BEAUTY / BUSINESS / AI
SEPTEMBER 2026
2026医美机构
AI 智能化
白皮书
到机构 AI 改造优先级与能力重构
MEDICAL AESTHETICS × ARTIFICIAL INTELLIGENCE
本期目录
从行业变化理解经营损失，
再确定机构的行动优先级。
2026，医美 AI 正在从“工具”进入“业务”。
当 ChatGPT、DeepSeek、数字人、AI 客服和自动内容生产逐渐普及，“有没有 AI”已经不是一个足够好的经营问题。真正需要回答的是：AI 能不能进入机构最重要的业务节点，并减少价值在信息、判断和执行中的损失。
信息损失
客户的主诉、历史、顾虑、预算与治疗信息散落在微信、CRM、表格与员工记忆中，跨岗位、跨时间无法完整继承。
判断损失
面对同一个客户，不同员工得出不同优先级、方案与表达，机构交付上限被个体水平波动决定。
执行损失
即使判断正确，也可能因为跟进断档、流程脱节、责任不清或表达失真，无法转化成稳定行动。
AI 智能化不是“多装几个工具”，而是把信息、判断与执行逐步变成机构可调用、可复盘、可积累的能力底座。
产业正在发生什么：医美 AI 的前沿图景
真正值得关注的不是某一个模型发布，而是 AI 正同时进入消费者入口、影像与感知、机构经营、专业辅助、设备药械与真实世界反馈。行业开始出现一层新的智能基础设施。
AI 测肤正在从“静态评分”走向连续皮肤智能
美图宜肤 2026 年公开研究将方向从一次性皮肤扫描进一步推向长期变化、预测性理解；其 SID 2026 研究使用三个独立队列、超过 6,000 名参与者的数据验证非侵入式影像与机器学习的皮肤生理量化能力。对医美机构而言，影像设备正在从“销售展示工具”变成可以进入长期档案的数据入口。
可视化模拟正在成为面诊沟通工具，而不只是 C 端娱乐
玩美移动 2026 年医美消费者趋势报告将 AI 可视化工具列为正在重塑求美者与机构面诊体验的技术之一。其意义并非替代治疗判断，而是把“客户脑中的期待”更早转化为可讨论的视觉语言，降低沟通的不确定性。
能量源设备开始加入影像与闭环控制能力
沙利文 2026 光电抗衰白皮书指出，激光、射频、聚焦超声等技术正向精准分层、多技术协同及智能化演进。以半岛医疗公开产品信息为例，其聚焦超声设备已加入智能超声影像和 AI 能控逻辑。设备竞争正在从“参数更高”走向“看得见组织、控制得住能量”。
真实世界数据开始反向连接上游药械
新氧 2026 年披露的路径已经不止于机构内部：其计划把需求洞察、产品筛选、临床应用、效果随访与产品迭代连接起来，并与上游药械企业探索产品共创和上市后评价。医美数据的价值边界正在从“服务客户”延伸到“定义产品”。
2026 年医美 AI 的核心变量，已经从“模型能力够不够”转向谁能把真实业务数据、专业知识与持续反馈连接起来。通用大模型会越来越便宜，但院内数据结构、案例资产、SOP 与反馈闭环不会自动出现。
头部机构已经开始走出不同的 AI 路径。
新氧与媛颂的公开布局说明：机构侧真正的竞争，不是“谁先接一个模型”，而是谁先把数据、专业知识、岗位流程与结果反馈连接起来。
- 公开定位
- 2026 年首次系统披露“真实世界数据库 + 诊疗智能基础设施”，把 AI 落点放在诊室与标准化交付，而不是只做营销。
- 数据资产
- 面诊对话、治疗前后影像、医生诊疗记录、产品与设备参数、治疗过程、术后随访等多模态数据的结构化治理。
- AI 场景
- AI 面诊辅助、智能分诊、病历记录、风险提示、术后随访、视频质控初筛；已上线 AI 工具可处理预约、改约等任务。
