人工智能產品經理

IAI時代PM修煉手冊

目錄

第1章人工智能時代重新定義產品經理

1.1人工智能時代產品的特殊性

1.1.1人「智能是匚具，也是新的產品設計思維邏輯

1.1.2人工智能技術給傳統(tǒng)的服務和產品賦能

1.1.3構成人工智能產品的三要素

1.1.4人「智能產品成功的必要條件

1.2人工智能產品經理的價值定位

1.3人匚資能產品經理需要兼具“軟硬”實力

1.3.1人工智能產品經理需要懂技術

1.3.2會用數字表達和評判

1.3.3懂得溝通和協作的藝術

1.4人工智能產品經理入門

1.4.1修煉思維模式：資源、解決方案、目標導向

1.42構建知識體系：六大模塊

1.4.3參與工程實踐

第2章懂行業(yè)的產品經理才不會被人「智能淘汰

2.1人工智能時代將公司.重新分類

2.1.1人I：智能時代公司的分類方式

2.1.2三類公司對產品經理能力的要求

2.2什么叫作"懂行'M'

2.2.1六種行業(yè)分析維度

2.2.2行業(yè)分析案例

2.3如何修煉成為行業(yè)產品專家

2.3.1以“點”切入行業(yè)

2.3.2深挖“點”，變成“線”

2.3.3橫向拓展"線"，變成"面”

2.4本章小結

第3章定義人工智能產品需求

3.1重新定義需求分析

311從微觀、宏觀兩個角.度定義功能性需求

3.1.2越重要，越容易被忽視：定義非功能性需求

3.2量化需求分析

321為什么要量化需求分析

3.2.2怎么量化需求

第4章人工科能產品體系

4.1人工智能產品實現邏輯

4.2基礎設施

4.2.1傳感器

422芯片

4.2.3基礎平臺

4.3數據采集

4.3.1數據來源

4.3.2數據質量

44數據處理

4.5機器“大腦”處理過程：理解、推理和決策

4.6資源配置.統(tǒng)籌的關鍵環(huán)節(jié)：系統(tǒng)協調

4.7不可逾越的紅線：安全、隱私、倫埋和道德

4.7.1安全

4.7.2隱私

4.7.3倫理和道德

4.8運維管理

第5章機器學習

5.1什么是機器學習

5.11機器學習與幾種常見概念的關系

5.12機器學習的本質

5.2機淵學習流程拆解

5.3人工智能產品經理必備的算法常識

5.3.1算法分類

5.3.2算法的適用場景

54機器學習的常見開發(fā)平臺

第6章人工智能產品經理工作流程

61設定清晰的目標

6.2技術預研

6.2.1領域技術基本現狀和趨勢

62.2領域前沿技術

62.3常見技術邏輯

6.2.4判斷技術切入點

62.5總結

63需求分析和產品設計

6.3.1造成人工智1能產品設計失敗常見原因

6.3.2人工智能產品常見設計原則

633合埋制定產品需求優(yōu)先級

64充分參與研發(fā)過程

6.5持續(xù)的產品運營

第7章方法論、溝通和CEO視角

7.1蛻變的必經之路：端到端產品管理

7.1.1把握流程中的關鍵節(jié)點

7.1.2評審階段成果

7.1.3復盤

7.2跨部門溝通

7.2.1什么是跨部門溝通

722跨部門溝通的技巧

7.3用CEO的視角進行產品管理

第1章人工智能時代重新定義產品經理

來到人工智能技術廣泛應用的時代，傳統(tǒng)的產品經理面臨著巨大的挑戰(zhàn)，無論是工作

流程、價值定位還是工作協同方式都面臨著巨大的變革。如果說互聯網對人類的主要貢獻,

是通過優(yōu)化和創(chuàng)造信息存儲和傳遞的方式重新組合各種生產要素，即重構已有的商業(yè)模式,

那么人工智能的主要貢獻就是升級生產要素（勞動、土地、資本和企業(yè)家才能），進而推

動產業(yè)升級。

例如，同樣是交通和出行領域，互聯網時代最典型的產品是一站式出行平臺。本質上

是通過提供乘客與司機緊密相連的出行全流程平臺，將線上、線下的出行流程進行整合和

優(yōu)化，最終實現商業(yè)變現。而人工智能產品在該領域采用了完全不同的顛覆性策略，即以

自動駕駛技術作為切入點，賦予車輛自動駕駛的能力，更關注產品和服務作為生產要素本

身的升級和創(chuàng)新。反觀互聯網產品，不改變車輛和駕駛本身，司機該怎么開車還怎么開車,

換句話說，不改變生產要素本身，更關注生產要素和資源配置方式的優(yōu)化和升級?；谝?/p>

上分析可以推斷：對于互聯網產品經理來說，轉型為人工智能產品經理需要的是價值觀和

方法論的轉變。

隨著人工智能技術的日新月異，產品形態(tài)和價值都有無限種可能，產品經理需要擔負

起更大的社會責任。就像《終結者2》中的人工智能產品T-800（如圖1-1所示）與液態(tài)

金屬人T-1000（如圖1?2所示），同樣是頂尖人才設計出的人工智能產品，一旦失去道

德底線，越是頂尖的技術，越容易將人類領向另外一個極端.

圖1-1《終結者2》中的人工智能產品T-800

圖1-2《終結者2》中的人「智能產品廠1000

1.1人工智能時代產品的特殊性

LL1人工智能是工具，也是新的產品設計思維邏輯

從2006年開始，深度學習技術突飛猛進，再加上人類在計算機運算能力及互聯網數

據方面的積淀，被賦予人工智能技術的產品終于在多個領域實現了廣泛應用，并取得了巨

大的商業(yè)價值，例如機器人、自動化技術、智能控制、電商、金融、自動駕駛、醫(yī)療診斷、

語音與圖像識別、人機交互等。以上所有的應用或產品，本質上都得益于人工智能領域中

主流研究方向的發(fā)展，如圖1-3所小。

人工智能

計算機視覺白然語言理解與交流認知和推理

（包含模式識別、圖像處（包含語音識別、對話等）（包含物理和社會常識）

理等）

博弈與理論

機器人學

（多代理人agents的交互、對

（包含機械、控制、設計、抗與合作，機器人與社會融合機器學習

［運動規(guī)劃、任務規(guī)劃）J等議題）

圖1-3人工智能主流研究方向

回顧人類歷史，每個領域的科技進步都給使用該技術的產品帶來性能和效率上的提升。

這些改變過程在本質上都如出一轍，都是在人類需求的驅使下產生了某種技術，最終幫助

人類實現了新的行業(yè)和新的產品形態(tài)，如圖1-4所示。從這個角度來看，人工智能是一種

為了解決人類需求而生的工具，而這個工具通常用在傳統(tǒng)解決方案產品上，對其進行改進

和提升。

i—I

I—1

圖1-4新行業(yè)和新產品的誕生過程

人工智能類產品在本質上都和一個概念有關，那就是概率。概率論是人工智能系統(tǒng)推

理的邏輯基礎，人工智能做出的每個推斷和預測都伴隆著行為結果的不確定性，也就是對

結果的一種賭博。只不過人工智能和人類賭徒不一樣，它無法選擇不去賭博，無論它做什

么一一即使什么都不做，也伴隨著不確定和風險。因此如果人工智能產品不以概率論作為

其規(guī)則依據，那么它注定會被那些遵循概率論的其他人工智能產品淘汰。因此，我們也會

從概率論角度分析和量化人工智能系統(tǒng)的行為和價值。

人類對于世界上絕大多數事情的認識同樣是基于概率。醫(yī)生基于病人的病癥進行診斷

是基于概率；司機基于時間、地形和行駛過程中的周圍路況駕駛汽車是基于概率；投資經

理基于客戶實際情況和需求，并結合自身的經驗給出客戶最佳投資組合策略也是基于概率。

人工智能技術作為一種工具，能夠輔助甚至替代人判斷和解決問題，在本質上也離不開通

過對不同事件發(fā)生的概率進行判斷和預測。

人工智能的概念已經被提出很久了，但產品或服務遲遲沒有得到廣泛認可的本質原因,

就是之前的產品從概率上并不能大范圍滿足用戶的需求，甚至還不如傳統(tǒng)方式的效果好，

因此也就沒法形成產品或服務的升級，更別提替代人解決實際問題了。例如，如果人工智

能可以實現85%的診斷準確率，顯然無論患者還是醫(yī)生都沒法完全放心使用這樣的產品,

當概率上升到99.99%時，或許很多醫(yī)生才會選擇其作為一種輔助診斷工具。在不同行業(yè)

