人人都是“AI产品经理”

四个共识

开始之前，咱们先达成一些共识，在共识的基础山，咱们再讨论接下来的一些问题。

第一个共识：AI时代已经来临

现在视频直播用到了美颜技术，大家打开手机，抖音应用到了智能推荐技术，北京西站刷脸进站应用到了人脸识别技术。回家后指纹开门应用到了指纹识别技术。等等这些都已经说明我们已经进入了AI时代。这是我们达成的第一个共识。

但是有人说了，现在的人工智能不够智能，就是个人工智障，和智能音响对话，三句话就跑偏了，摄像头竟然吧公交车上的广告代言人头像识别成违规穿越马路，自动翻译的字幕错字一大堆，自动驾驶还时不时有报道出出事故了。这些都还说明，现阶段AI还不够智能。这是咱们达成的第二个共识。

但是我们也看到在某些场景下AI确实取代了人类，甚至超越了人类，而且还有更多的场景是可以被AI所取代的，或者被AI赋能的。这是咱们达成的第三个共识。

1980年开始，机器学习才真正成为一个独立的方向。1989年，才设计出了第一个真正意义上的卷积神经网络，用于手写数字的识别。直到2012年，卷积神经网络才被广泛的应用于机器视觉的各类问题。李飞飞举办ImageNet 挑战赛从2010年到2016年，分类错误率从 0.28 降到了 0.03，机器视觉识别正式超过了人类。所以我们坚信AI技术不会就此截至，会越来越好，越来越智能。这是咱们达成的第四个共识。

人人都是AI产品经理

了解了技术的演化路线，咱们再来看一下产品经理的发展路线。从1998年百度、阿里、新浪的成立，国内出现了第一批互联网产品经理。这一批产品经理造就了天涯论坛、qq空间、人人网、豆瓣网等一批PC端的产品。 2007年1月9日，乔布斯向世人展示了苹果公司iPhone手机。同年谷歌收购了安卓。从2008年开始，一批的APP开始面世，我们现在用的微信是2011年1月21日推出，2012年打车软件滴滴诞生。去年年度，工信部公布的数据显示，全国一共有345万款APP应用，这些都是出自产品经理只手呀。

从2016年，一些成熟的AI技术开始落地，2016年9月20日抖音上线，淘宝推出千人千面，2017年春节，北京西站开启刷脸进站。AI产品经理开始出现。我们从PC端转移到了移动端，出现了APP产品经理，现在我们踏入了AI时代，自然我们需要AI产品经理。

AI产品经理分类

位于基础层的公司，主要工作是数据收集和治理，以及计算资源服务。数据收集和治理类型的公司大多拥有自己的数据流量入口，致力于对于数据的收集和加工。比如数据堂，它主要提供数据采集（包括从特定设备，地点采集，采集范围包括图片、文字、视频等）、数据标注（主要是对图像进行标注，如标注人脸、动作等）服务。而计算资源服务类型的公司，又可以分成两类，一类致力于底层的芯片、传感器的研发服务，就像寒武纪这样的企业，它们作为一个人工智能芯片公司，主要的收入来自云端智能芯片加速卡业务、智能计算集群系统业务、智能处理器 IP 业务。另一类是 AI 计算服务，比如百度的 AI 开放平台，平台除了提供百度自有的 AI 能力之外，也为上下游合作伙伴提供了一个 AI 产品、技术展示与交易平台。接着，我们再来看位于技术层的 AI 技术服务类公司，它们为自己产品或者上游企业提供底层的 AI 技术服务，服务模式更多的是技术接口对接，比如人脸识别服务的服务模式主要就是 API 接口或者 SDK 部署的方式。最后是产品附加 AI，即应用层的大部分产品，它们都是通过 AI 技术叠加产品，赋能某个产业的模式。比如滴滴通过 AI 技术应用于自有的打车业务线，包括营销环节的智能发券、发单环节的订单预测、行车中的实时安全检测等等。AI 产品经理所需技能通过上面的分析，我们不难发现，不同产业层级和商业模式都需要具有相应能力的 AI 产品经理。处于基础层的企业主要提供算力和数据服务，这些企业的特点是，偏硬件，偏底层技术，技术人员居多。这就要求 AI 产品经理了解如云计算、芯片、CPU/GPU等硬件技术，以及行业数据收集处理等底层技术和框架。所以，原来从事底层硬件、技术平台、基础框架的产品经理，就比较适合转型到基础层了。

