智能硬件产品经理需要哪些技术基础?

首先我们要注意这里说到的是“智能硬件”,而不是“硬件”,我粗暴的认为“智能”二字就意味着多了软件方面的技术需求,尤其是嵌入式软件之外的应用软件和后台系统。当然,做“传统硬件”的有应用软件方面的技术基础当然更好,但是做智能硬件这就成了必需。
简单想了下,用Mindmanager大致画了个图:
68dac3688ae191f151afb7f98ab175e8_b.jpg

由于这里讨论的是技术基础,因此我没有把审美能力、沟通能力、换位思考、有情怀这些素质放进去,因为我们谈的不是能力或素质模型。我分了4大块:硬件知识、软件知识、第三方对接(这年代不聊聊微信硬件平台都不好意思说自己是做智能硬体的)、市场竞品分析(这其实不算技术,但我一定要反复强调这条)。

硬件知识

  1. 硬件设计相关的知识,这个毫无疑问一定要了解,比如你负责的这个产品能有哪些芯片方案能用,是有SoC可以搞定一切还是要用CPU+GPU+别的U来拼凑。除了主芯片还有哪些核心部件、贵的零件,这些能不能不要?(用软件实现硬件功能,costdown永远是做硬件的主旋律)用多厚的PCB就可以,这个涉及到壳体尺寸。Wi-Fi、蓝牙、Zigbee都得知道,150M、300M、802.11n、ac、BT低功耗,内置天线外置天线的区别,这些都得有了解。还要注意评估发热量。
  2. ID设计和MD设计,有了板子,壳也很重要。现在这个看脸的时代产品没有高颜值不要指望大卖,ID设计就是第一步。你要有主流的审美观,给ID设计人员/公司给的设计方向以及你最后挑的方案一定要是主流大众接受的。另外ID设计人员最常犯的错就是设计出来的ID结构实现不了、工厂加工不了、太贵了,如果有MD人员一起评估还好,若没有,PM一定要特别注意。MD设计的时候要特别注意加工和成本、防水防尘,以及细节上的美感和手感。除了壳外,结构方面还要注意包装,美观、扛摔、有big.
  3. 生产制造上面提过了,设计出来的东西一定要能生产出来,PM至少要对整个生产流程有大致了解:flash烧录固件、SMT、插件、波峰焊回流焊、包装、跌落测试、烧录MAC...


软件知识

  1. 首先是嵌入式软件,就是常说的固件。不管APP功能做的多炫,都需要固件上的接口来配合。所以固件的功能设计上要考虑到应用端的配合需求,尽量保持高效。固件上功能不要太复杂,提供原子功能,高级的尽量放到APP上去实现。特别注意APP在线固件升级一定要第一版就加上去啊!!!要能配强制升级啊,填坑必备!
  2. 手机APP不用说了,重中之重。界面布局、UI设计、交互设计都要懂,哪怕你是在项目里负责硬件的,也要对这些有基本了解,如果你就是负责APP的,或者人手少你都要负责,那恭喜你终于有机会用上互联网产品汪的神器Axure了。注意Axure建项目时的分辨率选择,让原型可以直接在你的演示手机里完美展现,老板们看到这个很开心的。智能硬件的APP建议做的简单点,不要搞得太复杂。注意要方便、引导用户升级,包括更新APP、更新固件,这样才能快速迭代起来。
  3. 业务后台。就是我们说的云服务,这块比较复杂,各种模块和接口,能够支持前台app和rom的各种功能和数据对接。对于小公司,建议看下面部分里的第三方对接,不要上来就为了独立可控自己跳到坑里去。
  4. 管理后台,包括CMS、BOSS系统、数据平台等。互联网行业的对这个比较了解,这里其实我认为才是“智能”的核心,包括用户管理系统、设备管理系统、运营平台、数据统计与报表、BI分析系统、大数据bulabula.
  5. 生产管理系统,如果你要在产品里放一些ID啥的,一定要了解ID、MAC地址这些怎么对应起来,需要生产管理系统里面怎么配合,PMC怎么操作,是否需要数据同步到管理后台。这个很容易忘记,到要试产了才手忙脚乱的加。


