作者 ｜ summer
郵箱 ｜ huangxiaoyi@pingwest.com

互聯(lián)網(wǎng)時(shí)代屬于產(chǎn)品經(jīng)理的高光，還沒有在AI時(shí)代復(fù)現(xiàn)。

2024年，生成式大模型的迭代步伐暫時(shí)放緩，產(chǎn)品經(jīng)理與創(chuàng)業(yè)者們看到了機(jī)會(huì)窗口，紛紛投入應(yīng)用層開發(fā)，市場(chǎng)也期待從中涌現(xiàn)殺手級(jí)應(yīng)用；但邁進(jìn)2025年，應(yīng)用層的失落，以及DeepSeek的出現(xiàn)，再次將行業(yè)視線扭回基礎(chǔ)模型能力的迭代，“模型即產(chǎn)品”的呼聲，引發(fā)了新一輪的產(chǎn)品經(jīng)理“存在危機(jī)”。

“已經(jīng)焦慮了好幾輪了，和模型比，產(chǎn)品正在失去產(chǎn)品價(jià)值，這是事實(shí)。”一位產(chǎn)品經(jīng)理如此感嘆，“過去需要開發(fā)一套詞典軟件的工作，如今只需要一條提示詞。如果你是做詞典的人，你不焦慮嗎？”

傳統(tǒng)產(chǎn)品經(jīng)理有著被模型顛覆的恐懼，而AI產(chǎn)品經(jīng)理也處于一種與模型拉扯的迷茫中。

一方面，他們難以把握模型能力邊界，一周數(shù)次迭代的速度讓認(rèn)知不斷被刷新，很多工作不得不推翻重來，“前一個(gè)月客戶要Promt微調(diào)，后一個(gè)月要搭 Work Flow，現(xiàn)在又要改Agent。”

另一方面，模型正在逐漸產(chǎn)品化，甚至開始吞噬產(chǎn)品的功能，相比于AI圖像、AI視頻產(chǎn)品，可靈的老照片動(dòng)起來，Pixverse的毒液特效，GPT-4o的吉卜力都是模型團(tuán)隊(duì)自身的產(chǎn)品化探索，如何長(zhǎng)久地“套殼”成為新產(chǎn)品的考量。

GPT 4o生成的吉卜力梗圖

在日常工作中，研發(fā)主導(dǎo)、產(chǎn)品打雜的現(xiàn)象越來越常見。這和上一輪互聯(lián)網(wǎng)浪潮中，產(chǎn)品經(jīng)理被捧上神壇的光輝過去形成了鮮明對(duì)比。

微信的張小龍、今日頭條的張一鳴、小米的雷軍、美團(tuán)的王興等都被塑造成了產(chǎn)品經(jīng)理的標(biāo)桿和偶像，并引領(lǐng)了一波浪潮。但如今，在鏈接用戶與AI的過程中，他們似乎不再是主導(dǎo)者，而是焦慮的追趕者甚至旁觀者。

1

模型一迭代，產(chǎn)品經(jīng)理們就焦慮

2014年就開始做產(chǎn)品經(jīng)理的程龍，最近很焦慮。

在生成式AI爆火之后，原先的大廠產(chǎn)品團(tuán)隊(duì)面臨“結(jié)構(gòu)性調(diào)整”，他找準(zhǔn)機(jī)會(huì)，開始圍繞文生圖、圖生視頻技術(shù)創(chuàng)業(yè)，做一款面向影視和廣告行業(yè)的AI內(nèi)容創(chuàng)作工具“Drimo”。

“2019年因?yàn)榕d趣開始做AI產(chǎn)品。這六年的經(jīng)驗(yàn)就是，AI產(chǎn)品經(jīng)理最核心的一點(diǎn)是要掌握AI的邊界。思考用戶的場(chǎng)景需求，哪些是AI是可以解決的，哪些不能解決，要用產(chǎn)品彌補(bǔ)技術(shù)的短板。”

把握AI的邊界，這也是AI產(chǎn)品們常常提到的一句行業(yè)共識(shí)。但大模型的快速迭代，讓這個(gè)邊界難以把控。

這種無法把控，與個(gè)人的遠(yuǎn)見和認(rèn)知關(guān)系不大。以程龍的經(jīng)歷來看，他之所以選擇了AI視頻賽道，是因?yàn)橄鄬?duì)文本和聲音，圖像視頻生成技術(shù)離達(dá)到天花板還有很長(zhǎng)的距離，“DeepSeek已經(jīng)超過一些特定的AI文本寫作的產(chǎn)品了，AI聲音有了大模型之后，也幾乎趨近于人聲了，但AI視頻不一樣。短期內(nèi)，連續(xù)畫面中的人物、場(chǎng)景、道具一致性等問題暫時(shí)無法解決，還解決不了。這其中有很多垂直的場(chǎng)景，可以用產(chǎn)品的能力來解決。”

