什么是AIGC产品经理？AIGC产品经理是做什么的？和AI产品经理有什么区别？

2023年初，随着ChatGPT的现象级爆火，国内外各大中小型企业纷纷入局AIGC领域。到了2024年，AIGC领域的热度有增无减，还是会有新公司、新模型不断冒出，所谓“百模大战”依旧打的火热。

不得不承认，AI大模型的快速发展，成功地重定义了何为产品创新。这些变化不只局限于后台算法的升级，它们还为产品设计、用户体验，乃至于商业模式创新，开辟了广阔的可能性。

在如此的环境下，就连产品经理的title也成功进行了一次迭代——AIGC产品经理应运而生。就连笔者也是在不久前跨行成为了AIGC产品经理。那么究竟什么是AIGC产品经理呢？今天笔者将与大家分享下我对AIGC产品经理的理解。

什么是AIGC产品经理

在这里插一句，如果各位观众老爷还不清楚AIGC是什么，可以参考笔者之前的文章
所谓AIGC产品经理，本质上也属于众多产品经理类别中的一种。对于产品经理的定义，笔者认为：

在互联网公司的产品经理，就是要以解决用户问题为基点，设计出有理有据的解决方案，并能够申请、调度、整合和管理各方人力、物力等公司资源，高效的推动解决方案落地成为一个个满足用户高可用且有良好体验的功能或互联网产品。也就是说，产品经理就是在整个产品的生命周期中，从产品策划到用户的反馈，都要负责的人。

那在产品经理四字前加上AIGC，从字面意义上来理解，就是负责AIGC方面的产品经理。那在此笔者给出如下定义：

AIGC产品经理，就是负责将AI能生产内容的能力完美地结合于公司现有业务的产品经理。

笔者认为，AIGC产品经理需要有更强的产品功能设计能力以及行业洞察力。AI大模型算是一个新领域，对于很多研发同学来说也是之前未曾接触过的，所以这使得从业的产研同学位于同一起跑线上。从某种程度上来说，AIGC产品经理要比研发同学有更强的技术洞察力和理解。

AIGC产品经理是做什么的

据此我们再来聊聊AIGC产品经理是做什么的。除了产品经理的日常本职工作，要想把AIGC技术更好的赋能于自身业务，AIGC产品经理就要先知道市面上都有哪些AIGC技术或应用。也就是说，AIGC产品经理需要有很强的自主学习能力，能够敏锐地捕捉到AIGC行业的最新动态。毕竟AIGC应用的差异性和竞争力很大程度上依赖于AIGC技术的进步。

举几个例子：

ChatGPT的前端功能交互上并未做出差异性的创新，而ChatGPT被大家觉得越来越好用，并且成功落地商业化，其本质上是因为ChatGPT背后模型由GPT3.5升级为GPT4。

同理还有Midjourney，一款基于Stable Diffusion模型构建的AI绘画工具。其壁垒的不断加筑本质上还是由于Stable Diffusion模型的持续迭代。

除了学习能力和行业动态的捕捉能力，毕竟AIGC产品是人类与AI进行直面交互，所以能够稳定控制AI输出结果的不确定性也是AIGC产品经理的工作职责之一，毕竟人类用户对于AIGC产品的智能程度，通常是靠对比真实人类在相同场景下输出结果的差异性来获取结论的。

简单来说，对于没有答案的问题，人类用户们都希望AI能通过精准而优雅的方式来解决。相较于非AIGC类的产品，这种不确定性通常是由用户的具体操作带来的确定性结果。可因为AI大模型是通过人类不断向其投喂真实数据训练生成的，所以对于AIGC类产品来说，这种“训练”的模式往往会使用户的操作放大这种不确定性，这也就是为什么总有“人类通过不断调教AI生成逆天、胡言乱语回答“”的类似事件频频发生。

而这种不确定性也不全是用户所带来的。就算你不是从业者，你应该也会觉得AI大模型的构建绝非易事，毕竟连GPT、百川等知名业内大模型训练一次的成本都是在千万级别的。不只是AI大模型的实现原理很复杂，就连前期数据的获取与处理都有着一套套复杂的流程。所以，这种不确定性也受到数据质量、数据处理流程、模型、甚至Prompt Engineering（提示词工程）的影响。

而解决这种人类与AIGC应用交互的不确定性，也是AIGC产品经理的工作职责之一。AIGC产品经理要能预知这种种的不确定性，并能让用户以及风控、法务相关制度所接受。而要想能做到这一点，除了需要AIGC产品经理对市面上的热门AIGC应用有着充分体验和很深的理解，更需要AIGC产品经理在其他相关业务领域的积累和沉淀。

再举几个例子：

对于类ChatGPT的AI智能聊天机器人来说，对应负责的产品经理需要对AI输出结果的召回、排序有一定了解，而这便是搜索生态的核心逻辑。这也就变相要求AIGC产品经理要对搜索业务有一定了解。