第三方对接,这其实算是软件的一部分,但这个比较重要,也比较大,而且和上面的软件不太一样,所以单独拎出来说。

  1. Homekit、微信硬件平台、QQ物联等国内外主流的硬件平台的对接文档要通读。现在做智能硬件,哪好意思不和他们合体一下。哪怕不去接,也要了解,知道接的好处坏处,老板问起来要答得上来。不过目前我个人觉得接的意义不是太大,在这儿不赘述了,感兴趣的可以移步这儿看看 如何评价微信智能硬件开放平台策略?
  2. 第三方账号体系,想做QQ登录、微信登录的需要了解,不过这个比较简单。
  3. 第三方分享,比如微信朋友圈、QQ空间、Facebook、Twitter,这个现在做智能硬件是必做的,但是也比较简单。
  4. AWS、阿里云、Ayla、机智云等第三方云服务。如果自己没能力搭云服务的,要去了解Ayla、机智云及其他第三方智能硬件云平台,了解用他们你能干什么,还要能做做对比分析。自己有能力搭云服务的,就要去了解AWS、阿里云了,你不可能PaaS都自己做吧。
  5. 友盟、百度统计、Google Analytics等网站、APP统计分析工具。咱都从传统硬件晋升智能硬件了,都有APP和云服务了,肯定得监测下用户数据咯,用这些第三方的都能满足基本需求。看数据个人认为是互联网产品汪和传统硬件产品汪最大的习惯差异,数据驱动运营,再也不用担心自己或老板拍脑袋决策了。


市场分析、竞品分析。这个算不算技术基础难说,但是灰常重要,一定要8一下。

  1. 多用产品,多用产品,多用产品。。。怎么强调都不为过,看到好多鲜肉产品汪对智能硬件产品都没有激情,拿到了样机都不去玩,要作为任务安排了才去用我实在捶胸顿足。反正我现在看到有趣的智能硬件比看到大长腿还兴奋。哪怕是做到产品总监了,老板了,我认为也至少需要经常用产品。
  2. 了解主流销售平台对自己产品和竞品的评价,这个比较耗时,要在项目前期去做,项目过程中关注。从销售平台(Amazon、天猫、JD)的用户评论里可以看到第一手的用户需求,好的、坏的、吐槽的,很有价值。自己有论坛更好了。
  3. APP Store、Google Play对相关产品APP的评价,做APP的话就要关注这个了。
  4. 媒体相关报道,以及和同行的交流。咱在脚踏实地的时候可也要记得仰望星空哦,不要被原型设计缠住了。

 

总之,智能硬件产品经理就是要全面,什么都要懂,具体多深就看你是不是主要负责这一块,你的职级,以及队友是否给力了。

在大团队,分工比较清楚,一般是硬件、APP、后台、数据分别有人负责,甚至好几个人负责一个东东,所以你可能不必要什么都了解的很清楚,单模块的设计就要细一些,但是全面的了解对PM的工作绝对是百利无一害的,尤其是你想往产品总监走的话。
在小团队,往往是PM什么都要负责和主导,但是深度可能没必要那么深,然后RD在原型设计方面多做一些,这种情况下也常常是老板兼做了PM.

