姚 威，储昭卫

（1. 浙江大学 公共管理学院，浙江 杭州 310000；2. 浙江大学 中国科教战略研究院，浙江 杭州 310000）

“自主创新，方法先行”，加强系统化创新方法的研究和推广是从源头上增强我国自主创新能力、推进创新型国家建设和实现创新驱动发展的重要举措[1]。得益于有力的资金和政策支持，创新方法在国内外已被广泛应用于研发活动、产品开发、专利规避、商业管理等领域，获得了“创新点金术”的美名[2]。在大量应用过程中，种种不足也相继暴露出来，如学习周期长且投入成本高、在部分领域效果不佳[3]、理论研究和本土化不足等[4]。

研究表明，以下3个原因是导致上述不足的关键：(1) 未能超前识变，认识到新业态出现，导致在IT和电子信息等新兴产业领域缺乏实用性和通用性[5]。(2) 未能积极应变，用理论创新回应实践需求，用实践经验反哺理论创新，经典TRIZ在开发时对低能耗、低污染、美观等需求考虑较少而无法满足许多现代设计需要[6]。(3) 未能主动求变，依托效果评估来改进方法，提高工具和方法的效率[7]。近年来，系统化创新方法被大力推广和应用，但鲜有文献对其进展和问题做出系统梳理。鉴于此，需要首先界定相关概念、回顾相关研究历程，进而通过文献厘清理论脉络、实践效果和现存问题，最后进行总结和展望。

本研究以“创新方法”“Systematic Innovation”“Innovation Method”和“TRIZ”为主题在中国社会科学引文数据库和Web of Science数据库收录的Web of Science核心集合、中国科学引文数据库中检索(检索时间截止到2020年10月31日)，共获得753篇中英文文献。人工筛选后逐一删除重复文献107篇、报道和评论文章52篇、主题关联度较低的文献498篇，围绕余下96篇文献展开综述，后续根据写作需要又参考了9部专著、1篇学位论文以及11篇电子文献。

1 系统化创新方法的概念与发展历程

1.1 概念与分类

由于系统化创新方法的发展程度、推广深度和传播广度的差别，人们常常将TRIZ、创新方法、技术创新方法、系统化创新方法这几个概念混淆甚至等同。原科技部副部长刘燕华[1]认为“创新方法是创新的思维、方法和工具的有机结合”。王海燕[8]认为创新方法是“贯穿于创意产生、科学研究、技术开发、生产控制和商业模式几个环节的系统工程方法组成的方法集或方法体系”。Yao[9]认为“创新方法是以科学思维和系统性的流程为指引，指导人们进行发明创新、解决工程问题的方法学体系”。Usharani[10]认为“系统化创新方法(Systematic Innovation Method，SIM)是在技术、战略或商业层面的机会识别或问题解决中，能够产生创新方案的一系列方法或过程”。如图1所示，Sheu[11]将创新方法(Innovation Method，IM)分为“随机方法”和“SIM”，根据SIM的来源可分为两类：从人类自身创造经验中抽象出来的SIM(Human-originated SIM)，典型代表是TRIZ；另一类是自然灵感中抽象出来的SIM(Nature-inspired SIM)，典型代表是仿生学。

图1 系统化创新方法的分类Fig.1 Classification of Systematic Innovation Method

综上所述，可以认为“创新方法”是指在生产生活中所使用的全部创新技巧、方法或理念，“系统化创新方法”是一系列用于指导技术和商业创新活动的系统思维和科学方法的集合。TRIZ是俄文“发明问题解决理论”的罗马首字母的缩写，由苏联发明家开发，是当下使用最多、研究最充分、最典型的一种系统化创新方法。因此，文献综述将以TRIZ为主，同时兼顾其他方法。

1.2 发展阶段与工具体系的完善

SIM理论的发展可分为3个阶段：第一阶段是20世纪40年代中到80年代初，其标志是经典TRIZ体系初步建立和大量设计工具的诞生。SIM的诞生得益于创造力和创新规律研究提供的哲学基础。经济增长导致对产品设计的需求增加，大量工具被相继开发出来，如矛盾矩阵和发明原理、发明问题解决算法(Algorithm for Inventive-Problem Solving，ARIZ)、理想化最终结果(Ideal Final Result，IFR)、进化法则、物-场模型，以及非TRIZ体系的公理设计(Axiomatic Design，AD)、失效模式及其后果分析(Failure Mode and Effect Analysis，FMEA)与质量功能展开(Quality Function Deployment，QFD)等[12]。

