AI產品經理的進階路線圖

AI產品經理區別於普通產品經理的地方，不止在懂得AI演算法，更重要的是具有AI思維。

人工智慧產品設計要以操作極度簡單為標準，但是前端的簡單代表後端的複雜，系統越複雜，才能越智慧。

同樣，人工智慧的發展依賴於產業生態的共同推進，上游晶片提供算力保障，中游人工智慧廠商著力研發演算法模型，下游應用領域提供落地場景。

一、人工智慧產業鏈結構

人工智慧產業鏈結構上可分為 基礎層（計算基礎設施）、技術層（軟體演算法及平臺）與應用層（行業應用及產品）。

基礎層

包括了主要包括計算硬體（AI晶片）、計算系統技術（雲端計算、大資料和5G通訊）和資料（資料採集、標註和分析）。

基礎層主要以硬體為核心，其中包括 GPU/FPGA 等用於效能加速的硬體、神經網路晶片、感測器與中介軟體，這些是支撐人工智慧應用的前提。這些硬體為整個人工智慧的運算提供算力，目前多以國際 IT 巨頭為主。

技術層

包括演算法理論（機器學習演算法、類腦演算法）、開發平臺（基礎開源框架、技術開放平臺）和應用技術（計算機視覺、自然語言理解和人機互動）。

當前，國內的人工智慧技術平臺在應用層面主要聚焦於計算機視覺、語音識別和語言技術處理領域，國內技術層公司發展勢頭也隨之迅猛，其中的代表性的企業包括科大訊飛、格靈深瞳、捷通華聲（靈雲）、地平線、SenseTime、永洪科技、曠視科技、雲知聲等。

應用層

應用層主要是基於基礎層與技術層實現與傳統產業的融合，實現不同場景的應用。

隨著人工智慧在語音、語意、計算機視覺等領域實現的技術性突破，將加速應用到各個產業場景。包括了行業解決方案（“AI+”）和典型產品（機器人、智慧音響、智慧汽車、無人機等）。

二、人工智慧行業架構

人工智慧不同於網際網路發展，更側重於軟硬體結合落地，所以我給大家梳理了通用的AI技術及相關平臺。底層硬體和軟體的結合配合合適的演算法，才能產出智慧化的產品，

現在國內的AI相關公司都分佈在以下圖譜中的某個或多個位置。

AI通用技術的發展取決於技術成熟度和業務滲透力。

AI能力取決於兩點，第一點是技術的成熟度，第二點是對具體業務的滲透力。

計算機視覺、語音識別和自然語言理解的應用精準度在於知識圖譜的構建和機器學習能力。AI技術由單點技術應用轉為整體解決方案的構建，企業注重技術的融合發展。AI技術的發展依賴於資料積累，企業透過向場景滲透，用資料最佳化技術演算法，構建行業壁壘。

AI技術變革硬體裝置，未來市場潛力取決於AI技術與硬體基礎 應用功能間的協同發展，AI技術正在變革硬體裝置，實現萬物互聯，線上線下資料互通。AI技術在使用者與裝置的互動方式上實現革新，視覺語音語義等AI技術對場景資料的理解能力是決定其互動能力的關鍵。AI在硬體中的應用需結合硬體基礎功能才能具有廣闊的市場潛力。

在底層硬體上，晶片是保障演算法和算力的重要硬體，晶片成功的關鍵在於晶片的技術實力，根據晶片的部署位置和承擔任務，衡量晶片技術實力的指標 各不相同。

雲端晶片通常用來進行資料訓練，訓練過程將承載海量的資料集，要求晶片具備很強的並行運算能力；終端晶片主要用來進行資料推理，晶片的綜合工耗是技術發展關鍵；類腦晶片打破馮.諾依曼機構，模仿大腦結構進行運算，可提升計算效率、降低功耗，成為AI晶片長期發展趨勢。

視覺感測器的研發不同於軟體系統具有邊際效應，重點在於突破成本障礙，鐳射雷達在自動駕駛領域的作用至關重要，整個行業集中於降低鐳射雷達的生產成本，車規級固態鐳射雷達應是企業發展的戰略重點。

國內對毫米波雷達的研究處於起步階段，目前市場上存在24GHz和77GHz兩種規格的毫米波雷達。77GHz毫米波雷達的探測精確度 好、穿透力強，未來將成為市場主流，攻克77GHz的研發成本成為企業的戰略重點。攝像頭透過與計算機視覺技術融合，在安防監控、自動駕駛、智慧電視等領域實現機器智慧化，在相應場景的認證分析和輔助決策能力是關鍵。