的不同場母中，人類對于人工智能在概率表現方面的期望值不同，這就造成了人工智能產

品或技術在各個領域中的普及速度參差不齊。

基于以上分析不難理解，人工智能的本質就是實現推斷的概率可以無限逼近100%,

最終替代人類做判斷，完成任務，甚至超越人類的思維和判斷能力。而人工智能產品經理

在設計人工智能類產品的時候，就充當了實現概率最優(yōu)和成本投入（可能包含資金投入、

技術投入、時間周期選擇）之間的平衡者。

人工智能產品經理需要在具體的業(yè)務場景中，判斷人工智能可以達到的推斷概率能否

解決用戶的需求，以及這種概率被用戶接受的最低標準是什么、能夠超出用戶預期的標準

是什么，并依據這些判斷決定對產品研發(fā)的投入策略。在實際的產品管理過程中，人工智

能產品經理在拿捏這個尺度的時候不能一味追求完美主義，因為產品商業(yè)化的成功永遠是

排在第一位的。

除概率論以外，一個人工智能產品的實現也離不開數學、統(tǒng)計學、生物學、遺傳學、

進化論的理論支撐，因此人工智能產品經理應理解各種學科理論的邏輯對產品設計產生的

影響。

1.1.2人工智能技術給傳統(tǒng)的服務和產品賦能

根據產品或功能要實現的目標，人工智能類產品可以歸納為如下幾個類型：個性化精

準服務（例如金融產品個性化推薦）、替代簡單或重復勞動（自動駕駛）、提升效率和準

確率（反金融欺詐系統(tǒng)）、提升用戶體驗（通過語音輸入下達控制指令的智能居家機器人）

以及自主創(chuàng)作（如DeepDream可以提供繪畫的創(chuàng)作、Sunspring可以提供電影劇本的創(chuàng)

作）。

上面描述的所有人工智能類產品在本質上都顛覆了傳統(tǒng)的產品設計流程。例如，傳統(tǒng)

的產品設計邏輯是設計確定的交互流程，而且是越明確、越詳細越好，產品經理還常常因

為PRD（ProductRequirementDocument）文檔寫得不夠詳細、交互說明不夠具體，而在

評審會上被研發(fā)人員挑戰(zhàn)。而當你設計人工智能類產品時，有時明確的交互邏輯反而限制

了研發(fā)的工作。在使用同一款產品時，不同用戶看到的頁面內容不同，交互邏輯不同，甚

至連產品形態(tài)都不樣，產品的這種“T人下面”的特性讓產品經理沒法將每個用戶點擊某

個按鈕后的效果都描述出來。

我在這里想表達的并不是人工智能產品不再需要設計產品交互和邏輯流程，這些依然

是產品經理的工作內容之一。例如，電商產品經理依然需要精通電商后臺的設計邏輯，社

交產品經理也依然需要了解用戶時刻變化的社交習慣來設計最新的社交功能，這些都屬于

對行業(yè)的理解范疇，行業(yè)邏輯在短時間內不會改變，改變的是將傳統(tǒng)的產品流程賦予上面

提到的人工智能所擅長的幾個能力范圍，人工智能產品經理應該學會找到用戶需求和新技

術的交叉點。

舉一個人工智能產品的案例。電商平臺中的搜索是用戶的主要入口和在線購物流程中

的關鍵環(huán)節(jié)。搜索技術發(fā)展到今天，已經實現了智能交互搜索引擎。在過去，產品經理在

寫這類功能的PRD的時候需要明確以下兩點。

（1）搜索框中的默認查詢詞是什么。

（2）如果有實時預測功能（輸入時實時展現搜索結果，而無須回車或點擊搜索按

鈕），用戶輸入字符后的匹配邏輯是什么，需要最多顯示幾個推薦結果。

但在今天，隨著自然語言理解、自然語言生成對話策略以及知識圖譜技術的快速發(fā)展,

搜索已經演變?yōu)橐粋€深度智能交互功能，因此上面的這種產品設計方式無法滿足需求。比

如，用實時在線的深度學習技術和強化學習技術，通過分析用戶的線上行為數據（搜索關

鍵詞、近期的購買記錄及瀏覽記錄等），實時預測用戶的意圖，進而通過引導式銷售（一

種銷售員通過訓練后可以具備的專業(yè)銷售技巧）引導用戶的需求確認，最終完成線上銷售

流程。

比如用戶在搜索“男鞋”的時候，系統(tǒng)會自動提示“您想要一雙在什么場合下穿的男

鞋”“您偏好什么顏色的男鞋”，用戶如果分別選擇“跑步”“白色”，系統(tǒng)又進一步引導用戶

“您經常在平地跑步還是山地跑步”，用戶接下來可以進行進一步的個性化選擇。用戶既可

以隨時終止這種對話，也可以繼續(xù)對話，直到找到他的目標，如圖1-5所示。當用戶完成

這樣的交互后，系統(tǒng)會記住用戶之前的購買意圖，待用戶在不同的頁面進行瀏覽時，頁面

中產品顯示優(yōu)先級就會自動按照用戶之前的意圖排序。

圖1-5具備深度智能交互功能的引導式搜索

看到這里，你一定很納悶，人工智能的產品形態(tài)到底是什么？答案是：沒有固定形態(tài)。

實際上人工智能只是一種將傳統(tǒng)產品或服務賦能的手段而已，將各種“中間件”（通常是一

種訓練好的模型，當輸入一定數據后自動返回一定的輸出值）、傳感器等不同形式的軟件、

硬件融入傳統(tǒng)產品或服務的使用或體驗流程中。例如，自動駕駛汽車就是一個典型的集成

了傳統(tǒng)汽車的各種零部件，以及雷達、測距儀、攝像頭、高精地圖和各種算法模型的人工

智能產品，如圖1-6所示。

圖1-6自動駕駛汽乍

當然，一個看起來極其簡單的Web搜索引擎，一款AppJ_的自動聊天機器人，一個

長相可愛的居家機器人，如圖1-7所示，這些都可以成為人工智能產品。因此，產品經理

不應局限自己的想象力，人工智能只是一種工具而已，產品的終極目標仍然不變一一為用

戶創(chuàng)造最大價值，提供最佳用戶體驗。

1.1.3構成人工智能產品的三要素

近幾年來人工智能的快速發(fā)展離不開深度學習(DeepLearning)在圖像識別、語音

識別、自然語言處理、信息檢索、機器翻譯、社交網絡過濾、生物信息學和藥物設計等方

面的成功應用。作為機器學習算法家族中的一員，深度學習在每個應用場景中的落地都離

不開算法、計算能力、數據“三要素”，如圖1-8所示c“三要素”相關技術近些年來的快速

迭代和積淀，是促使人工智能技術得以廣泛應用的根本原因。

圖1-8人工智能產品"三要素”