第二阶段是在20世纪80年代到90年代初，其标志是经典TRIZ体系的完善和大批质量改善工具的诞生。这一时期全球经济发展进入了“滞胀期”，商品供应过剩使人们更关注产品质量和使用体验，因此SIM和质量改善工具得到了充分发展。以ARIZ-85C的诞生为标志，研究者们将TRIZ的发明原理增加至40条，标准解增加至76个并大大完善了知识库，经典TRIZ体系趋于完善[13]。此外六西格玛、故障树分析(Fault Tree Analysis，FTA)、约束理论(Theory of Constraints，TOC)、顾客之声(Voice of the Customer，VOC)等质量改善工具大量涌现。这一时期还诞生了“Invention Machine™”“TechOptimizer™”和“Goldfire Innovator™”等计算机辅助创新(Computer Aided Innovation，CAI)软件，为下一阶段SIM与信息技术的融合奠定了基础。

第三阶段是20世纪90年代末至今，其标志是SIM开始向全球传播和SIM体系的发展。互联网促进了SIM在全球范围内的传播，大量SIM社群先后建立，SIM研究呈现了“百花齐放”的特点。开发者试图通过SIM体系发展、方法和工具集成来提高研发效率以应对日益激烈的竞争。此外，新体系、新方法的出现也有助于拓展SIM的应用领域，CAI也在此期间得到了长足发展[14]。

2 系统化创新方法的理论研究进展

2.1 SIM理论体系的发展与分化

TRIZ在全球范围内的广泛传播为其发展提供了理论创新的土壤。针对经典TRIZ体系庞杂、学习困难、不利于推广等问题，学者们开发了新体系，改进了原有体系，或完善了相应的工具。在国际上比较知名的有I-TRIZ，强大思维通用理论(General Theory on Powerful Thinking，OTSM-TRIZ)等衍生体系，以及系统发明思维(Systematic Inventive Thinking，SIT)、统一结构化发明思维(Unified Structured Inventive Thinking，USIT)等简化体系。如表1所示，这些新体系虽然彼此在形式上存在差异，但都具有统一分析框架、提高形式化水平和结构化程度、开发综合性方案生成工具的特点[15]。

表1 系统化创新方法体系对比1)Table 1 Comparison on systematic innovation methods

SIM并非经过同行评议的科学理论，其浓厚的“俄式风格”和“神秘色彩”使理论本土化成为一项重要研究任务[24]。国内学者在大量实践和研究的基础上，相继开发了多个新体系。代表性的有：(1) 融合了因果分析、属性分析和功能分析，统一了分析问题、解决问题过程的SAFC(Substance-Attribute-Function-Cause)理论[25]；(2) 强调“以功能为导向，以属性为核心”的U-TRIZ(Unified TRIZ)理论[26]；(3) 以“约束分析和打破约束”为特征的CAFÉ-TRIZ(Cause、Attribute、Function、Effect)理论[27]；(4) 由TRIZ及其拓展、问题导向方法、目标导向方法、过程再造方法组成的C-TRIZ理论等[28]；(5) 以可拓论为基础的用于解决矛盾问题的可拓创新方法体系[29]。

SIM理论体系的发展还体现在对工具和流程的改进上，如扩充经典TRIZ的科学效应库[30]，开发了2003矛盾矩阵并增加通用工程参数[31]，推出ARIZ-2009版本[32]，ARIZ-2010版本[33]，ARIZ-Universal-2014版本[34]等。

2.2 面向问题解决的SIM工具集成应用

不同创新方法工具集成应用能避免单个工具的不足，更好地解决设计问题[35]。调查表明SIM通常以TRIZ为核心，与QFD、FMEA、TOC、FTA和六西格玛等集成应用[36]。根据工具特点和使用目的差别，可以从产品开发、产品实现、使用和维护3个阶段详述工具集成过程。

在产品开发阶段，QFD与TRIZ集成较多，能够将环境问题[37]、安全问题[38]、服务设计等特殊需求参数转变为设计诉求并加以解决[39]。此外在本阶段较常见的还有TRIZ和VOC、Kano、Kansei等工具集成，可用于解决复杂技术需求问题[40]，从而改善产品的市场竞争力[41]。这一阶段和TRIZ集成的工具大多具有较强的问题分析、机会识别能力，以便于充分考虑初始产品的技术需求[42]，提高开发能力[43]。

