金砖五国
书名:哔哩哔哩|作者:笑无语|本书类别:古言|更新时间:21:48:43|字数:3896字
A | 出品 | 妙投APP 作者 | 张贝贝 编辑 | 丁萍 头图 | 视觉中国 1月30日晚间,爱美客发布公告,旗下子公司REGEN于1月29日收到深圳国际仲裁院下发的《仲裁庭关于〈撤销临时措施决定申请〉的决定》。 这一决定撤销了2025年9月实施的临时措施,该措施此前禁止REGEN自行在中国大陆地区销售AestheFill产品,并需继续向原代理商江苏吴中控股孙公司达透医疗供货。

B | (来源:麻省理工科技评论) 以后找工作时,你的简历很可能还没到招聘经理手里,就已经先被 AI 看过一遍了。

C | 问题是,它真的会公平吗? 研究人员早就发现,大语言模型会从训练数据里继承人类社会已有的偏见。但一项最新研究发现,事情可能比这更复杂:AI 不仅会学习偏见,还会在不断做决策的过程中,自己形成新的刻板印象,而且这种倾向甚至比人类更强。

D | 更值得警惕的是,AI 公司如今都在努力打造拥有长期记忆的智能体,希望模型能够记住用户越来越多的细节。而这些记忆,也可能成为模型滋生偏见的土壤。 为了研究这一问题,普林斯顿大学和芝加哥大学的研究人员设计了一场模拟招聘实验,参与者包括 ChatGPT、Claude、Gemini 等多个主流大语言模型。 实验改编自一项经典心理学研究。 自2025年9月10日爱美客公告上述临时措施以来,股价累计跌幅已近30%。 那么,此次仲裁限制解除,爱美客会出现上涨行情吗? 在回答这个问题之前,我们先来了解下此次爱美客的“童颜针AestheFill产品”的商业争夺战,是否结束?这决定了上述利好是短期还是长期驱动。研究人员告诉模型,它们受雇于一位虚构城市的市长,担任招聘顾问,需要帮助政府为医生、律师、托育员、保洁员等 20 种职业招聘员工。 并非最终裁决 这场仲裁纠纷源于爱美客2025年3月以1.9亿美元收购韩国REGEN公司85%股权后,REGEN于同年7月单方面解除与达透医疗关于童颜针AestheFill产品的独家经销协议,并不再接收达透医疗发送的任何订单。所有候选人都来自四个虚构族群:Tufa、Aima、Reku 和 Weki。 Regen给出的解约理由是:(1)达透医疗将独家经销业务,实际转让给其控股股东江苏吴中旗下的吴中美学,违反协议约定;(2)吴中美学唯一股东(即江苏吴中)及其高管,遭行政处罚,多项违规、调查及处罚事项已披露,严重影响AestheFill产品声誉。

E | 面对突如其来的解约,达透医疗随即提起仲裁,要求经销协议继续履行,并成功获得上述提到的临时措施保护。据协议约定,达透公司对“AestheFill”在中国大陆的独家经销权,应延续至2032年8月28日。

F | 每一轮,模型都会面对一个新的岗位,以及四位分别来自不同族群的候选人。完成招聘后,它会立刻得到反馈:这个人是否胜任工作。 期间,双方一直未能和解。随后进入下一轮。整个实验一共持续 40 轮,模型的目标只有一个:尽可能招到更多合适的人。 而此次仲裁限制解除,意味着REGEN在中国大陆地区对于AestheFill产品的销售权不受影响。

G | 但要注意的是,爱美客子公司REGEN收到的这份《决定》只是仲裁庭组庭前的一项程序性事项,不是最终裁决结果。所以,REGEN单方面解除江苏吴中控股孙公司达透医疗的独家代理权是否合法终止,仍需等待仲裁庭的最终裁决。模型不知道的是,研究人员其实做了一个手脚:无论来自哪个族群,每位候选人在任何岗位上的成功概率都完全一样。

H | 按理说,模型不应该偏向任何一个群体。 也就是说,代理权之争并未结束,只是短期出现了对爱美客有利的转折。 所以,仅凭此利好,爱美客即使在资本市场上出现上涨行情,也难持续。但结果恰恰相反。仅仅经过几轮招聘,模型就开始根据有限的经验,把不同族群和不同职业绑定在一起。更关键的,还是要依赖于基本面支撑。

