AI行业人才紧缺，AI产品经理尤为抢手，薪资可达90万。工作流程包括定义需求、数据准备、产品设计和上线反馈。大模型时代，企业对AIGC人才需求旺盛，薪资持续走高。学习大模型可掌握全栈工程能力，实现模型二次训练和微调，提升10%-20%薪资。文章提供了完整的大模型学习路线，涵盖系统设计、提示词工程、平台应用开发等七个阶段，以及实战案例和视频资料，帮助零基础者系统学习并应用于实际项目。
一、AI行业的招聘趋势以及人才紧缺度
根据脉脉《2023年人才报告》显示：人工智能成为2022最缺人行业，⼈⼯智能⾏业的⼈才紧缺指数（⼈才需求量/⼈才投递量）为0.83，也就是说这个领域人才缺口巨大且没那么卷。而且随着ChatGPT4.0的大火，这种趋势在2023年强势蔓延。
目前，各行业内人士的共识就是：AI产品经理超级缺人，大小公司都缺。我最近跟小米、百度的资深AI产品沟通，他们反馈：在大量招人，只要有AI相关的项目经验，学历别太差就能拿到面试机会。而且领导很舍得给钱，涨薪40-60%很正常。
在AI领域，特别是最近大火的AIGC方向，招聘量最大的就是两类岗位：一类是研发类，一类是产品类。
整体上，这两类岗位的薪资也最高，也最建议大家求职这两类岗位。根据脉脉高聘人才智库的数据显示：
AIGC领域热招岗位中，图像识别、算法研究员、深度学习岗位的薪资均已达到百万。
此外，AIGC产品经理作为非技术岗，薪资水平也达到90万元，与其他领域相比占据较大优势，吸引大量产品人才投递。
二、AI产品经理的具体工作流程及知识体系
其实AI产品经理整体的工作流程跟互联网产品经理非常类似。具体的工作流程有以下几个步骤：
定义需求——数据准备——产品设计——上线反馈。
（一）定义需求
AI产品经理，本质还是“产品经理”，最核心的工作，还是找到需求，专注于产品价值。
AI是个用新技术的解决问题的工具，对于产品经理来说，最主要的工作，还是去思考，用这个工具，能够解决什么以前不能解决的需求，或者用什么更好的方式解决原来的需求。
结合自己的行业经验，去洞察，去发现问题，作为“产品经理”本质的、核心的意义还是不变的。
2.如何通过AI解决——技术理解
找到需要解决的问题后，在如何解决方面，涉及到了对AI的技术理解。
根据产品现状，不同的的产品对应的技术方向不同。
AI大的技术方向有计算机视觉、自然语言处理、语音工程、规划决策、大数据分析。根据自己所做产品的行业，对不同的技术理解有不同的要求。
AI是一个找出对应关系的工具，把行业内的需求，转化成的“输入”和“输出”的问题，然后收集数据，整理成训练集给AI进行学习。不同技术方向下的“输入”和“输出”，形式会有不同。
（二）数据准备
当定义好需求，明确了根据需求要给AI定义的“输入”和“输出”是什么之后，接下来就需要为AI准备“输入-输出”的训练集，并训练AI了。
必须要说明的是：这个环节是针对于非大模型类的AI产品经理需要做的事情，当然大模型出现之后，如果是针对AIGC领域的产品经理是不需要做这件事的。
所以，当下对于技术背景不是很强的小伙伴，AIGC领域的产品经理是一个可以重点考虑的方向。
我把数据准备分成了三个阶段，数据来源——数据定义——数据交付。
在这三个阶段中，需要的规划、收集、整理数据的能力，我觉得是AI产品经理与传统产品一个非常大的差别了。
1.数据来源
就像传统产品一样，产品开始前必须先确定数据来源。
传统产品的数据来源是直接给提供给用户的使用数据，AI的数据来源是指训练AI的数据来源。
我把数据来源分成了两个方面，第一个是为AI准备的基础数据，第二个是结合产品设计，在和用户交互中收集的数据。
基础数据是用来制作AI产品的数据，交互中收集的数据，是产品上线后，用户对产品进行训练的数据。
