今天小編分享的科技經驗：大模型不停進步，“殺死”了舊時代的產品經理，歡迎閲讀。
互聯網時代屬于產品經理的高光，還沒有在 AI 時代復現。
2024 年，生成式大模型的迭代步伐暫時放緩，產品經理與創業者們看到了機會視窗，紛紛投入應用層開發，市場也期待從中湧現殺手級應用；但邁進 2025 年，應用層的失落，以及 DeepSeek 的出現，再次将行業視線扭回基礎模型能力的迭代，" 模型即產品 " 的呼聲，引發了新一輪的產品經理 " 存在危機 "。
" 已經焦慮了好幾輪了，和模型比，產品正在失去產品價值，這是事實。" 一位產品經理如此感嘆，" 過去需要開發一套詞典軟體的工作，如今只需要一條提示詞。如果你是做詞典的人，你不焦慮嗎？"
傳統產品經理有着被模型颠覆的恐懼，而 AI 產品經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，" 前一個月客户要 Promt 微調，後一個月要搭 Work Flow，現在又要改 Agent。"
另一方面，模型正在逐漸產品化，甚至開始吞噬產品的功能，相比于 AI 影像、AI 視頻產品，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品化探索，如何長久地 " 套殼 " 成為新產品的考量。
GPT 4o 生成的吉卜力梗圖
在日常工作中，研發主導、產品打雜的現象越來越常見。這和上一輪互聯網浪潮中，產品經理被捧上神壇的光輝過去形成了鮮明對比。
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品經理的标杆和偶像，并引領了一波浪潮。但如今，在鏈接用户與 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。
模型一迭代，產品經理們就焦慮
2014 年就開始做產品經理的程龍，最近很焦慮。
在生成式 AI 爆火之後，原先的大廠產品團隊面臨 " 結構性調整 "，他找準機會，開始圍繞文生圖、圖生視頻技術創業，做一款面向影視和廣告行業的 AI 内容創作工具 "Drimo"。
"2019 年因為興趣開始做 AI 產品。這六年的經驗就是，AI 產品經理最核心的一點是要掌握 AI 的邊界。思考用户的場景需求，哪些是 AI 是可以解決的，哪些不能解決，要用產品彌補技術的短板。"
把握 AI 的邊界，這也是 AI 產品們常常提到的一句行業共識。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，影像視頻生成技術離達到天花板還有很長的距離，"DeepSeek 已經超過一些特定的 AI 文本寫作的產品了，AI 聲音有了大模型之後，也幾乎趨近于人聲了，但 AI 視頻不一樣。短期内，連續畫面中的人物、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，可以用產品的能力來解決。"
但實際上，影像、視頻模型的迭代遠比想象中快，GPT-4o 令人驚豔的吉卜力畫風、Runway Gen-4 針對一致性的強化，都在突破這個判斷。
" 我們得趕緊發布產品，讓市場知道我們的存在。" 程龍緊盯螢幕上的原型圖，" 萬一過幾天某家大模型發布了新能力，效果跟我們差不多，那我們就直接沒了。"
此前，就發生過類似的事件，在模型們還只能生成動漫感假人的時候，Drimo 就通過行業調研發現影視方對真人角色在特定流程中是有強烈的需求，開始通過後訓練生成更真實的人物主角，而後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。
另一位產品經理周航，也有相似感受。"AI 之後，產品經理只是一個過渡性的工作。" 他發在社交平台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，你能看到 AI 產品經理這一統一概念下的參差世界。