?近些年來算法框架的不斷成熟及開源社區(qū)的發(fā)展大幅度降低了執(zhí)行算法的門檻。

?以GPU、TPU為核心的大規(guī)模集群計算系統(tǒng)的發(fā)展及硬件成本的逐步降低也基本

掃清了計算能力的障礙。

?互聯網和移動互聯網的迅猛發(fā)展的同時，在數據層面提供了機器學習的基礎。

既然“三要素”如此重要，人工智能產品經理就需要從產品規(guī)劃的初始階段開始，到最

終產品上線后的運營，在整個產品管理過程中考慮如何為研發(fā)團隊創(chuàng)造“三要素”的最佳環(huán)

境。

(1)在算法層面：設計的產品要和公司現有的算法研發(fā)能力相匹配，例如避免設計

一些過于超前或落后的產品功能。這需要產品經理對主流的算法模型和框架有基本的認知,

并可以做到對各種算法在不同場景下的使用效果進行量化評估。有關這方面的知識會在第

4章詳細展開論述。

(2)在計算能力層面：產品經理要從需求出發(fā)，衡量產品的功能所需求的算法模型

需要怎樣的系統(tǒng)架構支撐，并能夠評估硬件開銷。綜合考慮利弊后要判斷采用平臺即服務

(PlatformasaService,PaaS)的方案還是自建計算平臺。例如，產品設計中包含了實時

在線的智能語意搜索和智能內容推薦功能，這對于產品底層在線學習的能力就有極高的要

求，為了實現這種能力，需要投入大量計算硬件(例如GPU卡)。

(3)在數據層面：在機器學習領域，數據顯然已經變成了兵家必爭之地，優(yōu)質的數

據可以幫助企業(yè)快速建立門檻。好的數據通常要比好的算法更重要，假設你的數據集夠大,

那么其實不管使用哪種算法，可能對分類性能都沒有太大的影響。因此產品經理要在產品

設計之初就考慮到數據從哪來、數據質量怎么保證、數據治理的工作怎么開展等問題。在

這種情況下，產品經理的跨部門協調能力通常起到決定作用。有關跨部門協調能力，會在

本書第7章具體介紹。

人工智能“三要素”是構建人工智能產品核心競爭力的重要手段，任何一種要素都不足

以讓產品在市場上建立絕而優(yōu)勢。產品經理應在定義產品核心競爭力的時候就主動尋找三

要素交叉組合的“黃金地帶”，如圖1-9所示。這無論對于建立產品競爭門檻還是吸引外部

投資都是很有幫助的。

圖1-9人工智能產品的“黃金地帶”

