AI时代不需要产品经理？

“没人想要倒在黎明前的黑暗。”

在被ChatGPT和大模型裹挟着踏入AGI时代后，产品经理们率先成了那群最焦虑、躁动，且迷茫不知去向的人。

“最近有很多互联网产品经理找到我，尤其是有过几年工作经历的产品经理，他们对于自己当下所处的行业大环境有非常强烈的危机感。”前****科大讯飞业务线负责人、阿里云AI产品专家、也是《人工智能产品经理》一书的作者张竞宇对品玩说。

随着AGI浪潮汹涌而至，张竞宇的著作近期再度成为一本职业畅销书，同时他也接收到越来越多的行业演讲与咨询邀约，其中大半与如何成为/做好AI产品经理有关。

同样在人工智能领域深耕十余年、并一手打造了AI产品经理第一社群的黄钊（常用ID：hanniman），对近两个月中找到他指点迷津的转型期产品经理已经应接不暇，“数量没具体统计，但特别多产品经理找过来，他们在转型期都或多或少出现了一些问题”。

黄钊告诉品玩，不少想转型的产品经理不但拿不到offer，甚至面试的机会都非常少；在AI热潮下，已经决议转型并离职的产品经理gap（休息）2、3个月都是常事，有些空档期长达4到6个月，gap时间越长，他们（产品经理）的内心就愈加慌张。

就连行业顶尖的产品经理们也在被焦灼的情绪拉扯，他们内心笃定AGI是正确的方向且蕴藏巨大潜力，然而如何抓住机遇进入最头部的AI公司、并实现最大程度的自我跃升，成了无比迫切的事情。

一位知情人士向品玩透露，不少互联网大厂的高P产品经理在卡位头部AI创业公司产品负责人的职位，字节跳动火山引擎的高层也在行业里“求医问药”，企图找到能做出国内最好大模型产品的方法。

这是最好的时代，也是最坏的时代；这是智能涌现的时代，也是混沌迷茫的时代。

01

外围技能失效，产品经理们步入“尴尬期”

继ChatGPT问世后，在一家互联网大厂工作了5年的产品经理靳宸（化名），突然发现自己80%的日常工作未来都会被AI弱化甚至完全取代。

且不说近年来外界经常调侃互联网产品经理的工作是摆放按钮的、专业做PPT的、研究向上管理和cue流程的，仅靳宸自己的感受而言，互联网产品经理一直以来所擅长的市场调研、竞品分析、PRD设计，以及数据监控等一系列外界看起来有些黑盒属性的技能，在当下的AGI时代里变得有些鸡肋。

“就拿PRD（产品需求文档）来说，这个看起来是产品经理的拿手绝活，其实技术含量并不算高。”靳宸表示目前利用ChatGPT和Midjourney相结合就已经可以实现PRD的自动生成了，其效率和质量都还不错。

在人工智能行业跌宕沉浮十余年的资深AI产品经理张竞宇对此也深有感触。

在他看来，那些以往消耗了产品经理大部分时间的外围技能，就像泡沫一样在GPT到来之后加速破灭，“坦白来说PRD里面很多都是废话，都是非核心流程，包括产品设计原型和项目管理跟踪，这些都可以用AI模型来实现自动化了”。

不仅是外围技能失效，还有很多垂直细分领域的产品经理在随着AGI技术的发展而消亡。

一部分是那些已经或即将被AI取代行业里的产品经理。

比如当下语义和语音为代表的特定领域就发生着翻天覆地的变化，菁菁（化名）在一个互联网大厂先后做过几款翻译工具类产品，其中也有借助以往的AI技术来提升翻译速度和效果的产品，还曾在公司内部获得了多个奖项。

然而生成式AI技术浪潮的出现从底层逻辑上改变了用户和机器之间的交互方式，用以往做语义产品的思路和流程来做AIGC产品已不再适用，“（翻译工具）产品本身都已经不再需要了，身处其中的产品经理自然也被取缔了”，菁菁说。

图源：unsplash

另一部分则是以往基于数据制定策略的产品经理们，他们在移动互联网时代多被称之为“策略产品经理”，这也是随着互联网大厂前些年业务扩张、组织架构不断臃肿所诞生的细分工种，事实上在移动互联网后期，很多产品经理都只需要掌握部分知识和技能，以适配一个模块的正常运转。

