首頁資訊麥肯錫：《人工智能驅(qū)動的下一次創(chuàng)新革命》研究報告

麥肯錫：《人工智能驅(qū)動的下一次創(chuàng)新革命》研究報告

來源：泰然健康網(wǎng) 時間：2025年07月28日 21:19

?自工業(yè)革命以來，創(chuàng)新一直是推動人類社會進(jìn)步、改善生活福祉的最核心動力 ?。從蒸汽機(jī)到疫苗，再到催生了全球互聯(lián)網(wǎng)的集成電路，一系列科學(xué)突破及其催生的工程奇跡，共同譜寫了人類近兩個世紀(jì)的輝煌篇章 ?。然而，在這繁榮的表象之下，一個隱秘的危機(jī)正悄然蔓延：創(chuàng)新的成本正變得越來越高，難度也越來越大 ?。簡而言之，我們賴以增長的創(chuàng)新引擎，其生產(chǎn)力正在衰退。

麥肯錫麥肯錫公司旗下的人工智能咨詢機(jī)構(gòu)QuantumBlack在2025年6月發(fā)布的重磅報告《人工智能驅(qū)動的下一次創(chuàng)新革命》中，系統(tǒng)性地揭示了這一挑戰(zhàn)，并提出了一個強(qiáng)有力的解決方案 ?。報告指出，人工智能，尤其是生成式AI，已不再僅僅是提升效率的工具 ?。它正以前所未有的方式滲透到研發(fā)（R&D）的核心環(huán)節(jié)，有望將創(chuàng)新速度提升一倍，每年在全球范圍內(nèi)釋放高達(dá)數(shù)千億美元的經(jīng)濟(jì)價值 ?。這篇文章將深入解讀這份報告，探討創(chuàng)新為何變得步履維艱，并詳細(xì)闡述人工智能將如何通過三大核心渠道，重燃創(chuàng)新的火焰，開啟一個充滿想象力的新時代 ?。

創(chuàng)新的黃昏？研發(fā)生產(chǎn)力的衰減之謎

要理解當(dāng)前創(chuàng)新面臨的挑戰(zhàn)，我們需要將視線拉長到歷史的維度。在人類數(shù)千年的文明史中，大部分時間的經(jīng)濟(jì)增長都極為緩慢 ?。以人均GDP為例，直到19世紀(jì)初，這個數(shù)字才勉強(qiáng)達(dá)到1200美元 ?。但自那以后，得益于工業(yè)革命帶來的技術(shù)飛躍，人均GDP在短短兩百年間增長了超過14倍 ?。人類的健康狀況也遵循了相似的軌跡，平均預(yù)期壽命從1900年的32歲躍升至2021年的71歲，翻了一倍多 ?。這一切的背后，都是科學(xué)發(fā)現(xiàn)和技術(shù)創(chuàng)新在驅(qū)動 ?。

然而，報告引用多項(xiàng)研究明確指出，維持這種創(chuàng)新步伐的成本正在急劇攀升，即研發(fā)生產(chǎn)力正在下降 ?。一個典型的例子是半導(dǎo)體行業(yè)。該行業(yè)長期遵循著英特爾聯(lián)合創(chuàng)始人戈登·摩爾提出的“摩爾定律”，即集成電路上的晶體管數(shù)量大約每兩年翻一番 ?。這一定律的背后，是研發(fā)投入的爆炸式增長。研究顯示，為了維持摩爾定律的指數(shù)級增長，從1971年到2014年，半導(dǎo)體行業(yè)的真實(shí)研發(fā)投入增長了18倍之多 ?。這意味著，如今要實(shí)現(xiàn)同樣的技術(shù)進(jìn)步，需要付出的研發(fā)努力遠(yuǎn)超以往 ?。