在产品实现阶段，TRIZ常与AD集成用于设计复杂产品[44]，或解决参数耦合问题[45]等。与TOC结合用于改善供应链和设计中的瓶颈问题[46]，加快产品设计和实现速度[47]。TRIZ还可以与案例式推理(Case-Based Reasoning，CBR)集成以自主解决技术问题[48]，提高设计效率[49]，与面向装配和制造的设计(Design for Manufacture and Assembly，DFMA)集成以提升装配制造和维护效率[50]，与层次分析法(Analytic Hierarchy Process，AHP)集成用于方案评价和筛选[51]。

在产品使用和维护阶段，TRIZ、FMEA、FTA、潜在失效预测(Anticipated Failure Predict，AFP)等工具集成可用于分析产品故障[52]，寻找系统中的薄弱点并加以预防[53]，与六西格玛集成用于改善产品质量问题[54]。

2.3 以提升解题效率为目标的计算机辅助创新(CAI)

以TRIZ为基础的CAI，结合了计算机技术、现代设计方法学，用于改善工程设计人员的创造力[55]。研究表明CAI可以显著提高创新活动的效率(Efficiency)、有效性(Effectiveness)、与客户交流的能力(Competence)并增进创造力(Creativity)[56]。Leon[57]认为在CAI1.0阶段，计算机可以针对创新问题为工程师提供参考方案从而提升创新效率，这种方式目前已经被广泛采用[58]。CAI2.0的最显著特征是运用web2.0技术实现了开放式创新[59]，能够让更多工程师参与创新并管理群体智慧(Collective Intelligence)[60]。

应用软件是实现计算机辅助创新的载体，能够直接将知识转变为形式化的、有组织的、可搜索的、可共享的形式。1989年，第一款TRIZ应用软件“Invention Machine™”诞生，在此基础上又开发出了“TechOptimizer™”和 “Goldfire Innovator™”。此外，还有美国Ideation International公司的Innovation Work Bench(IWB)、美国IWINT公司的Pro/Innovator，比利时CREAX公司的CREAX Innovation Suite以及乌克兰TriSolver GmbH & Co. KG公司的TriSolver等。我国自主开发的CAI软件有河北工业大学TRIZ研究中心研发的Invention Tool软件、浙江大学姚威团队开发的“创新咖啡厅”云平台、广东工业大学等单位合作开发的可自动处理矛盾问题的可拓应用软件等[61]。

2.4 面向新业态的SIM应用领域拓展

经典TRIZ诞生于机械、化工等重工业盛行，强调生产率和性能的20世纪中叶，经历了信息革命后，新领域、新需求、新环境的大量出现拓展了系统化创新方法的应用领域。具体来看：第一，向新兴技术领域拓展，如电路设计、农业工具设计[62]、医疗器械开发[63]、软件设计、算法优化等[64]；第二，向以前不被重视或不清楚SIM能否发挥作用的新需求拓展，如用于技术预测[65]、颠覆性创新技术识别[66]、选择高价值的专利[67]、提高安全性[68]、改善生态效益等[69]；第三，向非技术领域拓展，如服务运营管理[70]、医疗管理和卫生政策、创新管理[71]、商业模式创新[72]、技术创新与商业模式创新的协同[73]，公益创新与公共治理创新等[74]。

新产业的“拉动”和传统产业转型的“挤出”共同促进了SIM应用领域的拓展。其路径有两条：一是改进SIM工具和体系，2003版矛盾矩阵中新增8个与社会效益相关的技术参数，OTSM-TRIZ能够解决跨学科、多冲突问题，以及管理创新方法、软件创新方法等[75]。二是建立新的理论体系，如可拓学等新体系将SIM应用拓展至计算机、设计、管理、检测、中医药等领域[76]。总体来看，SIM常被应用于如图2所示的4个有重叠的创新领域，分别为：管理领域(Business Domain)、技术(物理)领域(Technical(Physical)Domain)、科学(数学)领域(Science(Mathematical)Domain)、软件领域(Software Domain)[77]。

图2 系统化创新方法的应用领域Fig.2 Applying domain of systematic innovation methods

3 系统化创新方法的实践效果研究进展

由于以TRIZ为代表的工具都是从专利等人类经验中抽象而来，其诞生未经过科学同行评议，其应用过程难以重复，应用结果往往因人而异，常常会出现“合法性危机”[78]。由于理论研究始终难以回答这一问题，研究者尝试从应用效果上证明SIM在实践上的“合法性”，打消因人而异带来的“神秘色彩”[79]。客观评价SIM的应用效果也有助于进一步促进其推广和应用。以下将从适用性、知识产权效果、经济社会效益、改善创造力效果4个方面分析SIM应用效果的研究进展。