张竞宇告诉品玩在GPT之前，人和机器基于产品数据的决策占比可能是80%和20%，而大模型时代到来之后，这个占比情况可能会调换位置。

更具体些，以往电商行业里搜索推荐的策略都是由产品经理制定的，比如用户通过关键词搜索后的商品展现方式，在很长一段时间内都是人为决定的，“AB Test也是人主导的，主要测试不同的策略投放效果，但策略本身也是人制定的”，在张竞宇看来人并不擅长做数据驱动型的决策，“因为人都有思维盲点，在分析数据时难免有所缺失”。

其他几位受访的产品经理也向品玩表示，纯数据驱动型的工作和决策未来一定会由机器来完成，这是AI时代顺理成章会发生的事情。

可真当这些产品经理们准备踏入AGI洪流之时，他们却发现自身处于一个非常尴尬的阶段。

科技创新周期的演变基本上都会经历**“技术先于产品-产品先于技术-运营先于产品”这样几个阶段**。

以移动互联网时代为例，智能手机刚开始普及时，行业急需的人才以安卓/IOS系统开发工程师为主，等到基建层渐趋完善后移动App才百花齐放般出现，同时也开启了产品经理的黄金时代，而从2018年起移动互联网增速放缓，行业整体也从“人人都是产品经理”转向“运营之光”，这时抖音和小红书为代表的重运营型产品后来居上，凭借优质内容与精细化运营跻身国民App之列。

AGI行业、或者说AI2.0时代，目前处于“技术先于产品”向“产品先于技术”过渡的中间地带。

多个从业者向品玩表示，当下仍是AI2.0时代打地基的时期，基建层的核心产品比如大模型，一定是由技术驱动的，虽然大模型团队中也有产品经理的身影，但其站位和功能多是为研发服务的。

据靳宸观察，不少互联网大厂也开始下场做大模型和AIGC相关的产品，然而团队很多是由内部临时抽调转岗组建，自身也处于对新业务的学习摸索期，产品经理在其中发挥的作用和话语权都较为有限。

图源：unsplash

黄钊在运营大型社群的过程中，接触到了大量行业一线的AI产品经理和各类AI企业，他发现AI2.0带来的第一波职位机会更多是面向产品负责人级别的，但相比于大厂而言，垂直领域的头部AI公司更受资深产品经理的欢迎，“一个大厂正在做LLM（大语言模型）的产品负责人，最近明确愿意看AI2.0一线公司的机会”。

“目前来看产品负责人级别的都招差不多了，但不少AI产品落地方向还不够清晰、没有看到初步效果，所以没法继续扩大团队规模。”

据黄钊透露，几家还不错的AI创业公司都因为产品方向不确定，所以很多候选人被卡住了，“能看到Q3对AI产品经理的需求淡了一些，Q4会是分水岭，只有产品体验有突破，才会有一波核心输出PM（大头兵）级别的HC（名额）”。

AI产品经理的供大于求，也造成了现阶段PM招聘市场的极度内卷。

一方面，转型而来的AI产品经理使得市场上候选人的数量快速增加，公开数据显示AI产品经理是当下AGI领域中供需比最高的职业，平均58个人同时竞争1个职位，相比之下竞争最激烈的技术研发岗位，例如NLP和推荐算法工程师，也不过是10个人同时竞争1个职位。

另一方面，处在“技术先于产品”阶段的AI企业对产品经理的需求较少且不急，随着候选人数量的递增，AI企业也把人才预期和基准线拉得更高，就连那些并非由这波技术革新创造的、已存在多年的职位的招聘标准也都水涨船高。

AI产品经理的招聘乱象也由此催生。

“有些第三方招聘平台发布的职位，在企业内推系统里面是查不到，要么是挂出来搜刮简历，要么就是企业为了降低招聘成本连内推的费用都不愿意出；还有些职位，在询问HR后对方的第一反应是先问候选人的薪酬预期，可见AI公司的财务压力可能真的不小。”黄钊说。

