本文图片来源：网络配图
有句话说，初创公司只做两件事：拥有“产品”，把“产品”卖出去。
在“卖产品”阶段，AI+销售、AI+SDR已经成为了“香饽饽”赛道——例如11x，其“数字员工”Alice能够自动搜集客户List，然后通过电子邮件、LinkedIn消息挖掘潜在客户。据悉，11x的ARR已达到1000万美元，刚刚完成a16z领投的5000万美元B轮融资。另一家销售线索挖掘工具Clay，则整合了超过 75 家数据丰富的提供商，并结合Agent对网页信息进行爬取、判断比对、总结处理。目前，Clay的估值高达5亿美元，由红杉连投两轮。
在“造产品”阶段，AI同样被寄予“降本增效”的厚望。
一方面，研发支出金额庞大。英国最新统计数据显示，2022年研发支出达到710亿英镑，其中500亿英镑来自商业领域；在美国，这一数字约为8860亿美元，其中6900亿美元来自企业投资。
另一方面，庞大的研发支出必不可少。2023年，麦肯锡报告指出，预计未来5年内，包括汽车、电信、消费品等大型行业将有1/3的销售额（总值约30万亿美元）归功于新产品。
《哈佛商业评论》曾指出：如果一家公司将70%的资源用于核心项目创新，将20%用于邻近创新，将10%用于颠覆性创新，就能跑赢同行。同时，也有研究表明，技术公司应该在后两类创新上增加投资。
那么，AI将在产品研发中起到何种作用？近日，FT发布了一篇研究《AI and the R&D revolution》，探讨AI如何在产品研发的各个阶段大显身手。在不影响其原意的前提下，适道对文章进行了编译和适度改写。
1
所有企业的本质都是技术公司
创新的核心在于思维方式。卡内基梅隆大学的创业学（Entrepreneurship）教授Sean Ammirati表示，在研发部门营造一种创业文化有助于推动创新，大企业亦然。拥有这种思维模式的团队更有可能提出颠覆性，而非渐进式的产品开发方案。
他本人曾创立过多家机器学习初创公司，并认为许多企业未能在“邻近创新”和“颠覆性创新”上投入足够的资源。而在技术普及的当下，每一家企业在规划研发预算时都应将自己视为一家技术公司。
明确你的目标和目标客户
如果你是一家门窗制造商，请问你的目标客户是谁？
在爱荷华州，一家名为Pella的门窗制造商没有将房屋业主视为主要用户，而是将目光瞄准了门窗安装人员。他们开发了一种能够在室内安装的窗户产品，减少施工人员在高层建筑作业的风险。
目标对于研发流程同样重要，包括明确你的目标到底是——降低材料成本、工程成本，或是加快上市时间，还是三者兼有。牢记目标有助于设定KPI来评估流程。
可获取的数据越多，越容易把握客户需求
客户需求始终是产品开发的灵感来源。
打个比方，淘宝运营人员能够清晰地掌握——每天晚上九点半，25—30岁女性喜欢搜索的商品品类；然而，淘宝卖家却无法获取这些数据。
相较之下，品牌独立站（Brands hosting their own websites）的主要价值出现了，体现在其能保留并解读客户数据。这种即时洞察可以帮助企业优化、扩展产品线。
例如，内衣品牌Lively发现许多女性在搜索无肩带文胸，随即将其加入产品线；Tommy John观察到女性喜欢买男士内衣，随后推出适合女性的“贴身短裤”、T恤和裤装。
在数据收集和整理过程中，确保数据的准确性至关重要。尤其在部署AI系统时，其本质是基于数据的统计模型。一旦数据输入不够严谨，就会导致后续问题不断。
随着技术进步，越来越多的产品能够为“单一用户群”量身定制。例如，Rihanna创立的Fenty Beauty借助图像识别和机器学习，根据客户肤色提供相应的化妆品。耐克的 “Nike ByYou” 服务则允许客户从多种风格、颜色和设计中自由搭配，设计专属于自己的运动鞋。
“共创产品”超越了个性化服务的范畴。在这一过程中，客户不仅能够根据预设的选项提出修改意见，还可以直接告诉企业自己真正的需求，就像宜家做的那样。
在一场由网络营销服务商Bloomreach主办的AI峰会上，英伟达副总裁兼零售与快消品 AI 业务总经理 Azita Martin指出，对于许多公司而言，未来的挑战在于——如何快速满足高度个性化的订单需求——本质是为“单一用户市场”服务。从准确的需求预测，到提升分发中心效率，再到最后一公里的配送，AI都可以赋予零售商极大的灵活性。
2
即便拿不到数据，你仍然可以独立构思产品创意。
然而，如果借助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，看看是否有类似产品存在；分析竞争对手，获得实现差异化的建议。
AI还可以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想过的细分领域。
当产品概念逐步完善后，AI能够协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，以及小型企业特别有帮助。例如，滑雪手套装饰套制造商Skittenz的创始人通过AI探索适合的材料和制造工艺，并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）拥有广泛的覆盖范围和增强分析功能。
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，依据不同参数（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，其中一些或具独创性。通过AI与上述工具的结合，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大钱买内部服务器。该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，即便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Humanplus 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。