但實(shí)際上，圖像、視頻模型的迭代遠(yuǎn)比想象中快，GPT-4o令人驚艷的吉卜力畫風(fēng)、Runway Gen-4 針對(duì)一致性的強(qiáng)化，都在突破這個(gè)判斷。

“我們得趕緊發(fā)布產(chǎn)品，讓市場(chǎng)知道我們的存在。”程龍緊盯屏幕上的原型圖，“萬一過幾天某家大模型發(fā)布了新能力，效果跟我們差不多，那我們就直接沒了。”

此前，就發(fā)生過類似的事件，在模型們還只能生成動(dòng)漫感假人的時(shí)候，Drimo就通過行業(yè)調(diào)研發(fā)現(xiàn)影視方對(duì)真人角色在特定流程中是有強(qiáng)烈的需求，開始通過后訓(xùn)練生成更真實(shí)的人物主角，而后視頻模型也瞄準(zhǔn)了這一方向。

這種超越與被超越，是無法避免的。即使是模型本身，也在互相追趕。

另一位產(chǎn)品經(jīng)理周航，也有相似感受。“AI之后，產(chǎn)品經(jīng)理只是一個(gè)過渡性的工作。”他發(fā)在社交平臺(tái)上的帖子收到了幾百個(gè)收藏，有人感同身受的焦慮，也有人抨擊這是壓根不懂AI落地，在評(píng)論區(qū)，你能看到AI產(chǎn)品經(jīng)理這一統(tǒng)一概念下的參差世界。

AI平臺(tái)型PM、AI 應(yīng)用PM、AI+型PM......在實(shí)際工作中還對(duì)應(yīng)著更寬泛的職業(yè)光譜——從模型評(píng)估到模型并發(fā)性能優(yōu)化，再到C端路線設(shè)計(jì)、B端API策略......每一個(gè)崗位都應(yīng)對(duì)著模型與現(xiàn)實(shí)需求之間的特定縫隙。

但AI的不斷迭代，恰恰在不斷彌補(bǔ)模型與場(chǎng)景之間的縫隙。這也意味著很多產(chǎn)品經(jīng)理現(xiàn)階段為模型做的工程性優(yōu)化，將在未來一段時(shí)間被吞并。

另一種焦慮，則來自于信息和知識(shí)的爆炸。“現(xiàn)在都不想打開社交平臺(tái)，一打開，就是新的小道消息，追起來太累了，開始很興奮，后來就麻了。”從傳統(tǒng)PM轉(zhuǎn)AI PM的Dula說道，“而且每天工作完，下班還得看paper。”

有趣的是，AI PM們幾乎人手一個(gè)自媒體賬號(hào)，一邊梳理沉淀系統(tǒng)性的知識(shí)，一邊作為對(duì)外交流的窗口，尋找新的消息和機(jī)會(huì)，比如賣課、咨詢、微調(diào)私活、招聘指導(dǎo)等，“產(chǎn)品經(jīng)理本來就卷，現(xiàn)在更卷了。”Dula說。

1

“產(chǎn)品經(jīng)理”的技能條需要更新了

焦慮往往伴隨著機(jī)會(huì)。

隨著大模型走向垂直場(chǎng)景，產(chǎn)品思維正在重回高光。

“雖然通用場(chǎng)景可能被模型吞噬，但垂直領(lǐng)域仍有巨大空間。”在程龍看來，“企業(yè)客戶需要的不僅是生成能力，還有穩(wěn)定性、可控性和工作流整合，這些都需要深度的產(chǎn)品設(shè)計(jì)。”

這種行業(yè)洞察力成為產(chǎn)品差異化的關(guān)鍵。他分享了一個(gè)例子：“有次創(chuàng)投會(huì)上，一個(gè)年輕編劇寫了90年代的搖滾故事，說主角因?yàn)榧彝ピ蚍艞壛藰逢?duì)。評(píng)委立刻指出：90年代的搖滾樂手不會(huì)因?yàn)檫@種原因放棄夢(mèng)想。還有人寫東北有八層沒電梯的樓，老東北人直接說'不存在'。這些行業(yè)知識(shí)，通用模型很難掌握。”