- 组织原则
- 定位为内部员工“辅助驾驶”：AI 提建议，最终判断与责任仍由专业人员承担。
- 推进状态
- 据《每日经济新闻》采访，2026 年四季度计划在全国门店大范围普及 AI 面诊，并同步推进智能分诊。
- 公开定位
- 2026 年正式发布“AI 技术赋能战略”，将 AI 与抗衰服务、全员 IP 和连锁标准化放在同一经营升级框架中。
- 数据资产
- 2025 年公开披露，计划基于十年积累的“百万份案例”研发设计师 AI 助手；2026 战略继续强调百万案例与既有抗衰方法体系。
- AI 场景
- 公开规划包括 AI 美学设计、AI 皮肤检测与数智化服务闭环，以及覆盖获客、转化、复购的智能运营平台。
- 专业结构
- 在面诊设计中强调医学、美学、材料学等多学科知识结合，AI 用于辅助设计师提高方案一致性与效率。
- 推进状态
- 从“研发智能助手”进入“集团 AI 技术赋能战略”阶段；公开资料更多体现战略与建设方向，尚缺少独立第三方对产品效果与技术性能的系统评测。
机构 AI 能力层对照
朱红标记：原文重点行
| 机构 AI 能力层 | 早期 / 普遍状态 | 2026 头部布局信号 | 对中小机构的现实意义 |
|---|---|---|---|
| 工具层 | 文案、作图、客服问答、会议总结 | 已接近“基础配置”，很难单独形成机构壁垒 | 可以买、可以快速部署，不值得重研发 |
| 数据层 | CRM、院务系统、影像设备各自独立 | 开始追求面诊—治疗—随访—产品数据的关联与追溯 | 先统一影像、客户、面诊和结果字段，比“训练大模型”更优先 |
| 能力层 | 优秀员工个人经验 + 培训传递 | 把诊疗指南、美学体系、案例库输入 AI，辅助面诊、设计与质控 | 最值得从一个高价值节点做“小闭环”，而不是复制头部全栈建设 |
| 反馈层 | 成交、治疗、复购数据难回到前端判断 | 尝试让治疗结果、随访、消费反馈反向校准模型与上游产品 | AI 项目必须预留“结果如何回流”的设计，否则只会停留在演示 |
数据资产 → 专业知识 → AI 辅助 → 结果反馈。
头部机构起点不同，但都在尝试把“人的经验”变成“机构持续可调用的能力”。
2027 以前，经营者更应该关注的五个变化
从生成内容 → 理解客户
AI 的入口会逐步从“帮我写”转向“帮我理解这个客户发生了什么”。
从单点工具 → 多步骤 Agent
任务开始跨越记录、检索、分析、生成和跟进，而不是每一步都由人复制粘贴。
从员工使用 AI → AI 嵌入岗位
AI 不再依赖员工“想起来才用”，而会成为接待、咨询、客户运营岗位的标准工作界面。
从 CRM 记录客户 → 系统理解客户
结构化字段之外，语义、偏好、历史决策和长期变化会成为新的客户资产。
从个人经验 → 机构知识资产
真正形成壁垒的不是模型本身，而是机构用真实案例不断校准的判断体系与数据闭环。
机构真正损失在哪里：六环节价值泄漏
经营不只是继续向漏斗顶部加流量，更重要的是减少已经获得的客户价值，在后续节点中被信息丢失、判断波动、表达失真与流程中断无声消耗。
流量 AI
让内容生产与线索识别更快，但只有连接到“什么内容带来什么客户”时，才从生产力工具变成经营系统。
运营 AI
让客户信息跨岗位、跨时间持续存在，减少重复询问、漏跟进与个人微信成为数据孤岛。
决策 AI
进入需求理解、审美观察、方案逻辑、异议识别等高价值认知工作，难度更高，但距离收入与信任也更近。
接待｜客户最先感受到的，不是“有没有机器人”，而是机构记不记得她是谁
客户在私信里说了 10 分钟，到店后又被从头问一遍。