三、AI產品經理的四象限分類

透過分析人工智慧產業結構和行業架構，不難發現在每個節點都需要相應的AI產品經理。

而根據企業大小和個人技術能力的不同，AI產品經理可分為四個象限。

一般科技趨勢從興起到沒落，通常分為三個階段：

1. 第一階段：技術＞產品
2. 第二階段：產品＞技術
3. 第三階段：運營＞產品

AI技術的演進現在還在第一階段，所以說個人技術能力在產品中所佔比例更大。而技術的投入只有大企業才能有財力投入，小企業沒有研究的財力支撐。

我把AI產品經理分為四個象限，分別是：

1. 突破型AI產品經理：本身技術能力強，在大企業的研究部門，或者實驗室。以技術突破為主，時刻關注AI前沿技術。這類AI產品經理在國內主要分佈於BAT等一線網際網路企業，或者訊飛、商湯等AI為主的企業；這類產品經理日常工作以研究為主，失敗大於成功，不過沒有苛刻的KPI，多為學術型人才。
2. 創新型AI產品經理：這類AI產品經理多為技術出身，在某個技術領域是個專家型人才。投入到初創公司，利用所掌握的技術能力，設計創新型產品，擔任主要產品的設計工作，可以說是公司的關鍵人物，多是應用最新的前沿技術，結合垂直場景或領域，設計出創造型產品。
3. 應用型AI產品經理：這類產品經理多為產品出身，AI技術能力不是長項，但產品能力紮實，熟悉成熟AI技術，能夠在大企業中應用現有成熟AI技術改進相應系統，或者搭建AI平臺。多見於大型企業的toB業務線，對接各行業需求，輸出成熟的AI技術，並把技術產品化。
4. 普及型AI產品經理：這類AI產品經理多為非技術出身，熟悉成熟的AI技術能力，熟悉市場上成熟的AI產品。能夠很好的完成相關AI產品的拆解、分析、改造。並結合本身業務將AI技術落地。

這四類AI產品經理分佈如下所示，呈金字塔分佈，突破型AI產品經理少之又少，但這是整個社會進步的先鋒隊，做這類工作要有耐心，不能玻璃心，禁得起失敗的打擊。

創新型產品經理是能將前沿科技落地的一類人，他們不僅要掌握核心科技，還要找到創新點，找到很好的商業模式。這類機會不多，但是一旦找到回報也是豐厚的。

應用型產品經理是AI普及的陸戰隊，這隻陸戰隊能夠為AI的惠民化搭建好用的基礎設施，是搭建整個AI大廈的農民工。

普及型AI產品經理分佈在一線二線三線城市的一個個中小企業中，是將AI能力注入到各行各業的傳教士，他們是最靠近一線，最瞭解市場，最熟悉場景的專家。

四、AI產品經理的崗位佈局

前面我們從產業說到行業，說到根據企業大小AI產品經理的分佈，但是最終還是要落到一個個崗位上，目前產品經理崗位分佈如下：

AI產品經理現在還處在萌芽階段，今後肯定會越分越細，現在找到一個領域深耕下去，隨著時間的推移你就是行業專家了。

五、AI產品經理的能力提升

如何提升自己的能力，不能鬍子眉毛一把抓，要有的放矢的學習，這樣效率才能更高。

找準自己的位置，所處行業，在產業鏈的什麼位置，自己屬於哪一類AI產品經理這些首先要想清楚，AI產品經理必須是一專多能的複合型人才。

下面是AI產品經理經常陷入的一些誤區：

• 沒有目標，經常轉換方向：要有咬定青山不放鬆的精神，前期多調研，一旦確定方向就all in進去，經常轉換方向就會沒有積累。
• 沒有自知之明，眼高手低：多說人沒有了解AI之前，總感覺AI高深莫測，真正開始進入了就會發現不過如此，特別是工作經驗比較長的產品經理，慣性思維告訴他這個就要這樣設計。其實AI產品不只是體現在技術應用上，更多是是在AI思維，要融入到整個產品中。
• 用心不專，什麼都學：人工智慧範圍寬泛，技術門檻高，剛入行的AI產品經理感覺自己什麼都不會，什麼都要學，要知道有所為有所不為，什麼都學就會造成什麼也不精。要有主有次，有緩有急。用心轉一。
• 不學習：AI技術發展迅速不學習就是逆水行舟。學習是一個輸入過程，要不斷輸入，才能保證持續高質量輸出。
• 圈子太小：連結、交換、碰撞才能產生更多火花。閉門造車就會落後。多和同行業交流，參加交流會議，也許會有意外收穫。

總結

AI產品經理要具備技術理解能力，垂直場景認識積累，和一套完整的AI產品落地方法論。要完成一款落地的AI產品必須既懂技術邊界，又懂需求邊界。