同樣的趨勢也出現(xiàn)在生物制藥領(lǐng)域。研究人員創(chuàng)造了“反摩爾定律”（Eroom's Law）一詞，來形容新藥研發(fā)變得越來越慢、越來越貴的現(xiàn)象 ?。數(shù)據(jù)顯示，從1950年到2011年，每投入十億美元研發(fā)經(jīng)費(fèi)所能批準(zhǔn)的新藥數(shù)量大約每九年減半，經(jīng)通脹調(diào)整后，研發(fā)效率下降了約80倍 ?。盡管近十年情況有所穩(wěn)定，但總體趨勢依然嚴(yán)峻 ?。這種研發(fā)生產(chǎn)力下降的現(xiàn)象并非個例，在農(nóng)業(yè)等多個領(lǐng)域都有體現(xiàn) ?。宏觀經(jīng)濟(jì)數(shù)據(jù)顯示，為了維持生產(chǎn)率的穩(wěn)定增長，需要投入越來越多的研發(fā)資金 ?。這一系列證據(jù)共同指向一個令人不安的現(xiàn)實(shí)：我們正處在一個“好點(diǎn)子越來越難找”的時代 ?。

人工智能如何重燃創(chuàng)新：三大核心驅(qū)動力

面對研發(fā)生產(chǎn)力下降的嚴(yán)峻挑戰(zhàn)，人工智能提供了破局的希望 ?。報告指出，AI不再局限于優(yōu)化現(xiàn)有工作流程以提高效率，而是能夠直接賦能創(chuàng)新過程本身，創(chuàng)造全新的產(chǎn)品與服務(wù) ?。它通過三個核心渠道，系統(tǒng)性地加速研發(fā)過程：加速設(shè)計候選方案的生成，加速候選方案的評估，以及加速研究運(yùn)營 ?。

一、加速設(shè)計生成：拓展創(chuàng)意的廣度與深度

傳統(tǒng)的研發(fā)流程通常始于識別用戶需求，然后生成一系列候選設(shè)計，最后進(jìn)行評估篩選 ?。人工智能，特別是生成式AI，極大地增強(qiáng)了“生成候選設(shè)計”這一環(huán)節(jié) ??；诤Ａ繑?shù)據(jù)訓(xùn)練的AI大模型，不僅能處理和生成文本，還能創(chuàng)造出化學(xué)分子、藥物候選物、計算機(jī)代碼、電路設(shè)計乃至物理產(chǎn)品的三維模型等多種形式的解決方案 ?。

AI的應(yīng)用帶來了三大優(yōu)勢：

首先是速度與數(shù)量。借助強(qiáng)大的計算能力，AI可以在短時間內(nèi)生成遠(yuǎn)超人類設(shè)計師或工程師數(shù)量的設(shè)計方案，極大地增加了找到成功設(shè)計的“命中率” ?。例如，一家零售商利用生成式AI工具，快速創(chuàng)建了數(shù)十種具有照片級真實(shí)感的3D門店布局方案，而傳統(tǒng)的設(shè)計流程可能只能產(chǎn)出少數(shù)幾個，且細(xì)節(jié)遠(yuǎn)沒有這么豐富 ?。

其次是多樣性與新穎性。AI能夠擺脫人類因自身經(jīng)驗(yàn)和思維定式所產(chǎn)生的偏見，生成一些人類研究員“不太可能想到的”設(shè)計 ?。這賦予了AI一種超越常規(guī)的“創(chuàng)造力” ?。一個著名的例子是2016年AlphaGo與世界頂尖圍棋手李世石的對弈 ?。比賽中，AlphaGo下出的“第37手”完全出乎意料，違背了數(shù)百年的圍棋傳統(tǒng)策略，甚至被解說員一度認(rèn)為是失誤 ?。然而，正是這“非人類”的一手，奠定了AlphaGo的勝局 ?。在研發(fā)領(lǐng)域，AI同樣能產(chǎn)生這種“神來之筆”。例如，在物理工程領(lǐng)域，生成式模型正被用于設(shè)計具有新穎幾何結(jié)構(gòu)的火箭發(fā)動機(jī)冷卻通道，這些復(fù)雜結(jié)構(gòu)通過3D打印技術(shù)得以實(shí)現(xiàn) ?。

