如何成为初代 AGI 产品经理？零基础入门到精通，收藏这一篇就够了

本文链接：https://blog.csdn.net/leah126/article/details/142255023

似乎有点标题党，我自然也没有资格讲初代 AGI 产品经理，但和关注 AGI 的大量朋友交流后，发现似乎现在也很少人讲，于是在一位资深科技媒体编辑的怂恿下，把近期自学心路历程写下来，抛砖引玉。

本文主题为产品经理入门，之前还做过一次 LLM 分享，覆盖话题更广：一个产品经理的大模型观察、反思与预测

经典的三问应该是：什么是AGI、什么是AGI产品经理？为什么要学习成为AGI产品经理？如何成为AGI初代产品经理？

这些问题当然有价值，但既然大模型的一切都未知——绿洲资本张津剑有一句很漂亮的话，「新世界没有地图，只有发令枪」——我们也可以不按常理出牌。

本文主要话题：

为什么大语言模型如火如荼的今天， Killer App 还没跑出来？
大模型时代的产品经理，应该首先理解大模型的产业链和技术原理
大模型产品经理如何学习技术？方法、材料和心态
大模型时代的产品设计革命

注：

1、本文写作时间为9月初，作为阶段性思考的记录，部分观点后续再更新；

2、全文超过1万字，欢迎收藏阅读；

3、如果你感兴趣：文末有我的微信和AI交流群二维码，欢迎交流。

一、为什么大语言模型如火如荼的今天， Killer App 还没跑出来？

先聊另一个话题：**为什么大语言模型（LLM）如火如荼的今天，**大模型 Killer App 还没跑出来？

任何一个稍微了解互联网和移动互联网时代的人都应该不难想到，这至少是一个价值十亿美金的天问。

首先我们应该警惕：真的会有吗？很多人怀疑LLM是布满泡沫的一时风口，认为C端没有需求。这当然是一个有价值的怀疑，也和历史上所有群体狂热与科技泡沫一样，是一个无法过多争辩的信仰问题，值得另起一文。

硅谷风投机构 a16z 在今年年初写道：

许多热门的科技趋势在市场迎头赶上之前就被过度炒作。但生成式AI的繁荣伴随着真实市场的实质性增长，以及真实公司的实质性发展。类似 Stable Diffusion 和 ChatGPT 这样的模型正在创造用户增长的新记录，而且有几个应用在上线不到一年的时间里就实现了1亿美元的年化收入。测试也发现大模型在某些任务上的表现比人类好了几个数量级。所以，有足够的早期数据表明正在发生大规模的变革。我们不知道的是，现在已经成为关键问题的是：生成式AI将在何处发挥价值？

Kevin Kelly 说：趋势是可以预测的，但是具体在这个趋势中会发生什么、出现什么产品，是没有办法预测的。

总之，我更倾向于：最终会有Killer App的。

那为什么killer app还没跑出来？篇幅所限，简单说一下我理解的原因：

首先是技术周期：

模型层还在突飞猛进，中间层蓬勃发展，应用层所倚赖的条件尚不成熟；
算力成本（芯片）居高不下，高昂的成本抑制了对需求的满足；
对创业公司、新产品而言：只有一层「薄」应用的公司，因为壁垒不够强+模型层突飞猛进，就算跑出来，也会很快被吃掉。比如Jasper.ai，金沙江创投主管合伙人朱啸虎曾认为，Jasper的价值或将很快归零，根本守不住；
对大厂而言：监管、现阶段基础模型开发高优于应用、大厂尤其是产品经理缺少对AI的独到/深刻认知；

总而言之，无论是大厂还是小厂、还是创业者，大家（尤其是产品经理）还在消化底层模型的能力，一边提升认知，一边想着怎么跟业务深度融合。

当然，我个人对于这个问题，除了商业价值上的思考，还有智识或者专业上的考虑：**如何探索AGI时代的产品？**此处先按下不表，文末展开。

落到实处就是：如何首先成为AGI时代产品经理？AGI产品经理第一课应该学什么？

作为一个在移动互联网尾声入门、刚刚自学入门AGI的产品经理来说，写下这一课，不是够胆教人，是对自己过去摸索学习的总结，万一能对其他人有启发，自然再好不过。

二、大模型时代的产品经理，应该首先理解大模型的产业链和技术****原理

1、路径依赖的困境

人习惯于线性思维，总有路径依赖。沿着移动互联网产品设计的思维，很多产品经理和业务负责人面对汹涌而来的LLM，本能反应是：

我应该如何将ChatGPT融入到当下的产品中？把大模型的能力「接进来」？
「调用大模型能力」做一个对话机器人？要开一个新Tab吗？
交互形式是跟ChatGPT一样对话吗？
看似很厉害但实际体验起来却很麻烦？

……

于是我们可以看到当下互联网人尤其是产品经理的焦虑：所有人都知道ChatGPT改变了世界，几乎所有人都相信微软CEO Satya Nadella 说的要 Povit the Company——微软每个产品都必须用大模型为先的思路重做一遍，以及百度CEO李彦宏说的「所有产品都值得用大模型重做一遍」

——但怎么做？

在实际参与了部分成熟产品「结合AI的创新功能探索」并毫无意外受挫，以及和大量产品经理交流后，结合LLM学习体会，我的结论是，和过往互联网和移动互联网不同，在想象具体的产品交互之前，应该先退一步：

