互聯網時代屬于產品經理的高光，還沒有在AI時代復現。

2024年，生成式大模型的迭代步伐暫時放緩，產品經理與創業者們看到了機會窗口，紛紛投入應用層開發，市場也期待從中涌現殺手級應用；但邁進2025年，應用層的失落，以及DeepSeek的出現，再次將行業視線扭回基礎模型能力的迭代，“模型即產品”的呼聲，引發了新一輪的產品經理“存在危機”。

“已經焦慮了好幾輪了，和模型比，產品正在失去產品價值，這是事實。”一位產品經理如此感嘆，“過去需要開發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？”

傳統產品經理有著被模型顛覆的恐懼，而AI產品經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，一周數次迭代的速度讓認知不斷被刷新，很多工作不得不推翻重來，“前一個月客戶要Promt微調，后一個月要搭 Work Flow，現在又要改Agent。”

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

GPT 4o生成的吉卜力梗圖

在日常工作中，研發主導、產品打雜的現象越來越常見。這和上一輪互聯網浪潮中，產品經理被捧上神壇的光輝過去形成了鮮明對比。

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

模型一迭代，產品經理們就焦慮

2014年就開始做產品經理的程龍，最近很焦慮。

在生成式AI爆火之后，原先的大廠產品團隊面臨“結構性調整”，他找準機會，開始圍繞文生圖、圖生視頻技術創業，做一款面向影視和廣告行業的AI內容創作工具“Drimo”。

“2019年因為興趣開始做AI產品。這六年的經驗就是，AI產品經理最核心的一點是要掌握AI的邊界。思考用戶的場景需求，哪些是AI是可以解決的，哪些不能解決，要用產品彌補技術的短板。”

把握AI的邊界，這也是AI產品們常常提到的一句行業共識。但大模型的快速迭代，讓這個邊界難以把控。

這種無法把控，與個人的遠見和認知關系不大。以程龍的經歷來看，他之所以選擇了AI視頻賽道，是因為相對文本和聲音，圖像視頻生成技術離達到天花板還有很長的距離，“DeepSeek已經超過一些特定的AI文本寫作的產品了，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，連續畫面中的人物、場景、道具一致性等問題暫時無法解決，還解決不了。這其中有很多垂直的場景，可以用產品的能力來解決。”

但實際上，圖像、視頻模型的迭代遠比想象中快，GPT-4o令人驚艷的吉卜力畫風、Runway Gen-4 針對一致性的強化，都在突破這個判斷。

“我們得趕緊發布產品，讓市場知道我們的存在。”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，就發生過類似的事件，在模型們還只能生成動漫感假人的時候，Drimo就通過行業調研發現影視方對真人角色在特定流程中是有強烈的需求，開始通過后訓練生成更真實的人物主角，而后視頻模型也瞄準了這一方向。

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。

另一位產品經理周航，也有相似感受。“AI之后，產品經理只是一個過渡性的工作。”他發在社交平臺上的帖子收到了幾百個收藏，有人感同身受的焦慮，也有人抨擊這是壓根不懂AI落地，在評論區，你能看到AI產品經理這一統一概念下的參差世界。

AI平臺型PM、AI 應用PM、AI+型PM......在實際工作中還對應著更寬泛的職業光譜——從模型評估到模型并發性能優化，再到C端路線設計、B端API策略......每一個崗位都應對著模型與現實需求之間的特定縫隙。

但AI的不斷迭代，恰恰在不斷彌補模型與場景之間的縫隙。這也意味著很多產品經理現階段為模型做的工程性優化，將在未來一段時間被吞并。

另一種焦慮，則來自于信息和知識的爆炸。“現在都不想打開社交平臺，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PM轉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們幾乎人手一個自媒體賬號，一邊梳理沉淀系統性的知識，一邊作為對外交流的窗口，尋找新的消息和機會，比如賣課、咨詢、微調私活、招聘指導等，“產品經理本來就卷，現在更卷了。”Dula說。

