. 不做"拍照测肤推产品”

她说大多数竞品是男工程师写的，特别喜欢拍照测肤推产品。她的看法是照片受光线影响太严重，测出来推的东西基本低于用户现在的水平；产品应该建在用户多年的购买经验之上。有投资人建议她学某个拍照测肤的 App，她拒绝了。

“上来就拍照测肤推产品……相当于你坐自动驾驶，上来直接让车就驾驶，没有一点辅助驾驶”

  • “掘地三尺"功能：不拍脸，拍产品（家里有的或逛街看到的），告诉 App 有没有、用起来什么感受、是不是种草了。系统知道所有产品的成分，结合感受判断适不适合，或推荐贵替、平替。
  • 还有像小游戏的测试判断用户类型，以及找同类用户的社交圈子。

6. 品牌端和产业链：自下而上

中小品牌的典型是专家本人就是配方师、自己也卖货。她举了一位专攻痘痘的皮肤病学博士，有论文、有书、有自己品牌，他们把他的知识做成 agent，接他的论文和书，内嵌在小程序里，由他向消费者讲自己的产品。大品牌里研发、配方、产品是不同的人，就把这些人的知识都放进大品牌的 agent，替代回答不了专业问题的一线 sales。

“因为我们能给品牌提供的是消费者每天在搜什么问题，他们是什么样的人”

  • 品牌看板的示意：“今天涌入了新的5万个用户，其中 3000 个有痘痘， 2000 个有敏感”，这是示意数字，不是实际数据。
  • 研发周期基线：欧莱雅 24 个月，资生堂 22 个月。她说有了消费者数据能让供应链变柔性、缩短周期，没给缩短后的数字。
  • 终局是原料商、包材商也来找信息；类比电视媒体到自媒体，配方师有好配方、有粉丝，供应链协助生产，形成"自品牌”。反面是大品牌养两三百人的预测团队自上而下出品，还跟风做玻尿酸、胶原蛋白、PDRN。
  • 她说"等我们有了很多粉丝之后，我们要做第二步"，品牌看板也是"我们要做"；痘痘博士是她举的一个典型案例，从她的说法看，现阶段主要落地的是消费者端。
  • 结尾她希望更多人进入编码还不清晰、有很多隐性知识的实体产业领域。

存疑

  • 自我介绍里有两个数字：“两年做到了 1.9 亿”（公司）和"我自己卖了2亿的产品"（个人），口径不同，也没说是营收还是 GMV。
  • “万亿市值"疑为"万亿规模”。
  • “全球上千万个备案信息"的备案口径（是否指化妆品备案）、“全球"的范围不清。
  • 那位痘痘方向皮肤病学博士的名字没听清，正文未写。
  • 欧莱雅 24 个月、资生堂 22 个月的研发周期是讲者说法，未给来源。