而处于技术层的企业，主要的业务是为自己的业务或者上游企业提供相应的技术接口。这些企业的特点是技术能力强，大部分业务都是 ToB 服务。这个时候，AI 产品经理就必须要具备企业所在领域的技术知识，如语音识别（ASR）、语音合成（TTS）、计算机视觉（CV）、自然语言处理（NLP）等通用技术，最好还能了解 TensorFlow、Caffe、等一些的机器学习框架。最后，我们再来看应用层，这类型公司就是我们日常生活中接触最多的互联网公司，只是其中一些公司走的比较靠前，应用了 AI 技术来赋能自己的内部业务。比如滴滴使用 AI 技术做智能分单、智能补贴；京东数科是用 AI 技术做智能反欺诈，大数据风控。这一层是互联网产品经理转型最多，也是成功率最高的一层。处于应用层的企业，大多数直接面向 C 端用户，所以它们关注的是如何结合市场特点，来利用 AI 技术创造性地设计出符合市场需求的产品。所以这类型的产品经理不仅要求对所在行业有深刻的认识，同时也要对 AI 技术有一定的了解。能够与算法和研发工程师顺畅沟通与配合，能够判断算法同学交付的产品是否满足业务需求。总之，这一层的 AI 产品经理岗位，比较适合已经在某个领域具备了行业经验，打算转型做这个领域产品经理的同学。虽然人工智能可以让系统像人类一样进行理性的思考和行动，但它目前能够解决的问题还很有限。总结一下，基础层偏硬件，技术更底层，对人的技术能力要求最高；技术层多为 ToB 服务，对技术要求相对较高；应用层最接近现在的用户，更多的是利用 AI 技术服务业务，对技术要求相对最低。总之，通过这个图谱我们知道AI产品经理不仅仅指的是做人脸识别、智能翻译、无人驾驶的这些人。还有做基础、做架构、做平台的。

AI产品经理能力模型

现在知道了AI产品经理的分类了，那我们再来看下AI产品经理的能力模型是什么，我总结AI产品经理需要具备AI 项目管控能力、算法技术能力和模型验收能力。首先，AI产品经理要知道如何主导一个 AI 项目，怎么构建一个 AI 算法模型，以及这个过程中怎么和算法人员进行沟通。其次，要知道AI 领域主流算法的逻辑和它们的应用场景。最后需要知道如何检验一个 AI 模型的好坏，如何验收算法工程师的产出，并且有自己的一套模型验收的知识体系和监控指标。这三大能力不仅和互联网经理要求的能力有很大区别，也是 AI 产品经理的核心技能壁垒。说的传统产品经理，我顺便说一下AI产品经理和传统产品经理的区别是什么？

从 “AI 产品经理” 这个词来看，它可以分解为“产品经理” + “AI”，AI 产品经理作为产品经理，核心职责和底层能力与传统产品经理是一致的，仍然是通过技术手段实现业务目标，但是它们在面向的对象，使用的技术，以及岗位边界这三个方面却大有不同，首先，我们来看面向对象上的不同。传统的产品经理更多活跃在 C 端，他们面向的是用户，比如电商产品经理、策略产品经理、社区产品经理等等。但是 AI 产品经理更多活跃在 B 端，面向的是各大企业，而且 AI 产品更多应用在 B 端的场景下，比如云从科技的人脸识别产品，大多是给到银行，应用于银行的自动柜员机开户等场景。

其次，是实现产品目标的技术手段不同。传统产品经理对接的是研发工程师，需要通过研发工程师的代码，来完成产品的功能实现，那他们使用的就是研发技术。而 AI 产品经理对接的是算法工程师和研发工程师，需要对接算法工程师完成具体的模型，再对接研发工程师进行工程开发联调和上线。最终，我们得到的产品形态可能是一个 API 接口，没有所谓的页面。比如，我们现在做的病虫害识别，对外暴露的就是一个 HTTP 接口。最后，我们再来看看 AI 产品经理在岗位边界上的不同。这个边界可以分为两个方面，一个是岗位要求的边界，一个是和技术人员协作的边界。我们先来看传统产品经理的岗位要求。传统产品经理的岗位要求非常清晰，一般来说，电商产品经理需要懂得电商业务、供应链、电商后端设计，了解用户裂变、营销活动设计，社区产品经理要有社区、社交产品经验。而且每一家企业相同岗位的 JD （职位描述）差别不会太大。现阶段 AI 产品经理的岗位要求非常模糊，AI产品经理需要负责产品定义，因为好多产品根本没有竞品甚至没有可参考的。需要AI产品经理定义产品，还需要定义产品边界，比如做个对话机器人，因为对话是开放式的交互方式，哪些问题能回答，哪些问题不能回答，回答形式是什么，都需要产品经理来进行定义。甚至有时候需要产品经理负责数据集收集，数据标注，算法选择有时候也需要AI产品经理和算法工程师一起来做。因为这个岗位还处于早期，所以现在还没有区分太细。AI产品经理需要做的东西就会多一些。这就是和传统产品经理的区别。