“產品經理”的技能條需要更新了

焦慮往往伴隨著機會。

隨著大模型走向垂直場景，產品思維正在重回高光。

“雖然通用場景可能被模型吞噬，但垂直領域仍有巨大空間。”在程龍看來，“企業客戶需要的不僅是生成能力，還有穩定性、可控性和工作流整合，這些都需要深度的產品設計。”

這種行業洞察力成為產品差異化的關鍵。他分享了一個例子：“有次創投會上，一個年輕編劇寫了90年代的搖滾故事，說主角因為家庭原因放棄了樂隊。評委立刻指出：90年代的搖滾樂手不會因為這種原因放棄夢想。還有人寫東北有八層沒電梯的樓，老東北人直接說'不存在'。這些行業知識，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Know-how融入其中。

“對專業導演和制片人而言，他們需要精確控制畫面構圖，近景、中景、遠景、俯瞰、仰視比較簡單，還有更多專業的比如荷蘭角，過肩鏡頭（兩人相對，鏡頭處于某人背后）、超特寫等專業視角。所以要避開與通用大模型的正面競爭，我們必須瞄準更垂直、更專業的細分領域。”

從更長的時間線來看，大模型公司本身也在經歷一場從技術驅動向產品驅動的轉型。

OpenAI便是典型案例。從最初幾乎沒有產品經理的純研究型組織，到現在大量招聘產品經理、設計師和用戶研究人員，OpenAI的組織結構正在悄然變化。這家公司已從單純追求模型性能提升，轉向構建真正面向終端用戶的產品體驗并建立龐大的生態。

國內的Kimi團隊更是如此，在基座大模型還未出現明顯代際差異之時，Kimi就憑借“少即是多”的界面設計，對各類輸入文件的穩定解析，兼具網頁版、APP、小程序、插件的靈活形態......等等的這些產品思維，在C端市場收獲了忠實粉絲。

這些在第一階段就進入大模型的AI產品經理們，需要考慮的是如何在有限的AI水平、用戶認知水平下，讓更多人更好地用AI。

而如今進入第二階段，產品經理們正在接入后訓練，與算法研發一起確定模型在下一次迭代的方向。

Pixverse的毒液特效、GPT的吉卜力風格都表明模型正向產品方向轉化，進行特定訓練。

很多時候，對產品經理來說驚艷的功能，可能是技術人員覺得不值一提的優化。一位基座大模型的API產品經理方琦說道，“從算法或技術角度，研發人員愿意深耕研究，但有些能力點是否符合市場需求，是不是當下最緊迫的，需要產品經理給反饋。我們作為更接近市場的人，需要提供更有價值的信息。”

特別是對于中高級產品經理而言，商業化是必修課。“現在做一個產品并不難，關鍵是你做出的東西是否有人愿意付費，這才是挑戰。個人開發者現在很多，我們團隊中不少人也在自己做小AI產品，但根本問題是缺乏有效連接用戶的渠道。”程龍補充道。

這也是為什么如今阿里、美團、字節等各個大廠都在大量招聘AI產品經理，在大模型走向大眾的過程中，需要找到技術路線，需要找到方向，更更需要找到有競爭力、能商業化的方向。

如今AI產品經理的工作要求和內容，已經逐漸與傳統互聯網產品經理拉開了差距。曾經，張小龍被奉為產品之神，核心在于他對人性的深刻理解，而不是對特定技術的掌握或是對商業化的敏銳。但在AI時代，產品經理必須同時理解人性和技術邊界，技術和商業化落地之間的關系，并且還在不斷變化、分化出更多角色。

“產品經理”不會消亡，被“殺死”的是舊時代的產品經理。誰先走出從對過往光環的虛無追逐，誰就可以更早抓住新的AI時代產品經理的巨大機會。

文章來源于硅星人Pro，作者summer