程龍開始與影視公司合作共建，將更多行業(yè)Know-how融入其中。

“對(duì)專業(yè)導(dǎo)演和制片人而言，他們需要精確控制畫面構(gòu)圖，近景、中景、遠(yuǎn)景、俯瞰、仰視比較簡(jiǎn)單，還有更多專業(yè)的比如荷蘭角，過肩鏡頭（兩人相對(duì)，鏡頭處于某人背后）、超特寫等專業(yè)視角。所以要避開與通用大模型的正面競(jìng)爭(zhēng)，我們必須瞄準(zhǔn)更垂直、更專業(yè)的細(xì)分領(lǐng)域。”

從更長(zhǎng)的時(shí)間線來看，大模型公司本身也在經(jīng)歷一場(chǎng)從技術(shù)驅(qū)動(dòng)向產(chǎn)品驅(qū)動(dòng)的轉(zhuǎn)型。

OpenAI便是典型案例。從最初幾乎沒有產(chǎn)品經(jīng)理的純研究型組織，到現(xiàn)在大量招聘產(chǎn)品經(jīng)理、設(shè)計(jì)師和用戶研究人員，OpenAI的組織結(jié)構(gòu)正在悄然變化。這家公司已從單純追求模型性能提升，轉(zhuǎn)向構(gòu)建真正面向終端用戶的產(chǎn)品體驗(yàn)并建立龐大的生態(tài)。

國(guó)內(nèi)的Kimi團(tuán)隊(duì)更是如此，在基座大模型還未出現(xiàn)明顯代際差異之時(shí)，Kimi就憑借“少即是多”的界面設(shè)計(jì)，對(duì)各類輸入文件的穩(wěn)定解析，兼具網(wǎng)頁版、APP、小程序、插件的靈活形態(tài)......等等的這些產(chǎn)品思維，在C端市場(chǎng)收獲了忠實(shí)粉絲。

這些在第一階段就進(jìn)入大模型的AI產(chǎn)品經(jīng)理們，需要考慮的是如何在有限的AI水平、用戶認(rèn)知水平下，讓更多人更好地用AI。

而如今進(jìn)入第二階段，產(chǎn)品經(jīng)理們正在接入后訓(xùn)練，與算法研發(fā)一起確定模型在下一次迭代的方向。

Pixverse的毒液特效、GPT的吉卜力風(fēng)格都表明模型正向產(chǎn)品方向轉(zhuǎn)化，進(jìn)行特定訓(xùn)練。

很多時(shí)候，對(duì)產(chǎn)品經(jīng)理來說驚艷的功能，可能是技術(shù)人員覺得不值一提的優(yōu)化。一位基座大模型的API產(chǎn)品經(jīng)理方琦說道，“從算法或技術(shù)角度，研發(fā)人員愿意深耕研究，但有些能力點(diǎn)是否符合市場(chǎng)需求，是不是當(dāng)下最緊迫的，需要產(chǎn)品經(jīng)理給反饋。我們作為更接近市場(chǎng)的人，需要提供更有價(jià)值的信息。”

特別是對(duì)于中高級(jí)產(chǎn)品經(jīng)理而言，商業(yè)化是必修課。“現(xiàn)在做一個(gè)產(chǎn)品并不難，關(guān)鍵是你做出的東西是否有人愿意付費(fèi)，這才是挑戰(zhàn)。個(gè)人開發(fā)者現(xiàn)在很多，我們團(tuán)隊(duì)中不少人也在自己做小AI產(chǎn)品，但根本問題是缺乏有效連接用戶的渠道。”程龍補(bǔ)充道。

這也是為什么如今阿里、美團(tuán)、字節(jié)等各個(gè)大廠都在大量招聘AI產(chǎn)品經(jīng)理，在大模型走向大眾的過程中，需要找到技術(shù)路線，需要找到方向，更更需要找到有競(jìng)爭(zhēng)力、能商業(yè)化的方向。

如今AI產(chǎn)品經(jīng)理的工作要求和內(nèi)容，已經(jīng)逐漸與傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)品經(jīng)理拉開了差距。曾經(jīng)，張小龍被奉為產(chǎn)品之神，核心在于他對(duì)人性的深刻理解，而不是對(duì)特定技術(shù)的掌握或是對(duì)商業(yè)化的敏銳。但在AI時(shí)代，產(chǎn)品經(jīng)理必須同時(shí)理解人性和技術(shù)邊界，技術(shù)和商業(yè)化落地之間的關(guān)系，并且還在不斷變化、分化出更多角色。

“產(chǎn)品經(jīng)理”不會(huì)消亡，被“殺死”的是舊時(shí)代的產(chǎn)品經(jīng)理。誰先走出從對(duì)過往光環(huán)的虛無追逐，誰就可以更早抓住新的AI時(shí)代產(chǎn)品經(jīng)理的巨大機(jī)會(huì)。

點(diǎn)個(gè) “愛心”，再走吧