AI 平台型 PM、AI 應用 PM、AI+ 型 PM...... 在實際工作中還對應着更寬泛的職業光譜——從模型評估到模型并發性能優化，再到 C 端路線設計、B 端 API 策略 ...... 每一個崗位都應對着模型與現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。這也意味着很多產品經理現階段為模型做的工程性優化，将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。" 現在都不想打開社交平台，一打開，就是新的小道消息，追起來太累了，開始很興奮，後來就麻了。" 從傳統 PM 轉 AI PM 的 Dula 説道，" 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号，一邊梳理沉澱系統性的知識，一邊作為對外交流的視窗，尋找新的消息和機會，比如賣課、咨詢、微調私活、招聘指導等，" 產品經理本來就卷，現在更卷了。"Dula 説。
" 產品經理 " 的技能條需要更新了
焦慮往往伴随着機會。
随着大模型走向垂直場景，產品思維正在重回高光。
" 雖然通用場景可能被模型吞噬，但垂直領網域仍有巨大空間。" 在程龍看來，" 企業客户需要的不僅是生成能力，還有穩定性、可控性和工作流整合，這些都需要深度的產品設計。"
這種行業洞察力成為產品差異化的關鍵。他分享了一個例子：" 有次創投會上，一個年輕編劇寫了 90 年代的搖滾故事，説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，老東北人直接説 ' 不存在 '。這些行業知識，通用模型很難掌握。"
程龍開始與影視公司合作共建，将更多行業 Know-how 融入其中。
" 對專業導演和制片人而言，他們需要精确控制畫面構圖，近景、中景、遠景、俯瞰、仰視比較簡單，還有更多專業的比如荷蘭角，過肩鏡頭（兩人相對，鏡頭處于某人背後）、超特寫等專業視角。所以要避開與通用大模型的正面競争，我們必須瞄準更垂直、更專業的細分領網域。"
從更長的時間線來看，大模型公司本身也在經歷一場從技術驅動向產品驅動的轉型。
OpenAI 便是典型案例。從最初幾乎沒有產品經理的純研究型組織，到現在大量招聘產品經理、設計師和用户研究人員，OpenAI 的組織結構正在悄然變化。這家公司已從單純追求模型性能提升，轉向構建真正面向終端用户的產品體驗并建立龐大的生态。
國内的 Kimi 團隊更是如此，在基座大模型還未出現明顯代際差異之時，Kimi 就憑借 " 少即是多 " 的界面設計，對各類輸入檔案的穩定解析，兼具網頁版、APP、小程式、插件的靈活形态 ...... 等等的這些產品思維，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 產品經理們，需要考慮的是如何在有限的 AI 水平、用户認知水平下，讓更多人更好地用 AI。
而如今進入第二階段，產品經理們正在接入後訓練，與算法研發一起确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品方向轉化，進行特定訓練。
很多時候，對產品經理來説驚豔的功能，可能是技術人員覺得不值一提的優化。一位基座大模型的 API 產品經理方琦説道，" 從算法或技術角度，研發人員願意深耕研究，但有些能力點是否符合市場需求，是不是當下最緊迫的，需要產品經理給反饋。我們作為更接近市場的人，需要提供更有價值的信息。"
特别是對于中高級產品經理而言，商業化是必修課。" 現在做一個產品并不難，關鍵是你做出的東西是否有人願意付費，這才是挑戰。個人開發者現在很多，我們團隊中不少人也在自己做小 AI 產品，但根本問題是缺乏有效連接用户的渠道。" 程龍補充道。
這也是為什麼如今阿裏、美團、字節等各個大廠都在大量招聘 AI 產品經理，在大模型走向大眾的過程中，需要找到技術路線，需要找到方向，更更需要找到有競争力、能商業化的方向。
如今 AI 產品經理的工作要求和内容，已經逐漸與傳統互聯網產品經理拉開了差距。曾經，張小龍被奉為產品之神，核心在于他對人性的深刻理解，而不是對特定技術的掌握或是對商業化的敏鋭。但在 AI 時代，產品經理必須同時理解人性和技術邊界，技術和商業化落地之間的關系，并且還在不斷變化、分化出更多角色。
" 產品經理 " 不會消亡，被 " 殺死 " 的是舊時代的產品經理。誰先走出從對過往光環的虛無追逐，誰就可以更早抓住新的 AI 時代產品經理的巨大機會。