对于类AI创作助手的工具产品来说，对应负责的产品经理需要对各领域、各形式的内容创作有一定了解，包括但不仅限于图文、音、视频创作。而这其中的每项，其背后都可以对应一个甚至多个完整的产品形态。

很多热门的AIGC应用，都是基于Discord生态来使其产品真正落地。所以对于一部分AIGC产品经理来说，对于社交产品的理解也是必不可少的。

…

类似佐证AIGC产品高经理要在其他业务领域有所沉淀的例子还有很多。AIGC只是一种能够赋能现有产品的手段，所以AIGC究竟能锦上添花到什么程度，还是要取决于现有产品的可靠性，所以AIGC产品经理还需要是一个“全能型人才”。

和AI产品经理有什么区别？

针对这个问题，我们先来看下笔者在Boss直聘上截图的大厂对AI和AIGC产品经理的招聘条件：

AI产品经理招聘JD

AIGC产品经理招聘JD

直观来看，AI产品经理的用人JD要更长一些。

简单来说，笔者认为AI产品经理主要是负责AI模型由立项到落地的一系列流程，也就是说AI产品经理需要产品经理对AI领域有充分的了解，甚至需要有一定的技术背景。

整个AI模型的开发流程大致包括：

数据收集->数据清洗->数据标注->训练->模型开发上线->模型部署->训练效果评估与验证->模型维护->数据安全

所以笔者认为，AI产品经理主要是与数据打交道，需要通过训练对比大量的、不同的数据集从而发现问题，并找到解决问题的方法。而AIGC产品经理，正如上文所讲，是需要将AI大模型的能力完美地应用于现有业务之上的角色。说的再通用一些，AIGC产品经理是需要通过自身的能力，帮助业务甚至企业在无需构建AI大模型，无需做其背后大量的基础性工作的前提下，能够基于大模型直接获取适合的AI能力，在应用层上做出优化迭代的角色。

最后，AIGC产品经理也没那么神秘，也需要去对接需求，听各业务方表达他们对AIGC的“误解”。同样也需要推进项目落地，去对数据负责。如何把AIGC应用成功实现商业化落地，目前还需要更多的AIGC产品经理们去思考。不过毕竟是个新风口，而对于风口来说，商业化落地或许只是时间问题罢了…

我与AIGC产品经理的缘

“想过去，看今朝，我此起彼伏…”

这是宋丹丹老师在小品《昨天今天明天》中的经典台词，用来形容我短短的PM从业生涯再合适不过了。

笔者一开始入行是在区块链行业做产品经理，后来由于以笔者短浅的眼光实在看不到区块链行业的未来，选择了改行，就是换个领域，但还是想做产品经理的工作。 因为国内政策限制，大部分区块链、Web3玩家都在海外（国内用户还是很多…），所以我当时所做的两个项目都是出海项目，也就是需要对英语有一定的能力要求。

我是在2022年底，在推特上无意中浏览到ChatGPT的一些推文，于是便排队申请体验了下。一开始我主要用ChatGPT3.5做一些外文资料的翻译工作，当时给我的直观感受就是还不错，比Google Translate、网易有道更好用些。那时笔者在做项目的“国际化“需求，就是前端网站需要有多种语言的版本。当时笔者的项目是需要专门花钱雇人进行翻译工作，一开始用Google Translate，发现很多用户投诉翻译的不准，后来有了ChatGPT做翻译工作，起码不再需要专门花钱雇翻译人员了。

再后来随着MidJourney的出现，前端页面上的一些个性化icon也都用其进行设计。从那开始我便对AIGC感兴趣了起来，经常上网搜索一些AIGC的热门应用，甚至不断的调教这些模型，希望他们会有一些“逆天”操作…

从区块链行业离职后，我下定决心一定要成为一名AIGC产品经理。我的求职方式也很简单，对着各招聘JD进行知识补充。大部分JD都表明需要AIGC产品经理对某种模型有一定理解，于是笔者就用当时求职的空窗期恶补了Transformer模型和Stable Diffusion模型的原理，再加上对AIGC的热情，当然最关键的还是有贵人相助，成功上岸成为了一名AIGC产品经理，目前主要在做帮助内容创作者降本增效的AIGC工具。当时在求职过程中还通过提示词，做了一个模拟面试机器人，还成为了我在面试中的一个小噱头…

感觉自己很有幸加入了这个行业，虽然不知道自己还会从业多久，但我本人对AIGC的热爱有增无减。郭德纲曾对艺术有着这样的理解：

“艺是手艺，术是能将手艺卖出去”

有艺无术、有术无艺都不能被称为真正的艺术。而我将AIGC视为艺术，我也希望自己可以通过AIGC获得可观的收入。目前我对AIGC的了解只是其冰山一角，在此也希望自己一直保持对AIGC的热爱，并能实现AIGC于我来说是门艺术的心愿。

---

每日一句

不曾拥有，何谈放弃

未曾领会，又何谈迷茫

选择也不过是个动作罢了

人生何处不青山

如何系统的去学习大模型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。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

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】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