隨著生成式AI大模型的飛速發(fā)展，傳統(tǒng)產(chǎn)品經(jīng)理的角色和職責正面臨前所未有的挑戰(zhàn)。AI時代產(chǎn)品經(jīng)理的困境與轉(zhuǎn)型，分析大模型快速迭代對產(chǎn)品經(jīng)理工作的影響，以及產(chǎn)品經(jīng)理如何在新的技術浪潮中尋找新的定位和發(fā)展方向。

互聯(lián)網(wǎng)時代屬于產(chǎn)品經(jīng)理的高光，還沒有在AI時代復現(xiàn)。

2024年，生成式大模型的迭代步伐暫時放緩，產(chǎn)品經(jīng)理與創(chuàng)業(yè)者們看到了機會窗口，紛紛投入應用層開發(fā)，市場也期待從中涌現(xiàn)殺手級應用；但邁進2025年，應用層的失落，以及DeepSeek的出現(xiàn)，再次將行業(yè)視線扭回基礎模型能力的迭代，“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”。

“已經(jīng)焦慮了好幾輪了，和模型比，產(chǎn)品正在失去產(chǎn)品價值，這是事實?！币晃划a(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(diào)，后一個月要搭 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，可靈的老照片動起來，Pixverse的毒液特效，GPT-4o的吉卜力都是模型團隊自身的產(chǎn)品化探索，如何長久地“套殼”成為新產(chǎn)品的考量。

在日常工作中，研發(fā)主導、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比。

什么是B端产品经理？和C端产品经理有什么区别？

B端产品经理中的B是Business，商业的意思，B端产品经理首先就要理解这个职位的重要性，要设计出更适合这个项目需求的产品方案，B最终产品经理在日常工作中...

查看详情 >

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(chǎn)品經(jīng)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。

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)品團隊面臨“結(jié)構(gòu)性調(diào)整”，他找準機會，開始圍繞文生圖、圖生視頻技術創(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年因為興趣開始做AI產(chǎn)品。這六年的經(jīng)驗就是，AI產(chǎn)品經(jīng)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(chǎn)品彌補技術的短板?！?/p>

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。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(jīng)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(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(chǎn)品的能力來解決?！?/p>

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(fā)布產(chǎn)品，讓市場知道我們的存在?！背听埦o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?！?/p>

此前，就發(fā)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(yè)調(diào)研發(fā)現(xiàn)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(chǎn)品經(jīng)理周航，也有相似感受。“AI之后，產(chǎn)品經(jīng)理只是一個過渡性的工作?！彼l(fā)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(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(yè)光譜——從模型評估到模型并發(fā)性能優(yōu)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(xiàn)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(chǎn)品經(jīng)理現(xiàn)階段為模型做的工程性優(yōu)化，將在未來一段時間被吞并。

另一種焦慮，則來自于信息和知識的爆炸?！艾F(xiàn)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?！睆膫鹘y(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們幾乎人手一個自媒體賬號，一邊梳理沉淀系統(tǒng)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(diào)私活、招聘指導等，“產(chǎn)品經(jīng)理本來就卷，現(xiàn)在更卷了?！盌ula說。

2、“產(chǎn)品經(jīng)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(chǎn)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?！痹诔听埧磥?，“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)品設計。”

這種行業(yè)洞察力成為產(chǎn)品差異化的關鍵。他分享了一個例子：“有次創(chuàng)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(yè)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(yè)Know-how融入其中。

“對專業(yè)導演和制片人而言，他們需要精確控制畫面構(gòu)圖，近景、中景、遠景、俯瞰、仰視比較簡單，還有更多專業(yè)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(yè)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(yè)的細分領域?！?/p>

從更長的時間線來看，大模型公司本身也在經(jīng)歷一場從技術驅(qū)動向產(chǎn)品驅(qū)動的轉(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、設計師和用戶研究人員，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)品體驗并建立龐大的生態(tài)。

國內(nèi)的Kimi團隊更是如此，在基座大模型還未出現(xiàn)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(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端市場收獲了忠實粉絲。

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

而如今進入第二階段，產(chǎn)品經(jīng)理們正在接入后訓練，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的吉卜力風格都表明模型正向產(chǎn)品方向轉(zhuǎn)化，進行特定訓練。

很多時候，對產(chǎn)品經(jīng)理來說驚艷的功能，可能是技術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，“從算法或技術角度，研發(fā)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(chǎn)品經(jīng)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?！?/strong>