惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

月光博客
月光博客
Cyberwarzone
Cyberwarzone
L
LINUX DO - 最新话题
N
News and Events Feed by Topic
T
Troy Hunt's Blog
Help Net Security
Help Net Security
S
Security @ Cisco Blogs
Google DeepMind News
Google DeepMind News
Security Archives - TechRepublic
Security Archives - TechRepublic
M
MIT News - Artificial intelligence
G
Google Developers Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
V2EX - 技术
V2EX - 技术
Y
Y Combinator Blog
D
Darknet – Hacking Tools, Hacker News & Cyber Security
大猫的无限游戏
大猫的无限游戏
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Microsoft Security Blog
Microsoft Security Blog
Cisco Talos Blog
Cisco Talos Blog
T
Threatpost
Recent Commits to openclaw:main
Recent Commits to openclaw:main
S
SegmentFault 最新的问题
I
InfoQ
H
Hacker News: Front Page
D
Docker
Scott Helme
Scott Helme
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Blog — PlanetScale
Blog — PlanetScale
人人都是产品经理
人人都是产品经理
博客园 - 叶小钗
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
N
Netflix TechBlog - Medium
AWS News Blog
AWS News Blog
Know Your Adversary
Know Your Adversary
博客园 - 【当耐特】
T
Tor Project blog
U
Unit 42
H
Heimdal Security Blog
Microsoft Azure Blog
Microsoft Azure Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
P
Privacy & Cybersecurity Law Blog
PCI Perspectives
PCI Perspectives
美团技术团队
O
OpenAI News
T
Tailwind CSS Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
B
Blog
GbyAI
GbyAI
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
MyScale Blog
MyScale Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
转行智能硬件产品后才发现的二三事
PM大白 · 2022-10-16 · via 人人都是产品经理

本文作者跳出他互联网医疗的舒适区后,开始设计一款家庭智能机器人产品,在对两种产品进行比较后,发现智能硬件产品存在复杂性、差异性、已知性、未知性、周期性这5个特点。本文以一个智能硬件产品的新人视角,对这5个特点进行了分析,一起来看一下吧。

个人在产品经理这个岗位也大约有6年之久,其中前5年一直在互联网行业谋生活,而且一直在一个一直被称之为的“朝阳行业”——医疗行业,从起初的小功能的优化,到负责一个产品端,直至最后到整个产品线的负责,甚至到对外(B端)整个产品方案的输出以及售前的产品宣讲和售后的产品培训,吃饭的家伙也从写逻辑画图的Axure、X-mind回到了讲故事的PPT,可是等了这么久,医疗还在朝阳,日出始终没有冒头。

机缘巧合年前跳出了互联网医疗这个舒适区,开始设计一款家庭智能机器人产品,由于是公司的一个尝试性项目,所以在人员不足的情况下,所有与产品设计相关的工作内容均有涉及,还好基本功扎实,但是这近一年来也确实遇到了不少的挑战,可以说痛并emo着。

这里从一个智能硬件产品的新人视角,从智能硬件产品设计的角度,结合个人对智能硬件产品的理解,将其与个人在舒适区(互联网)的产品设计工作进行比较,发现智能硬件产品(主要还是与硬件配套的软件设计)设计阶段存在的5个特点或称之为现象,与大家分享:

  1. 复杂性:产品组成的复杂性,软件-硬件-算法。
  2. 差异性:相对互联网产品,智能硬件产品交互方式的差异,以及产品经理输出成果的差异。
  3. 已知性:国家标准和行业做法对硬件产品的设计和算法需求的描述提供参考。
  4. 未知性:算法需求边界的未知(对刚换行的产品来讲)。
  5. 周期性:相较于互联网产品敏捷开发,智能硬件产品的开发的长周期不可回避。

一、复杂性

也许是本人初次接触智能硬件产品,也许是这个项目是公司的一个尝试项目,只安排了我这么一个产品来负责整体的软件、硬件交互的设计让我才有如此的感觉(智能硬件行业的产品大佬多多指教)。