线上客服记录“咨询鼻子”；前台只看到预约时间；咨询师再次询问，才知道她更在意正侧面衔接、曾经做过项目、并且非常害怕“网红感”。客户的上下文不是没有产生，而是没有被组织。
自动承接上下文，而不是只做自动回复。
- 从聊天中抽取主诉、历史、顾虑、预算区间、偏好与待确认事项。
- 形成结构化接待摘要，交给下一岗位人工确认。
- 识别高风险、医疗相关问题时转人工，不让客服模型越过医疗责任。
面诊｜最贵的不是“分析慢”，而是同一个客户换个人就换一套理解
客户说“想自然一点”，三个咨询师都听懂了，却可能做出三种完全不同的翻译。
一个人把“自然”理解为项目少；一个人理解为变化幅度小；另一个人先从整体比例和身份风格去判断。问题不是谁一定错，而是机构没有一套稳定的方法把模糊主诉转化成可复核的观察与优先级。
辅助形成“先理解、再排序、再表达”的判断材料。
- 结合影像、主诉与结构化历史信息进行多模态观察。
- 把整体—局部、比例—空间—轮廓—组织等观察拆成可解释层级。
- 输出问题优先级、沟通线索和需要人工复核的信息，而非直接生成诊断、剂量或术式。
- 把优秀咨询师 / 医生可公开沉淀的方法，逐渐转化为团队可调用的知识资产。
面诊转化能力 ≈ 判断质量 × 表达质量。
AI 首先应该让判断更完整、更稳定，再帮助咨询师把判断转化为客户听得懂的价值。
复购｜最危险的客户资产，是只存在员工微信里的客户资产
咨询师离职后，机构才发现自己知道客户买过什么，却不知道她为什么买。
系统里有金额、项目和日期，真正决定下一次沟通的偏好、顾虑、风格、历史决策过程却在个人聊天记录和员工记忆中。于是复购运营退化成节日群发和到期提醒。
让客户关系具有“长期记忆”，而不是更频繁地发消息。
- 把历史咨询、项目、反馈、偏好与后续关注点组织成生命周期摘要。
- 基于明确的业务规则提示“何时值得人工重新理解客户”，而非无限自动触达。
- 帮助新员工快速继承上下文，同时遵守授权、隐私和数据使用边界。
六环节 AI 价值矩阵
这不是“买什么软件”的清单，而是一张经营优先级地图。先找到损失最大的节点，再决定用 AI、流程优化、培训还是系统改造解决。
朱红标记：原文重点行
| 节点 | 典型价值泄漏 | AI 主要角色 | 老板首看指标 | 经营价值 | 成熟度 | 人员依赖 | 近期优先级 |
|---|---|---|---|---|---|---|---|
| 获客 | 内容产能提升但线索仍不精准，素材快速同质化 | 内容生成、素材变体、投放分析、线索标签 | 有效咨询成本 / 私信→预约率 | ★★★★ | ★★★★★ | ★★ | A |
| 接待 | 响应延迟、信息遗漏、跨人交接后重新认识客户 | 智能客服、需求识别、信息结构化、客户分层 | 信息完整度 / 预约到店率 | ★★★ | ★★★★★ | ★★★ | A |
| 面诊 | 判断水平波动、需求误读、方案围绕人员经验组织 | 多模态理解、审美分析、需求匹配、知识调用、方案辅助 | 面诊→决策转化 / 方案一致性 | ★★★★★ | ★★★☆ | ★★★★★ | S |
| 成交 | 异议判断依赖经验、价值解释波动、跟进变成统一催单 | 异议识别、沟通辅助、跟进建议、客户意图分析 | 面诊→成交率 / 未成交原因可解释率 | ★★★★★ | ★★★★ | ★★★★★ | S |
| 交付 | 前后信息断裂、过程记录不完整、问题难还原 | 记录、提醒、过程协同、前后结构化对比 | 交接完整度 / 复诊到达率 | ★★★★ | ★★★★ | ★★★ | A |
