在创业的世界里，有句老话：新创企业只关心两件事——打造“产品”和销售“产品”。
当谈及销售环节，AI与销售的结合、AI与SDR的融合已经成为炙手可热的领域。以11x为例，该公司的“数字员工”Alice能够自动搜集潜在客户信息，并通过电子邮件、LinkedIn等渠道进行接触。11x的年度经常性收入（ARR）已突破1000万美元大关，并在a16z领投的B轮融资中筹集了5000万美元。而另一家销售线索挖掘工具Clay，整合了超过75家数据提供商，并利用Agent技术对网页信息进行爬取、比对和总结，目前估值已高达5亿美元，连续两轮获得红杉资本的投资。
在产品制造阶段，AI被赋予了降低成本和提高效率的重任。
一方面，研发投入的规模巨大。英国的最新统计显示，2022年的研发支出高达710亿英镑，其中商业领域贡献了500亿英镑；而在美国，这一数字更是达到了8860亿美元，企业投资占据了6900亿美元。
另一方面，巨额的研发支出是不可或缺的。麦肯锡在2023年的报告中预测，未来五年内，汽车、电信、消费品等大型行业的销售额中将有三分之一（约30万亿美元）来自新产品。
创新是什么？AI如何在创新中发挥作用？
所有企业本质上都是科技公司。
创新的关键在于思维模式。卡内基梅隆大学的创业学教授Sean Ammirati认为，在研发部门培养创业文化对于推动创新至关重要，这一点对大企业同样适用。拥有这种思维模式的团队更可能提出颠覆性的而非仅仅是渐进式的创新方案。
他本人曾创立多家机器学习初创公司，并指出许多企业在“邻近创新”和“颠覆性创新”上的投入不足。在技术普及的今天，每一家企业在规划研发预算时都应该将自己视为一家科技公司。
明确你的目标和目标客户。
如果你是一家门窗制造商，你的目标客户是谁？
在爱荷华州，Pella这家门窗制造商并没有将房屋业主作为主要客户，而是将目光投向了安装人员。他们开发了一种可以在室内安装的窗户产品，减少了施工人员在高层建筑作业的风险。
目标对于研发流程同样至关重要，包括明确你的目标是降低材料成本、工程成本，还是加快上市时间，或是三者兼顾。记住这些目标有助于设定KPI来评估研发流程。
从概念到现实，AI如何推动产品研发？
即使没有数据，你也可以独立构思产品创意。
但是，借助AI，你可以从一个创意甚至一个模糊的概念出发，进行头脑风暴，完善产品构思；进行市场调研，查看市场上是否已有类似产品；分析竞争对手，获得差异化的建议。
AI还能为产品提供多种版本和改进方案，以满足特定市场需求——有些可能是人类设计师未曾考虑过的细分市场。
当产品概念逐步完善后，AI能够帮助制定市场测试策略，加速产品设计与测试流程，提供材料和采购、制造工艺方面的建议。这对于初创企业和小型企业尤其有益。例如，滑雪手套装饰套制造商Skittenz的创始人就通过AI探索合适的材料和制造工艺，将其创意产品推向市场。
以下是研发中常用的工具：
1、市场调研：数字化分发的市场调查工具（如SurveyMonkey、Google Forms和Typeform）具有广泛的覆盖范围和增强的分析功能。
2、产品设计：用于工程、建筑和制造领域的CAD-CAM软件（如Autodesk、Siemens和Trimble）正在引入AI功能。生成式设计技术利用机器学习算法，根据不同参数（如材料经济性或结构强度）提出优化设计方案。只需工程师设定基本要求和约束条件（如制造工艺、承载能力和灵活性），系统就能提供多种设计变体，其中一些可能具有独创性。通过AI与这些工具的结合，研发团队能够以前所未有的速度和效率推动创新发展。
3、数字化原型：纯数字原型设计大幅降低了研发成本。企业可以借助云计算支持的机器学习模型，进行更多的数字化实验。同时，云计算意味着企业不再需要花费巨资购买内部服务器。这项技术带来了真正的重大创新——提供了民主化的技术，小创业团队也能使用。