2、大模型****时代的产品经理，应该首先理解大模型的产业链和技术原理

为什么首先需要理解大模型的产业链？为什么应该理解大模型的技术原理、而不是上来就开始想象交互的事情？

因为大模型带来的，首先是大的范式变革，然后才是具体的产品设计思路，交互体验，开发模式等等——这一切都要重新思考和探索，但首先需要理解并思考范式变革。

大模型，或者说生成式AI，和以往互联网和移动互联网时代有什么不同？

3、大模型产业链

互联网建立在TCP/IP的协议之上，移动互联网有相对独立的系统层、应用层（基础架构、平台、软件），和它们不一样的是，大模型更复杂——这其中有大模型本身的原因，也有当下尚在技术周期初期的阶段性原因：

首先，我们都比较熟悉的是，大模型有模型层、中间层、应用层，而且由于大语言模型本身的复杂性（复杂算法、大算力要求、海量数据等），模型层和中间层的复杂度要远超以往。

模型层和应用层好理解，前者是大模型本身，后者是基于大模型的应用。所谓中间层，是指要将大模型融合到应用，中间所需的一系列工程能力、算法能力，以及基于此的「工具栈」——如开发工具链（如 Langchain）、模型工具链（做数据标注、向量数据库、分布式训练等）。

以下是风投机构 Antler、Sequoia Capital 和 NfX 从不同视角给出的生成式AI全景图，比较清晰地展示了生成式AI创业方向、明星公司和技术栈，可以看到，在NfX的框架里，「模型层」还可以细化，进一步拆分为「通用模型、垂类模型、本地模型」。

其实，「模型层、中间层、应用层」的分发，虽然复杂，但仍然只是聚焦到大模型本身。实际上，如果我们把视野扩大到整个生成式AI，会发现 a16z 总结的技术栈更为全面。除了应用层、模型层，还有底层的基础设施，包括云平台，以及最核心的：芯片，或者说英伟达。

Cohere 的 Jay Alammar 在上述框架的基础上进一步细化，描绘了应用层玩家在这波生成式AI行业全景图中的位置：

这里大费周章介绍，是为了说明，虽然应用开发者实际上并不投身上述大部分工作，但在「只有发令枪，没有地图」的生成式AI大航海时代里，清楚自己在船队中的位置，能让你更可能发现新大陆。

4、大模型产品经理必须了解技术

既然要在AGI时代成事，产品经理就必须知己知彼，既要了解大语言模型的产业链，也要了解技术。

为什么产品经理要了解大语言模型的技术原理？

如上所述过去的互联网和移动互联网时代，产品经理完全可以在不懂TCP/IP协议、HTML、Swift语言等技术的基础上设计产品（虽然如果不懂事瞎提需求的话，多少要被研发喷，但大体如此吧？）

但LLM时代不同了，由于LLM如此强大到几乎无所不能，以至于看起来能无差别地满足所有需求（只是看起来），结果就是，如果不理解LLM的技术原理、局限性，作为产品经理，你将无法提出有价值的产品洞察和解决方案：**还有什么是LLM不会的？还有什么是我可以做的？**甚至有大厂AI产品经理说，以后产品经理可以不写PRD，但一定要去搞数据：给LLM训练的优质数据集。

这是我认为LLM****时代的产品经理必须理解技术原理的原因。这也是微软CTO Kevin Scott在微软 Build 2023上对开发者表达的意思。

当然，产品经理学习技术原理，不是为了真的和大模型博士们去搞大模型研发，而是为了更好理解LLM，知己知彼，不求百战不败，只求一胜，为了最终开发出一个好用的大模型应用。

曾在 Google 工作了17年、和无数最优秀的产品经理打过交道的 Character.ai 创始人 Noam Shazeer 说：

让工程师、而不是产品经理来决定产品怎么做很重要，因为真正了解大语言模型能力的工程师才有能力确定产品的方向。大部分产品经理对大语言模型技术的能力并不足够了解，例如，他们可能会认为产品需要专注于某些垂直领域（场景），但对于大语言模型来说，只是专注某些垂直领域是完全错误的策略，因为大语言模型自身的优势就在于它的通用性。在真正将大语言模型产品化并投入使用之前，我们无法靠想象去判断它会有什么能力。

5、不了解大模型，你就是拉天线的

如果按原来移动互联网的线性思维，产品经理就只是把大模型当成黑盒，调模型API做产品——那不过只是从天上接电线装灯：灯亮了，你很开心，灯闪了，你不知道怎么处理，灯灭了，你两眼一抓黑，歇菜。

为什么拉电线价值有限？只需要看看年初风头一时无两的GPT套壳应用Jasper的裁员新闻就够了。

事实就是：不了解大模型，你就是个拉电线的。

但模型不是天线，是地基，盖好了，夯实了，知道哪里是承重墙哪里是排水管，才能建好上头的摩天大厦和三室两厅。

极客公园几个月前去硅谷调研就发现，相比中国「百模大战」的狂热，美国创业者们更冷静、思考也更深入：训练大模型本身的算法、算力、数据成本高昂，是巨头而非创业者的游戏，「美国现在是中间层在繁荣，已经几乎没有新的创业者要做下一个OpenAI了。」