| 复购 | 客户沉淀在个人微信，系统知道买过什么但不知道为什么买 | 生命周期管理、变化识别、触达建议、知识继承 | 复购率 / 客户信息继承率 / LTV | ★★★★☆ | ★★★★ | ★★★★ | A |
不要从“哪种 AI 最火”开始，而从“哪一段损失最贵、最频繁、最可验证”开始。
对很多机构而言，成熟的获客 / 接待 AI 适合快速部署；面诊 / 成交更接近核心收入，但更需要行业知识、人工复核与真实业务闭环。
AI 应该先改哪里：机构 AI 改造优先级
不是所有 AI 都值得现在做。判断优先级时，先看经营损失，再看人员依赖、技术可行性和反馈闭环，而不是从“最近什么 AI 最火”开始。
损失大不大
这个节点是否直接影响转化、客单、交付质量或长期复购？问题是否频繁、可观察？
人员依赖高不高
是否高度依赖少数优秀员工的隐性经验，一旦换人、离职或扩店就明显波动？
AI 现在能不能做
现阶段 AI 能否在明确边界内提供稳定辅助，而不是只在 Demo 中表现漂亮？
能不能形成反馈闭环
是否存在可获取的输入、人工复核、结果反馈和持续评估，使系统可以被业务校准？
代入这套模型，为什么面诊值得优先关注？
不是因为它最“炫技”，而是因为它同时满足：离收入近、认知密度高、个体波动大，并且后续结果可以验证前端判断。
客户已经到店
渠道、投放、品牌、客服与时间成本已经发生。此时的流失比漏斗前端更昂贵。
信息不是单一变量
主诉、面部特征、审美目标、预算、接受程度、历史经历、项目能力需要同时被理解。
同一客户可能得到不同答案
机构真实水平经常取决于“今天刚好是谁接待她”。
后续行为可以验证判断
成交、项目选择、交付反馈与复购能够反向验证前端判断是否有效。
面诊是“高价值 × 高人员依赖 × 中高技术成熟度 × 可反馈”的典型节点。
因此更适合先做辅助判断与能力增强，而不是直接追求无人化替代。
从个人能力到机构能力：AI 化的真正终局
医美机构长期以来主要通过招聘、培训和师徒传递获得能力。AI 带来的真正变化，是让一部分原本只存在于优秀员工身上的经验，有机会被结构化、被调用、被复盘，并逐渐沉淀为机构资产。
标准答案
固定比例、模板脸、固定项目套餐、把不同客户导向同一个答案。
标准判断过程
先整体、再局部；先事实、再解释；区分结构、风格与主诉；最终形成有优先级、可复核的个体化判断。
人、AI 与专业责任的新分工
朱红列：专业责任边界
| 更适合 AI | 更适合人 | 必须保留专业责任 |
|---|---|---|
| 信息整理与结构化 | 关系与信任建立 | 诊断、治疗、用药、剂量、术式 |
| 历史记忆与跨记录检索 | 复杂情绪与非语言沟通 | 适应症、禁忌症、风险告知 |
| 重复分析与模式识别 | 价值权衡与个性化沟通 | 医疗质量与最终医疗决策 |
| 知识调用与材料生成 | 审美创造与临场判断 | 依法应由医务人员承担的行为 |
| 流程提醒与任务协同 | 责任承诺与长期关系 | 患者隐私和医疗数据合规 |
医美机构 AI 化四阶段路线图
不要一开始追求“AI 原生机构”。先让员工稳定使用，再让信息进入流程，之后才是高价值能力与组织方式的重构。
AI 工具化
让员工开始稳定使用，而不是零散尝鲜。
- 内容、会议、客服辅助、数据总结
- 建立允许使用 / 禁止使用的边界
- 定义基础数据安全规则
AI 流程化
让客户信息跨岗位流动，减少重复录入和上下文丢失。
- CRM / 私域 / 咨询记录结构化
- 触达与任务自动触发
- 建立统一字段与业务事件
AI 能力化
进入审美、面诊、方案、销售与客户经营等高价值认知节点。
- 知识库 + 多模态模型 + 业务规则
