告別昂貴的「試錯法」：3M、寶潔與塗料大廠 PPG 如何用 AI 重寫研發流程？
對製造業來說，傳統產品研發往往是一場漫長且艱辛的過程。長期以來，科學家與工程師高度依賴反覆的試驗與經驗判斷，這不僅使得試錯成本高昂，也讓開發週期往往耗時數月甚至數年。
然而，隨著 AI 與資料分析工具日益成熟，這套基本邏輯正在被改寫。企業開始將龐大的歷史數據，以及物理與化學的科學定律納入模型中，讓電腦能在虛擬環境中先行探索各種可能性。這種被稱為「數據驅動設計（data-driven design）」的新方法，讓研發流程從傳統依賴直覺與運氣的嘗試，轉向由演算法精準預測的模式，進而大幅加速創新速度。
在這樣的轉變下，塗料大廠 PPG 已經透過 AI 協助化學配方探索，開發出乾燥時間大幅縮短的快乾油漆；3M 把 AI 納入材料與工具研發流程，協助優化產品性能；至於消費品巨頭寶潔（P&G）則利用 AI 加速香氛與產品配方設計。這三個案例，皆展現數據與演算法如何在不同製造場景中，重塑產品開發的方式。
案例一：AI 幫 PPG 解決塗料行業「乾燥越快，效果越差」的痛點
美國塗料巨頭 PPG Industries 在產品研發中導入 AI 系統，並建立一個涵蓋數百萬種配方與屬性的龐大資料庫。透過這個資料庫，AI 能快速建立產品的數位分身（digital twins），進一步在虛擬環境中模擬不同化學組合的效果，以預測性能表現。透過這樣的模式，研發團隊能在極短的時間內篩選出潛力配方，而無需在實驗室中逐一調配。
「在這個領域真正令人興奮的是，當模型挑選出你直覺上不會選擇的配方時，」PPG 全球汽車修補漆技術總監 Daniel Connor 表示，AI 提出的某些配方組合，往往並非人類研究人員直覺會嘗試的方向，也正是這種反直覺的建議，讓團隊在模擬中發現突破性的潛力。
透過這種方式，PPG 成功開發並在去年春天推出一款全新的快乾透明清漆產品 Deltron Premium Glamour Speed Clearcoat，解決塗料行業長久以來「乾燥速度越快，外觀效果越差」的痛點。數據顯示，這款新產品在攝氏 60 度加熱條件下的乾燥時間，從原本約 30 分鐘縮短至約 5 分鐘，這不僅可以提升車體維修廠的周轉率，也直接增加業者的營收能力。
PPG 指出，這是公司第一款在 AI 協助下開發完成並上市的產品，並預期未來將有更多塗料與材料產品採用這套 AI 研發流程，目前已有數十款產品正在開發中。
案例二：3M 智能產品把 AI 當成研發團隊的一員
以生產便利貼到工業研磨聞名的 3M 公司，也在材料與工具產品研發中積極導入 AI，協助設計性能更佳的產品。
其中一個顯著的例子是利用 AI 優化砂輪（sanding disc）的產品設計。透過 AI 的分析，3M 成功改進砂輪上的顆粒分佈與結構，從而提升了集塵效果與研磨效率，簡化原本耗時費力的開發過程。
對於 AI 在研發中的角色，3M 技術長 John Banovetz 提供一個生動的比喻：「當我在實驗室時，我可能會跟三位不同的專家討論某件事，而 AI 就像是我會去諮詢的第四位專家。」這意味著，AI 並非要取代工程師或科學家，而是利用其處理海量數據的能力，為研發人員提供額外的分析視角與設計方向，找出人類專家可能忽略的盲點。
案例三：P&G 新香氛以 AI 加速消費品配方與感官設計
消費品大廠 P&G 同樣將 AI 視為研發利器，開始在研發香氛與日用產品的配方中導入 AI。
在 P&G 的實驗室中，AI 被用來分析大量的香味數據與化學成分資料，協助研發人員更快地探索不同的香氛組合。這項技術讓 P&G 能夠開發出用於沐浴露、洗衣芳香顆粒以及居家香氛產品的新氣味，並且更精準預測這些氣味如何引起消費者的共鳴。
這種做法帶來的最大優勢在於速度與廣度。研發團隊能在更短的時間內測試更多的可能性，而不必完全仰賴人工進行緩慢的嘗試。因此，P&G 將 AI 視為補強研發效率的工具，就像一位「隱形的合作者」，在 AI 提升效率的同時，並不犧牲產品的性能表現。
從 PPG、3M 與 P&G 的案例，可以清晰看見 AI 正逐步成為研發流程中的核心支援角色，而不僅僅是輔助工具。透過數據驅動設計，企業能在虛擬環境中先行篩選方向，然後再投入實體實驗。這種模式不僅大幅降低「試錯」的成本與時間，更重要的是能協助人類突破認知侷限，探索未知的創新領域。從化工塗料、日常消費品到工業材料製造，AI 正以不同的形式滲透研發第一線，並重塑產品開發的基本流程，進一步將傳統實驗室轉變為創新樞紐。
＊本文開放合作夥伴轉載，資料來源：《WSJ》、《WebProNews》，首圖來源：PPG