1.1.4人工智能產品成功的必要條件

正如本書前言中舉的案例那樣，很多公司盲目招聘人工智能人才，就是因為不了解從

技術到產品，最終到產品發(fā)揮商業(yè)價值的距離。要想回答這個問題，我們可以從一個人工

智能產品成功的必要條件角度進行分析工概括起來，核心技術、產品化、商業(yè)化三要素對

于一款人工智能產品的成功缺一不可。

(1)核心技術：人工智能時代的產品成功不同于過往任何一個時期，日新月異的技

術創(chuàng)新導致解決同一個需求的手段有多重選擇。產品之間競爭的戰(zhàn)場早已經從可見的、功

能性方面轉換到了更多維度的比拼。而且人工智能產品給用戶帶來的往往是“零感知”技術,

即用戶沒有任何學習成本，具至都察覺不到這種“高科技”，但實際上已經實現了更優(yōu)的產

品體驗。

例如，某些手機廠商的人臉識別技術采用了3D人臉重現技術，采用的深度感應鏡頭

融合了VCSEL紅外激光器、NIR多重濾波片及濾光接收模塊，不僅使用的算法復雜，而

且集成到手機端的分析能力大幅增強，實現了在人臉解鎖功能上的2D技術無法超越的安

全級別，如圖1-10所示。

圖1-103D人臉重現技術

另外，憑借傳感器硬件和復雜算法實現的3D建模能力，還可以幫助企業(yè)實現更多的

應用創(chuàng)新，應用了這種技術的企業(yè)在未來的手機競爭中就取得了絕對的制高點。另外，深

度感應鏡頭也應用在人體跟蹤、三維重建、人機交互、即時定位與地圖構建

(SimultaneousLocalizationandMapping,SLAM)等領域，公司一旦具有這種技術,在

未來的競爭中將占據市場先機，甚至造成與競爭對手完全不在一個跑道上競賽的局面。因

此，核心技術是人工智能產品成功的笫一要素。

(2)產品化：核心技術在本質上只是解決用戶需求的一種手段，如果技術先進卻對

用戶提出了較高的使用門檻，反而很難直接地傳遞價值，那么產品還是無法成功。產品化

的過程是讓產品首先可以以快捷、低門檻的形式觸及用戶(宣傳、推廣)，當用戶開始使

用產品后，可以有效地傳遞價值并為用戶解決實際需求，當用戶使用產品一段時間后，通

過延展價值形成用戶持續(xù)的消費，如圖1-11所示。

圖1-11產品化演進過程

人工智能產品在產品化的不同階段，都面臨著比傳統(tǒng)產品更大的挑戰(zhàn)。

首先，人工智能產品的技術邏輯本身就很難被詮釋清楚，尤其是對于一些前期并不為

人所知的新品牌而言，建立信任是第一步。

其次，無論人工智能產品多么具有科技含量，如果產品無法快速證明它可以帶來的價

值，就無法促使用戶產生購買欲望。因此，制定讓用戶快速了解產品的策略、快速用價值

打動用戶是非常關鍵的一步。

再次，用戶一旦產生了購買行為，就與產品建立了紫密的聯系，在長期的使用過程中

產品需要經得起考驗，保證長期穩(wěn)定地將價值傳遞給用戶。人工智能產品往往能在效率、

便捷度、人性化等方面讓用戶體會到產品的價值。

最后，人工智能產品除了需要向用戶傳遞價值，述需要與用戶建立更多的連接，也就

是讓用戶依賴產品，將產品融入用戶的生活中。只有這樣，才能延展其價值并促使用戶產

生更多購買行為，為企業(yè)創(chuàng)造持續(xù)變現的機會。

(3)商業(yè)化：如果說產品化決定了產品的價值空間，商業(yè)化則決定了產品將價值變

現的能力。人工智能產品相比于傳統(tǒng)產品使用了更復雜的技術架構，這造成了一方面產品

在研發(fā)階段投入的成本具有不確定性，另外一方面技術的預期效果也比較難評估。

因此人工智能產品經理不能利用過去的經驗，來評估產品的成本結構，制定產品的定

價策略，而是需要站在用戶角度考慮產品定價策略，深入理解場景和用戶的痛點在哪里。

舉一個簡單的例子，在食堂打飯這個場景中，最后一個環(huán)節(jié)通常是需要一個收銀員根

據你挑選的飯菜金額收費，這要依靠準確的識別和速算。如果你設計一個菜品識別(機器

視覺)、報價、收費的收費機器人，你怎么給這個產品定價？如果只是看表面，你一定覺

得這個產品簡直太完美了，如果機器誤識別率低，而且運算速度快，那么用戶只要將菜品

放在攝像頭前刷一下，然后刷卡付費就行了，最直接的價值就是節(jié)省了一個勞動力。

但是你要仔細想想，食堂檔口的老板會這么認為嗎？收銀員只是在用餐高峰期充當收

費的角色，在不忙的時候不能會被安排洗碗、擦地，甚至需要在后廚兼做一些幫廚的工作。

盡管在用餐高峰收費這個環(huán)節(jié)的勞動力被省下了，但是機器人能替代人完成其他任務嗎？

因此，這款產品的定價一定不會很高。

由此可見人工智能產品的商業(yè)化需要產品經理能夠把場景、痛點分析透徹，并在評估

產品能帶來的價值和研發(fā)成本后，制定適合的商業(yè)推廣策略和產品定價包裝策略，甚至在

必要的時候進行產品定位調整，最終實現產品變現。

1.2人工智能產品經理的價值定位

產品經理這個崗位到了人工智能時代面臨著重新定位，主要原因如下。

?新技術的引入導致了全新的組織架構的調整，形成了新的合作分工方式，因此產品

經理在團隊中的角色需要隨之改變以適應新的協作方式。

?新的技術手段帶來了完全不同的產品生命周期管理方式，在產品從需求分析到上線

運營的整個過程中，由于新技術的引入產生了完全不同的迭代規(guī)律，因此產品經理需要重

新梳理產品管理流程。

?人工智能技術在給產品帶來更大的邊界和想象空間的同時，也伴隨著更高的法律和

道德風險，產品經理作為產品的主人和負責人需要時刻把控風險。

在人工智能時代，產品經理可以被定位成公司中的三種關鍵角色。

1)擁有市場和技術前瞻性的帶頭人

蘋果公司在設計iPod時，產品團隊的負責人喬恩?魯賓斯坦(JonRubinstein)找到

了一款適合iPod的存儲設備。在當時，全球范圍內只有東芝公司正在研發(fā)一個L8英寸

見方的硬盤，其帶有5GB的存儲空間，當時東芝也并不知道這個產品能夠解決什么樣的

需求。當東芝的工程師把這個小東西展示給喬恩?魯賓斯坦時，他立刻就決定籽它放入

iPod里，把1000首歌裝進用戶的口袋！

上面這個案例說明，如果產品經理沒有敏銳的科技嗅覺，如果失去了技術的前瞻性，

那么偉大的產品就不會誕生。在人工智能時代，有大量新的技術仍然停留在實驗室階段，

有大量算法模型和框架還停留在理論階段，并沒有被投入實際使用！在很多公司里，研發(fā)

者花費了大量的時間研究新的技術，僅為他們自己創(chuàng)造了好用的工具而已，而并沒有從業(yè)