I | 接下来我们看下爱美客的业务情况。 处于业绩“阵痛期” 曾经被誉为“医美茅”的爱美客,已连续四个季度出现营收、利润双下滑的情况。例如,如果模型早期碰巧遇到一位 Aima 族候选人担任医生失败,它之后便会越来越少招聘 Aima 人做医生,而是更倾向于把他们安排到保洁岗位。因为在模型看来,医生代表着更高的能力和亲和力,而保洁员对应的要求则更低。 换句话说,它开始把一次偶然的经历,当成了整个群体的特征。更令人意外的是,这种倾向甚至比真人严重。

J | 财报显示,在2024年第4季度出现单季度营收、利润下滑后,2025年前三个季度爱美客也没能改变业绩下降趋势,季度业绩双降持续。研究人员使用了一项“职业隔离指数”来衡量刻板印象的程度。具体为: 2025年一、二、三季度,公司营收分别为6.63亿元、6.36亿元、5.66亿元,同比下降17.90%、25.11%、21.27%;扣非净利润分别为4.02亿元、3.2亿元、2.55亿元,同比下降24.02%、42.83%、42.37%。

K | 指数越高,说明不同族群越容易被固定到特定职业中;2 分代表完全隔离。 可看到,爱美客正面临较大的增长压力。 分析原因,有两点:一是宏观经济环境影响居民消费信心,部分求美者可能因此削减或推迟支出;二是,近年来医美厂商大量涌入,行业竞争加剧,利润空间受到挤压。此前心理学实验中的真人平均得分为 0.84,而大语言模型整体高出了约 65%。其中,OpenAI 的推理模型 o3 得到了 1.83,非常接近理论最高值。 上述背景下,即使爱美客是医美龙头,也未能独善其身。 2025年上半年,爱美客旗下主要业绩来源溶液类注射产品、凝胶类注射产品收入分别为7.44亿元、4.93亿,较2024年同期的9.76亿元、6.49亿元,下降明显。且上述两款产品的收入贡献已经从2024年上半年、2024全年的98.07%、97.82%下滑至2025年上半年的95.22%。 论文共同作者、普林斯顿大学博士生 Ryan Liu 认为,这其实并不奇怪。

L | 再考虑到,其溶液类核心产品用于颈纹修复的嗨体,随着2024年7月华熙生物用于颈部修复的“润致·格格”针上市,不再独占市场;以及其凝胶类核心产品“濡白天使”的竞品较多,与该产品定位相同可刺激自身胶原的”再生类“产品,包括圣博玛的艾维岚、华东医药的少女针等国内已获批多款,深陷竞争压力。“大语言模型本来就特别擅长根据有限的信息快速总结规律。

M | ”他说,“这几乎就是它们被训练出来要做的事情。

N | ” 在人类心理学中,这种现象对应着经典的“探索—利用困境”(exploration-exploitaion dilemma):是继续选择过去证明有效的方法,还是尝试新的可能?就像出去吃饭时,你会纠结是去一家没吃过的新店,还是继续光顾那家不会踩雷的老餐馆。 对于大语言模型来说,这种取舍往往更加偏向后者。

o | 由上可看到,爱美客急需新引擎提振业绩。 这也是2025年3月,爱美客宣布1.9亿美元(约合人民币13.86亿元)收购韩国REGEN Biotech, Inc.85%股权受到市场关注较多的重要原因。 因为REGEN旗下的童颜针AestheFill产品有望与濡白天使形成协同,补充再生品类产品矩阵,并为公司带来业绩增量;且AestheFill产品已经在韩国、中国台湾等多个国家进行销售,且据头豹研究院发布的《2023年中国医美再生注射剂行业概览》,AestheFill在中国台湾地区“医美再生注射剂”市场以接近30%的份额排名第一看,竞争实力还是可以的。因为它们长期接受数学、编程和科学任务训练,而这些任务通常鼓励模型从少量例子中快速归纳规律,所以它们很容易过早下结论。

