# AI产品经理指南：我是谁，从哪来，到哪去｜对谈字节AI产品负责人Vanessa，面试了100位AI产品经理后的心得总结 十字路口Crossing · 2024-06-23 本期嘉宾Vanessa（字节AI产品负责人）分享了她面试100多位AI产品经理的观察，将AI产品经理分为四类：数据、模型评估、AI原生产品和传统产品AI化。她指出AI产品经理的至暗时刻包括技术依赖、价值感质疑和大量dirty work，但也强调入局不亏，因为模型成本降低且已有实际产品证明技术价值。最后，她建议转型者从兴趣出发，通过真实项目积累经验，而非盲目追求速成。 ## Key moments - **[0:00] 开场** - **[1:51] 面试新观察** - [2:02] Vanessa指出，面试AI产品经理与之前最大的不同在于，候选人需要对AI技术有更深的了解，这是一张入门门票。 - [5:41] Vanessa认为，由于AI行业变动太快，现在入局的门槛并不高：只要比其他人多掌握一些知识性的事实，就有优势。 - [7:44] Vanessa表示，对于在校的CS学生，每天看论文是很大的加分项，能拓展思路并对AI有更深的理解。 - **[10:00] AI产品经理分类** - [10:12] Vanessa将AI产品经理分为四类：负责数据的PM、负责大模型策略与评估的PM、在AI native产品中做PM、以及在原有产品上增加AI元素的PM。 - **[14:46] 现实与至暗时刻** - [14:46] Vanessa发现，许多申请AI产品经理的人并不清楚自己申请的是哪一类，因为许多公司的JD写得含糊不清。 - [17:13] Vanessa分享AI产品经理的至暗时刻之一：经常被质疑自己的价值在哪里，因为技术似乎主导了一切。 - [18:35] Vanessa强调，AI产品能做什么非常依赖模型的能力，模型能力越强，上层策略越简单；但好消息是模型远未成熟，需要大量PM堆策略。 - [20:35] Vanessa描述另一个至暗时刻：每日醒来都可能面临被颠覆的风险，因为新的模型突破可能让之前的“雕花”工作白费。 - [22:13] Vanessa揭示AI产品经理的日常：大量dirty work，如在WebUI或ComfyUI中反复调试参数、进行批量跑图实验，工作繁复且充满玄学。 - [25:33] Vanessa谈到用户反馈带来的至暗时刻：用户不理解AI的概率本质，常以传统产品的确定性思维去期待AI，导致对产品产生不切实际的要求。 - **[32:58] 面试故事** - [34:09] Vanessa讲述一位让她印象深刻的面试者：该面试者本职与AI无关，但因热爱摄影，业余时间发起了一个AI摄影相关的副业项目，体现了自学能力和热情。 - [35:18] Vanessa分享一个跌破眼镜的面试案例：一位简历很出色的候选人，面对“最近有哪些AI新闻让你觉得有意思”的问题时，却想了很久答不出来。 - [36:29] Vanessa透露面试AI产品经理时必问的问题：“你最近有没有看到一些AI相关的新闻，是你觉得比较有意思的？”，以此考察候选人对AI的兴趣和跟进动态的习惯。 - [37:56] Vanessa比较应届生与有经验者转型AI的难易：应届生有时能用全新视角带来原创想法，但有经验者需警惕思维惯性，能保持空杯心态的人最受欢迎。 - [39:46] Vanessa指出，视觉大模型与语言大模型的经验互通有限，因为技术本质不同（扩散模型 vs Transformer），但在如何调教模型的思路上有相通之处。 - **[41:30] 脱颖而出** - [41:30] Vanessa给简历过筛的建议：务必让简历与AI沾边，即使工作经历中AI接触不多，也可借助ChatGPT改写简历，突出相关交集；已有真实AI项目经历更佳。 - [46:42] Vanessa介绍面试非实习生的考察点：会询问其对模型背后原理的理解，以及能否解读新技术亮点，如图像生成中的Instant ID思路。 - [49:06] 当被问及“5%的改变”建议时，Vanessa建议：先浸泡在AI资讯和产品信息中，从兴趣点入手，就像看到好吃的面包才想探究其做法，好奇心是第一步。 - [52:39] Vanessa金句：“要先爱生活再做产品”，她以自己因追星而学习图像生成技术为例，说明保持对生活的敏锐是接触新可能的途径。 - [54:59] Vanessa分享一个她观察到的真实用户场景项目：基于小红书大量“帮我分析crush”帖子的需求，构想一个“crush分析器”Bot，通过提取对话文本和分析建议库来帮助用户。 - **[57:14] 个人转型** - [57:47] Vanessa回顾自己的转型经历：从广告到设计师到产品经理再到AI产品经理，她认为转型不难，每个阶段积累的经验反而会成为后续角色的加分项。 - [1:00:57] Vanessa坦言自己的转型完全是兴趣驱动：“我就是一个没有什么事业心的人，兴趣在我的价值体系里面非常重要。” - [1:05:38] Vanessa讲述团队第一个AI图像生成特效“AI Dream”的故事：因早期模型效果如梦似幻而得名，用户输入文本即可生成画作。 - [1:07:24] Ronghui总结道，无论AI时代前后，产品经理理解用户需求、追求好体验的底层能力不变，但AI时代增加了对技术持续学习的要求。 - [1:09:05] Vanessa指出顶级产品经理最难的挑战：预言后续技术会发生什么样的改变，以及这些改变会把产品带到什么样的层面。 - **[1:09:23] 哆啦A梦** - [1:09:50] 如果从未来带回一样东西，Vanessa希望是电视剧型的互动游戏：能让自己或指定演员成为主角，并影响剧情发展，满足用户“主角为什么不是我”的愿望。 - **[1:12:52] 涌现学习** - [1:13:15] Vanessa分享自己的学习方式：“涌现”——像AI一样，往脑中输入大量信息，不急于求成，某天连接会自动形成，难题迎刃而解。 ## Speakers - **Koji 杨远骋** (host) - **Ronghui** (host) - **Vanessa** (guest) ## Topics 个人发展 ## Mentioned Perplexity (company), 字节跳动 (company), ChatGPT (product), ComfyUI (product), DALL·E (product), Gmail (product), Google Calendar (product), Instant ID (product), Kimi (product), Midjourney (product), Stable Diffusion (product), TikTok (product), Web UI (product), scale.ai (product), 小红书 (product), 抖音 (product), 星汇 (product) ## Transcript ### 开场 **Ronghui** [0:02] 欢迎收听 《 十字路口 》， 我们关注新一代 AI 技术浪潮带来的行业新变化和创业新机会 。 十字路口是乔布斯对苹果公司的一个比喻 ， 形容它站在科技与人文的十字路口 ， 伟大的产品往往诞生在这里 。AI 正在给各行各业带来改变 ， 我们寻找 、 访谈和凝聚 AI 时代的 " 积极行动者 "， 和他们一起探索和拥抱新变化 、 新的可能性 。 **Koji 杨远骋** [0:31] 我是主播 Koji， 梁元澈 ，是 《 新世相 》 和 《 躺岛 》 的联合创始人， 也是一个正在积极行动 、 投身 AI 的人。 **Vanessa** [0:41] 我是主播 Ronghui， 目前在一家专注科技投资的风险投资机构工作 ， 之前在 《 第一财经周刊 》 担任驻硅谷记者 。 **Ronghui** [0:53] 欢迎来到今天的 《 十字路口 》。 今天我们的嘉宾 Vanessa 是我很多年的产品经理的好朋友 。 那 Vanessa 你给大家介绍一下自己吧 。 **Vanessa** [1:01] 也很感谢有这个机会来 《 十字路口 》 做客 ， 跟大家聊一聊 AI 相关的东西 。 我现在人是在字节做一款 AI 的产品 ， 主要是视觉大模型相关的 。 现在已经上架了 ， 叫 " 星汇 "， 星星的星 ， 汇聚的汇 。 现在如果去 App Store 搜的话 ， 还是我作为模特的那几张页面 ， 后面有可能会被专业的模特替代掉 。 所以如果想看一下我的真面目的话 ， 就可以抓紧时间去搜索一下 " 星汇 "。 **Ronghui** [1:31] 今天我们请到 Vanessa 是因为 Vanessa 在字节面试 AI 产品经理可能面试了快 100 位了 。 **Vanessa** [1:38] 差不多 ， 差不多 。 简历看了更多 。 **Ronghui** [1:41] 哇哦 ， 所以我们就很想和 Vanessa 聊一聊 ，在面试那么大的数量的 AI 产品经理的时候 ，有哪些感受 ，有哪些观察 。 因为 Vanessa 其实之前在前 AI 时代也是持续地会看产品经理的简历和面试产品经理 。 