務角度和用戶的實際需求出發(fā)。

產品經理在這種企業(yè)中就經常淪為為研發(fā)者設計產品的尷尬角色，而正確的做法是：

產品經理帶領研發(fā)人員向前走，而非研發(fā)人員帶領產品經理向前走。盡管我們也倡導技術

驅動創(chuàng)新，但如果產品經理不能把控產品方向，那么公司將面臨巨大的風險。近些年，已

經發(fā)生了太多由理想化的技術決定產品走向，而最終導致失敗的案例了。

產品經理是與用戶、市場接觸最多的人，應具備市場前瞻性，找到產品的目標市場定

位，并判斷哪些前沿技術E以解決這些用戶的痛點。因此，兼顧技術和市場前瞻性就成為

了人工智能產品經理必備的素質，兩者中任何一方面的偏科都可能導致產品失敗。

2)技術賦能創(chuàng)新的驅動者

在某些公司中，研發(fā)者更傾向于使用新技術為自己創(chuàng)造產品。造成這種現象的原因是

公司缺乏技術賦能創(chuàng)新的正確辦法。產品經理只顧著帶領產品團隊創(chuàng)新，故意讓研發(fā)人員

專注于技術工作，其實是導致上面這種情況的本質原因。

研發(fā)團隊如果不能從用戶的滿意度和產品功能的價值上獲得成就感，他們必然會去主

動尋找能夠讓自己獲得成就感的方式。產品經理需要做的就是引導研發(fā)人員接觸用戶，了

解需求場景，理解產品設計的邏輯和理由，在產品上線后將用戶的反饋(無論好的還是壞

的)在第一時間分享給研發(fā)人員，這樣他們一定會產生巨大的動力和激情。

“技術驅動產品創(chuàng)新”，看似一句簡單的口號，其背后卻需要產品經理主動連接研發(fā)人

員和市場反饋，激發(fā)團隊的創(chuàng)造力，最終實現從技術到創(chuàng)新的快速轉化。

3)道德準則的守護者

看過美劇《西部世界》的人一定對安東尼?霍普金斯(AnthonyHopkins)出演的羅伯

特?福特(RobertFord)這個角色不陌生。他作為整個西部世界的創(chuàng)造者，同時也是整個

虛擬世界中最大的產品經理，為每一個接待員(也就是被設計出的人形機器人)設計了完

整的記憶及人物背景，這里面包括被他用來殺害人類的機器人。

盡管電視劇中的劇情是虛構的，但至少說明一個問題，優(yōu)秀的產品經理可以創(chuàng)造出令

人嘆為觀止的對人類有益的人工智能產品，同時也可以創(chuàng)造出另外一個極端。在天堂和地

獄之間只隔了一個產品經理。人工智能時代的產品經理不僅需要能設計出邏輯縝密的產品,

更需要將倫理和道德考慮到產品設計中。例如在設計人機交互的產品時，要充分考慮不同

身份的用戶帶有的特殊社會屬性，比如殘疾人、老人、兒童、少數族裔等弱勢群體，否則

很容易產生類似歧視、隱私侵犯以及傷害人類的情況。

這也是現今很多美國人工智能公司成立了倫理審查委員會(EthicsCommittee)的原

因。該組織是由不同領域的專家組成的獨立組織，其職責為檢查人工智能產品的設計方案

是否符合道德，并為之提供公眾保證，確保用戶的安全和權益受到保護。該委員會的組成

和一切活動不應受到產品設計者和公司其他成員的干擾。

因此，在人工智能時代，企業(yè)對產品經理的要求要上升到另外一個高度，產品管理的

能力和商業(yè)化能力考核的僅僅是產品經理的技術水平，更重要的是要考核其道德水準。

1.3人工智能產品經理需要兼具“軟硬”實力

1.3.1人工智能產品經理需要懂技術

關于“產品經理是否應該懂技術”，在互聯網時代一直是一個頗有爭議的話題。來到人

工智能時代，恐怕這個話題的答案終于要水落石出了。人工智能產品經理需要懂技術，而

且是要在自己所在的領域中掌握前沿技術的實現原理，諳熟每種技術實現手段的優(yōu)劣勢，

對技術的發(fā)展方向和技術如何融合產品有自己獨到的認知。

首先要澄清一個概念，什么叫“懂技術”?？梢詮南旅鎺讉€方面進行描述。

（1）盡管產品經理不需要親自參與到算法模型選擇、調參、特征選取的過程中，但

需要對所在領域的產品研發(fā)過程中每一個技術動作的原理和最佳實踐有深刻的理解，并可

以對其進行熟練的解釋說明，這有利于公司內部的協調溝通。

例如，當公司老板問起產品的某個功能實現的原理時，產品經理需要站出來從產品工

程化角度解釋其內在原理，而且如果能將目前主流的技術手段、競爭對手的技術手段拿出

來進行橫向比較、分析，并量化己方目前的優(yōu)勢與劣勢，那么老板一定會刮目相看。另外,

當客戶或用戶問起產品具備何種優(yōu)勢的時候，產品經理如果能從技術角度進行解釋說明，

對于增強用戶的信心會有極大幫助。例如產品的模型準確性、計算能力及對比其他幾種技

術實現手段的優(yōu)劣等，都是產品經理需要理解的“技術，

（2）在利用人工智能技術進行產品研發(fā)時需要產品經理能夠融入研發(fā)過程。如果說

輸出交互設計文檔是產品經理的重要工作之一，那么來到人工智能時代后，對于研發(fā)人員

來說，尤其是對于算法團隊來說，他們要的不再是交互設計，產品經理需要重新定位自己

在團隊中的角色并提供研發(fā)所需要的成果物。

假如你是負責肺癌識別引擎的產品經理，產品的目標非常明確，就是提升疾病預測的

準確率。交互設計顯然不是產品建立門檻的關鍵，產品經理需要為算法團隊創(chuàng)造更好的條

件來完善模型。產品經理應首先了解精準醫(yī)療領域（尤其是肺癌識別）的技術常識，包括

技術的歷史背景、技術現狀及未來技術的演變趨勢等。

當掌握這些信息后，你會發(fā)現影響模型準確度的美鍵因素至少包括：專家型醫(yī)生標注

的高質量數據集和數據集的規(guī)模。醫(yī)療領域的數據不同于電商，如果你做電商推薦引擎，

用戶的反饋周期較短，標記相對容易，而醫(yī)療領域不僅反饋周期長，而且準確的標記對醫(yī)