AI产品经理需要懂技术吗

有人问，AI产品经理需要懂技术吗？我个人认为，主要看你属于哪个模块的AI产品经理，如果说基础层，那肯定要懂一些，但是如果是应用层，我感觉产品经理的核心工作还是需求调研和产品定义。相关技术原理需要了解，知道什么技术可以实现什么功能，能实现到什么程度。我建议大家看我这本书的图谱就可以了。3.7米长图，包含自然语言处理、图像识别、语音识别，语音合成、知识图谱、传感器、物联网、智能音响、智能推荐、AI交互、AI算法、机器学习和深度学习等13个模块。做到浅尝辄止、了然于胸就可以了。

什么是AI产品

好的，大家已经了解了什么是AI产品经理，接下来来了解一下什么是AI产品，这里所说的AI产品更多的是应用层的AI产品。首先，我们要明确一下，什么是AI能力，AI能力指的是可以像人一样做出判断或者做出决策的能力，例如人脸识别能力，是能够判断出现场采集的你的脸的图像和数据库里保存的你的脸的图像是不是同一个人。AI能力会输出一个相似度，例如识别出来相似度96%。这个还不能称为产品，因为这个不是一个完整的可以解决问题的方案，什么是一个AI产品呢，需要做闭环处理，例如图像采集、图像传输、图像比对，比对完成后需要产品经理确定阈值，相似度达到多少算是匹配成功，相似度低于多少算是匹配失败。匹配成功后的提示语是什么，匹配失败的提示语是什么，要不要语音提示：请正对摄像头、摘掉口罩。一个完整的AI产品，AI能力只是这个产品的一部分，产品的体验设计、产品的前后端技术也是这个产品的一部分，甚至有时候是这个产品的一大部分。所以说AI产品经理的核心能力是需求挖掘和产品定义。产品经理的核心价值是做价值创造。

AI产品经理的工作流程

ok，我们了解到了AI产品经理和AI产品，我们再来看一下AI产品经理的工作流程是什么样的，在我们决定做一个 AI 产品的时候，不管是处于基础层还是技术层或者是应用层的 AI 产品经理，首要的职责都应该是去定义一个 AI 产品。这包括，搞清楚这个行业的方向，这个行业通过 AI 技术可以解决的问题，这个 AI 产品具体的应用场景，需要的成本和它能产生的价值。这就要求 AI 产品经理除了具备互联网产品经理的基础知识之外，还需要了解 AI 技术的边界，以及通过 AI 技术能够解决的问题是什么。

完成了产品定义之后，产品经理需要给出产品的设计方案。产品的设计方案会根据产品形态不同而不同，比如硬件和软件结合的 AI 产品，会包括外观结构的设计，机器学习平台的产品需要包括大量的交互设计，模型类的产品（推荐系统、用户画像）更多的是对于模型上线的业务指标的要求。在这个阶段， AI 产品经理需要了解，现在市场主流算法都有哪些，不同的算法应用场景是什么，算法的技术边界在哪里。

产品设计完成之后，就到了工程和算法同学分别进行开发的环节了。在这个过程中，你需要承担一些项目经理的职责，去跟进项目的上线进度，协调项目资源。

产品开发完成之后，产品经理还需要验收产品是否满足业务需求。在这个阶段，产品经理的能力要求是，需要知道如何去评估一个模型，评估模型的指标都有哪些，具体评估的过程是怎么样的，以及评估结果在什么范围内是合理的。

大家可以看出AI产品经理工作流程和传统产品经理是类似的，只不过用到的技术为AI技术。那我们可以总结得出来，AI产品就是利用AI技术的价值，处理过往技术无法处理的复杂的非结构化数据，并能够从中提取有价值信息或知识。

我们举个例子：人脸识别，就是应用CV技术处理非结构化的图像数据，并从中提取有价值的信息-相似度。这就是最简单的AI产品模型。

如何学习大模型 AGI ？

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。

-END-

---

👉AGI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉AGI大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉AGI大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