AI产品经理的思考与总结 (1)

这周接到了部门裁员的通知。其中一个因素是，AI并没有像预想的那样给公司带来明显的效能提升——“投入不变、利润倍增”的设想，最后未能达成。

事情发生得很突然，但转机也迅速出现：当天就陆续收到了好几个项目组发来的AI职位面试邀请。于是趁这个机会写下这篇文章，一方面是为了整理思路、应对下周的面试，另一方面也是想记录这段时间担任AI产品经理的工作经验和体会。

市面上有关AI的读物不少，我最后挑选了王泽楷编写的《AI产品经理》。选这本书，是由于作者自身拥有商汤科技AI产品专家的经历，再加上中等教育出版社和机械工业出版社的双重认证，可靠性较高。

今天先讲解第一章：AI与AI产品经理。先附上目录思维导图：

不论是罗素与诺维格合著的《人工智能：一种现代的方法》，还是中国电子技术标准化研究院推出的《人工智能标准化白皮书》，都把AI定义为某种类型的“系统”。

前者将其概括为四类系统的组合——“能像人一样思考的系统；能像人一样行动的系统；可进行理性思考的系统；可实施理性行动的系统。”

后者则提供了更全面的技术描述——“利用数字计算机或由数字计算机控制的机器来模拟、延伸和扩展人的智能，感知环境、获取知识并运用知识达到最佳效果的理论、方法、技术及应用系统”。

狭义AI（Artificial Narrow Intelligence，ANI） 我们现在常说的AI，就是指狭义AI。它只擅长处理特定领域的问题，比如借助大模型和业务知识库，以应用形态服务各种商业场景（如智能客服）。狭义AI的迁移能力非常有限——一个用于下棋的AI，无法帮你处理医疗健康事务。

广义AI（Strong AI）／通用AI（Artificial General Intelligence，AGI） 看到“通用”这个词，别误以为这项技术已经成熟。李飞飞等业内专家谨慎预测，通用AI最早可能在2099年之后才会出现。等它实现时，AI将具备自主学习和独立判断的能力，不再需要人类的多轮引导和对话。如果说现在的AI是蹒跚学步的婴儿，那通用AI就是一个真正能独立思考的成年人。

超级AI（Artificial Super Intelligence，ASI） 说实话，这个词在我的日常工作中几乎没人提起过。当前学术界有两种看法：一种觉得超级AI会创造出全新的智能物种；另一种则认为它不过是“人类＋计算机”能力的极致扩展。不管哪种看法，眼下都还停留在对“可能性”的探讨阶段，就连它是否真会出现都没有定论。不妨先等到2099年后，看通用AI能不能先成为现实再说。

以上就是AI的核心概念梳理。了解这些背景，有助于我们更清楚地认识AI产品的设计思路——就像明白了C罗和内马尔各自的成长历程，才能真正理解为什么一个极度自律、内心稳定，另一个则随性洒脱。

AI的三大流派：符号主义、连接主义与行为主义

前面介绍了AI的三个发展时期，而我们目前还处在第一阶段——狭义AI。那么，迈向通用AI乃至超级AI的路径有哪些？学术界指出了三种方向：通过数学逻辑、通过模仿人脑神经、以及通过模仿人类行为。由此，衍生出AI的三大流派。

符号主义 从名字就能看出，“符号”和数学紧密相连——加减乘除，都是符号的展现。正因为数学拥有高度的普适性和严谨的逻辑性，符号主义也因此成为当下最主流的AI流派。

连接主义 当然，符号主义并非无所不能。现实世界中大量的问题，无法被简单地归结为数学公式，这也促进了另外两大流派的发展。

连接主义与行为主义，同样以模仿人类为根本——前者模仿人脑的神经网络构造，后者模仿人类的行为与反馈机制。凡是提到“深度神经网络”，指的就是连接主义。正是这一流派的重大进展，推动了语音识别和语义理解的快速进步。这或许也说明了，为何近年来不少高校相继调整、甚至取消翻译专业。

行为主义 行为主义让我想起巴甫洛夫那个经典试验：反复对狗敲铃并给予食物，狗最终学会了把铃声和食物联系起来，形成条件反射。AI的行为主义原理与此类似——通过持续的环境反馈实现自主学习。以人形机器人为例，它在多次摔倒后逐渐辨认出障碍物的存在，并学会在下一次主动避开。

AI产品

再尖端的技术，如果没有大众产品作为载体，没有消费者愿意购买，商业终究难以持续。早期体积庞大的计算机，正是在个人电脑普及之后，才真正带动了整个计算机产业的兴旺。

谈到AI产品，软件层面大家最熟悉的，莫过于ChatGPT、豆包等对话式应用；硬件层面则分为两类：一类是在传统产品中集成AI能力，如智能音箱；另一类是全新形态的AI原生硬件，如机器狗。

对于前者，背后AI厂商的能力至关重要。以智能音箱为例，我当初选择百度而非天猫精灵，正是看重了文心一言的技术支撑——尽管实际证明，百度的产品体验确实令人失望。

对于后者，则需要做好“第一个尝试者”的心理准备。谷歌眼镜是前车之鉴——声势浩大，却始终没能真正推广开来。时至今日，市面上各类智能眼镜，在我看来也大多停留在概念阶段，尚未具备真正意义上的实用价值。

AI产业链分层

常有新人问我：AI产品经理与普通产品经理到底有什么不同？我觉得，看一眼“AI产业链分层示意图”就清楚了：

基础层，包含云计算、大数据、物联网与AI芯片等核心要素。云计算是我十几年前就接触的领域；大数据随后兴起，很多企业相继设立了专属的大数据部门；物联网对应的是各类传感器的应用；而AI芯片则是近年来才真正热起来的概念——其核心是将算力下沉到端侧（如手机），这也是苹果近期产品价格持续上涨的原因之一。对于AI产品经理来说，理解AI芯片这一新兴概念，已是基本功之一。

技术层，包含计算机视觉、语音识别、自然语言处理与机器学习框架等方向。其中，计算机视觉（如OCR识别）和语音识别（如翻译机实时转译外语）都是相对成熟的技术，早已落地多年；而自然语言处理与机器学习框架，则是近几年才真正进入大众视野的热词。判断一个词是否与AI强相关，可以借助谷歌趋势工具观察其搜索热度的变化——毕竟对普通人而言，“AI”这个概念，大多是从几年前ChatGPT爆火后才开始具体感受到的。

应用层，则与“AI产品经理”这一职位最直接相关。没有人能面面俱到，因此更务实的做法是：聚焦自己熟悉的行业，找到对应的标杆企业及其AI产品作为参照。以我所在的金融业为例——强监管的行业特性本身就对AI的应用构成限制，但仍可以从国内外各大同业的竞品中寻找参考与灵感：

AI产品落地的价值与难题

在企业使用的B端系统中，AI产品经理的核心职责在于帮助业务部门降本增效；而在面向大众的C端产品中，娱乐属性则往往更为突出，如AI美颜、AI视频生成等。

对于企业用户而言——尤其是金融行业——AI落地面临三大共同难题：

因此，在设计AI产品时，以下几个维度值得反复考量：

所需算力是否与预期收益相匹配？哪些功能其实不必依赖AI，交给规则程序甚至人工处理反而更高效？是否一定需要用到隐私数据？是否存在触碰合规红线的风险？以及，短期投入与长期回报之间，如何取得平衡？

今晚分享到这里，明天继续。全世界晚安 😴～