最后是意想不到的發(fā)現(xiàn)。在使用AI生成零售店渲染圖的過程中，設(shè)計團(tuán)隊(duì)發(fā)現(xiàn)模型為了填充畫面而自行添加了一些裝飾性元素，這些元素并未包含在初始設(shè)計參數(shù)中，卻意外地受到了消費(fèi)者的青睞 ?。這表明，AI在生成過程中可能帶來意料之外的驚喜，為創(chuàng)新注入新的靈感 ?。

二、加速設(shè)計評估：AI代理模型與數(shù)字孿生

生成大量候選方案后，下一步是高效評估。傳統(tǒng)的物理測試，如汽車碰撞測試，不僅成本高昂，而且耗時漫長 ?。為此，科學(xué)家和工程師開發(fā)了各種計算仿真模型，如計算流體動力學(xué)（CFD）和有限元分析（FEA），以進(jìn)行“在計算機(jī)中”（in silico）的測試 ?。然而，這些基于物理學(xué)的模型通常計算量極大，運(yùn)行一次可能需要數(shù)小時甚至數(shù)天 ?。

AI為此提供了全新的解決方案——

代理模型（Surrogate Models）?。研究人員發(fā)現(xiàn)，可以利用神經(jīng)網(wǎng)絡(luò)技術(shù)，訓(xùn)練出能夠模擬復(fù)雜物理現(xiàn)象結(jié)果的AI模型 ?。這些AI代理模型并非模仿人類思考，而是直接預(yù)測物理系統(tǒng)的行為結(jié)果，其運(yùn)行速度遠(yuǎn)超傳統(tǒng)仿真模型 ?。天氣預(yù)報是一個絕佳的例子。傳統(tǒng)的氣象模型需要在擁有數(shù)萬個處理器的超級計算機(jī)上運(yùn)行數(shù)小時，而DeepMind訓(xùn)練的AI模型，僅在一臺AI優(yōu)化的處理器上運(yùn)行8分鐘，就能得出比前者更準(zhǔn)確的預(yù)測結(jié)果 ?。

這種技術(shù)正被廣泛應(yīng)用于產(chǎn)品設(shè)計評估 ?。工程師現(xiàn)在可以使用在風(fēng)洞和CFD數(shù)據(jù)上訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，在幾秒鐘內(nèi)預(yù)測出數(shù)百種不同流動速度和角度下的空氣動力學(xué)性能，而這些工況在傳統(tǒng)的測試或仿真中可能需要數(shù)天才能完成 ?。這種速度的飛躍，使得對設(shè)計進(jìn)行大規(guī)模、多維度的優(yōu)化迭代成為可能 ?。在生命科學(xué)領(lǐng)域，AlphaFold模型通過預(yù)測蛋白質(zhì)的三維結(jié)構(gòu)，已經(jīng)幫助科學(xué)家預(yù)測了超過2億種蛋白質(zhì)的結(jié)構(gòu)，極大地加速了藥物和生物材料的研發(fā) ?。

更進(jìn)一步，AI還能解決復(fù)雜的多物理場（multiphysics）問題 ?。例如，設(shè)計一個飛機(jī)天線，需要同時考慮其射頻特性、空氣動力學(xué)和熱性能，這些因素會相互影響，建模極其復(fù)雜 ??；谏窠?jīng)網(wǎng)絡(luò)的集成模型，只要有足夠的訓(xùn)練數(shù)據(jù)，就能整合多種物理模態(tài)的分析，極大地加速了這類復(fù)雜設(shè)計的評估過程 ?。

三、加速研究運(yùn)營：從知識管理到自動化實(shí)驗(yàn)

除了直接參與設(shè)計與評估，AI還在研發(fā)的周邊運(yùn)營環(huán)節(jié)扮演著越來越重要的角色 ?。

首先是前端的需求分析與知識合成。大型語言模型（LLM）可以快速分析海量的產(chǎn)品評論、社交媒體帖子和客戶服務(wù)記錄，從中提煉出尚未被滿足的市場需求和潛在的產(chǎn)品功能 ?。在科研密集的行業(yè)，如生命科學(xué)，LLM可以幫助科學(xué)家在浩如煙海的文獻(xiàn)和數(shù)據(jù)庫中快速檢索、整合信息，甚至發(fā)現(xiàn)跨學(xué)科的潛在突破口 ?。谷歌、OpenAI等公司推出的知識代理產(chǎn)品，已經(jīng)能夠執(zhí)行多步驟的研究任務(wù)，如同一個虛擬的研究助理 ?。

