AI产品经理需要哪些必备技能？如何成为AI产品经理？（文末福利）

1.AI产品经理是什么

回答这个问题前我们首先得理清楚什么是AI产品经理，它和传统的互联网产品经理有什么区别。

1.1 AI产品经理职责

主要职责一方面是规划如何将成熟的AI技术应用在各个领域不同场景中，提升原有场景的效率或效果等；

另一方面是基于业务方的需求如何用现有的AI技术或者AI技术组合予以实现，甚至有可能联合技术团队孵化新的AI软件解决方案或者AI硬件产品。

1.2 AI产品经理与传统互联网产品经理的区别

AI产品经理本身也只是产品经理的一种，并没有什么特殊性。只是这些年AI相对比较火，理解AI技术需要一定的技术门槛，和传统的交互产品经理、系统产品经理等对比起来入门门槛更高。

传统的互联网产品经理不懂技术是可以成为一名优秀的产品经理，但是对于AI产品经理来说完全不懂技术，只具备产品经理应有的沟通能力、协调能力、项目管理能力等是很难成为一名优秀的AI产品经理的。

AI产品经理与传统互联网产品经理最大的区别应该是“懂技术”成为了必要条件，当然目前市场上很多AI产品经理都只对AI技术略知皮毛，理不清机器学习和深度学习的区别，不会算召回率和精准率等。而AI产品经理未来的大趋势是一定由“懂技术”的专业性人才担任，而不是传统那些通用型产品经理人才担任，国内外AI&机器学习&计算机科学等专业毕业的科班学生越来越多，这方面的专业性人才也会越来越多。

（“懂技术”是一个相对比较宽泛的概念，简单直接点说就是可以和算法研发们基本无障碍地进行沟通，能够客观准确地评估他们的工作量，这点产品经理懂得都懂。）

2. AI产品经理的类型

我们弄明白什么是AI产品经理后，那么AI产品经理具体可以分为哪些方向了。如下图：

总的分为两个大的方向，一个是AI软件产品经理，将AI等技术应用在某些场景中，是一个AI软件解决方案。同时部分场景下需要调整AI应用的策略和效果等，这种有时候也被称为AI算法产品经理，这里我们不再继续细分。

另一个是AI硬件产品经理，最终产出的是一个实体的智能硬件，比如百度的小度智能音箱和小米的智能家居等。下面分别介绍：

2.1 AI软件产品经理

AI软件产品经理也可以分为两个大的方向：专业领域型和平台型。

2.1.1 专业领域型

• CV & NLP & ASR & AR & VR & 自动驾驶等

专业领域中如计算机视觉、自然语言处理、语音识别、增强现实、虚拟现实、自动驾驶等都会有专门对应的产品经理，可能Title并不完全叫做AI产品经理，但工作本身和AI都是强相关。

专业领域的AI产品经理更多的工作，是如何将该领域的AI技术赋能不同领域的各个场景提升该场景下的人效和用户体验等。比如计算机视觉领域，目前OCR应用很广泛，AI产品经理就需要在各个领域比如金融、医疗等去做切实可落地的产品解决方案，甚至孵化出一套通用的OCR平台。

其他细分的领域也是一样，很多AI技术都是需要在不同领域的不同场景中进行落地，AI产品经理就需要尽可能地孵化出一套标准产品，提升交付效率和实现大规模标准化场景应用。

2.1.2 平台型

单独将AI平台产品经理列出来，是因为AI平台产品经理不局限于某一个AI研究领域，更专注于打造一个通用的机器学习平台，这里也可以细分为深度学习平台、强化学习平台等。

这个平台可以用来各种AI应用场景的建模，提升科学家们建模的效率，以及一定程度上降低建模的门槛，使得普通的产品&运营等都可以在平台上进行简单地建模。

国内以百度的Paddle-Paddle，第四范式的先知，阿里的Pai平台为主流的机器学习平台。AI平台产品经理可以说是AI产品经理中对技术能力要求最高的职位了，下面是我从网上找的一个JD：

需要对整个机器学习建模流程十分熟悉，比如数据处理、模型构建、特征工程、效果评估等。同时还要对工程化、大数据处理、算力资源管理等有一定了解。如果没有一定的机器学习背景是很难成为一名合格的AI平台产品经理。

2.1.3 备注

上述列举了两个大的方向，但实际招聘市场上，除了平台方向的AI产品经理招聘时会明确岗位是“AI平台产品经理”，大部分招聘的AI产品经理都是2.1.1类型的专业领域AI产品经理。

同时接触到的AI技术一般不止一个方向，很多时候需要根据场景&业务的需求，找到合适的技术或技术组合来满足需求。

目前CV和NLP方向应该是应用最广的两个AI技术领域了，尤其是在教育业务。之前面过某跳动的教育业务线，他们招聘的AI产品经理虽然JD里面没有明确写出是这两个方向，但是和面试官沟通完就知道基本后续工作内容主要是接触这两个领域了。所以读者如果后续面试相关AI产品经理岗位，如果从JD中看不出具体接触的AI领域，就需要从面试官口中问出。如果面试官本身都讲不清楚，那么很明显岗位不靠谱。

还有一种传统企业的AI产品经理，之前面试遇到过，企业自身没有AI技术团队，需要该AI产品经理从外部寻找AI厂商进行合作，业务方需要什么技术就从外部寻找。这种AI产品经理更多只是一种项目管理的角色，自身沉淀不下核心技能，项目结束后对相应领域的AI技术也不够了解。

2.2 AI硬件产品经理

2.2.1 智能硬件产品经理

智能硬件比如现在流行的智能音箱和智能手环等，而智能硬件产品经理一种是规划应用AI技术，统筹规划设计生产出智能硬件产品的产品经理角色。产品经理需要对整个产品设计、开发、测试、试产和量产等过程监控，确保产品顺利按时保质保量的完成。

