AI看起来火，但是真的在做AI的产品经理“少得可怜”

最近清明节一直没有更新，除了忙家里的事，就没有来得及写一些东西了。

当然，在期间我和几个曾经PMTalk产品经理社区的合作伙伴聊了聊，有的曾经是做产品经理培训行业的top 1，现在转型做传统行业了。

同时还有一些老朋友，现在仍然在产品经理行业做布道师，因为带着团队做visionPro过了不到2年，在朝气蓬勃的AI大发展今天，我发现真的做AI的产品经理太少了。

其实本质原因是，现在AI的产品经理门槛仍然特别高

1.大部分公司做AI都是集中一个AI研发团队

从CHATGPT到现在2025年，国内的科技公司都几乎要求全员做AI，但在企业里，由于AI资源有限，并没有办法像服务器一样可以让每个团队都有自己的GPU服务器，而是更像一个AI中台提供给各个产品研发部门，99%产品经理能够做的是调用其AI能力，以类似API的形式进行组合。

其工作内容仍然是在传统的功能性设计、用户需求调研上，考核方式仍然是以用户的DAU、MAU以及转化率来说的。

所以就导致他们对于AI的了解还是仅限在和普通人调用CHATGPT进行对话完成一样。

2.AI国内的商业化场景限制，AI模型选用的方案不够多

在春节，因为DEEPSEEK的出现，带动了整个国内AI的发展，终于有一个可以堪比主流CHATGPT、llama的大模型来了，并且还是国产。

不需要担心大模型的内容是否违规。

曾经在GPT刚出来的时候，有一些平台激进者就筛选接入API，就导致应用被网信办封，简单来说就是国内AI模型选用的一定要是经过国内备案。

没有备案的模型进行组合商业使用，就会导致产品下架。

而这样就导致商业化场景的限制就较大

毕竟国内的AI模型与国外的相比还是有一定距离，而DEEPSEEK打破了这个局面，现在包括阿里的通义千问都都在AI模型榜单上成了前面几个。

这才让AI产品有商业化的可能，要不然就只能持续做套壳的GPT应用，不仅不安全而且也没有办法获得国内的资本投资。

3.AI产品经理的工作内容来源于做新的产品，而不是迭代

现在AI产品经理少得可怜，还有一个最大的原因就是AI产品太少了，几乎99%的公司都是在以前的产品功能上加AI产品功能单元模块。

而不是做新的AI产品。

重新做AI产品，是基于AI的大模型能力去设计产品架构的，和基于软件工程的角度去设计产品是有天然的区别。

这个基于大模型的产品经理，首先就是要考虑模型支持什么样能力，比如多模态还是文本模态，然后能够支持什么长度的文件、以及文件类型支持多少、对话频率是多少。

这都是AI产品经理要去做技术调研的事情，以前专注在软件工程上的技术框架就足够了。

如下图是我绘制的基于AI做新产品，以及做产品的AI功能性迭代的区别

所以你可用看到从0到1做AI产品的区别，在做产品研发的刚开始就会考虑到AI的能力上，从而进行替换。

现在市面上的AI模型管理工具就是基于此诞生

这6款产品,是AI产品经理的“精髓”

我曾经分享过一篇文章，提到AI产品经理的竞品调研，现在就连腾讯的IMA在功能模块上都和这几个AI模型管理工具底层原理都是一样的。

而传统型的产品是很难做到这个底部，因为产品经理总不可能把整个系统全部推翻重做了。

这就导致了AI产品绝对不是普通的功能性产品通过加一个AI功能就可以迭代出来的。

因为你根本无法更改背后的数据库表结构、底层框架等，如果要改，还不如重新做。

如何才算一个真正的AI产品经理，应该至少有6点

1.从0到1部署AI大模型

首先你的研发资源能够从0到1部署AI大模型的经验，并不是说要有这个资源，而是要真的能够落地，能够部署下来。

2.能够建设知识库

基于大模型能够搭建模型所需要的知识库，并且可以配置知识库参数，允许大模型可以使用专业知识库。

我们将知识库称呼为RAG，通过动态更新知识库，检索速度较慢，需要一遍生成一边检索。优势是不会过于耗费GPU资源去训练，也不需要做数据标注

3.基于大模型做多模态的AI功能满足其他场景

大模型有视觉大模型、也有文本还有多模态的，能够真正的部署并使用多模态大模型，并且用于构建产品，解决一些场景中的问题。

而我们现在大部分普通人使用的还是文本类的大语言模型，能够支持视频以及文本以及语音的大模型，这样能力开发出来了也可以得到很多用户的追捧。

4.能做模型微调

模型微调是指的是修改模型内部参数，通过数据标注和GPU训练才能够完成模型的输出。而模型的微调是耗费资源的，因此能够做模型微调，那么就是算数一数二的AI产品经理了。

模型微调要产品经理来做需求调整，技术来实现

模型微调对比上面的知识库，有各自优劣势。

5.用过KTransformer

使用KT的方式是可以降低GPU的使用从而运行满血的DEEPSEEK模型，通过分布式处理大模型，将其放不需要的模型在内存上进行，需要使用的才在24GB的显存使用。

而AI产品经理除了部署大模型外，是一定要用一些开源算法的，这些算法依附于大模型，从语音识别、文字转语音、以及图像识别等，这些都是以大模型为基础

6.MCP 协议

从2025年开始，对接模型以外的能力会用MCP的协议，而没有亲自了解过MCP的参数与配置方式就不属于AI产品经理。

因为你没有考虑过如何对AI产品的其他能力进行优化，提供给功能性产品。

今天的分享就在这里。

“关注我，一个产品经理的创业故事”

最近Kevin的原创

好多产品经理都躺平了

Kevin的产品设计电子刊

讲解了需求调研&用户研究、功能减法、组合、微创新、迭代框架的5个步骤。每周更新2-4节，是一套非常好用的产品设计方法论。

电子刊新书：累计20万字，8个章节，一个简易设计方法

AI看起来火，但是真的在做AI的产品经理“少得可怜”

高级产品经理的薪资是初级的10倍，他们到底做对了什么？

定制项目的本质，就是绑架客户

特斯拉FSD翻车，到底该谁背锅？