从ChatGPT到Sora的启示：未来4年，AI产品经理的生存法则

一、大预测：Sora的发布会带来什么

01 现象：两个“一模一样”

从ChatGPT到Sora，它们的发布带给大众的感观上有两点相同之处。

一模一样的巨大冲击

在ChatGPT和Sora发布之后，所有人都感受到了巨大的心理冲击。

一模一样的不明所以

从大众从业者到顶尖科学家，大家都对ChatGPT和Sora如何实现如此卓越的性能感到费解。事实上，就连这些领域的专家也难以解释它们为何能产生如此令人瞩目的成果。

我们似乎正站在一个前牛顿时代的十字路口，尽管我们已经见证了一系列令人瞩目的AI成就，但对于这些技术背后的深层原理，我们仍处于一种半明半昧的状态。

尽管如此，我们仍然可以确定一件事：“一模一样”——说明它是有规律的。

02 规律：我们能预判到的事

预判一： Scaling Law /大力出奇迹 仍然有效

在ChatGPT4的发布之后，公众的高预期似乎并未被满足。人们开始对所谓的Scaling Law——即模型规模与性能之间的正相关关系——产生了疑问。

然而，Sora的问世为Scaling Law的有效性提供了强有力的证据，它所展现出的能力与潜力，再次证实了Scaling Law在人工智能领域的适用性。

【扩展知识】： Scaling Law为OpenAI于2020年首次提出的模型训练的一个核心原理。根据Scaling Law，模型的最终性能主要与计算量、模型参数量和数据大小三者相关，随着这三者的提高，模型性能会如同摩尔定律所描述的那样，呈现出持续的指数级提升。

预判二： 社会心理可预期

回顾过去一年大众对于ChatGPT的态度演变，如果要用一条曲线来描述，那么它是一条勾形曲线。

ChatGPT初次亮相之际，伴随着对其潜力的过度预期，引发了公众的极大热情和广泛讨论，曲线因此迅速攀升至顶峰。然而，随着对ChatGPT的深入了解，人们开始意识到它的局限性，曲线随之进入了下行通道，公众的关注度也逐渐降温，网络讨论的热度、社群的活跃度，以及从业人员在社交媒体上的互动，都映射出这一趋势。最后，伴随着ChatGPT的逐步改进，它在实际应用中展现出的强大能力，逐渐重新赢得了公众的认可和尊重，勾形曲线也在探底之后呈现出上升趋势。

这意味着什么？

意味着，我们可以预见，Sora的社会认知曲线几乎一定会重复去年ChatGPT的轨迹——从最初的热烈追捧到随后的理性审视。这是科技产品从新奇到成熟、从探索到应用的必经之路。

预判三： 行业反应可预期

当ChatGPT首次亮相时，文君老师以其敏锐的行业洞察力大胆预测：开源模型将在六个月内问世，并且还会出现更快的模型，更大的窗口、更多资本注入、更多的中国版GPT……

果不其然，市场的响应速度超出了预期，不到半年，开源模型、中国版GPT，诸如文心一言、智谱清言等，如约而至。

▲ChatGPT 发布伊始，文君老师的预测

所以，面对今天Sora的横空出世，行业会有怎样的反应呢？

我们可以预见，未来一定会出现Sora的开源模型、更长的生成时间窗口、更多的资本注入，以及一系列中国版的Sora。甚至，Sora的开源模型可能会以更快的速度问世。

因此，我们不应人云亦云，不必悲观地认为Sora的出现意味着其他视频生成领域的公司会因此倒闭，相反，它们可能会因此获得更多的关注和投资机会。

▲Sora发布后，网友的悲观反应

我们必须避免从后视镜的角度去看待世界，而应该认识到，AI不仅仅是一项技术，它代表的是一个产业，一个时代的来临。正如历史上的每一个产业一样，AI领域也存在复杂的产业链条，其中包含了众多参与者和竞争者。因此，我们不应寄望于只有一个产品或公司能够独霸整个时代。AI的发展需要多元化和生态系统的支持，这意味着更多的合作、更多的创新，以及更多的可能性。在这个时代，每一个企业都有机会在产业链中找到自己的位置，共同推动这个产业的繁荣和发展。

---

二、产品经理面临的关键挑战

在AI时代，产品经理面临的关键挑战是什么？

对技术的理解？对AI算法的了解？产品设计能力？……

No No No

这些是能力，不是挑战。

01 Unlearn——忘掉你的能力

大部分人一遇到问题，就想要“回到过去”，退回去寻求熟悉的解决方案，在他们看来，上一代的方案是可靠和有效的，能够解决当前的问题，他们已经产生了“路径依赖”。然而，如果保持这种思维模式，我们可能会错失进入新时代的机遇。