硬件产品经理可能还需要对生产流程、质量控制方法等有一定了解，软件产品是没有生产工艺这一环节的。

2.2.2 算力产品经理

大部分人了解到的AI硬件产品经理都是前面这一种，但其实在大型的AI厂商中还会存在后面这一类硬件产品经理。

因为AI的三大要素是数据、算法和算力。对应的有数据产品经理、算法产品经理，自然也就有算力产品经理。只不过这部分产品经理更多是从服务器厂商出来的，因为AI的算力基本就是服务器资源了，对应的厂商有华为、浪潮、联想等。

这一类产品经理相对来说对AI技术不需要很了解，对算力资源的配置和使用足够了解就可以了，简单了解不同场景应用哪类算力资源最合适即可，当相对来说工作岗位也比较少。

3.AI产品经理必备的技能

上面介绍完AI产品经理的类型，那么成为一个优秀的AI产品经理需要具备哪些技能了？对于任何一个产品经理都应该具备的普适技能这里也不再提了。

3.1 技术能力

这里主要将技术能力分为两个大的方面。

• 算法：AI的三大要素：算法、数据和算力。作为一个设计AI产品解决用户实际需求，并和算法团队一起不断优化产品效果的AI产品经理，如果对算法完全不懂，可能目前这个时代这种AI产品经理还能滥竽充数，但是未来一定会被淘汰。

• 对于AI产品经理，了解算法，需要了解到什么程度了？首先必须得懂机器学习建模的基本流程，分得清不同的机器学习深度学习任务，了解不同任务下该使用哪种算法，对常见算法的原理有一定了解，知道如何评估不同场景下模型的效果。

• 同时不同领域的AI产品经理需要对该领域一些经典的模型和算法比较熟悉，甚至可以清晰地讲解出其算法原理。比如CV领域的AI产品经理，需要对卷积神经网络十分了解；ASR领域的AI产品经理，需要对RNN十分了解。

• 系统架构：了解Hadoop、Spark、Hive、ES、Flink、Kafka等组件，清楚各个组件的作用以及如何进行连接，更多的是对工程化有一定了解。

• 这里并没有将编程能力列入，但我认识的优秀AI产品经理要么是技术出身，本来就懂编程，要么是自学了编程。因为你不懂编程，有时候很难对算法理解的很透彻，理解的不够透彻和算法工程师的交流就不会很顺畅。面对业务方的一些简单技术问题，都只能寻求算法工程师的帮助，上限相对比较低。

3.2 数据驱动的逻辑分析和策略优化能力

AI产品经理同样要具备数据产品的能力，因为数据也是AI的三大要素之一。需要熟练使用sql和hive相关数据查询语言。对于一个AI产品经理来说，使用sql和hive是基本，因为这两门语言学习的门槛相对降低，自学都可以很快上手。通过数据分析可以快速找到后续模型效果优化和策略调整的方向，有据可依。对于使用Tableau这种，实话实说真的是小儿科，这种可视化的界面查询只能做一些简单的结果分析和精美图表，对于更好的策略调整和模型效果优化必须进行数据库查询。对于AI产品经理来说，仅仅只会数据分析也不够，还需要很强的数据sense才可以。

3.3 业务sense

除了上述偏技术的能力之外，还有一个十分核心的能力，就是业务sense，也就是从业务需求到技术解决方案的转化能力。面对一个全新的业务场景，如何将该场景转化为一个机器学习的任务或者是应用哪些AI技术&技术组合是最有效的。

因为AI技术是一项新型领域，在很多场景中的应用都属于未知数，并没有过多的经验可以参考。那么面对一个新的场景，AI产品经理的角色就很重要了。比如说如何将机器学习应用到零售领域的智能补货场景中，如何将CV技术应用到零售领域的线下门店数字化中。

3.1&3.2里面介绍的能力需要产品经理沉下心来花长时间去学习和沉淀，尤其对于非科班出身的产品经理来说学习之路是相对比较漫长的。3.3里面介绍的能力需要产品经理多去学习先进经验，多去和先进AI厂商进行交流，不能闭门造车。

4.如何成为AI产品经理

4.1 在校生

如果你还是一个未毕业的在校生，其实想要成为一个AI产品经理最直接的方式就是找对应的实习，实习的要求相对是最低的，然后通过实习经验作为筹码，校招时找对应的AI产品经理岗位。如果校招时无法找到完全对口的AI产品经理，也可以退而求其次找对应的AI咨询或者AI解决方案工作，后期转AI产品经理也是比较对口。但是3.1&3.2里面提到的技术能力也需要提前学习和准备起来。对于在校学生如果想做AI产品经理，强烈建议辅修一门计算机或者人工智能/机器学习课程。

4.2 传统互联网产品经理

如果你现在是一个传统的互联网产品经理，对AI技术完全不懂，想直接转行AI产品经理。实话实说很困难，你需要一个契机。，可以通过学习相关AI知识，然后先从小公司开始转方向，积累一定AI领域经验后可以再应聘大厂。

每个领域都各有各的优势，不是说现在AI比较热就必须往AI领域转。当然AI未来会充斥着我们生活的每个地方，可以学习一定的AI知识，毕竟对于产品经理来说一项普适的技能就是持续学习的能力。

如何系统的去学习AI大模型LLM ？

作为一名热心肠的互联网老兵，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。

所有资料 ⚡️ ，朋友们如果有需要全套 《LLM大模型入门+进阶学习资源包》，扫码获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的所有 ⚡️ 大模型 LLM 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】

全套 《LLM大模型入门+进阶学习资源包》↓↓↓ 获取~

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​