生的專業(yè)能力要求極高，在這種情況下產品經理需要做的，就是想盡?切辦法幫助團隊提

供高質量的學習數據集。

本書第6章對于產品經理如何參與研發(fā)過程有詳紐描述。

（3）掌握前沿技術在產品所在領域的應用條件和最佳實踐。木質上人工智能是一種

替代人工生產力的技術，因此如果說互聯網產品的核心是“流量”，那么人工智能產品就是

利用“軟/硬件基礎設施”“數據”“算法”作為生產材料完成生產力的升級，帶來更好的用戶體

驗。因此，產品經理需要找到坡佳生產材料的組合，并完成前沿技術的產品化落地方案。

不同的組合策略會得到完全不同的效果，產品競爭的維度也會變得更加多元化。

假如你負責一個機器視覺產品的設計，要了解目前主流的產品架構都有哪些，每種架

構都適合什么樣的用戶使用場景。產品如果包含硬件，那么傳感器元件的精度、目前市面

上處理芯片的運算效率和功耗以及生物識別的原理、視覺識別的原理、采用3D還是2D

視覺識別方案等都需要了解，每種方案配套的硬件組合和算法都不同，還要考慮到每種方

案的軟件研發(fā)、硬件研發(fā)/集成的成本和風險，最終綜合所有這些技術調研后才能完整地

輸出產品優(yōu)勢、上線周期、投資回報率等成果物，然后綜合考慮以上所有指標才開始產品

的設計工作。因此，產品經理不僅需要懂技術原理，還需要具備對技術發(fā)展趨勢的洞見，

才能最終設計出有競爭力的、有前瞻性的人工智能產品。

本書后面的章節(jié)還會詳細闡述產品經理應該懂哪些技術，以及如何通過技術知識建立

產品核心競爭力等。

1.3.2會用數字表達和評判

如果說上一個時代的產品經理設計出的大部分產品都是看得見摸得著的，產品可以通

過原型設計和交互說明文檔完成設計理念的傳遞，那么人工智能時代的產品經理在以上提

到的工作內容基礎上，還需要投入大量的時間和精力將產品的目標用數字量化表達。比如

前面提到了概率在人工智能領域的重要性，產品經理需要能夠使用明確的量化方式表達自

己的設計理念和設計目標。

舉個例子，搜索在電商平臺中是用戶購買商品的入口，也是一種重要的商品推薦功能,

用戶通過關鍵字輸入搜索意圖，引擎返回和搜索意圖匹配的個性化結果。在設計電商平臺

的搜索功能時，產品經理需要明確把算法優(yōu)化后帶來的千次搜索GMV（Gross

MerchandiseVolume,商品交易總量）提升率作為本次迭代的考核目標，如果你作為產

品經理沒有長期關注到歷次迭代中GMV的增長情況，就無法對比算法優(yōu)化前后的效果。

當新的搜索算法研發(fā)出來后，通常需要進行A/B測試以降低新特性的發(fā)布風險，如

果產品經理在需求描述階段沒有明確的量化目標，A/B測試時就無法衡量哪個版本效果

更好，最終的結果就是不僅研發(fā)人員沒有獲得成就感，公司領導也不知道你做了什么貢獻,

自然也不會給你更多的資源用于以后的迭代。當然這個案例只是為了證明量化表達的價值

而舉的一個簡單案例，更深入的關于需求量化的內容會在第4章詳細描述。

1.3.3懂得溝通和協作的藝術

產品經理作為產品的代言人和負責人，需要擁有強大的協作與溝通能力。尤其是在人

工智能時代，如果具有良好的溝通協作能力，產品經理的價值會被放大。主要有如下幾個

原因。

（1）團隊組織架構重新調整。

（2）日新月異的技術手段需要產品經理快速學習和適應。

（3）產品研發(fā)流程需要更多跨部門協作。

1.團隊組織架構重新調整

隨著機器學習算法在各個公司的產品線中得到廣泛應用，公司內部的組織架構將由于

分工精細化而進行調整。例如機器翻譯產品需要使用Sequence-to-Sequence模型（一種

專門用來解決序列到序列的監(jiān)督學習問題的算法，適用場景包含對話機器人、自動生成古

詩詞和對聯等），那么公司很可能成立專門的模型研發(fā)組以便于后期的模型迭代和優(yōu)化。

知識圖譜(KnowledgeGraph)通常在互聯網公司被各條產品線的研發(fā)人員廣泛使用,

那么在公司內部也會成立專門維護公司知識圖譜的研發(fā)組。除此以外，由于機器學習需要

大數據的支撐，數據評測(DataTesting)組也是另外一個在數據挖掘領域細分出來的部

門。

產品經理需要了解這些新的部門、新的成員加入團隊后帶來的分工和工作流程上的變

化，通過合理的資源整合，在團隊中發(fā)揮類似于潤滑劑的作用。

2.日新月異的技術手段需要產品經理快速學習和適應

正如之前提到的產品經理需要懂技術，在人工智能時代產品經理協作的對象不僅是前

端工程師、后端工程師、交互工程師、UI設計師，還需要和算法工程師緊密配合，如果

對算法一竅不通，就沒法和他們進行深入交流，失去了交流，就沒法驅動公司的技術創(chuàng)新。

在機器學習領域，尤其是深度學習領域的技術不斷發(fā)展，算法工程師需要投入大量的時間

調研最新的科研論文和最佳實踐，產品經理也需要緊跟算法工程師的步伐，快速豐富自己

的知識體系，只有拓寬了自己的知識邊界，才能實現比競爭對手更好的前瞻性和創(chuàng)造力。

不過，產品經理在學習技術的時候還是需要掌握一些技巧的，這和研發(fā)人員學習技術

的方式和目的截然不同。

(1)可以迅速調取知識，而非死記硬背。例如機器學習算法涉及大量的數學公式，

產品經理沒有必要逐一理解，只需要知道一些關鍵算法的應用策略和工程實踐特征即可。

向且，互聯網的信息搜索變得如此便捷，很多知識只要在需要的時候能迅速找到就可以了。

(2)從業(yè)務需求出發(fā)，追本溯源找到知識的源頭，帶著目的去學習技術。在開始學

習技術之前，要明確：為什么要學？為了解決什么樣的問題？要帶著問題去學習技術而不

是盲目地學習。例如為了掌握所在行業(yè)人工智能技術的應用現狀和趨勢，可以經常訪問一

些開源的人工智能算法社區(qū)，了解最新的技術發(fā)展在工程方面的應用效果和最佳實踐，或

者去世界頂級期刊訂閱一些所在行業(yè)內部應用到人工智能技術的論文。這些都是高效學習

的方式。

(3)除日常的知識積累外，產品經理需要經常和公司內部的技術專家交換知識和觀

點，將自己理解的技術知識講給技術專家，看看從他們的視角和自己的理解是否一致，如

果不一致，是否需要調整和改良。另外，由于人工智能本身就是一門極為復雜的交叉學科,

涉及物理學、數學、哲學、認知科學、心理學、計算機控制、生物學、仿生學等學科，產

品經理需要和跨界的專家交換思想，擴大自己思維的邊界，因為創(chuàng)新往往來源于不同領域

的知識交叉。

3.產品研發(fā)需要更多跨部門協作

人工智能時代的產品由于具有更復雜的產品架構，往往需要更多部門的協同，圖1-

12是一個電商平臺中的智能人機交互產品的產品架構，

前端（"前端UIJ)Q前端組件平臺J

（賬戶管理體系）（消息分發(fā)）

業(yè)務

（業(yè)務數據）（業(yè)務規(guī)則引擎）（人機會話引擎）

引擎Q/知識庫、Q導購推薦）

算法&（算法平臺一）（實時預測）（~在線學習x強化學習］）

計算平臺

圖1-12電商平臺中的智能人機交互產品架構

從這個產品架構圖中可以看出，人工智能產品從工程流程上來說，需要更多的跨部門

協作才能完成研發(fā)工作。尤其是當數據來源于不同部門時，有海量的數據加工和挖掘，產

品經理需要協調數據科學團隊共同完成某個產品的研發(fā)工作。在公司還沒有成立統(tǒng)一的數

據平臺前，產品經理就是公司內部數據整合工作的發(fā)動者。只有產品經理最懂行業(yè)，最懂

業(yè)務，而數據治理永遠是業(yè)務驅動的，因此產品經理做這個協調工作再適合不過了。

1.4人工智能產品經理入門

如果你認真讀完以上的章節(jié)，你可以看到相比于傳統(tǒng)產品經理的能力模型，人工智能

領域在數據分析、軟/硬件的技術整合以及團隊協同方面都對產品經理這個崗位提出了更

高的要求。那么在人工智能時代，如何能夠成為一個合格的人工智能產品經理呢？我總結

了幾點建議給想要轉型為人工智能產品經理的人。

14.1修煉思維模式：資源、解決方案、目標導向

要想在產品管理工作中變得優(yōu)秀，本質上不管你是不是在人工智能領域從業(yè)，都需要

從訓練自己的思維模式開始。以往產品經理在設計產品時，會將大塊時間分配到功能邏輯、

流程推敲和頁面設計上，而人工智能時代的產品比拼的不僅是前臺功能和交互設計，還包

括硬件運算架構、算法模型、有效訓練數據等的綜合實力。同時由于深度學習的訓練和推

斷對硬件（如運算芯片、存儲等）有不斷升級的需求，產品的硬件架構會隨著算法技術的

演進和訓練數據所需的計算能力同步進行升級。產品中各種硬件和軟件模塊的重構、改良

會變得越來越頻繁，因此產品經理需要具備系統(tǒng)性思維，即把問題放在整個系統(tǒng)中進行綜

合分析，權衡利弊，得到最佳解決方案。

根據人工智能時代的特點，產品管理思維可以被分為二種類型，如圖1-13所示。

圖1-13產品管理思維的三種類型

1.資源管理思維

產品經理應關注資源的投入和產出。通常在設計一款人工智能產品的時候需要考慮至

少三個方面的資源投入：算法、數據資源（訓練集、研發(fā)集、測試集等）、硬件資源（計

算芯片、存儲及各種構成產品的硬件組件）。

首先，由于人工智能時代算法模型的訓練和調優(yōu)，相比于以往產品功能和頁面的研發(fā)

