今天小编分享的科技经验：大模型不停进步，“杀死”了旧时代的产品经理，欢迎阅读。
互联网时代属于产品经理的高光，还没有在 AI 时代复现。
2024 年，生成式大模型的迭代步伐暂时放缓，产品经理与创业者们看到了机会視窗，纷纷投入应用层开发，市场也期待从中涌现杀手级应用；但迈进 2025 年，应用层的失落，以及 DeepSeek 的出现，再次将行业视线扭回基础模型能力的迭代，" 模型即产品 " 的呼声，引发了新一轮的产品经理 " 存在危机 "。
" 已经焦虑了好几轮了，和模型比，产品正在失去产品价值，这是事实。" 一位产品经理如此感叹，" 过去需要开发一套词典軟體的工作，如今只需要一条提示词。如果你是做词典的人，你不焦虑吗？"
传统产品经理有着被模型颠覆的恐惧，而 AI 产品经理也处于一种与模型拉扯的迷茫中。
一方面，他们难以把握模型能力边界，一周数次迭代的速度让认知不断被刷新，很多工作不得不推翻重来，" 前一个月客户要 Promt 微调，后一个月要搭 Work Flow，现在又要改 Agent。"
另一方面，模型正在逐渐产品化，甚至开始吞噬产品的功能，相比于 AI 影像、AI 视频产品，可灵的老照片动起来，Pixverse 的毒液特效，GPT-4o 的吉卜力都是模型团队自身的产品化探索，如何长久地 " 套壳 " 成为新产品的考量。
GPT 4o 生成的吉卜力梗图
在日常工作中，研发主导、产品打杂的现象越来越常见。这和上一轮互联网浪潮中，产品经理被捧上神坛的光辉过去形成了鲜明对比。
微信的张小龙、今日头条的张一鸣、小米的雷军、美团的王兴等都被塑造成了产品经理的标杆和偶像，并引领了一波浪潮。但如今，在链接用户与 AI 的过程中，他们似乎不再是主导者，而是焦虑的追赶者甚至旁观者。
模型一迭代，产品经理们就焦虑
2014 年就开始做产品经理的程龙，最近很焦虑。
在生成式 AI 爆火之后，原先的大厂产品团队面临 " 结构性调整 "，他找准机会，开始围绕文生图、图生视频技术创业，做一款面向影视和广告行业的 AI 内容创作工具 "Drimo"。
"2019 年因为兴趣开始做 AI 产品。这六年的经验就是，AI 产品经理最核心的一点是要掌握 AI 的边界。思考用户的场景需求，哪些是 AI 是可以解决的，哪些不能解决，要用产品弥补技术的短板。"
把握 AI 的边界，这也是 AI 产品们常常提到的一句行业共识。但大模型的快速迭代，让这个边界难以把控。
这种无法把控，与个人的远见和认知关系不大。以程龙的经历来看，他之所以选择了 AI 视频赛道，是因为相对文本和声音，影像视频生成技术离达到天花板还有很长的距离，"DeepSeek 已经超过一些特定的 AI 文本写作的产品了，AI 声音有了大模型之后，也几乎趋近于人声了，但 AI 视频不一样。短期内，连续画面中的人物、场景、道具一致性等问题暂时无法解决，还解决不了。这其中有很多垂直的场景，可以用产品的能力来解决。"
但实际上，影像、视频模型的迭代远比想象中快，GPT-4o 令人惊艳的吉卜力画风、Runway Gen-4 针对一致性的强化，都在突破这个判断。
" 我们得赶紧发布产品，让市场知道我们的存在。" 程龙紧盯螢幕上的原型图，" 万一过几天某家大模型发布了新能力，效果跟我们差不多，那我们就直接没了。"
此前，就发生过类似的事件，在模型们还只能生成动漫感假人的时候，Drimo 就通过行业调研发现影视方对真人角色在特定流程中是有强烈的需求，开始通过后训练生成更真实的人物主角，而后视频模型也瞄准了这一方向。
这种超越与被超越，是无法避免的。即使是模型本身，也在互相追赶。
另一位产品经理周航，也有相似感受。"AI 之后，产品经理只是一个过渡性的工作。" 他发在社交平台上的帖子收到了几百个收藏，有人感同身受的焦虑，也有人抨击这是压根不懂 AI 落地，在评论区，你能看到 AI 产品经理这一统一概念下的参差世界。
AI 平台型 PM、AI 应用 PM、AI+ 型 PM...... 在实际工作中还对应着更宽泛的职业光谱——从模型评估到模型并发性能优化，再到 C 端路线设计、B 端 API 策略 ...... 每一个岗位都应对着模型与现实需求之间的特定缝隙。