在上一轮移动互联网的浪潮中，我们见证了类似的一幕。当移动终端初次亮相时，它们并不像今天这样功能完善，屏幕尺寸也无法与电脑相提并论。在这个转变过程中，一些在PC时代有着丰富经验的产品经理却面临着转型的难题。他们的专业知识和技术背景，反而成为了进入新时代的负担。这部分是因为他们的思维和产品理念仍然停留在PC时代，他们继承了许多由PC时代老板设定的标准和规范。

在AI时代，产品经理们面临的挑战不仅仅是创造优秀的产品，更重要的是要适应和引领新的技术和思维范式。我们真正应该做的是：宁可做一个差一点的产品，也要用新的范式。

用户的体验轨迹是一条典型的勾形曲线。最初，用户出于好奇心尝试新兴产品；再由于现实和预期之间的差距，用户体验开始下滑。然而，随着技术的不断进步和产品迭代，用户体验随之改善。勾形曲线在经历了一段低迷期后，开始逆转上升，最终超越了上一代产品的表现。iPhone的发展历程也如勾形曲线，虽然起初并不完善，但最终却超越了所有同类产品，成为了手机市场的霸主。

▲第一代iPhone

AI时代产品的社会心理轨迹也会是一条勾形曲线。当这些产品从低谷中反弹，一步步向上攀升时，它们的潜力会远远超过上一代的产品。

我们所面临的最大挑战是——放下对过去成功模式的路径依赖。优先暴露问题，让问题推动我们去更深入地理解新技术并解决它们。所以，我们提出的解决方案就是：“我忽略了你的问题，淹没了你的问题，而不是我去解决你的问题。”

02 坚持“朝前看”

在探索新产品的道路上，我们不可避免地会遇到一系列挑战，其中包括来自高层的阻力。当老板坚持旧有的观念，而且他们的担忧并非没有道理——现有产品的市场表现依然稳健，用户仍在持续购买。在这种情况下，提出一个体验可能不佳的新产品概念，无疑是一次冒险。

对此，文君老师的建议是——自己看着办，灵活地看着办。每一个决策都需要在保持创新精神和对市场敏感度之间找到平衡，我们需要根据实际情况，灵活应对。

作为公司的产品经理，我们的首要职责无疑是确保当前业务的顺利进行。然而，我们应该不断自问：是满足于眼前的局部最优解，还是致力于追求真正符合这个时代的AI产品？

我们必须记住的是——这一次，轮到你“朝前看”了

今天我们所面对的所有标准都是从无到有的。我们目前所面临的机遇，至少是未来十年内的一大契机。我们需要从今天的位置出发去审视世界，去创造属于我们的新标准。

---

三、AIGC产品经理必备的核心能力

01 代码能力

代码能力已经成为产品经理最重要的能力之一。虽然有了AI的帮助，但产品经理仍然需要有自己的代码能力，以形成自我闭环。只有具备代码能力，产品经理才能更好地实现产品的上线和改进，提高用户体验和公司成本效益。

02 直觉性理解

作为AIGC产品经理，我们必须对“涌现”、“知识压缩”这两个概念有直觉性的理解。这种直觉性理解意味着能够自然地从多个角度理解它们的原理，并且能够用简单明了的语言向非专业人士解释清楚。

03 上手训练、微调你的模型

虽然对模型的训练和微调工作确实存在一定的门槛，但对于AIGC产品经理而言，通过实际操作，我们不仅能够在技术层面上对模型的能力边界有更深刻的认识，而且还能在实践中不断提升自身的技术水平，从而在产品设计和开发过程中做出更明智的决策，创造出更符合用户需求和市场期望的产品。

04 扩展能力

其他学科的知识积累同样至关重要，论文阅读、实验设计、脑科学、心理学、数学、物理学等领域的专业知识，都能够为理解AI提供独特的视角和深入的见解。这种跨学科的融合不仅能够拓宽我们的认知边界，还能够促进我们对AI技术的全面理解。

此外，在这个信息爆炸的时代，我们可以通过多种渠道获取高质量的 content，以不断提升我们的认知水平。例如，关注AIGC产品研习社公众号，可以让我们接触到行业内的最新动态、深度分析和前沿观点。

大模型岗位需求

大模型时代，企业对人才的需求变了，AIGC相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把全套AI技术和大模型入门资料、操作变现玩法都打包整理好，希望能够真正帮助到大家。

-END-

---

👉AI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。

👉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。

👉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】🆓