具有更多不確定性，因此在工程實踐中經常會出現預先設計好的硬件架構無法滿足算法需

求的局面，這就造成了無論是從上線周期還是效果方面都無法利用過去的經驗進行評估。

其次，由于高質量數據集的獲取本身需要投入大量成本(資金、時間等)，產品經理

應在數據獲取成本與模型訓練效果之間平衡。

最后，人工智能產品在很多時候能否成功取決于系統(tǒng)集成的綜合表現而非某項單一技

術的突破，例如無人駕駛產品(Self-DrivingProduct)融合了各種傳感器、即時定位與地

圖構建技術、高精地圖等來自各廠家的軟/硬件產品，是一個典型的高集成度產品，各種

廠商技術的優(yōu)劣勢、成本、集成難度等都是影響系統(tǒng)集成效果的因素。產品經理需要在工

程實踐中積累經驗并鍛煉資源的統(tǒng)籌管理和風險管理能力，在產品迭代過程中從上面提到

的三種核心資源角度考慮投入和產出，并拿出合理的解決方案。

2.解決方案思維

在人工智能產品生命周期管理過程中，產品經理應該有意識地去主動尋找產品需求的

解決方案。用戶要的是解決方案而不是技術或產品本身，而能夠將公司的硬件、數據、算

法等不同部門輸出的資源，以最優(yōu)的方式整合在一起，并形成解決方案的人非產品經理莫

屬。

由于人工智能浪潮在發(fā)展早期一定是技術驅動的，因此很多公司自然會將更多尋找解

決方案的工作完全交給研發(fā)團隊來做，這就造成了研發(fā)團隊牽著產品團隊的鼻子干活的局

面。

一個典型的反面案例：產品經理等待研發(fā)人員將產品的硬件架構、數據獲取、訓練目

標都想清楚了才開始干活，即等研發(fā)人員告訴產品經理技術的實現邊界，產品經理再依此

反推需求。

但研發(fā)團隊相比于產品經理距離用戶和市場都更遠，需求的把控能力有限，而且人工

智能產品的協作復雜，包括算法團隊、數據團隊、底層架構團隊在內的研發(fā)團隊往往無法

實現自主協同，因此研發(fā)人員牽著產品經理鼻子做解決方案的方式顯然不妥。這個時候就

需要產品經理協調各種資源輸出合理的解決方案。

這種主動參與協調資源，并最終實現方案落地的思維習慣有些類似于足球比賽中的前

鋒，任何一個優(yōu)秀的前鋒都需要用靈敏的嗅覺創(chuàng)造最佳進球機會，而不是等別人把球傳到

一個讓自己很舒服就能射門的位置。主動尋求解決方案需要產品經理具有異于常人的非線

性思維和資源優(yōu)化的能力。

3.目標導向思維

產品經理在企業(yè)內外通過資源整合與優(yōu)化，實現產品從無到有的設計與研發(fā)過程。因

而明確的以目標為導向的思維模式對于資源的整合及團隊協作至關重要。人工智能產品的

特殊性對這種目標導向的思維模式提出了更高的要求。

首先，產品經理需要具備前瞻性的視角，才能準確定義一款在市場上具備競爭力的產

品目標。

其次，從技術角度和公司的資源現狀出發(fā)，確保這樣的目標是可以實現且可被量化的。

產品的目標包含需求調研、產品設計、技術預研、產品研發(fā)、測試、上線運營等環(huán)節(jié)，每

個環(huán)節(jié)又可以被細化為多個具體的目標。產品經理一方面需要明確階段成果物、時間節(jié)點、

標準，另外一方面，需要協調資源，將目標下發(fā)到每個團隊成員頭上。本書第7章會對

這種端到端的產品管理方法進行詳細描述。

L4.2構建知識體系：六大模塊

人工智能產品經理應具備完整的知識體系，應至少包含六大知識模塊，如圖1-14所

示。對圖中每個模塊的理解深度取決于具體行業(yè)特點和場景需求，請靈活把握。

（1）開發(fā)人工智能產品過程中的基礎知識：包括產品所在領域術語、常見的技術架

構、常見數據類型、測試方法等。

（2）平臺和硬件支撐：包括云計算、大數據、人工智能平臺（例如機器學習平臺、

實時計算平臺等）、智能感知與互聯（例如各種傳感器、通信方式等）、智能芯片、邊緣

計算等。

靛：史",1技術科敢3;（*法'）

平臺和

2?件支

岸

知

AI（人#1交互）（計視覺）麗0

智笠體

微心C?8giR3M；（50現實增強娛實:（雙合皮實）系

叱構

建

常見行/、/、/、

4.X濡（iBOWrFftg）（由■禪境）：大數*分析如《閔

原理

鬻：（倫1g］（7.我］］（???a）

法律向識

6.黑語C*,^

圖1-14人工智能產品經理知識體系

(3)人工智能核心技術:包括自然語言處理(NaturalLanguageProcessing.NLP)、

人機交互(Human-ComputerInteraction,HCI)、計算機視覺(ComputerVision,CV)、

生物特征識別(Biometrics)、語音識別(AutomaticSpeechrecognition,ASR；、虛擬

現實(VirtualReality,VR)、增強現實(AugmentedReality,AR)、混合現實(Mix

Reality,MR)等，以及算法基礎常識，并理解以上技術的應用場景和最佳實踐。

(4)人工智能普遍應用的產品或服務可分為三大類：第一類是語音和文字處理，例

如人工智能寫新聞稿、機器人客服等；第二類是圖像和視覺，例如自動駕駛、醫(yī)療影像診

斷、機器人分揀、人臉識別等；第三類是大數據分析和預測，例如交互搜索引擎、智能推

存引擎、金融風控，健康風險管理系統(tǒng)等。

(5)行業(yè)知識體系：具體請參照第2章對行業(yè)知識體系的闡述。

(6)倫理，安全，法律知識：產品經理設計產品時應考慮到倫理、數據安全及產品

所涉及的法律知識。因此需要對這些知識有體系化地認識和理解，以規(guī)避產品風險。

(7)除此以外，還需要跨領域的知識體系構建，包括：心理學、哲學、數學、認知

科學等，人工智能的終極巨標是設計出可以為人類服務的高級智能產品，因此相比于互聯

網產品，其所涉及的科學領域更加廣泛。

一個人工智能產品的誕生通常涉及復雜的技術框架和系統(tǒng)集成，正因如此，市場競爭

優(yōu)勢的建立很難依靠“一招鮮吃遍天”，產品之間競爭的層次和維度都與傳統(tǒng)產品不同。要

想在多維競爭環(huán)境中勝出，需要產品經理盡量具備全面的知識儲備，必要的知識體系可以

提供更好的視野并有助于快速準確地做出判斷。本書第4章會詳細描述人工智能產品體

系中每個部分定義和價值。

1.4.3參與工程實踐

實踐是最好的老師，你可以通過人工智能功能或產品的工程實踐，快速積累包含需求

定義、算法實現、工程管理在內的各方面的經驗。哪怕是一個通過機器學習算法解決的二

分類問題，也會幫助你對獲取數據、數據預處理、模型訓練及預測、模型評估環(huán)節(jié)有完整

的理解.，在和研發(fā)配合的過程中總結產品經理可以貢獻的方式和內容。要將工程實踐中所

學到的經驗定期加以整理，并固化到你的產品管理工俏流程中，那樣無論你未來在哪一家

人工智能公司里，都會用到這些產品管理經驗。不同產品經理之間的差距也是在經驗和工

作方法論上表現出來的。更多有關工程實踐的內容，可以參照本書第6章關于人工智能

產品經理工作流程的內容。

第2章懂行業(yè)的產品經理才不會被人工智能淘汰

我以前看過一段科技類訪談節(jié)目，記憶猶新，受訪者是史蒂夫?喬布斯，討論的話題

是“電視行業(yè)的創(chuàng)新困境”。我整理了喬布斯在訪談中表達出的思考邏輯如下。

(1)電視行業(yè)的創(chuàng)新困境是由于市場推廣策略導致的。

(2)電視行業(yè)中“補貼”的商業(yè)模式，給每個用戶一個機頂盒(很低廉的月消費甚至

免費)。

(3)因為這樣的商業(yè)模式，導致沒有人愿意單獨購買機頂盒了。順便列舉具體的公

司佐證。

(4)結果導致了用戶面臨的尷尬局面：自己的HDMI高清接口被不同的機頂盒占滿

了，而且每種機頂盒配套的UI都不一樣，遙控器有一大堆。

(6)唯一能改變這種局面的方式就是問到原點，將所有的機頂盒都拆掉，換成一個

具有唯一UI的機頂盒。但是目前無法實現這樣的局面，因為我們改變不了目前主流的推

廣策略，而這與技術、遠見無關。

(6)手機之所以和運營商合作推廣，是因為手機的GSM(GlobalSystemforMobile

Communication)即移動電話標準是全球統(tǒng)一的。但是電視不一樣，每個國家都有自己的

標準和政府監(jiān)管方案。

縱觀訪談中喬布斯的應答邏輯，盡管內容量不多，卻顯示出一個產品經理的思維方式

和對行業(yè)理解的深度：行業(yè)的現狀分析、競爭局面、用戶使用的普遍體驗、行業(yè)創(chuàng)新困境

的根本原因、橫向對比其他行業(yè)、本行業(yè)的政策因素和行業(yè)標準因素的特殊性。喬布斯對

一個行業(yè)的理解滲透到了每一個關鍵節(jié)點。

請你問問自己，你是否能對自己的產品、所在行業(yè)有如此透徹的理解和認知？如果沒

有這種認知，談何遠見和創(chuàng)新？

人工智能時代的產品設計、規(guī)劃、創(chuàng)新都對產品經理提出了更高的要求。產品邏輯、

流程、頁面的設計的同質化現象愈發(fā)嚴重，未來越來越多的重復性的產品設計工作會交給

人工智能完成，人工智能行業(yè)對產品經理的想象力、創(chuàng)新能力提出了更高的要求。對行業(yè)

的透徹理解才是產品經理這個職業(yè)的立命之本，離開行業(yè)理解談創(chuàng)新是站不住腳的。

2.1人工智能時代將公司重新分類

2.1.1人工智能時代公司的分類方式

人工智能時代誕生了各種新的社會分工和商業(yè)模式。傳統(tǒng)產品、商業(yè)模式和服務模式

在被賦予人工智能技術后，實現了產品和服務的升級甚至商業(yè)邏輯的巨變。在不久的將來,

世界上的任何一家公司或多或少都與人工智能有關，無論是直接通過人工智能技術獲利還

是直接采購成熟的人工智能技術中間件給自身賦能，這場全球的科技變革已經到來。

在這樣的背景下，人工智能時代的公司大體上可以被分為三類，如圖2-1所示。

1.行業(yè)+人工智能公司

目前世界上絕大部分公司都是這種類型或即將變?yōu)檫@種類型，即依賴自身的多年領域

積累，給用戶提供人工智能賦能后的產品或服務。比如福特（Ford）、通用（GM）、日

產（Nissan）,作為傳統(tǒng)汽車企業(yè)近幾年在自動駕駛技術上投入了大量的人力物力，盡管

市場上也出現了像百度、特斯拉（Tesla）這樣強勁的互聯網車企，但就目前情況看來，

傳統(tǒng)汽車企業(yè)在無人駕駛汽車行業(yè)中并沒有顯示出明顯的劣勢。

圖2-1人工智能時代公司的分類

2.應用人工智能公司

這類公司通常提供一種基礎功能，客戶可以通過調用封裝好的應用程序編程接口API

（ApplicationProgrammingInterface）進行對自身產品的武裝或填充，而無須自己研發(fā)