先来看看之前在舒适区做的一款互联网医疗产品:从0-1搭建的涉及患者、医生、药师、村医、药代、企业员工、医院管理人员、平台运营人员等8种角色的3条业务线11个用户端的产品体系。现在回头看貌似也比较复杂,也许是在舒适区,轻车熟路,唯手熟尔,当时确实没有觉得有多复杂。

经过对智能硬件产品知识的不断了解,以及最近一年项目的经验总结,当前市面上可移动的家庭机器人大致会涉及到7个重要的组成模块:本体APP、手机APP、硬件本身、内容生态、运营管理后台、语音平台、算法平台。

这其中就有触碰到我的逆鳞的区域,让我踩进了盲区:硬件、语音、算法;其中硬件部分是完全不懂啊,不过庆幸的是硬件产品的定义在我介入这个项目前已由另一个硬件同事完成了,但是悲剧的是在我深入介入这个项目时,这位硬件同事已经离职,所以后期开发遇到了什么问题还得以质问的语气来找我做决策,只能提前去了解。

还有就是语音部分,语音可不是之前在互联网软件设计时接触过的语音通话、语音录入这类功能了,这里的语音涉及到语音脚本的撰写、语音指令的定义等等。

最盲的盲区就是算法了,算法可不是之前理解的推荐、查询逻辑、规则或策略一类的定义,这其中主要指视觉识别相关的类似人脸识别、人体跟随以及雷达相关的导航、路径规划一类的了,下文会进一步说明。

这里我们还是首先看看这7个模块的定位:

  1. 本体APP:结合算法、手机APP以及内容生态和语音平台,调动机器人按照设定的业务逻辑执行相关任务。
  2. 手机APP:负责远程遥控、管理和查看机器人的授权、任务状态等信息,与本体APP、管理后台、三方内容库均有交互,交互类型主要以图形(GUI)为主。
  3. 硬件:包含机器人的产品定义、ID设计、结构堆叠以及执行器、芯片、传感器、显示器等元器件的选型和规格定义。
  4. 内容生态:根据产品的定位接入对应的第三方服务资源,例如:音乐、视频等。
  5. 运营管理后台:对产品中涉及的用户、设备、内容、等其他数据以及三方生态服务进行查看和管理。
  6. 语音平台:涉及唤醒、指令、任务对话、畅聊对话等语音交互。
  7. 算法平台:主要设计语音、视频、雷达等相关的算法。

常规情况下,就这么复杂的一款智能硬件产品该配备几个产品经理呢?个人曾尝试去咨询了下我身边认识的大佬,得到的结果是5个:软件、硬件、导航、语音、算法各一个,还好硬件结构工程师和算法工作师的可以协助进行硬件和算法、导航相关需求的定义,不然作为一个新手如何hold住这些陌生的领域。

二、差异性

1. 交互形式的多样性

智能硬件产品的交互方式呈现多样性,并不像纯互联网应用主要以图形交互(GUI)为主,其中智能硬件产品所涉及的交互方式包含但不限于以下几种:

  • 基本交互:主要指直接的硬件实体键的接触交互,例如开关键(短按、长按、连续按…),身体表面触摸板的交互定义等。
  • 图形交互:主要指用户通过机器人屏幕操作本体APP,或者通过手机APP进行远程遥控机器人的交互。
  • 语音交互:主要指用户通过语音操控机器人进行唤醒、聊天、执行任务的交互过程。
  • 体感交互:主要通过身体的动作和姿态与机器人进行交互,例如:人体跟随、手势识别、表情识别等。
  • 灯光交互:硬件的组成中一般会包含一种或多种具有一定功能定义的指示灯或者氛围灯来表现当前硬件所处的状态,包括灯的颜色,明暗度,变化频率、时长、组合图形等形式。

智能硬件(机器人)对用户的每一次交互反馈通常不局限于一种交互方式,一般是多种交互方式组合的形式即多模态交互。

例如:早上用户给机器人打招呼,机器人则可能作出以下反应:

  • 【图形交互】:屏幕切换出微笑表情。
  • 【语音交互】:机器人移动至用户身边,说“主人早上好吖,又是元气满满的一天呢!”,然后播放了一首班得瑞的歌曲“清晨”。
  • 【灯光交互】:随着音乐的旋律,机器人身体上的矩阵灯球开始跳动。
  • 【体感交互】:机器人跟随着主人来到门口,为用户送行。

2. 产品交付物的不同

同样作为产品经理,无论是互联网行业还是智能硬件行业,需要产出的文档:BRD、MRD、PRD确实一个都不少,但是其中连接产品和开发最核心的产品设计文档PRD,确实不尽相同。

互联网行业的PRD核心侧重于呈现界面设计、业务逻辑、交互逻辑,即该怎么去实现某一项需求或功能,其中主要包含:业务背景说明、业务流程图表、产品架构图表、功能清单列表、业务状态说明、推送消息汇总、全局规则说明、主要页面跳转示意图、需求评审记录、需求修改记录、界面详细设计文档、版本上线说明等。

其中“界面详细设计文档”占据篇幅最大,决定着产品设计在开发侧的落地,也是花费时间最多的一项文档。

智能硬件行业的PRD(0-1的产品)则完整地描述了:为什么要做、如何去做、做成什么样、需要多少成本、存在多少风险等内容,感觉是将PPT版本的BRD和MRD和重要内容进行了扩展然后和当前Word版本的PRD进行了一个组合。

其中主要包含有:文件属性、记录变更、背景分析、需求定义、外观设计、硬件方案、软件方案、算法应用、结构设计、非功能设计、测试要求、成本控制、风险控制等13项。

三、未知性

之前有一个互联网产品经理提出了一个需求:需要APP主题色与手机壳保持一致,随着手机壳颜色的调整自动适应;然后,然后就没有了,听说被“祭天”了。

作为产品经理在设计产品时多少需要知道些当前技术的边界,作为互联网产品经理最简单的办法就是去疯狂体验各种产品,看的多了,然后再结合自己对需求的分解,也就知道大概哪些需求是可以实现,哪些需求是无法实现。

回想之前负责互联网产品时,如果开发对你的需求提出质疑,多是质疑你需求的合理性,以及开发问的最多的是“现在市面是上有产品这么做的吗?”当产品经理找出竞品给到开发时,开发又会拿当前公司的人员和项目时间以及各种投入和条件无法与竞品相比说事。

但是在智能硬件产品设计评审过程中,除了以上这些,还会质疑或者说直接否决需求的可行性,特别是算法需求,导致这些质疑的原因就是产品经理对当前开发能力或者说行业技术能力边界的认知,与算法相关需求可行性遭到质疑有以下几点原因:

1)算法本身限制

行业中确实没有可行或者较好的算法模型来满足提出的业务需求(一般小公司利用的算法模型均是市面上开源的,然后进行算法的优化调试,愿意投入成本和时间去开发创新算法的确实很少,也许那些头部公司才会有这些举措)。

2)公司算法能力限制

行业中存在相应的算法模型应用,但是公司算法人员的认知局限或者能力不足,导致对算法相关需求可行性的否定。

3)硬件设计限制

可以找到相应的算法实现业务需求,但是硬件提供不了算法需要的数据,算法工程师也无法进行无米之炊。

例如:某一个视觉算法需要深度相机采集的数据,但是当前硬件设计只能提供普通相机采集的数据,导致业务无法实现。

4)算力限制

有可行的算法,但是选型的硬件芯片算力不够,无法满足算法的运行。

5)成本限制

有可行的算法,但是如果要进行成熟的应用,后期需要投入大量的人力和购买大量数据进行训练调优,但是项目时间却等不起,或者公司不愿意花这么大的人力和时间成本去做这件事。

另外一个不可知,就是竞品分析的难度:

互联网产品相关的应用APP几乎都是开放注册(B端产品有部分是封闭的),进入即可以进行一个完整的产品体验和分析。

硬件产品则不同,即使下载并注册了硬件相关的应用,在没有绑定硬件的情况下,整个应用APP的分析几乎是没有太大意义的,所以需要进行一个完整的产品分析,那得首先买不止一台竞品,然后全方位地对硬件和软件功能进行体验、拆解和分析。