但 AI 的不断迭代，恰恰在不断弥补模型与场景之间的缝隙。这也意味着很多产品经理现阶段为模型做的工程性优化，将在未来一段时间被吞并。
另一种焦虑，则来自于信息和知识的爆炸。" 现在都不想打开社交平台，一打开，就是新的小道消息，追起来太累了，开始很兴奋，后来就麻了。" 从传统 PM 转 AI PM 的 Dula 说道，" 而且每天工作完，下班还得看 paper。"
有趣的是，AI PM 们几乎人手一个自媒体账号，一边梳理沉淀系统性的知识，一边作为对外交流的視窗，寻找新的消息和机会，比如卖课、咨询、微调私活、招聘指导等，" 产品经理本来就卷，现在更卷了。"Dula 说。
" 产品经理 " 的技能条需要更新了
焦虑往往伴随着机会。
随着大模型走向垂直场景，产品思维正在重回高光。
" 虽然通用场景可能被模型吞噬，但垂直领網域仍有巨大空间。" 在程龙看来，" 企业客户需要的不仅是生成能力，还有稳定性、可控性和工作流整合，这些都需要深度的产品设计。"
这种行业洞察力成为产品差异化的关键。他分享了一个例子：" 有次创投会上，一个年轻编剧写了 90 年代的摇滚故事，说主角因为家庭原因放弃了乐队。评委立刻指出：90 年代的摇滚乐手不会因为这种原因放弃梦想。还有人写东北有八层没电梯的楼，老东北人直接说 ' 不存在 '。这些行业知识，通用模型很难掌握。"
程龙开始与影视公司合作共建，将更多行业 Know-how 融入其中。
" 对专业导演和制片人而言，他们需要精确控制画面构图，近景、中景、远景、俯瞰、仰视比较简单，还有更多专业的比如荷兰角，过肩镜头（两人相对，镜头处于某人背后）、超特写等专业视角。所以要避开与通用大模型的正面竞争，我们必须瞄准更垂直、更专业的细分领網域。"
从更长的时间线来看，大模型公司本身也在经历一场从技术驱动向产品驱动的转型。
OpenAI 便是典型案例。从最初几乎没有产品经理的纯研究型组织，到现在大量招聘产品经理、设计师和用户研究人员，OpenAI 的组织结构正在悄然变化。这家公司已从单纯追求模型性能提升，转向构建真正面向终端用户的产品体验并建立庞大的生态。
国内的 Kimi 团队更是如此，在基座大模型还未出现明显代际差异之时，Kimi 就凭借 " 少即是多 " 的界面设计，对各类输入檔案的稳定解析，兼具网页版、APP、小程式、插件的灵活形态 ...... 等等的这些产品思维，在 C 端市场收获了忠实粉丝。
这些在第一阶段就进入大模型的 AI 产品经理们，需要考虑的是如何在有限的 AI 水平、用户认知水平下，让更多人更好地用 AI。
而如今进入第二阶段，产品经理们正在接入后训练，与算法研发一起确定模型在下一次迭代的方向。
Pixverse 的毒液特效、GPT 的吉卜力风格都表明模型正向产品方向转化，进行特定训练。
很多时候，对产品经理来说惊艳的功能，可能是技术人员觉得不值一提的优化。一位基座大模型的 API 产品经理方琦说道，" 从算法或技术角度，研发人员愿意深耕研究，但有些能力点是否符合市场需求，是不是当下最紧迫的，需要产品经理给反馈。我们作为更接近市场的人，需要提供更有价值的信息。"
特别是对于中高级产品经理而言，商业化是必修课。" 现在做一个产品并不难，关键是你做出的东西是否有人愿意付费，这才是挑战。个人开发者现在很多，我们团队中不少人也在自己做小 AI 产品，但根本问题是缺乏有效连接用户的渠道。" 程龙补充道。
这也是为什么如今阿里、美团、字节等各个大厂都在大量招聘 AI 产品经理，在大模型走向大众的过程中，需要找到技术路线，需要找到方向，更更需要找到有竞争力、能商业化的方向。
如今 AI 产品经理的工作要求和内容，已经逐渐与传统互联网产品经理拉开了差距。曾经，张小龙被奉为产品之神，核心在于他对人性的深刻理解，而不是对特定技术的掌握或是对商业化的敏锐。但在 AI 时代，产品经理必须同时理解人性和技术边界，技术和商业化落地之间的关系，并且还在不断变化、分化出更多角色。
" 产品经理 " 不会消亡，被 " 杀死 " 的是旧时代的产品经理。谁先走出从对过往光环的虚无追逐，谁就可以更早抓住新的 AI 时代产品经理的巨大机会。