4、模拟测试：从市场策略到产品性能
模拟技术广泛用于测试营销策略（如A/B测试），帮助企业确定最佳的客户沟通方式。同时，它还可用于产品开发，测试材料与设计的不同变体。例如，Ansys、Matlab等工程软件可以帮助设计师创建虚拟对象，并在各种环境中测试其性能，包括流体和热动力学表现。这类软件的价值在于，即使没有物理原型也能进行测试。
市场接受度分析也是模拟测试的一个重要用途。与市场营销策略测试不同，它关注产品的可行性。例如，对比产品定价和性能，评估不同经济环境、竞争对手的影响。虽然模拟对处理能力要求较高，但云计算可提供支持。
5、3D打印：降低生产门槛
当模拟和测试成功后，企业可以利用3D打印推进产品开发，无需立即投资生产实际产品。过去，原型设计需要从图纸到粘土建模，进行多个步骤；如今，数字化大大降低了生产门槛。
生成式AI与3D打印的结合将进一步提升设计的灵活性。例如，设计者可以要求AI生成多种改进版本。博世开发的AI支持3D打印技术甚至可以实时调整材料输入、温度和压力，使原型质量与最终产品相媲美。该技术支持小批量生产，降低了大规模设施投资的风险。此外，博世的陶瓷3D打印技术还能准确模拟陶瓷在烧制过程中发生的不同收缩现象，确保高精度制造。
6、数字孪生：从理论到全生命周期管理
数字孪生能够在产品全生命周期中动态更新，提出改进建议。这一技术广泛应用于供应链、发电厂等设施的管理，有助于预测产品在长期使用中的表现。
根据Fortune Business Insights的预测，2030年，数字孪生将推动计算机辅助设计和产品生命周期管理市场规模达到264亿美元，其中北美市场将占约三分之一。尽管仍处于早期阶段，但安永（EY）强调“工业元宇宙”是数字孪生技术的下一个阶段。“工业元宇宙”包含对机器、工厂、城市等高度复杂系统的映射和模拟，为现实世界中的难题提供最优解，推动产业的数字化、智能化发展进入全新阶段。
7、协作软件：推动团队创新
基础工具如Slack可以支持团队讨论；更专业的创新管理软件（如Miro、Braineet和Ideanote）则能帮助企业记录想法与数据。这些工具虽然不能直接生成概念，但可以通过知识记录和分享，帮助团队更快地汲取失败经验并改进产品。
创新的关键不在于成功，而是能够快速失败，在实验中学习。企业保留失败实验的记录，同样能避免不必要的逆转决策，并确保数据准确性。此外，AI还可以帮助企业排查自身是否涉及侵权、违规。
8、未来展望：AI+量子计算
未来，量子计算有望在材料和药物研发中大显身手，模拟化学反应过程、优化现有材料。量子传感器也开始落地商业化应用，比如跟踪脑电波，或通过重力传感器分析地层结构。电池研究人员也已使用量子传感器分析微电流，提升生产效率。
尽管量子技术的广泛应用还面临诸多挑战，如环境敏感性高、能耗大和技术复杂性，但在未来2—5年内，随着相关技术的进步，其商业潜力将被逐步释放。通过AI和量子技术的融合，研发将迎来全新突破，推动创新的速度、深度达到新境界。
结语
今年7月，麦肯锡指出，分析式AI和生成式AI有望显著提升创新成果。其中包括：市场契合度提高至多50%，产品性能将改善15%—60%，工作效率提高至多50%，产品上市时间则缩短至多40%。
不难看出，产品研发的未来将是“人类与AI协作”。为避免AI的“幻觉”干扰，一条正确的思路是：将AI视为联合创始人，或是Human plus AI。AI更像是你的头脑风暴伙伴，而非帮助你完成所有工作的“克隆人”。
想要赢得未来，企业必须迎接AI革命。毕竟，我们已经处于“技术拐点”，而当年拒绝互联网的企业，如今大多已经烟消云散了。