品玩还向知情人士了解到，一家AI2.0明星初创企业虽然近期还在对外发布新产品模块，相关宣传举动也未曾停下，甚至第三方招聘平台还能看到不少该企业的职位，但事实上，内部已在准备调整业务方向并酝酿裁员，外界看起来红红火火的表象之下，是HC全部冻结、在职的产品经理向外寻求跳槽机会。

02

那些在AGI应用层跑起来的产品经理

就在产品经理们削尖脑袋般地挤向AI2.0行业却始终不得要领的时候，AGI领域的发展似乎也步入了一个瓶颈期。

继ChatGPT问世、国内持续半年多的“百模大战”后，AGI已渡过了信息爆炸带来的红利期，那些容易看到的低垂果实随着认知和共识对齐之后，迅速成为了人满为患的模仿秀竞技场，放眼望去多是些同质化严重的AI画图、AI聊天、AI Office等GPT衍生品，并没有哪个真正成为大众期待中的AI Native应用。

一边是焦虑迷茫、找不到自身用武之地的产品经理；另一边却是艰难寻找应用场景、实现商业落地迟缓的AGI技术。

这两者似乎在AI2.0时代逐渐从“技术先于产品”发展到“产品先于技术”的过程中被错配了。

换言之，AI落地的真正瓶颈正是缺少合适的产品经理，无论在大厂还是初创企业，AI产品经理的价值还未得到足够的重视。

图源：Midjourney生成

即便如此，小部分让产品经理高度参与的团队在AGI应用层快速跑起来了。

吴海波是一个十多人规模AI创业团队的产品负责人，他的团队孵化于购物电商平台蘑菇街。自去年开始，在Stable Diffusion扩散模型和ControlNet神经网络结构的加持下，国内市场便爆发了一波又一波AI生成图片的热潮，同样是基于开源社区打造自己的产品，吴海波既没有像那些对技术极为狂热的创业者般，痴迷于锻造模型本身，也没有跟风做一款追逐短期流量的AI绘画产品。

他看到的更多是AIGC之于电商行业的落地应用价值。

吴海波告诉品玩他的脑子里每天都在冒着各式各样的产品想法，都是围绕电商领域相关的，想法之多以至于无法、也不可能尽数实现，但它们成为了吴海波这样产品经理吸取养分的一种方式。

所以当SD这样的技术方案出来之后，吴海波就能很快地把之前的产品想法串起来，这是产品经理主导的团队在技术革新落地时反应更加快速的原因。

不到两周的时间，吴海波和团队就利用ControlNet Stable Diffusion七七八八地做了一款AIGC商拍工具的Demo，“一开始Demo样子其实很挫，但先做出来再去讨论迭代升级更有价值”。

产品经理这种快速产出Demo的过程被称之为MVP（Minimum Viable Product，最小可行性产品），作为国内第一批AI产品经理的黄钊认为无论是移动互联网时代还是AGI时代，MVP都是至关重要的，甚至要先于产品的研发投入，只有先在小范围、或者通过简单的验证方式确认了产品能满足用户需求的前提下，才可以进入后续研发环节。

“在上一波人工智能热潮中就出现过这类问题，当时有创业公司自己产品的模式还没搞清楚，就忙着高薪挖大厂的技术人才，结果花大价钱请来了人才，但产品没做出来公司也慢慢死掉了。”黄钊说。

简单来说，吴海波做的这款AI工具就是给服饰商品生成模特上身图，这也是虚拟试衣需求最大的落地场景之一，以往服饰类卖家给自己的商品拍摄照片要经历选模特、选场景、与中间商协作沟通等一系列环节，流程复杂不说成本也很高昂，而通过AIGC工具来实现一键商拍，将极大解决众多中小卖家、甚至是跨境电商卖家的痛点。

为了迅速且成本可控地将产品做出来，吴海波在具体技术方案的选择上也更偏向产品经理视角。

在实现服装一键商拍的过程中，最困难的点在于AIGC很难生成衣服穿在人身上所具有的真实垂坠感，这个难题相比投入更多研发成本和时间来解决，吴海波的思路更加高效简单，那就是原始图片采用人台来拍，“创新其实有很多种，现阶段能实际解决用户需求才是最重要的，不是所有问题一定要用技术来解决，而这也是产品经理这个角色要做的事情”。