3.1 系统化创新方法的适用性研究

与尝试将SIM应用在新领域不同，适用性是指SIM适用的领域范围，能够持续、稳定、有效地解决某一领域的问题。由于以往的研究只能展示SIM在单个案例上的适用性，缺乏说服力，因而大规模调查是考察适用性的最佳手段。Moehrle[80]通过45个应用案例的调查发现TRIZ可用于机械制造、电气工程、纺织等多个行业。欧洲TRIZ协会(European TRIZ Association)[81]对39个国家的319名TRIZ使用者的调查表明TRIZ可用于汽车、电信和电气装备、电子、通用机械工程、计算机软件和IT等领域。

由于使用者的SIM掌握情况差距较大，也难以获得足够多的高质量样本，因此有学者通过文献分析来研究适用性。文献分析表明TRIZ常被用于创新教育、生物医药、安全、科学问题、社会和商业等非工程技术领域[82]。Chechurin[83]对《TRIZ Journal》上200余篇文献调研后发现TRIZ可用于能源与电气、家用电器、通用机械、汽车、电子等常见工业领域。除上述提及的常见领域外，通过分析高被引论文，发现TRIZ还可用于生物、复杂设计问题、商业创新、可持续性、人类工效学、决策、信息处理、知识管理等领域[84]。通过上述研究可以发现SIM能够满足传统行业和新兴产业发展需求，具有良好的适用性。不足之处在于，囿于数据来源和样本量所限，研究结论还不足以让人完全信服。

3.2 系统化创新方法改善创造力的效果研究

SIM的应用效果不仅体现为解决技术难题，还要能稳定地改善创造力，达到“授人以渔”的效果。当前，对SIM改善创造力的研究可分为3类：第一，研究改善个体解决技术难题的效果，如研究者认为TRIZ可以提高技术方案的新颖性和多样性[85]，提升使用者发现技术问题的能力，改善个体的创新产出绩效[86]。第二，研究个体学习SIM后的心理作用，如有研究认为学习SIM可以提高解题时的自信程度，改善自我效能感，让使用者更具备冒险意识[87]，帮助使用者代入真实工程环境[88]，改善设计感知[89]。第三，为了避免个案存在偶然性，有学者从群体或组织的角度研究了SIM对创造力的整体影响效果。对448名被试人员进行了实验研究，结果表明实验组(接受TRIZ培训)平均每组能产生35个方案(8.94个可行)，而控制组仅为16.3个独特方案(4.42个可行)[85]；对42个学生[90]以及在工业界的研究等都获得了类似结果[91]。

3.3 系统化创新方法的知识产权效果研究

SIM能够帮助企业改善知识产权情况，具体表现在以下3方面：第一，SIM能够显著提高企业知识产权产出效益。中国创新方法研究会[92]2019年对全国1435家省级示范试点企业的调查结果显示：每一项专利申请和发明专利申请分别需要投入研发经费8.64和19.87万元，而2018年全国企业平均每一项专利申请、发明专利申请分别需要投入研发经费152.91和380.37万元[93]。全国企业平均每申请一项专利和一项发明专利的研发经费投入是创新方法示范试点企业的17.7倍和19.14倍。由此可见，知识产权产出相同的情况下，SIM能够帮助企业显著降低研发经费投入。

第二，提供系统化的知识产权解决方案，从而改善企业的知识产权竞争力。我国企业的专利保有量低，专利竞争技巧和策略不足，在知识产权竞争中常常处于劣势。导入SIM可以通过专利规避等方法有效且合法地提升知识产权竞争力，打破技术围堵[94]。

第三，运用SIM可以提升知识产权分析和应用能力，如挖掘高价值专利[65]，分析技术发展方向，提高专利信息服务能力，加强专利分类精度和检索效率[95]。

3.4 系统化创新方法的经济社会效益研究

创造力和知识产权并不必然意味着产生价值，因此，有学者尝试通过分析应用SIM的经济社会效益来证明其效果。中国创新方法研究会的统计显示截至2017年10月，1435家省级示范试点企业在导入创新方法后，帮助企业降低41.6%的单位能耗，避免30%的设备差错、减少30%的实物验证，缩短20%以上的研制周期，同时累计产生直接经济效益164.05亿元。一些单案例的应用也说明TRIZ具有改善创新生态[96]、降低污染[36]、辅助科技决策和制定产业发展政策等社会效益[97]。