其次是內(nèi)部知識管理與協(xié)同。大型企業(yè)內(nèi)部積累了海量的顯性知識（數(shù)據(jù)庫）和隱性知識（員工經(jīng)驗(yàn)） ?。LLM工具有助于將會議錄音等非結(jié)構(gòu)化信息轉(zhuǎn)化為可檢索的知識，打破信息孤島，促進(jìn)內(nèi)部協(xié)作 ?。它還可以與研發(fā)人員進(jìn)行“對話”，激發(fā)靈感、挑戰(zhàn)既有想法，成為一個不知疲倦的創(chuàng)意伙伴 ?。

最后是自動化文檔與流程。在醫(yī)藥、航空等高度管制的行業(yè)，研發(fā)過程伴隨著大量的文檔工作，如監(jiān)管文件、工程變更單等 ?。LLM可以顯著加速這些文檔的生成與審核過程，當(dāng)然，這需要在確保準(zhǔn)確性和合規(guī)性的人類監(jiān)督下進(jìn)行 ?。報告還展望了更具未來感的“AI智能體”（Agentic AI），這種智能體能夠規(guī)劃和管理整個測試驗(yàn)證流程，從確定測試方案、執(zhí)行實(shí)驗(yàn)（甚至可以結(jié)合機(jī)器人），到在閉環(huán)中迭代優(yōu)化，從而將創(chuàng)新效率推向新的高度 ?。

釋放萬億價值：AI在各行業(yè)的經(jīng)濟(jì)潛力

報告估算，通過上述方式加速研發(fā)，人工智能每年可釋放約3600億至5600億美元的經(jīng)濟(jì)潛力 ?。這一價值在不同行業(yè)中的體現(xiàn)有所不同 ?。

在知識產(chǎn)權(quán)（IP）產(chǎn)品行業(yè)，如計算機(jī)游戲和軟件，產(chǎn)品本身就是代碼和內(nèi)容，無需物理原型，因此AI的加速效果最為顯著，研發(fā)吞吐量有望翻倍甚至更多 ?。AI生成代碼和視覺內(nèi)容的技術(shù)已經(jīng)相對成熟，谷歌和微軟的高管均表示，其公司內(nèi)部已有約30%的新代碼由AI編寫 ?。

在科學(xué)密集型行業(yè)，如制藥、化工和新材料，研發(fā)過程與科學(xué)發(fā)現(xiàn)緊密相連，AI同樣能帶來巨大提升 ?。制藥公司已在利用AI進(jìn)行靶點(diǎn)識別、分子設(shè)計和臨床前分析，有望將研發(fā)吞吐量提升超過100% ?。AI不僅能加速候選藥物的生成，更有可能通過產(chǎn)生更高質(zhì)量的候選物，提高其在臨床試驗(yàn)階段的成功率 ?。

在需要多學(xué)科工程的復(fù)雜制造業(yè)，如電子、汽車和航空航天，AI在整合多物理場仿真、加速驗(yàn)證與確認(rèn)（V&V）流程方面潛力巨大 ?。V&V流程在這些行業(yè)中通常占據(jù)研發(fā)周期的一半時間，通過AI代理模型替代部分物理測試，是加速整個創(chuàng)新過程的關(guān)鍵杠桿 ?。

在消費(fèi)品行業(yè)，AI主要通過分析市場趨勢和生成候選產(chǎn)品（如食品配方、化妝品配方）來發(fā)揮作用 ?。報告估計，這類行業(yè)約四分之三的AI影響力來自于加速新產(chǎn)品候選方案的生成 ?。