产品导向的思路也决定了吴海波更加注重交付的细节，比如图片滤镜风格问题、AIGC内容生成模特的脸崩问题，这些能通过技术研发测试的瑕疵在吴海波眼里是致命的，他也因此跟内部团队发生过争执，但最后仍用产品经理的思维说服了对方。

从科技创新整体周期来看，技术确实先于产品而诞生并发展，可一旦技术迈入商业世界寻求落地场景，便已经开启了“产品先于技术”的新阶段，无论技术革新的浪潮有多么澎湃，市场和用户终究是为产品买单，而产品经理应该与技术研发们并肩作战、甚至跑在更前面。

此外，据品玩观察很多像吴海波一样在国内AI领域实践多年的产品经理、创始团队的AI产品负责人，在当下这轮AGI浪潮中，都不约而同地选择B端作为切入点。

在吴海波看来，AGI技术整体仍处于早期发展阶段，从产品后续的迭代交付、团队未来的运营情况等方面考虑，B端产品目前是比较稳妥的选择，相比之下此时如果选择做C端产品，首要面对的就是漫长的生存问题。

“更重要的是，当下ChatGPT引爆的热度其实距离AGI技术的范式革新还太远了，包括年初我们期待的多模态内容生成能力也还没正式开放使用，所以C端的落地应用行业里目前没有完全想清楚，除此之外大家也会担心C端最后又会变成一场规模游戏。”经历过PC互联网后半场、又在移动互联网周期里沉浮多年，吴海波直言不愿再在AGI时代里重复做那些容易被竞争对手复制的产品。

目前正在一家“AI+教育”机器人创业公司做产品负责人的张竞宇也有着同样的感受，“上一波移动互联网技术革新的地位很难被颠覆，C端流量还是寡头。更本质的是，新的利基市场还没有被AGI技术发掘出来。”

多个一线资深AI产品经理向品玩表示，无论是技术本身的狂热，还是资本市场的鼓吹，并无法从根本上撬动C端用户的需求，事实上互联网技术已很大程度上满足了大众的刚需，“AGI在C端落地的难点在于，到底有多少社会层面的需求不得不高频地使用这项技术解决，它更加真实的使用场景价值是什么”。

不同于当下一众拿着AGI技术寻找落地场景的大厂和AI创业公司，像吴海波这样本身具有极强的产品思维、兼具对AGI技术理解能力，并且还在垂直领域积累多年对卖家用户的需求了然于胸的团队，他们带着用户的痛点“反”过来向AGI技术寻找答案，如此才能找到真实的落地场景。

03

AI2.0时代到底需要怎样的产品经理？

产品经理，这个最早诞生于传统行业、却在互联网领域以一种极为吸睛方式出圈的职业，经历了移动互联网早期的“造神”、高速发展期的“人人都是产品经理”，以及增速放缓期的“流水线产品经理”几个阶段后，随着AGI技术的爆发步入一个全新的阶段。

在这个全新的AI2.0时代里，产品经理的核心竞争力已发生巨大变化。

图源：pixabay

首先也是最重要的，产品经理在AI2.0时代将回归它最朴素也是本质的职能：发现、提出，并协调整合资源来解决问题。当外围技能像泡沫一样被AGI挤破后，产品经理真正无法被AI取代的能力是对趋势的判断、对交互关系的深层洞察，以及人类独有的灵感和审美。

从某种程度上来说，这也是产品经理和技术研发两个工种之间的差异。

产品经理由于长期近距离地观察市场趋势变化和用户行为方式，因此天然对场景与需求有着更敏锐的嗅觉，而后者则更擅长通过技术来实现需求提高效率，甚至通过技术创新颠覆底层生产力。

这种彼此不可替代的差异注定了产品经理与技术研发缺一不可，过于放大一方的角色优势、甚至忽略另一方的重要性，都会造成产品本身的竞争力缺陷。

比如在吴海波看来，OpenAI和Google的最大区别就是前者具有完整的产品经理视角，“OpenAI所打造的ChatGPT很多技术都是由Google研发出来的，但是Google的技术创新多停留在发表一篇有影响力的学术论文阶段。后面技术如何应用在产品上？有没有人持续跟进技术落地的情况？”相比之下，OpenAI虽然也是由技术驱动的公司，但它却是一众技术型公司中产品思维最强的。