转载于:https://my.oschina.net/lock0818/blog/918590

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Geo.AI 当ArcGIS遇见人工智能 当ArcGIS遇见人工智能全文共35页,当前为第1页。 人工智能带来巨大的行业机遇 当ArcGIS遇见人工智能全文共35页,当前为第2页。 Geo.AI 空间科学 人工智能 当ArcGIS遇见人工智能全文共35页,当前为第3页。 Geo.AI 算法/模型 空间分析/统计 集成深度学习框架 对接人工智能平台 数据 矢量数据 遥感数据 应用 国土 农业 金融 商业 …… 当ArcGIS遇见人工智能全文共35页,当前为第4页。 数据 包裹登记 税收 基础底图 城市规划 人行道覆盖 矢量数据 影像数据 天然的机器学习样本库 当ArcGIS遇见人工智能全文共35页,当前为第5页。 深度学习训练样本 丰富的样本制作工具 影像数据 矢量数据 数据 当ArcGIS遇见人工智能全文共35页,当前为第6页。 算法与模型 灵活的第三方人工智 能框架及服务 专业的空间 分析工具 当ArcGIS遇见人工智能全文共35页,当前为第7页。 ArcGIS 分类 聚合 空间 分析/统计 1207个 地理处理工具 300+ 机器 学习 16个 最大似然分类 随即森林 支持向量机 空间约束多元聚类 多元聚类 基于密度的聚类 图像分割 热点分析 聚类和异常值分析 时空挖掘分析 预测 经验贝叶斯克立格 面插值 EBK 回归预测 普通最小二乘回归 地理加权回归 基于随机森林的分类与回归 ArcGIS的机器学习工具 当ArcGIS遇见人工智能全文共35页,当前为第8页。 ArcGIS与人工智能平台融合 Microsoft ArcGIS 当ArcGIS遇见人工智能全文共35页,当前为第9页。 Decider numpy 机器 学习 XGBoost 人工智能 自然语言处理 视频游戏行为 人工智能 机器人 计算机视觉 ArcGIS scikit-learn TensorFlow IBM ArcGIS 集成 深度 CNTK Watson学习 ArcGIS与深度学习 当ArcGIS遇见人工智能全文共35页,当前为第10页。 ArcGIS ArcGIS与深度学习框架集成 当ArcGIS遇见人工智能全文共35页,当前为第11页。 SenseRemote 商汤人工智能遥感解译 马灵霞 高级产品经理 中国最大的人工智能独角兽企业 当ArcGIS遇见人工智能全文共35页,当前为第12页。 深度学习三大核心要素 海量数据 超级计算 学习算法 当ArcGIS遇见人工智能全文共35页,当前为第13页。 AI在商汤:GPU硬件超算集群 8000块GPU计算卡,10个GPU集群,最大规模连接800块GPU 当ArcGIS遇见人工智能全文共35页,当前为第14页。 Berkeley 出品 对单机多GPU的有限 支持 不支持分布式训练 Facebook 出品 对分布式训练的支持比 较弱 非常灵活,但是以写底 层代码为代价,生产力 低 Google 出品 支持单机多GPU和分 布式训练 显存使用过高,性能 欠佳 商汤科技出品 支持超深网络 超大数据学习及复杂关联 应用 使用开源平台将受制于人 自建平台是实现算法领先的基础 开源平台 商汤自建平台 不支持大数据量的分布式训练 可支持分布式训练,高速低损 不提供最新算法迭代成果 支持更复杂建模,高度伸缩性 ? ? ? 计算效率低、效果不理想 ? 技术发展受制,IP问题等 AI在商汤:自建原创深度学习平台Parrots 当ArcGIS遇见人工智能全文共35页,当前为第15页。 基于VOC、COCO、ImageNet等数据集 上直接finetune的VGG、GoogLeNet、 ResNet等结构网络并不能很好的适用于 遥感数据处理。 不能直接支持遥感多波段、高光谱数据形式; 不能直接支持遥感数据尺寸大的处理特点; 精度差,不能直接满足遥感数据解译特点; 训练耗时长; 处理速度慢; 遥感影像解译的特殊性 当ArcGIS遇见人工智能全文共35页,当前为第16页。 数据普适 设计适用于8bit、16bit 全色、RGB、多光谱、高光谱多 种数据普适模型 遥感专用 设计多种场景专用模型,比如道路、河流类线状地物;云 雪类易混淆面状地物;复杂场景下的飞机、舰船等微小目 标;多时相数据变化检测模型 模型压缩 设计、压缩小模型,在保持应用精度基本不变的情况下, 可以将同一结构下的通用网络压缩提升效率几十到上百倍 模型改进 设计结合传统解译方法新模型,比如增加"面向像素"解 译思路中常用各种指数信息的网络学习;增加"面向对象" 解译思路中常用空间相关性信息的网络学习 Data conv1-2 BN ReLu conv1-1 BN ReLu conv2-2 BN ReLu conv2-1 BN ReLu conv3-2 BN ReLu c

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值