- 建立“AI建议—人工复核—结果反馈”闭环
- 通过案例持续校准机构判断标准
AI 组织化
AI 不再是一个软件，而成为岗位与经营方式的一部分。
- 机构知识资产与权限体系
- 多 Agent 跨岗位协作
- 管理层可以观察能力质量与关键漏损
从一个高价值节点开始：实践与行动路线
中小机构不需要复制头部机构的全栈建设。更合理的方式，是先找到一个真实损失高、人员依赖强、AI 能介入、结果能反馈的节点，做成一个小闭环。
标准化采集一个关键节点的数据 → 把机构方法写成知识 → 用 AI 辅助一个岗位 → 把业务结果回流。
先做成一个闭环，再扩展第二个。
医美机构 AI 改造诊断
勾选“经常发生”的情况。问题越多，不代表越需要买更多 AI，而是越需要先找到真正的信息、判断与知识断点。
0 / 10 项。
勾选后查看建议。
局部问题型
先解决具体流程问题，不需要追求大规模 AI 改造。
工具过渡型
已经有明显断点，适合建立数据规范并连接 1–2 个高价值流程。
能力重构型
组织对个人依赖明显，建议从关键认知岗位切入能力结构化。
系统重建型
先梳理业务与数据架构，再分阶段部署，不建议直接堆叠更多单点工具。
实践：能力智能化在面部美学设计里长什么样？
以下案例不是产品说明书，而是对前文“能力智能化”观点的一次真实产品化实践：把复杂审美判断拆成结构化输入、分层分析、优先级、人工复核与结果反馈。
影像采集
正面 / 45° / 侧面等标准化影像，为跨角度理解提供基础。
多模态分析
从比例布局、空间关系、轮廓形态、组织形态等维度形成可解释观察。
客户主诉
把“我想变好看”继续拆解为目标、偏好、顾虑与可接受变化。
问题优先级
不是罗列问题，而是判断哪些变化对整体和谐度与客户目标更重要。
分角色报告
消费者看到易理解解释；咨询师获得沟通材料；医生获得可复核信息，而非自动术式建议。
长期校准
未来可通过复诊对比、结果反馈与机构知识库，逐步形成更稳定的能力闭环。
如果你正在评估机构应该先改造哪一个 AI 节点，可以先代入 4 个数字：月有效咨询量、平均客单、面诊→成交率、复购率，再用“损失金额 × 发生频率 × AI 可介入度”找到第一优先级。
AI 可以增强流程，不能模糊医疗责任。
医疗美容本质上仍是医疗服务。智能化建设越深入，越需要把“经营辅助”和“医疗决策”分开，把数据安全、隐私与人工复核写进产品设计。
主诊医师负责
《医疗美容服务管理办法》明确医疗美容服务实行主诊医师负责制，治疗前应依法履行风险与注意事项告知。
客户资料不是训练素材
医疗美容从业人员应尊重就医者隐私。机构在调用第三方模型、上传图片或建立知识库时，需要明确权限、用途与数据边界。
发展与安全并重
面向公众提供生成式人工智能服务的主体，还需关注《生成式人工智能服务管理暂行办法》等现行规范。
参考来源
正文优先使用与核心判断直接相关的公开来源，并区分第三方研究、媒体采访、企业公开披露与厂商资料。市场口径因统计范围不同可能存在差异，读者在进行投资或经营测算时应回到原始报告核对定义。
- 德勤中国、艾尔建美学：《中国医美行业2026年度洞悉报告》，2026-08-15。报告基于 2,000 名求美者及 200 位经营者/医生调研，并提出行业增长逻辑从“流量竞争”转向“能力竞争”、2030 年中国医美消费市场规模有望突破 6,000 亿元。
deloitte.com → 2026 医美行业洞悉报告 - 国家卫生健康委员会：《医疗美容服务管理办法》。明确医疗美容的医疗属性、机构与人员要求、主诊医师负责、知情告知与隐私保护等制度。