p | 也正因为如此,那些推理能力更强的新模型——例如 OpenAI 的 o3 和 DeepSeek 的 R1——在实验中反而表现出了更明显的偏见。 但要注意的是,即使童颜针AestheFill产品没有涉及代理权之争,其3亿元左右的年销售额对于爱美客的业绩提振或也有限。(2024年江苏吴中的医美生科收入3.29亿,2023年仅有762万,侧面推出2024年新增代理的REGEN旗下童颜针AestheFill销售收入约3亿元) 为何这样说? 由上述,2025年上半年,爱美客核心产品溶液类注射产品、凝胶类注射产品合计收入12.37亿元,较2024年同期下降3.88亿元;以此为基础,预计2025全年上述产品收入下降金额预计6亿元左右。所以,童颜针AestheFill产品的年销售额可能难补足缺口。Liu 说,“当这种快速归纳的能力被带入社会场景时,问题就开始出现了。 即使再加上1月份公司经销的肉毒素获批,爱美客短期或也难以扭转业绩双降压力。” 康奈尔大学计算机科学家 Angelina Wang 没有直接参与这项研究,但她认为,这项工作来得正是时候。 因为除了爱美客新获批的引进产品,国内已获批的肉毒素还有兰州生物的衡力(1993年获批)、艾尔建的保妥适(2009年获批)、益普生的吉适(2020年获批)、秀杰的乐提葆(2020/2021获批,两种不同规格)、麦施美学的思奥美(2024年获批)、复星医药的达希斐(2024年获批)6款。 且国内肉毒素市场已形成兰州生物的“衡力”和艾尔建的“保妥适”占据主导,其他品牌争夺剩余份额的局面。所以,爱美客的产品上市后,抢夺市场份额的难度较大。 从上述维度看,2026年爱美客的业绩压力,大概率仍比较大。

q | 小结 综上,爱美客旗下子公司REGEN自行在中国大陆地区销售AestheFill产品的限制解除,确实是短期利好,但因为不是最终裁决,未来还是具有不确定性;再加上,公司目前仍处于业绩“阵痛”期,短期内或难以扭转,所以资本市场即使有上涨行情,或也难持续,投资还需谨慎。如今,各家公司都在为聊天机器人加入长期记忆和个性化能力。 免责声明:本文内容仅供参照,文内信息或所表达的意见不构成任何投资建议,请读者谨慎作出投资决策。

r | 当模型越来越依赖于用户过去的互动记录时,它也可能越来越容易根据这些有限经验形成判断。她说,“它可能会过度依赖自己过去遇到过的行为模式。” 当然,解决办法并不是让 AI 什么都记不住。毕竟,大多数用户都希望聊天机器人能够记住自己说过的话。真正困难的是找到那个平衡点:既保留足够的记忆提供个性化体验,又不至于让模型因为这些经验形成新的偏见。 研究人员还尝试了另一种办法,直接告诉模型:请公平一点。但并不奏效。Liu 认为,这说明模型未必真的能够把“公平”这样的价值观落实到具体决策中;又或者,这种要求会被另一个更强的目标覆盖——尽可能提高招聘成功率。 但如果换一种方式,情况就不同了。研究人员告诉模型,如果能够实现更加多元化的招聘,它们还能获得额外奖励。模型的偏见随即大幅下降。这说明,与其不断强调公平,不如直接把公平写进模型的目标函数里,让社会价值真正成为模型优化的一部分。 研究人员还发现,当模型掌握更多真正与任务相关的个人信息时,偏见也会减轻。另一组实验中,模型需要帮助来自不同族群的人搬迁到加拿大不同城市。如果提供的是年龄、教育背景等与适应新城市能力相关的信息,模型就更倾向于依据这些个人特征做判断,而不是简单按照族群分类。但如果提供的是发色、纹身图案这类无关信息,模型很快又会重新回到按族群做决定的老路上。 至于现实中的 AI 招聘系统会不会出现同样的问题,目前还没有明确结论。实验中的模型每做完一次招聘,都能立刻知道结果;现实世界却不是这样。一家公司往往需要几个月甚至更长时间,才能判断一位员工是否真正适合岗位。不过,只要这些反馈持续积累,模型依然可能从有限的数据中过度总结经验,并把这些经验带到下一次招聘中。 随着越来越多企业开始使用大语言模型筛选简历、甚至参与面试,这项研究释放出的信号不容忽视。

s | 未来,AI 不只是可能复制人类已有的偏见。它还可能在不断学习和决策的过程中,创造出一种从未有人教过它的新偏见。正如 Liu 所说:“这种新的偏见,可能会一直存在。” 原文链接: https://www.technologyreview.com/2026/07/20/1140655/ai-biases-hiring-humans/。

t |