報告同時強(qiáng)調(diào)，這些估算是相對保守的 ?。它沒有量化AI可能帶來的更高價值產(chǎn)品、研發(fā)成本的直接降低，以及那些可能徹底改變市場的顛覆性創(chuàng)新（如核聚變）所帶來的價值 ?。更重要的是，這些數(shù)字無法衡量創(chuàng)新對社會福祉的巨大貢獻(xiàn)，例如通過醫(yī)療創(chuàng)新拯救的生命，其價值是無法用金錢計算的 ?。

領(lǐng)導(dǎo)者的行動指南：擁抱AI驅(qū)動的創(chuàng)新未來

技術(shù)本身不會自動轉(zhuǎn)化為價值 ?。報告最后為希望抓住這一機(jī)遇的企業(yè)領(lǐng)導(dǎo)者提出了四項(xiàng)關(guān)鍵行動建議 ?。

首先，快速行動并迅速規(guī)?；?。報告中描述的AI技術(shù)現(xiàn)已可用，但要有效利用它們需要時間和專注的努力 ?。盡早開始并快速學(xué)習(xí)，可以建立競爭優(yōu)勢 ?。成功的試點(diǎn)項(xiàng)目并不足以保證成功，企業(yè)必須避免陷入“試點(diǎn)煉獄”，建立能夠規(guī)?；瘧?yīng)用的能力 ?。

其次，重塑組織，而不僅僅是技術(shù)。實(shí)現(xiàn)AI價值的最大化，需要對組織進(jìn)行廣泛的“重塑”，這包括調(diào)整戰(zhàn)略、構(gòu)建新的人才模式、采用敏捷交付方式，并進(jìn)行有效的變革管理和治理 ?。一個具體的建議是，將傳統(tǒng)上分離的原型制作/測試團(tuán)隊(duì)與仿真團(tuán)隊(duì)整合成一個統(tǒng)一的部門，以便更全面地決策何時采用物理測試，何時采用計算機(jī)模擬 ?。

第三，圍繞模型構(gòu)建核心競爭力。用于創(chuàng)建和評估設(shè)計的AI模型是加速研發(fā)的關(guān)鍵資產(chǎn) ?。因此，企業(yè)需要建立起一種新的核心能力，即能夠評估、集成、訓(xùn)練和做出關(guān)于模型的“構(gòu)建與購買”決策，這包括開源模型、采購模型和內(nèi)部自研模型 ?。

最后，深思熟慮地將人類置于流程中。在可預(yù)見的未來，人類在研發(fā)流程中仍將扮演關(guān)鍵角色 ?。但這些角色將發(fā)生重大轉(zhuǎn)變，需要新的技能 ?。組織必須明確在哪些關(guān)鍵環(huán)節(jié)（如涉及安全的決策）必須有人類參與和負(fù)責(zé) ?。同時，關(guān)注技術(shù)部署對員工體驗(yàn)的影響至關(guān)重要，是讓他們感覺“獲得了超能力”，還是感覺在“為機(jī)器服務(wù)”，這將直接影響到頂尖人才的吸引與保留 ?。

結(jié)語

在一個由創(chuàng)新驅(qū)動的經(jīng)濟(jì)體中，沒有什么比新鮮的想法更寶貴 ?。人工智能正為我們提供一個前所未有的機(jī)會，去打破當(dāng)前研發(fā)生產(chǎn)力下降的桎梏，重新點(diǎn)燃增長與進(jìn)步的引擎。然而，這并非唾手可得。只有那些能夠?qū)⒓舛思夹g(shù)與深刻的組織變革相結(jié)合，并立即行動的領(lǐng)導(dǎo)者，才能真正抓住這次機(jī)遇，引領(lǐng)下一場由想象力和智能共同驅(qū)動的創(chuàng)新革命 ?。

本文轉(zhuǎn)載自??????歐米伽未來研究所2025??????，作者：歐米伽未來研究所

網(wǎng)址: 麥肯錫：《人工智能驅(qū)動的下一次創(chuàng)新革命》研究報告 http://www.gysdgmq.cn/newsview1614869.html