文章指出AI产品经理已成为新物种，与传统产品经理有根本变化。尽管30%产品经理选择躺平不学AI，但AI学习正变得简单：模型榜单已固定，模型管理平台降低研发成本，各领域已有头部AI产品代表。AI产品经理只需关注特定领域模型参数，利用工具提升效率，结合团队协作资源，就能在AI时代快速迭代产品。
曾经我发起一个调研，提到AI产品经理转型，作为普通产品经理是否跟的上，写了一篇文章，发现里面的投票不见了。
在这个文章的调研结果里，有30%的产品经理选择了躺平：不主动了解AI大模型的工作；而20%的产品经理选择主动；其余的产品经理则跟不上现在的变化进度。
要知道这可是产品经理的调研，而不是普通用户。
因为产品经理是做软件研发的产品，所以要注意对于普通人来说可能就无法接受，世界就变了一样。
在2022年，第一个GPT3出现到今天，几乎每个月都有新的模型出现，并且模型榜单也在不断的更新，这种类似销售团队使用的“龙湖榜单"，从开源、到闭源都在不停的更换。
如下是hugging face的模型榜单，现在趋势领先榜单里面，几乎都是国产大模型，并且还是开源。
在AI行业工作的从业者，我有一点感受特别清楚，AI产品的公司就是随着头部模型的厂家固定，一些中下游模型公司已经消失不在，反而现在出现的都是在模型应用层面，头部的大厂和模型厂商都已经固定了。
当然在AI领域里，还时不时会有新的AI应用类产品出现，这就需要产品经理持续关注了。但总的来说，现在AI产品经理越学越简单。
主要是下面这几个维度原因。
1.开源与闭源的AI模型榜单固定了
现在国内就以字节、京东、阿里、DEEPSEEK、以及智普、KIMI、腾讯混元、百度为一步梯队，现在国内的模型厂商都是走开源为主，他们不断的升级模型性能以及更小的模型参数，以及在代码、设计、视频生成更强，所以AI产品经理只需要关注AI模型的榜单与参数即可，比如自己是在做编码领域的应用，那么选择coding最强的， 如果是做设计的就是设计最强的，以此类推，当然现在还有医疗模型，同样也是同理。
2.AI 模型管理的应用固定了
除了模型本身，现在还有模型的管理平台工具，分别有dify以及coze当然还有N8N这类模型管理平台，如果是国内就是选择Dify以及fastGPT， 而国外则选择N8N，因为他集成了国外WhatsApp这些社交应用的入口。
AI模型管理工具，减少了AI产品经理的研发成本，允许通过配置任务流以及agent就可以完成。
从而让研发团队可以更快落地AI能力，比如语音识别、图像识别、以及数字人等这些能力都可以通过模型管理平台来完成底座。
如下是Native的AI产品所依靠这些模型管理工具以及模型之间关系，其产品研发关系，就可以将其AI产品经理知识体系结构化
3.AI的生产力工具
除了以上的各个模型榜单与开发应用，还有就是生产力工具，这些生产力工具主要是在办公、产品设计、编码甚至是销售与运营上。
现在这些维度的工具都已经有了自己的代表头部AI产品，如下分别是
设计领域类
figma、mastergo
[Figma Make，让每个产品经理都是程序员！]
code
CURSOR、codebuddy、traesolo
[腾讯Codebuddy IDE实操：产品经理成为技术总监的第一步AI编程
办公自动化
RPA、MANUS、openMANUS
[AI产品经理都要学的AI增长产品框架：Manus积分邀请榜]
视频生成类
runway、lovert
AI模型社区类
hugging face
最后一个是头部AI模型社区，几乎将以上所有的模型应用底层模型都涵盖了，所以没事就去多逛逛社区，尤其是里面有大量的AI所需要的数据集，也是可以反复使用的，要是现在才开始做数据标注，而不是去寻找数据集，那就浪费太多时间了。
AI产品经理越学学简单
以上还是在应用程上，在AI模型的开发领域里，现在使用的技术框架包括Python与Python语言脚本都是常见的几个框架，这些框架与算法也将成为研发中反复使用的。
比如专注在上下文提示词的工作，产品经理只要完成一个AI产品，调教上下提示词的应用，就可以反复相关的技术框架反复使用。
再加上以上的AI模型随着版本更新，虽然他们也会增加新功能，即使每个新模型与新功能都要等待时间只有几个月，但是学习难度会越来越低。
AI产品经理，已经成为一个新物种研发工作职位。
综上，通过以上的亲身经历，我自己认为现在做AI产品经理就已经逐步变成了新物种，和传统的功能性、APP产品经理发送了根本的变化。
曾经我写过一个叫做情感性产品经理的诞生：[从对话框到虚拟伴侣：马斯克Grok4，给AI产品经理指明了方向：情感粘性产品经理]
简单来说，别人普通的PM还在用AXURE，而你就是用的AI产品设计，不仅效率更快同时需求更加准确，保证代码的复用性同时还有功能开发的效率。
所以，要成为AI产品经理也要机遇，没有那么简单，需要有资源还有要有ideal，并且好的团队来协作落地。
真的要一个人全部参与AI、交互设计师、编码工作，就需要更多的研发资源来完成从而保证产品的迭代，现在一个人做全部工作，产品很难保证全部AI迭代，只能有一个稳定版本。
而依附于我给的AI应用产品框架，就可以快速将其对应AI知识点归纳到对应的知识库里，这样就不会学的艰难了。
如何学习AI大模型？
如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
100套AI大模型商业化落地方案
大模型全套视频教程
200本大模型PDF书籍
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
LLM面试题合集
大模型产品经理资源合集
大模型项目实战合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