同样地，虽然硅谷和国内当下阶段的AI2.0公司/产品，都是由技术创始人/CTO在打前阵，但不得不承认的是，硅谷的CTO比国内的CTO更具产品思维，一位曾与国内多个头部企业CTO有所接触的受访对象告诉品玩，他总是听国内CTO说“只要业务能把方向和需求确定好，他们技术研发就能实现它”，但在硅谷，CTO经常是与产品负责人争执落地大方向的角色。

产品经理核心能力的更迭和角色的缺位，以及CTO产品思维的匮乏，可能也是造成AGI技术在硅谷的C端应用落地要比国内更快更多的原因之一。

除此之外，AI2.0时代要求产品经理比以前更“懂”技术。

如果说互联网时代的产品经理懂技术是加分项但不是必备技能，那么AI产品经理对技术边界的理解与认知，将决定了产品下一步的创新和迭代方式，不能天马行空也不能毫无创新，如果用一个词来形容，“极客”类型的产品经理在AI2.0时代会更受欢迎。

更重要的是，多位资深行业人士认为AI2.0时代的产品经理还要更深入垂直领域，进行专业知识的获取和积累。

“一定要找到某个具体行业作为落地场景，你可以理解为 ‘AI+落地行业’，后面那个才是产品经理用来保命的。”在上一波AI热潮中，张竞宇曾亲眼见证自己在互联网大厂的同事，因为过于聚焦纯AI型产品从而忽略了在具体落地行业的积累，当技术周期过境之后，成为了第一批被淘汰的高价人才。

“这类产品经理早期是行业里最贵的（薪资最高），但很多时候是拿着锤子找钉子、没有垂直到任何行业里面，也是最容易受到技术革新影响的，一旦大厂进行业务调整，他们在垂直行业甚至找不到合适的工作机会。”张竞宇表示与其盲目地追风转型做大模型产品，不如静下心来思考自己所处行业真正能与AGI技术结合的机会。

在过去几年时间里，吴海波虽然每天都在一线带队做产品，但他仍保持着每年百来篇AI专业论文的阅读量，这使得他对行业前沿发生的变化更敏感、甚至有时能提前嗅到创新可能诞生的方向，他一手打造的WeShop自五月中旬上线短短两个月，就已有了近十万企业用户，这在B端领域、尤其是没有做任何付费推广的情况下，已经是令人艳羡的成绩。

“我们甚至觉得增速有些快了，不过这样也能推动我们做技术迭代和产品升级，这个时候就很考验产品负责人在客户增长后如何解决短期需求与长期需求的资源竞争问题。”

在AGI一线做产品负责人的同时，吴海波也时刻关注着产品经理这个行业的变化。

吴海波告诉品玩，他最关注两种类型的AI产品经理，“一种是天才型选手，但可能他不适合我们团队，不一定非要强行融入，我们会寻找机会投资他们；另一种是成长型产品经理，逻辑sense和技术感知很好，但需要组织内部提供成长环境，这类是我们下个阶段会重点看的”。

产品经理们，挣扎在AI新纪元到来前的黑暗

图源：Midjourney生成

与此同时，国内AI求职市场的竞争也愈演愈烈。

靳宸发现经常使用的几个第三方招聘平台上，AI产品经理的岗位数量并没有显著增加，但每个职位下的竞争者数量却同比大幅激增，看着求职诊断里自己的竞争力排名逐渐下降，她有时想放弃转型的念头，有时又想索性先接个不理想的offer、迈进门槛再做打算。

据吴海波透露，近几个月有越来越多具有海外工作背景的AI人才选择回国发展，“我们招聘过程中发现这类人才的比例在明显上升，对比来看他们倒不是说技术上比国内人才厉害，但对产品的想法更多”，吴海波还观察到，就在国内多数AI人才还一门心思地涌向大厂的时候，这些AI海归人才的选择更加随意开放，很多倾向于中小型初创企业。

弥漫在产品经理群体间的焦虑和迷茫短期内很难散去，他们就像掉进技术周期更替之间的洞里，暂时性地被低估与忽略，但即便如此，几乎所有受访的产品经理都表示并不后悔进入这个行业，也没有离开的打算。

“这是少数作为个体能站在时代潮头浪尖的职业，我喜欢这种感觉。”他们说。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】