（1）基础数据
产品经理首先要找到合适的数据源，它可能会是所做产品原来的数据积累，也可能是各方收集的数据甚至人力撰写而来的数据。这些数据需要被整理成教育AI的训练集和测试集。大量的深度学习对数据的质量也有很高的要求。
准备训练集和测试集是AI产品经理相对与传统产品经理新增的任务，也是一个非常艰难和繁杂的任务，而且任务量很大，需要团队一起配合完成，并且不断探索更加简便的方法。
（2）在交互中收集数据
AI产品并不像传统产品一样，每一版是一个固定的形态。
它有一个很大的特质是“动”，AI是成长的，是不断进步和变化的，和用户交互的过程，就是它的迭代过程。
交互中的数据是数据来源的一个重要方面。
（3）数据定义
当有了数据来源，接下需要为AI整理训练集和测试集。这期间涉及到很多繁杂的工作，大量的数据清洗、整理数据，并且有非常多需要考虑的问题：
- 用什么样的方法清洗和整理数据？
- 设置什么样的“输入”和“输出”能够保证测试集训练出的机器能更好的运用在实际场景中？
- 在交互中，要收集什么数据？用什么样的形式收集数据？如何把收集数据的交互更好地融合在用户的使用中？
这些都是AI产品经理面对数据时需要考虑的，每一个问题下都有非常非常多的内容需要探索。在真正的实践过程中，还有各种各样的疑难杂症，需要根据机器学习效果对训练集进行不断的不断的调整和修改。
（三）产品设计
定义好了产品需求后，就可以开始进行产品设计了。产品设计本质和传统产品经理的工作是一样的，根据需求和问题做出能解决问题的产品。
我主要两个方面：基础功能、动态中发展。
（1）基础功能
产品的大框架肯定还是基于我们的产品本身的形态，它是一个智能音箱还是一个智能电视，还是在App里的一个智能助手…
接下来看我们要完成的需求，如果它是一个用在App里的智能助手，现在要训练它完成“找功能”这个需求，那么产品的形态和设计肯定就是围绕着“找功能”来做。相信这部分工作互联网领域的产品经理是完全没有任何难度的。
（2）动态中发展
动态中发展的含义两个方面，第一个在上文中已经提到了，产品在使用中迭代。
要在产品设计中添加数据收集的设计，通过产品的不断使用，不断从用户那里得到更多的更深入的数据，在使用中为AI进行训练，在AI解决问题越来越准确和深入的过程中迭代产品。
基于新获得的更加深入和了解用户的数据，也可以为该场景下更加深入功能的制作提供基础。比如一开始只能帮助用户唤起应用，之后就可以考虑帮助用户唤起并使用应用内的内容。
第二个动态指的是用户和产品的交互是动态的。
不同于传统产品，点一个确定按钮就是确定按钮，点一个取消就是取消，在语音对话等场景下，产品的功能是需要在和用户的动态交互中被唤起的。
当然这里主要谈到的是语音对话等场景下，大部分用在搜索、推荐等传统界面内的AI交互还是和互联网界面一样。
而语音场景下和用户不断对话的情况，涉及到了场景剧本编写、多轮对话设计、词槽设计等方面，还有语音交互的规则以及经验。
比如地图应用的小助手使用场景多在开车用户开车时，用户会问些什么，怎样编写剧本，怎样进行词槽填充？
在未来，也会出现越来越多AI产品不局限在固定的界面内，AI产品经理面临的是对更丰富和广阔的场景的把握。
（四）上线反馈
AI产品上线之后一般是需要做三件事：1）模型评估指标体系的搭建，这部分应该是在产品定义之初就搭建好；2）指标的计算逻辑设计；3）模型验收测试。
根据以上AI产品经理工作流程的梳理，我梳理了3大技能模型，如上图所示如果有兴趣想提前布局进入AI产品经理的领域的同学，可以根据这个作为方向，一点点的提升自己的能力。
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】🆓