nhc.gov.cn → 医疗美容服务管理办法 - 国家互联网信息办公室等：《生成式人工智能服务管理暂行办法》，自 2023-08-15 起施行。
cac.gov.cn → 生成式人工智能服务管理暂行办法 - 德勤中国、艾尔建美学、中国整形美容协会：《中国医美行业2025年度洞悉报告》，基于超过 2,000 位需求者、600 家机构与从业者调研，为本报告理解机构“精细化经营”背景提供对照。
deloitte.com → 2025 医美行业洞悉报告 - 艾媒咨询：《2025年中国医美行业发展状况与消费行为调查数据》。其统计口径下，2025 年中国医美服务行业市场规模为 3,701 亿元，轻医美用户规模为 3,105 万人；与其他机构口径存在差异，本文未将该数据作为核心推导基础。
iimedia.cn → 2025 医美行业调查 - 艾瑞咨询：《2026年中国医疗大模型行业研究报告》，2026-08-14。用于理解广义医疗 AI 从技术验证走向价值兑现、医疗机构 AI 使用与预算变化等外部环境；该报告不是医美行业专项渗透率调查。
iresearch.cn → 2026 中国医疗大模型行业研究报告 - 《每日经济新闻》：新氧创始人金星谈医美 AI 数字化基建与“辅助驾驶”路径，2026-07-27。涉及新氧全流程数字化、诊疗指南 AI 化、AI 面诊、智能分诊、质控与四季度推广计划。
nbd.com.cn → 新氧医美 AI 访谈 - 新华网客户端：新氧首次披露轻医美真实世界数据库与诊疗智能基础设施，2026-06-26。涉及面诊、影像、诊疗记录、产品设备参数、治疗过程与随访的多模态治理，以及真实世界数据向上游产品协同延伸。
xinhuanet.com → 新氧诊疗智能布局 - 新氧：算法备案公示说明。公开列出尺颜智能客服、魔镜助理、智能测肤等算法及应用场景，用于核验其消费者侧智能问答与面部 / 皮肤分析产品布局。
soyoung.com → 算法备案公示 - 新京报：媛颂医美马伟伟谈 AI 智能助手，2025-07-17。公开披露基于十年百万份案例研发设计师 AI 助手，并计划用于售前、服务、术后与客服全流程。
bjnews.com.cn → 媛颂 AI 智能助手 - 证券之星：媛颂 2026 “AI 技术赋能战略”公开报道，2026-03-14。报道其 AI 美学设计、AI 皮肤检测与数智化服务闭环、智能运营平台等三类方向。企业相关数据与技术效果主要来自公开披露，本文不将其视为独立第三方性能验证。
stockstar.com → 媛颂 2026 AI 战略 - EveLab Insight / 美图宜肤：SID 2026 皮肤影像与机器学习研究，2026-05-19；以及其 2026 皮肤智能趋势公开资料。用于观察 AI 测肤从静态检测向量化、连续与预测性理解演进。
eve.meitu.com → SID 2026 research - 玩美移动：《现代医美消费者》趋势报告，2026-06-30。用于观察 AI 可视化模拟工具在医美消费者决策与面诊沟通中的应用趋势。
perfectcorp.com → 2026 医美消费者趋势 - Frost & Sullivan：《2026年全球医美行业光电抗衰专题白皮书》，2026-09-04。指出光电抗衰技术向精准分层、多技术协同及智能化方向演进。
frostchina.com → 2026 光电抗衰白皮书 - 半岛医疗：2026 美沃斯大会公开产品资料。用于举例能量源设备融合智能超声影像与 AI 能控的产品方向；具体性能指标为厂商公开信息，本文不作独立验证。
peninsula-med.com → 2026 产品公开资料