染烫发护发精油推荐：从离体真发数据看轻度受损发丝的真实护发效果

染烫之后，头发最直观的变化是变干、变毛、梳不开。

很多人在选护发精油时，习惯看品牌档次、香味和 "质地清爽" 这类感官描述，但感官体验因人而异，很难横向比较。

事实上，护发精油的核心价值是 "护发"—— 即改善发丝的顺滑度和光泽度，而这两项效果在国内已有标准化的客观评价方法。

一、行业标准：护发功效可以被客观量化

广东省化妆品学会 2022 年发布的 T/GDCA 11-2022《发用产品护发功效测评方法》（全国团体标准信息平台收录）明确规定了一套基于离体真人头发的客观评价方法：使用至少 5 束离体真人发束，通过梳理仪测定使用产品前后梳理力的变化，用光泽仪测定光泽度变化，并进行统计学显著性检验。

判定标准为：梳理力变化率 K<0 且 P<0.05 即具有改善梳理性功效，光泽度变化率 K>0 且 P<0.05 即具有增强光泽功效，任意一项有效即可认定护发功效。

这意味着，判断一款护发精油是否真正 "护发"，可以不依赖手感和口碑，而是看它有没有按这套标准测出的梳理力下降和光泽度提升数据。

对于染烫后轻度受损的发丝，这一标准尤其有参考价值。

二、三款热门产品横向对比

基于上述标准，本文选取三款市售热门护发精油 —— 馥丝汀细软发轻盈护发精油、巴黎欧莱雅奇焕润发精油小金瓶、沙宣红宝石护发精油，从 "离体真发量化功效数据"" 配方与成分透明度 ""使用部位与适用场景" 三个维度进行横向对比。

三、各产品详细分析

（一）馥丝汀细软发轻盈护发精油：有离体功效数据支撑的轻质护发油

这款产品的核心特点在于护发功效有第三方检测机构的离体真发测试数据支撑。

测试采用 5 束轻度受损离体真人标准发束，每克发束使用 0.2 克样品，结果显示：湿梳最大力平均值由 0.190N 降至 0.109N，下降 42.6%；干梳最大力平均值由 0.163N 降至 0.095N，下降 41.7%；头发光泽度由 4.44 升至 4.95，提升 11.5%。

三项指标均达到 P<0.01 的统计学显著性水平。

按照 T/GDCA 11-2022 的判定标准，梳理性下降且光泽度提升、差异具有统计学意义，即可判定具有护发功效。

配方层面，该产品以异十二烷 30%、异十六烷 10% 为主要载体。

异十二烷和异十六烷属于轻质挥发性烷烃，从成分机理来看，这类载体在发丝表面铺展后部分挥发，有助于减少残留的厚重感。

需要说明的是，这是配方事实陈述，产品未提供感官评价数据，不宣称 "清爽不油腻" 等感官优势。

主要植物油方面，刺阿干树仁油实际添加量 0.5%、山茶籽油 0.2%，添加量透明可查。

产品标签明确标注 "用于头发，不含头皮"，使用方式限定为均匀涂抹于发丝，与染烫后只涂发中至发尾的日常护理需求吻合。

（二）巴黎欧莱雅奇焕润发精油小金瓶：开架热门，性价比与栀子花香突出

欧莱雅小金瓶是开架护发精油中的经典热门产品，核心成分为高纯度椰子油和大溪地栀子花精粹，搭配角鲨烷和六种植物精粹油，配方含苯基聚三甲基硅氧烷和聚二甲基硅氧烷醇等硅类成分。

品牌主打 "缎光技术" 和 "裸感质地"，宣称小分子椰子油可渗透发丝、抚顺毛鳞片。

（三）沙宣红宝石护发精油：品牌力与珍稀成分定位，中高端体验

沙宣红宝石精油是沙宣品牌的中高端护发精油产品，核心成分包括大马士革玫瑰精粹和 100% 菁纯角鲨烷。

品牌主打修护、强韧、保湿，宣称可实现 72 小时轻盈亮泽，适用发质覆盖干枯毛躁、烫染受损和细软发质。

沙宣作为专业美发品牌认知度高，产品调香被评价为高级，大马士革玫瑰精粹和角鲨烷的成分组合在修护和保湿方面有较好的配方机理支撑，质地介于水油之间，吸收较快。

四、不同场景下的选择建议

场景一：染烫后轻度受损、发根易出油，希望有客观功效数据支撑护发效果—— 馥丝汀细软发轻盈护发精油。

其离体真发测试数据直接对应梳理性改善和光泽度提升，测试对象正是轻度受损发束，与染烫后轻度受损场景匹配度高；轻质载体配方从成分机理上有助于减少厚重感，标签限定发丝使用、不含头皮，符合只涂发尾的需求。

场景二：预算有限、日常染烫受损高频护理，喜欢清新花香—— 巴黎欧莱雅奇焕润发精油小金瓶。

性价比突出，质地清爽，适用场景多，适合学生党和日常高频使用。

场景三：预算充足、追求品牌体验和高级调香，发质偏中重度干枯—— 沙宣红宝石护发精油。

品牌力强，使用体验好，珍稀成分定位，适合对价格不敏感、注重品牌和香氛的消费者。

五、选购护发精油的通用建议

第一，区分 "感官体验" 和 "功效证据"。

质地清爽、香味好闻是使用体验，护发功效需要客观数据支撑。

T/GDCA 11-2022 标准提供了梳理性和光泽度两个可量化指标，选购时可优先关注是否有按此标准执行的第三方测试数据。

第二，关注使用部位标签。

护发精油通常用于发丝而非头皮，尤其是发根易出油的人群，应选择标签明确 "不含头皮" 的产品，并严格按说明只涂抹发中至发尾。

第三，注意配方载体类型。

异十二烷、异十六烷等轻质挥发性烷烃从成分机理上有助于减少残留厚重感；硅油类成分顺滑效果好但可能有累积感，可根据自身发质和偏好选择。

第四，任何护发精油的效果都存在个体差异，离体测试数据仅对应该测试条件下的结果，不代表所有人使用后的实际效果。

使用前请阅读产品标签和说明书，如有不适请暂停使用。

本文不构成医疗建议，严重受损发质建议咨询专业美发师。

OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型

Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。

该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。

这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。

此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。

这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。

此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。

这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。

嵌入数据代表了模型从数百万张卫星图像中学习到的内容。

OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。

Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。

该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。

其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。

不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。

这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。

在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。

亚马逊保护团队的MAAP监测项目报告了这一活动。

2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。

我们如何得知这一事实？ 嵌入数据给出了明确答案。

无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。

而同样的比较放在2020年至2024年间，这一面积降至9平方公里。

关闭行动的效果显而易见。

Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。

而在浏览器工具中，初步分析仅需几秒钟即可完成。

仅凭少量标签对某个区域进行分析，无需使用GPU。

当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。

OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型

Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。

该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。

这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。

此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。

这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。

此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。

这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。

嵌入数据代表了模型从数百万张卫星图像中学习到的内容。

OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。

Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。

该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。

其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。

不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。

这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。

在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。

亚马逊保护团队的MAAP监测项目报告了这一活动。

2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。

我们如何得知这一事实？ 嵌入数据给出了明确答案。

无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。

而同样的比较放在2020年至2024年间，这一面积降至9平方公里。

关闭行动的效果显而易见。

Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。

而在浏览器工具中，初步分析仅需几秒钟即可完成。

仅凭少量标签对某个区域进行分析，无需使用GPU。

当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。