4 系统化创新方法研究与实践中的问题与对策

4.1 系统化创新方法面临的问题

经历了20世纪90年代的大规模推广，学者们发现近年来系统化创新方法在全球的传播趋于平缓，人们对TRIZ的兴趣和关注度有所下降，在产业中的实际应用范围拓展并不明显[98]。究其根源，是当前SIM的体系庞杂、机理研究匮乏和推广模式不够完善所致。

4.1.1 体系庞杂，学习和使用困难

SIM的庞杂体系直接导致其学习和使用较为困难，阻碍了传播过程。其体系庞杂主要体现为三方面：第一，理论流派繁多。由于不同流派的理论体系有差异，又缺乏统一规范，给人以“良莠不齐”之感[7]。第二，部分理论体系内部没有统一思想，逻辑不够严谨，导致使用过程中“千人千面”，解题结果难以重复[5]。第三，目前大部分SIM体系都存在工具数量多、应用流程复杂的问题，导致学习时间久、应用效率低、对学习者要求高[99]。

为了解决上述问题，一方面，大量国内外专家尝试提高SIM体系的综合性和结构化程度，推动理论创新。另一方面，针对国外成熟的SIM体系在国内“水土不服”的情况，我国学者尝试结合自身需要进行了二次开发，实现了理论的本土化。

4.1.2 SIM改善创新效果的机理研究匮乏

有研究者试图通过调查来回应对SIM效果的质疑，但由于缺乏SIM改善创新效果的机理研究(以下简称“机理研究”)，导致SIM效果效益调查有“隔靴搔痒”之感，并不能彻底打消质疑和回应分歧。

SIM的机理研究是指用因果关系去推断、分析、解释SIM如何影响工程师个体创造力和组织创新能力[100]。机理研究能够从根本上为SIM的有效性提供理论支撑。戴志敏等[101]尝试用行为学分析框架分析SIM的应用模式和发展方向，王珊珊等[102]从产业联盟角度解释SIM加快创新速度的缘由。有学者尝试引入C-K理论解释SIM提升创造力的机理，如姚威等[21]将SIM提供的问题解决流程视为C-K理论中4个算子的有序排列，比较了不同理论方法的优缺点，并指出了理想化创新方法的基本特征。Dubois等[103]将C-K理论和TRIZ比较，指出C-K理论的4个算子给出了一种分析设计过程完整性的方法，有助于改进TRIZ的应用效果。韩旭[100]从C-K理论角度剖析工程问题解决过程，指出SIM包含的工程问题图示化表达、工程经验总结、跨领域知识、系统化流程四个要素是改善工程师创造力的关键。总体来看，当前的机理研究还比较匮乏，导致其应用效果缺乏理论支撑和说服力。

4.1.3 推广模式待完善，推广效率需提升

经过12年全国性创新方法推广工作后，各省份虽然建立了各自的创新方法推广应用体系，但在推广模式和推广效率上仍有不足。从推广模式来看：第一，推广理念重视普及传播而忽略了基础研究和理论“本土化”[104]；第二，推广策略强调解决实际技术问题，而不重视管理模式创新，导致推广成效不够显著、积极性不高；第三，执行过程以项目为推广依托，轻视平台建设和人才培养，导致推广模式缺乏可持续性，同时还存在服务模式的同质化严重、缺少个性化和不够精细的问题[4]。

从推广效率来看，也有较大的改善空间。首先是学习周期过长且投入成本高，导致企业推广负担过重。其次，对SIM的效果研究不够透彻，导致了大量意义不大的探索，浪费了企业宝贵的培训资源。同时，理论研究和本土化还有不足，“舶来品”既不能适应中国的产业特点，也不利于国内学习者理解和掌握。实际执行中，部分地方政府缺乏统一规划、推广平台体系不完善、有效性不足也会制约到推广效率[105]。如何将有限的创新方法推广应用资源集中在更关键和需求更旺盛的环节，提高推广应用效率，是当前亟待解决的一大问题。

