在科技日新月异的今天，「创新」依旧被视为人类经济与社会进步的最强引擎。然而，一份由麦肯锡（McKinsey）于2025年6月发表的报告《The next innovation revolution — powered by AI》 (下称《报告》) 却提出警讯：虽然科技正以前所未见的速度发展，但真正推动生活大幅改善的「好点子」却愈来愈难寻，研发生产力甚至在多数产业呈现长期衰退。
《报告》不仅缜密追溯了人类经济与健康指标数百年的演变，更深入分析当前全球研发投入回报率下降的具体态势，并首度提出AI有潜力全面扭转研发曲线，为未来带来高达数千亿美元的新经济潜能。
创新正面临被忽视的危机
从宏观历史角度来看，人类的生活水平直到18世纪末以前几乎停滞数千年。报告以人均GDP作为衡量指标，发现自公元1年到1800年间，全球人均GDP始终在约1,200美元徘徊。直到工业革命启动，蒸汽机、内燃机和电力的大规模应用，才使人均GDP在短短200年间成长超过14倍。人类健康改善的轨迹也极为类似：1900年全球新生儿平均预期寿命仅32岁，到了2021年已达71岁。
推动这些翻天覆地改变的，是一连串关键性的科学发现与工程落地应用。《报告》特别点出，蒸汽机不仅带动工厂与交通革命；疫苗从根本扭转了人类面对小儿麻痹、麻疹与天花的脆弱，单在过去50年间就降低了40%的婴儿死亡率；集体电路与光纤更开创了因特网时代，彻底改变全球贸易与信息交流样态。
然而，这样的创新轨迹如今却遭遇一项不容忽视的挑战：在各种领域，研发正变得更困难、也更昂贵。
研发生产力的下滑：跨产业的系统性现象
麦肯锡《报告》大量引用了史丹佛教授Nicholas Bloom等经济学家对「研发投入回报率」的研究成果，证实了几个关键产业的确呈现研发生产力长期衰退的明显轨迹，分述如下：
-
半导体摩尔定律背后：18倍的投入
在半导体领域，虽然摩尔定律（Moore’s Law）「每两年晶体管密度翻倍」仍推进芯片性能大幅增长，但却是以惊人的研发成本为代价。Bloom等人追踪了1971至2014年期间的半导体产业实质研发支出，发现要维持摩尔定律所需的年度研发投入，实际上增长了18倍。换言之，今天所见的芯片密度翻倍，不再只是单纯技术演进，而是必须透过庞大的资金灌溉才勉强维持。
-
制药产业的Eroom’s Law：成本逆向指数上升
在制药领域情况更甚。《报告》引用Jack Scannell提出的「Eroom’s Law」（Eroom为将Moore倒过来写）来形容药物研发效率的逆向发展。他们发现，自1950年至2011年，每10亿美元研发投入所带来的新药批准数量约每9年就减半，累积下来等于80倍的生产力滑落。即使近十年略有稳定，整体趋势仍未根本扭转。
-
不仅高科技与药物：农业、材料、普遍产业皆受影响
这种投入与产出落差的现象，还扩散到农业、化工、复合材料等领域。作物单位面积高产化所需的研发资本越来越高，而跨美国整体上市公司层级的分析显示，营收、员工数、市值与单位生产力对应的研发生产效率，普遍也在下滑。
整体而言，这并非单一产业短期循环问题，而是横跨多领域的长期结构性挑战。
AI如何彻底改写研发曲线？
麦肯锡《报告》随后提出最关键的核心：虽然研发变贵、变难，但AI、尤其是生成式AI与代理模型（surrogate models）正在开启扭转曲线的新可能。他们从三个主要路径拆解AI如何具体重塑研发流程。
-
大幅提高设计候选的速度、数量与多样性
传统研发多仰赖工程师、科学家根据经验与直觉提出「具创意」的设计方案，再逐步收敛。然而生成式AI（例如训练在分子结构、蛋白质折迭、化学反应或电子电路的大型模型）能在几小时甚至几分钟内，产生数百甚至数千种潜在设计构想，显著增加创新空间。
《报告》引用零售业案例，指出一家零售商利用生成式AI创造数十种高精度3D店面布局图，超越设计师原本仅能手绘5至6张草图的限制；更意外的是，AI还自动填充了一些未被设定但顾客极为偏好的装饰细节，意外开启新设计灵感。
在科学领域，华盛顿大学David Baker团队使用深度学习设计前所未见的蛋白质结构，不仅突破自然界的生物限制，更被应用于新型疫苗与环境污染物降解，为此，Baker与团队于2024年共同获得诺贝尔化学奖。
-
透过AI代理模型快速取代繁琐的物理模拟
在许多工程设计环节中，传统需依赖计算流体力学 （CFD）、有限元素分析 （FEA）、电磁场模拟（CEM）等高精度物理模拟，但这些通常需要数小时甚至数天的超级计算机计算。如今，AI神经网络将训练为预测模型（即代理模型）后，可在几秒内完成同样预测。
例如DeepMind利用AI替代气象超算进行天气预测，不仅在单颗AI加速器上可在8分钟内完成传统需数小时的模拟，还在部分指标上更精确。《报告》指出，类似技术已被应用于飞机风洞数据训练的神经网络，使工程师能短时间内仿真数百种飞行条件，进而优化涡轮叶片与天线设计。
-
AI辅助研究营运：从洞察需求到自动生成合规文件
AI还广泛应用于前端需求探索、文献统整、内部知识管理与自动生成报告等层面。例如许多消费品企业利用LLM分析数百万则顾客评论与社群对话，快速归纳未被满足的需求；在高度监管产业如药物与航天，AI可快速生成与编校繁琐的合规档案。
更进一步，生成式AI已被设计为可主动执行多步骤流程的「研发代理人」，例如自动规划测试计划、下指令启动实验甚至根据结果实时调整下一轮试验参数。
高达5,600亿美元的经济潜能：AI对各产业的研发加速效应
根据麦肯锡的经济模型，AI若全面应用于研发，将对不同产业产生显著但分布不均的冲击：
- 在软件与电玩产业，AI可直接用于生成代码与虚拟场景，推估研发速率最高可加倍（150%+）。
- 在制药、化工、复合材料等接近科学发现的产业，AI能在分子设计、结构预测上扮演更直接角色，潜在研发加速达75%以上。
- 在多学科工程产业如汽车、半导体、航天，AI代理模型与多物理耦合模拟可加快25%~90%的整体研发流程。
- 在消费品领域如食品、个人护理与家用产品，AI主要透过市场洞察与快速原型，三分之二效益来自生成产品候选配方。
全体计算显示，每年可望释放约3,600亿至5,600亿美元的新经济价值，对部分高研发强度产业而言，相当于两位数的EBIT增幅。
让AI成为下一个创新黄金世纪的催化剂
《报告》最后强调，AI虽潜能无穷，但要真正转化为企业价值与人类福祉，关键在于企业能否同步进行组织「重编码」：调整决策机制、建立AI模型核心能力、规划人机共作新流程并快速扩大规模。如此才能让AI不仅仅是提升效率的工具，而成为打开下一个百年创新黄金时代的真正催化剂。
参考数据：
- “The next innovation revolution—powered by AI”, Alex Singla, Alexander Sukharevsky, Elia Berteletti, Lareina Yee, and Michael Chui; QuantumBlack, AI by McKinsey, and McKinsey’s Operations Practice; June 2025
