传统产品经理构建的是功能，而AIPM构建的是智能行为。他们必须理解AI的能力边界与业务适配逻辑，设计出“可被AI完成的任务”。本文旨在打破模型迷思，为AI产品经理提供系统视角与角色定位的新思路。

大家是否有感受到，现在有关AI的信息每天都太爆炸了。“xxx模型又升级了”“参数又翻倍了”“xxx能力超越了xxx”，稍微关注点AI消息的人，相信都看到过这种标题。并不是说这类信息质量不好，编者也是为了大家及时获取到全世界最新的AI消息。

很多产品经理经常刷到这些内容，自身开始愈来愈焦虑。但其实没有那么多特别重要的消息！对于大多数PM而言，只需要关注最核心的内容就可以，哪怕稍微晚一点看到。

01 AI PM应该将自己拽下“神坛”

可能是最近AI很热，会让很多人觉得AIPM很牛批，甚至连AIPM自己都觉得自己厉害，但AIPM本质还是产品经理，这个岗位依旧需要PM有深刻的洞察力，可以结合用户，场景，技术边界定义出来一个解决方案。并不是做的事情和AI沾边就更加的“高级”。

AIPM其实应该拆分来看：

• AI：对AI技术的理解力
• PM：产品经理
• X：目标业务领域的know-how

这里简述下传统互联网PM和AIPM的区别：（只是宏观粗略比较，具体差异可以去问AI，他总结得非常细致。）

• 传统互联网PM：分析目标用户在某个场景下遇到的问题，将该问题抽象出来其本质诉求，并基于当前技术边界提供解决方案。分析问题—提出解决方案—开发测试评审沟通—开发测试—联调上线
• AIPM：在传统互联网PM工作的基础上，还要和模型打交道。为了解决目标问题，了解模型技术边界训练AI，处理各种评测集以及训练集。

AIPM在传统PM思考用户，场景，需求的基础上，对AI技术方面的掌控提出了更多的要求。由于AIPM要时刻对ta负责的AI产品产出的内容负责，所以需要PM们在传统产品经理基本功扎实的基础上，还要掌握两项极其重要的能力，这两种能力很容易被忽视。

“我们应该将注意力放在真正重要的事情上，而不是被许多最新的AI消息折磨”

对AIPM而言，这两项重要的能力就是评测驱动+核心技术

倘若非要给AIPM的工作定一个优先级，那应该是下面这三层。

• 第一优先级：定义产品。定义产品绝对是第一优先级。没有这个1，后面其他的0都是没有任何价值的。AI时代更需要产品经理，知道做什么更加重要。
• 第二优先级：做好评测。评测做的好与不好会直接影响这个AI产品最终的好与坏。好的评测可以反映出很多问题，同时也可以协助产品经理明确，该产品下一步的迭代优化方向
• 第三优先级：最新技术。AIPM在现阶段要不断的吸收世界上最先进技术信息。要看各种论文&人物访谈，学习最新的AI技术。吸收AI技术

02 以终为始，评测驱动

AIPM要有一个很重要认知：AI产品中评测闭环的重要性至少持平甚至大于研发本身。

为什么评测如此重要？这个问题其实可以换一个问法：评测在做什么？知道做什么，才知道为什么重要。

整个评测过程，其实就是要看：我们模拟用户在不同场景下使用产品时，该产品的具体表现。测评，在传统互联网PM工作中有个名词——验收。

由于AI的背后是模型，现在模型在各种场景下有什么表现，是处在一个非稳定状态的。它不像具体的代码，代码的执行有着严格的逻辑在中间串行，代码是可控的，但模型未必。为了让模型输出的内容是愈来愈稳定的，所以我们要通过评测各种场景，收集AI在这个过程中的各种表现。差则改，优则奖。

不得不感叹的是，很多公司，甚至很多AI产品经理，并没有意识到这个道理，仍将它看作是一个普通的验收环节。

做好评测不难，方法论自己在实践中也可以总结出来。难的是将评测这件事情重复做，一直做。难的是AIPM真的意识到评测的重要性！！！

举一个自动驾驶场景的例子：

自动驾驶这件事是和安全息息相关，在评测过程中，如果对场景评测缺失极其容易发生安全事故。最终造成极大的舆论风波，而且可能涉及到汽车召回，带来的损失无法估量。

所以做自动驾驶的AI产品经理在进行评测时，要尽可能全面的考虑到各种场景，进行评测。评测之前要给自己定大原则，确保整个评测过程中都遵循这些原则。

如：确保体验、安全、成本三平衡

体验：保证用户驾驶体验 ，数量，等等。以最高的性价比实现智驾

在评测时，为了保证这三平衡，需要不断的控制变量，在速度更高的前提下，智驾是否安全，在复杂天气场场景下，是否可以做到顺利躲避障碍物，在缺少一个传感器场景下，是否会影响智驾体验，触发报警……

评测很枯燥，评测集的制作很艰难，需要AI产品全面把控整个测评流程。

03 AI在变化，要关注最重要原始的信息来源

AIPM不要为模型突破的推文所焦虑，很多消息都是二手，三手，甚至多手消息。相信很多AIPM都想知道这次模型突破会有什么新的进展，然后将新的模型用到自己的产品上。但并不是所有的模型都是适用自己产品的，想清楚很重要。要利用信息进行关键决策，就要获取最原始，一手未被加工的信息。

很多优质信息都是英文，所以英文不好的同学，可以搞一个沉浸式翻译的插件，调用deepseekv3的api接口，一天花费几毛钱就可以学到世界上最先进的技术知识。

推荐三个信息来源方：

1、原始信息发布渠道：可以当作日常碎片化信息接收。

• Techmeme：AI界的今日头条，纸媒和科技媒体的优质内容都有，优先看信息源头，每个新闻最后都会有来源信息。
• 华尔街日报，纽约时报，这些传统纸媒的文本基本功非常好，而且播报的内容准确度很高
• X、Youtube：虽然是一个公共社交媒体，但是这里面有很多公司创始人，以及官方账号在里面爆料，而且这里面很有很多优质的访谈，从播客访谈中，我们可以感受到最相关的产品负责人对这个产品的思考，核心的技术实现，未来的迭代优化方向，等等。

2、论文

必须要读论文，必须要从头到尾，一个字一个字读论文。很重要！很重要！很重要！ 重要的事情说三遍！

切记，要带着三个问题去读论文

• 这个论文解决了什么问题？
• 这篇论文的解决方案会有哪些影响，是否会对我们的产品造成冲击？
• 可落的方案需要付出多大的成本？

3、产品实测

测评人发布视频说一款产品的好与坏，都是基于他们的认知来讲述的。甚至中间他们有没有收米，你也不知道。只有自己上手体验，在实际的场景中感受，才会对一款产品有更深刻的认知。产品就是门面，对产品的认知越深，我们才知道外界信息传播的准确性。

测评使用不同的AI产品对于提升我们自身的AI产品sense有很大的帮助，而且我们有极大概率可以挖掘到目标产品的闪光点对我们自己负责的产品进行提升。哪怕是badcase，如果缩小业务定义，也可以结合当下的AI技术能力做到突破。最重要的是：要亲自体验AI产品。

AI是效率革命，AI也脑力革命。在当下市场环境中，动脑子做事，比用什么AI工具做事更加重要。

我想的不一定对，仅供参考。