例如前段时间中信证券拆解了一辆全新的特斯拉Model3,输出了一份长达94页的研究报告《从拆解Model3看智能电动汽车发展趋势》,只能说中信有实力啊(哈哈),但是所在公司是否会动辄大几千上万买一台竞品供工程师和产品设计者进行拆解和分析,这只能看公司的格局和实力啦。

四、已知性

之前在做互联网产品设计时,同样也会考虑国家法规,平台标准之类的规则,根据相关文件设计或修改业务逻辑。

例如:

  • 互联网应用(APP)中必须有用户注销功能,否则无法上交应用市场。《App违法违规收集使用个人信息行为认定方法》。
  • 互联网医院平台接入规则(要想通过某地方的互联网医院平台的年审,则相应“互联网医院”产品必须按照平台规则进行整改)。

同样智能硬件产品中的硬件、软件以及算法也可以找到一些相关的国家标准和规范,这对于刚接触硬件或算法相关需求设计的产品经理,在不知道算法边界或者硬件的好坏要求时,在国家标准的基础上进行相关需求的描述,是一个很不错的选择(但并不是所有的需求功能都能找到相应的标准和参考)。例如常见的人脸识别需求中涉及的需求描述:

《GB/T 35678-2017 公共安全 人脸识别应用图像技术要求》

1 采集图像

1.1 表情

中性或微笑,眼睛自然睁开,嘴唇自然闭合。

1.2 眼镜

眼镜框应不遮挡眼睛,镜片应无色无反光。戴粗框眼镜注册时宜采集两张图像,一张戴粗框眼镜, —张不戴眼镜。

1.3 遮挡

遮挡物应不遮挡眉毛、眼睛、嘴巴、鼻子及脸部轮廓。

1.4 两眼间距

两眼间距应大于等于60像素,宜大于等于90像素。

1.5 姿态

人脸水平转动角应在±10°以内,俯仰角应在±10以内,倾斜角应在±10°以内。

1.6 亮度和对比度

图像亮度均匀,对比度适中,脸部无阴影、无过曝光和无欠曝光。图像灰度化后脸部区域动态范围在85~200 之间。

1.7 脸部区域

人脸完整,轮廓和五官清晰,无浓妆,图像脸部区域应无编辑修改性处理,几何失真应小于等于 5%,运动模糊应小于等于0.15,高斯模糊应小于等于0.24。

……

2 识别图像

2.1 遮挡

遮挡物应不遮挡眉毛、眼睛、嘴巴、鼻子及脸部轮廓等。

2.2 两眼间距

两眼间距应大于等于30像素,宜大于等于60像素。

2.3 姿态

人脸水平转动角应在±30°以内,俯仰角应在±20°以内,倾斜角应在±30°以内。

2.4 脸部区域

人脸完整,轮廓和五官清晰,无浓妆,图像脸部区域应无编辑修改性处理,几何失真应小于等于 10%,运动模糊应小于等于0.20,高斯模糊应小于等于0.25。

每一个算法模型关注的输入和输出的参数以及前置条件都不尽相同,对于一个纯互联网产品经理,在未接触到算法前,可能不知道对一个算法需求的描述需要对哪些些字段进行描述。

五、周期性

上文已提到过智能硬件产品主要包含:软件、硬件、算法等部分组成;其中软件、算法负责“智能”的部分,但是智能部分的更新迭代,很大程度上都依赖硬件部分的迭代,相较于互联网产品的敏捷开发,两周迭代一个版本,智能硬件产品的迭代周期就不可能这么快了,当然其中单纯的软件和部分算法是可以脱离硬件进行部分迭代的。

硬件部分迭代少则一年,多则两年或更久都是很有可能的。硬件的定义、设计、评审、打样、生产等部分,作为一个新人,目前就不在这献丑了,后续有深入的理解后再给大家分享。

专栏作家

andy,微信公众号:PM大白,一名产品经理行业的小兽医经理行业的小兽医

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。