4.2 系统化创新方法发展对策

4.2.1 基于机理研究的系统化创新方法改进

认知过程(收敛思维、发散思维等)、培训方式(一对一、一对多)、媒介运用(实物、视频或教材等)以及练习类型(非真实/真实工程问题、问题的深度、难度等)等都会影响到SIM的培训效果，进而对后续应用效果产生影响[106]。可见，对SIM的机理研究应当区分培训效果和应用效果，前者是指让人更容易学习、理解以及接受，而后者则强调方法的应用效果。当前对SIM应用效果的机理研究还十分有限，研究主题上以培训方式、媒介运用等培训学习效果为主，研究方法上也未能借鉴和应用创造力研究的前沿成果。

未来对SIM机理研究可以从3个视角出发：第一，基于C-K或其他理论，剖析SIM改善个体、组织创造力的机理，同时针对性优化或改良SIM工具体系和应用流程；第二，认知和情感过程是解读个体创造力形成原因的重要突破口[107]，分析SIM的学习和应用如何在短期内影响创造力；第三，依托神经科学和脑科学，尝试从大脑结构、大脑皮层唤醒水平和神经效能的角度探讨创造力提升机理，分析SIM应用的生理基础。机理研究的相关证据和现象的发现能够帮助研究者基于循证实践的原则改进SIM方法，从而掀起工具体系和理论本身的“革命”。

4.2.2 多种创新方法及其工具融合模式的优化

由于具体SIM工具应用范围比较狭窄，需要与其他方法集成以提升解决复杂问题时的适用面和有效性[108]。但多方法集成时各方法的流程互不相关，不同方法仍旧在独立解决问题，导致解决复杂问题时的效率不高。多方法融合使不同方法存在流程包含关系，前一环节创新方法应用的输出可直接作为后一环节创新方法应用的输入，使得方法应用的科学性和系统性大大加强[109]。

综上，未来的多方法融合将围绕以下方向进行：第一是“模式优化”，即对融合过程中单个方法和工具进行流程和策略上的优化，提高应用效率；第二是“全链条化”，即围绕创新链的需要进行融合，覆盖机会识别、问题选择、方案产生、项目执行、应用探索等常见环节[110]；第三是“价值最大化”，即以创新链的价值最大化来整合工具，强调整体效果而非个别参数和性能[111]。

4.2.3 基于SIM的“AI工程师”的开发和设计

随着人工智能(Artificial Intelligence，AI)技术的蓬勃兴起，人们尝试让计算机综合运用规则(包括专家经验)进行推理，模拟专家系统进行问题分析、故障诊断并提供解决思路。尤其CBR的出现和SIM的发展为AI应用于解决技术难题提供了可能性。CBR能通过模拟人类经验和知识累积以强化学习过程[112]，从而帮助AI打破规则实现强化。CBR和TRIZ的差异在于“CBR让工程师在某领域寻找解决方案，TRIZ则让工程师走出问题所在领域寻找解决方案”[113]。即SIM则能够进一步加强计算机分析、匹配和优化技术问题的能力[114]，还可扩大CBR的问题解决范围[115]。未来还可以与可拓学结合，利用其形式化模型提升问题分析和求解效果[116]。

随着配套技术的发展，“AI工程师”的开发和设计越来越成为可能。图3展示了“AI工程师”的基本原理和关键流程：首先，由CBR系统自动判定技术问题，根据工程参数、矛盾、进化趋势等信息精确匹配特征案例；其次，SIM可自动用于新案例解题和规则修正，从而为类似难题提供更多解决方案；最后，AI自动增加案例数量并优化数据库内容，进一步提高解题效率。

图3 “AI工程师”运行流程简图Fig.3 A simplified sketch map of the running process of the “AI engineer”

5 结语

基于对SIM研究的回顾和整理，得出了如下结论：(1) 全球范围内的大规模传播和应用极大推动了SIM的发展，为提高实践中的可理解性、使用效果、便捷性、受众范围，研究者围绕理论体系改善、工具集成、计算机辅助创新、应用领域拓展4个方面开展了SIM研究。(2) 应用效果是SIM研究的重要议题，效果研究既可以说明SIM的“合法性”，也有助于推广SIM，并扩大其应用范围。当前的研究表明TRIZ的适用范围广，能够有效改善创造力，并具有良好的经济、知识和社会效果效益。(3) 未来SIM发展，亟需重点回应3个理论和实践需求：一是开发高效、简洁且容易学习的方法体系；二是挖掘SIM的机理，以寻求进一步提升应用效果的途径；三是完善推广模式，提高推广效率，扩大SIM的影响力和传播范围。根据当前理论研究进展和实践需要，未来的SIM研究将围绕机理研究和循证改进、多方法融合模式的优化、“AI工程师”的设计与开发3个方向展开。