基礎功能。例如人臉識別功能可以被應用到各種需要身份驗證的產品中，語音識別功能可

以被應用到各種人機交互的產品中。

中小型公司出于時間成本和資金成本的原因可以直接選擇這類公司提供的開放接口，

從而可以快速實現和大公司一樣的人臉識別能力和語音交互能力。對于應用人工智能公司

來說，不僅每多服務一個客戶的邊際成本很低，而且能幫助自身積累在該應用中的算法能

力。

3,研發(fā)核心技術/基礎平臺的人工智能公司

中小型公司在投入人工智能的研發(fā)資源時首先要考慮一些技術上的“基礎設施”問題,

例如：數據從哪來？計算平臺怎么建？建立企業(yè)自身的機器學習平臺的投入產出比怎樣？

全球已經有大量的創(chuàng)業(yè)型公司涌入了這個行業(yè)，它們就是從人工智能的底層平臺需求

出發(fā)，構建完整的從人工智能計算平臺的硬件單元研發(fā)、數據治理、AI建模再到平臺部

署的人工智能的“基礎設施”。有些大型互聯網公司也在布局一些PaaS形態(tài)的基礎計算平

臺和算法平臺供客戶直接調用，中小型公司只需要調用平臺的基礎組件和算法模型，就可

以大幅縮減人工智能研發(fā)的投入成本和周期。

2.1.2三類公司對產品經理能力的要求

產品經理在這樣的時代背景下需要找到自身定位，并結合自身和公司的定位確定提升

和努力的方向。我認識的很多產品經理，盲目地去學習深度學習算法，甚至有的明明是做

某一垂直領域的產品經理，不去雕琢自己的行業(yè)能力，而去學習如何自建LSTM（一種時

間遞歸神經網絡，適合于處理和預測時間序列中間隔和延遲相對較長的重要事件）。本書

后面的章節(jié)會通過梳理人工智能產品經理的知識體系、工程實踐中必備的技術知識，幫助

讀者有針對性地學習并節(jié)省寶貴的時間。

下面，就讓我們一起分析一下上面提到的三類公司對產品經理的不同要求。當然，三

類公司對產品經理的要求一定存在重合，我們在這里強調的是不同類型的公司有不同的需

求側重點。

（1）在行業(yè)+人工智能公司中，產品經理對行業(yè)的理解力和對行業(yè)趨勢的洞察力才

是核心。試想，一個不懂行業(yè)只懂技術實現方法的人，怎么能在老板面前申請更多的資源

進行產品研發(fā)呢？如果你是老板，公司的從0到1是由你創(chuàng)建的，行業(yè)專家見過無數，

競爭環(huán)境你再清楚不過，行業(yè)中的各種規(guī)律和陷阱都是靠真金白銀的學費換來的，難道就

放心把產品交給一個對行業(yè)一知半解的產品經理任由其發(fā)揮？

因此，如果你處在第一類公司里，打磨自己對行業(yè)的理解永遠是第一位的，做行業(yè)專

家是前提，然后才是利用人工智能技術提升產品價值。

另外，由于當前階段無論是技術積累還是實踐經驗都處于行業(yè)早期，因此“弱人工智

能”（即機器不具備意識、自我、創(chuàng)新思維，而且單個產品只能在某一個特定的具體任務

上表現出應用價值）的產品仍占據主流，行業(yè)會被細分成各種垂直場景。對于人工智能產

品經理的需求同樣會被不斷細分，各種垂直場景中的產品經理都需要很深的行業(yè)理解能力。

例如聊天機器人按照不同對話場景乂可繼續(xù)細分為個人助理、售后、導購等不同類型

的產品，疾病篩查領域人工智能產品會被按照不同的病癥細分為糖網篩查、肺癌篩查、皮

膚癌篩包等。過去，研發(fā)HIS（醫(yī)院管埋信息系統(tǒng)）的廠商按照不同的流程階段進行切分,

而現在會被按照不同病癥分割為不同科室的細分模塊。在行業(yè)被細分的同時，設計產品的

人才需求也被細分。

（2）在應用人工智能技術的公司中，由于商業(yè)模式主要以TOB（企業(yè)級應用服務）

為主，因此很多公司對產品經理的KPI考核之一就是項目回款，這就需要產品經理既要有

一定的商務技能（例如售前、銷售技能），同時又要具備一定的項目管理經驗。

另外，因為不同的客戶對產品的需求不同，必然需要定制化開發(fā)，產品經理要明確區(qū)

分標準化產品和定制化產品，這對產品經理的需求管理能力也提出了較高要求。

除此以外，TOB類產品的特殊性決定了在產品管理過程中要考慮產品的CAC

（CustomerAcquisitionCost,用戶獲取成本）、產品的LTV（LifeTimeValue,用戶的終

身價值）以及產品的PBP（PaybackPeriod,為獲得用戶而付出的成本的回收周期）。因

此，需要產品經理在不斷跟蹤CAC、LTV、PBP三個重要指標的變化的同時，制定適時的

市場策略、產品運營策略及產品的戰(zhàn)略方向。

（3）在研發(fā)核心技術/基礎平臺的人工智能公司中，公司對產品經理的要求更側重

于其對底層技術框架的理解。例如，對于一家做基礎平臺產品的公司，公司的產品是基于

TensorFlow（Google基于DistBelief進行研發(fā)的第二代人工智能學習系統(tǒng)）進行優(yōu)化和

研發(fā)的機器學習平臺，并提供給第三方在線使用。為了實現公司的產品比原生

TensorFlow有更強大的訓練深度，你需要了解底層通信機制、稀疏參數更新原理等。因

此這類公司更傾向于尋找從事過研發(fā)工作的產品經理。

2.2什么叫作“懂行業(yè)”

由于人工智能技術原理的特殊性和人工智能產品架構的復雜性，從來沒有一個時代像

現在這樣，對產品經理的行業(yè)理解提出過如此高的要求。此處，我用一個案例說明對于人

工智能產品來說，懂行業(yè)有多重要。

文本情感分析和觀點挖掘（SentimentAnalysis）,又被稱為意見挖掘（Opinion

Mining）、主觀分析（SubjectivityAnalysis）,是NLP（NaturalLanguageProcessing,

自然語言處理）的重要研究方向，是一種對帶有情感色彩的主觀性文本進行分析、處理、

歸納和推理的過程。這種技術可以用來分析品牌優(yōu)劣勢和受歡迎程度的趨勢，通過實時挖

掘網絡上的用戶意見，了解每個品牌在不同維度上的優(yōu)缺點，不僅可以幫助品牌廠商了解

自身產品的不足，同時也可以通過對比競爭對手的優(yōu)勢制定精準的商業(yè)決策，有著很高的

商業(yè)價值。

在AI工程實踐中，帶有情感傾向的詞語領域適應性較差，也就是說同一個詞的極性

會隨著領域、行業(yè)以及語境的不同而發(fā)生改變。例如，在爬取互聯網上對衣服薄厚的評價

數據時，在冬季爬取的大部分有關衣服“薄”的評價是負向情感，而在對筆記本電腦的評價

中“薄”代表的評價是正向的，因此在構建情感詞典時會因語料八領域背景及任務的不