有了 AI 之后， 你有觉得有哪些不同吗 ？ ### 面试新观察 **Vanessa** [2:02] 因为我之前也是从用户产品转型过来的 ， 基本上大家比较考察的是你的数据是不是敏感 ， 你对用户交互体验是不是够敏锐 ，有没有很好地跟其他团队合作 、 沟通 、 推进的能力等等 ， 就考察这些东西 。 但是面到了 AI 产品经理之后， 它会有一个更高的门槛 ， 就是你对 AI 这个技术的了解需要至少比非 AI 的产品经理高一些吧 ， 这样子才有一张门票你可以开始从事 AI 这个行业 。 所以我会觉得在刚才说的用户端产品经理的所有东西的基础上， 还需要对技术有一些更深的了解 。 这个是我看到的比较典型的一个 AI 产品经理的画像 。 具体的来源呢 ，有些人是从原先的那些常见的产品经理转过来的 ，也见过一些原来是做 machine learning、 机器学习之类的算法工程师转的产品经理 ，不过这些不是特别多 。 还有一类就是本身在学校里面学的计算机 、 人机交互这一类的 ，他对 AI 本身感兴趣 ， 那他积攒了一些经验之后， 直接入行就可以变成 AI 产品经理 。 所以大概是这么几个画像 。 **Ronghui** [3:15] 听起来这些产品经理和原来产品经理一个最大的不同就在于有没有掌握生成式 AI 的一些技术理解 。 然后再除此之外呢 ， 就大家去寻找比如说用户需求 、 去理解整个市场竞争 ， 就是这些方面你有觉得和之前有找产品经理不同之处吗 ？ 因为考虑到今天其实生成式 AI 它也不是一个既定技术 ， 对吧 ？ 就是在过去其实产品经理也得懂一点技术嘛 。 它可能和今天一个最大的不同就是今天的技术边界它还是流动的 ， 所以这个又会带来一些大家的素质要求的不一样吗 ？ **Vanessa** [3:51] 会 。 我在看简历的时候会发现简历分为几种 ，有一种是他之前的经历可能跟 AI 完全没有关系 ， 这一次简历被推送到我面前的时候 ，他可能自己都没有针对 AI 去改过 ， 还是以前他申请字节或者申请其他大厂的时候的那个通用的那份简历 。 那如果是看到这样一份简历的话 ， 大概率会觉得行业上没有那么合适 ， 或者是过去的经验没那么匹配 ， 就不太有机会 。 然后还有一类简历呢 ，是比如说他会有一些通用的能力 ， 可以迁移到 AI 的领域的 ， 比如说他是一个做行业分析或是战略出身的 ， 原来看的那些产品他可能是 AI 无关的 ，但是他会整体看到说这个产品思路是什么 ，market 是什么 ，他有没有在竞争中找到自己合适的一个 market fit，有没有跑通他自己的商业模式等等的这些东西 ， 那他看的是这样的一个非 AI 的产品 。 那迁移到 AI 产品之后 ，其实这一些要求并没有变 ， 所以他之前对这些行业的分析 、 对公司的理解 ，他现在有多少人 、 做什么事情 、 赚不赚钱等等的这些分析完全是可以迁移过来的 。 中间的壁垒并没有那么高 。 所以如果这个产品经理我现在在招的 ，其实我只是想让他针对 AI 的行业或者是 AI 的战略去给我一些 insight 的话 ， 我会觉得有没有特别深的 AI 的知识或者是 AI 领域的技能 ， 就没有那么重要 。 **Ronghui** [5:27] 那是不是可以理解 ， 只要在过去做产品经理做得好的人， 你认为都有 —— **Vanessa** [5:32] 有机会转行 。 **Ronghui** [5:33] 都可以做好 。他其实只是需要学一些知识 ， 这些知识是 fact， 它不太是更复杂的东西 。 **Vanessa** [5:41] 我觉得它现在偏向于更多是 fact 的原因是整个行业变动还太快了 ，而且它对所有人来说都是新的 ， 所以没有一个人说我可以从更加深层 、 更加哲学的层面上去理解这个东西变成一个大拿 。 大多数人还是在吸收整个行业新产生出来的这些偏向 fact 或者是偏向知识的东西 。 它其实也是一个现在入局 AI 的优势 ， 就是它门槛没有想象中的那么高 。 你只要这些知识性的东西能掌握得比别人多一些 ， 就已经有一些优势了 ，并不需要你说比如说之前有些人做商业化的 ， 或者是有些人做用户交互做得特别牛 ， 对于用户的心智掌握得特别好 ，他已经到了道的那个层面去跟其他产品经理有区分了 。 就是现在出现这样的大牛的人并且还是少数 ， 所以中游或者是刚入行的人还是比较有机会的 。 **Ronghui** [6:39] 因为之前有另外一位做 AI 的产品经理 Hidecloud 也来上过我们播客 。 **Vanessa** [6:44] 我认识他 ， 上次他在北京的那个演讲我还去了 。 **Ronghui** [6:48] 对 ，Hidecloud 他就鼓励所有的 AI 产品经理每天看论文 ， 用这样的方式来保持自己对最新的 AI 的变化的一手的掌握 。 但其实很多人听完他的分享之后感到压力蛮大的 ， 就觉得 —— **Vanessa** [7:01] 很劝退耶 。 **Ronghui** [7:02] 对 ， 很劝退 。 所以你怎么看 ？ 你也认为就是要在今天此时此刻 ，2024 年成为优秀的 AI 产品经理 ，是需要和 Hidecloud 一样每天看论文吗 ？ 还是这其实不是唯一路径 ？ **Vanessa** [7:15] 每天看论文肯定是一个非常硬核的 AI 产品经理的做事方式 。 我觉得非常取决于你在哪个阶段 ， 比如说你现在是一个在校的学生 ， 你每天看论文的话 ， 假设你是 CS 专业的 ， 每天看论文没问题 ， 我觉得就非常好 。 之前你的提纲里面有个问题问我说最近有没有特别 impressive， 觉得这个产品特别好的 ， 我其实想了想并没有特别惊艳的 ， 反而是有很多论文的那些思路让我觉得哇天才的想法 。 就是如果你是在校大学生 ， 又是 CS 专业的 ， 看看论文绝对是你的非常大的一个加分项 ， 它能扩展你的思路 ，并且让你对 AI 有更深层的理解 ，而不是流于表面 ， 只是看看别人做出来的产品是什么样子 。 因为从 AI 的技术到 AI 的产品已经经过了好多阶段了 ， 它已经是一个最终的成品了 。 就像你去做一个面包的话 ， 你光吃别人的好吃的面包 ，是不理解到底它是怎么从面粉一步一步成为面包的 。 所以这个还是蛮重要的 。 但如果你是 ， 比如说你原先已经有了一些视觉算法的知识 ， 就像我一样 ， 我之前是做特效出身的 ， 当时也有一些生成式的 AI，但那个时候只是 GAN， 就是对抗生成网络做的那些效果 ， 还有包括更早之前的 ， 比如说人脸 、 点 、 定位等等这些 。 如果你这部分的经验已经比较多了 ， 你不一定是需要通过论文的方式让自己在技术上更深一层 ，也可以考虑是不是可以做一个更懂用户 、 更懂市场 、 更懂应用场景的产品经理 。 对 ，因为这个方面也是很重要的 。 现在的生成式的产品 ， 说实话它太依赖模型了 ， 模型的技术才是它的本质上跟其他产品的区分性所在 。 你就算看了那些论文 ， 当然你可以把论文里面看到的比较优秀的东西吸纳到自己的工作里面来 ，但同时公司还是讲分工的嘛 。 如果你有非常强的算法工程师 ，他可以比你更早一步了解到这些 ， 你也能快速地理解到他想要做的东西是什么 ， 就不一定要求你成为第一手接触到这些 paper 的人。 这个不是一个 must have，也是一个 nice to have。 **Ronghui** [9:34] 会不会当大家说到 AI 产品经理的时候 ，其实也都是在指向很不一样的工作的内容了 ？ 因为做 ToB 的 、 做 ToC 的 、 做图文相关或做影像相关 ， 或者就做工作效率相关 ， 就感觉这个是泾渭分明的不同的工作 。 你有没有对这个有一些分类或者有一些归纳 ， 就 AI 产品经理到底我们应该把它 —— **Vanessa** [9:58] 在讲什么 。 **Ronghui** [9:58] 对 ， 分成几类 ， 怎么去理解它 。 ### AI产品经理分类 **Vanessa** [10:00] 现在既然已经不是刚才说的那个前 AI 时代了 ， 那我就先以生成式 AI 出来之后， 或者是这种所谓的 AGI 出来之后， 产品经理怎么分 ， 可以来讨论一下 。 你刚才说的主要是根据它不同的行业 、 不同的领域来分的 。 我之前也跟朋友讨论过 ， 我当时的一个分类方法是根据你在这个工作中到底负责什么样子的角色 ，在整个 AGI 的上下游里面 ， 你到底是在哪一块来分的 。 从最基础的这一块 ， 就是你首先要有模型嘛 ， 所以模型的话本质是算法 、 算力和数据 。 那其实现在有一部分产品经理是专门搞数据的 ， 像海外有一个产品叫 scale.ai， 那那些产品经理他就是特别能搞数据 ， 特别能把数据清洗 、 分类这些东西就是做得特别好 。 **Ronghui** [10:58] 就非结构化散落在各处的数据位给大模型 。 **Vanessa** [11:01] 对 ， 专门去负责数据生产这一块的 。 那这一部分的 AI 的产品经理可以说是整个模型的基底 。 然后再上一层的话 ，是给大模型本身去做一些策略和评估的产品经理 。 因为模型出来之后， 你肯定会有不同的版本 ， 你给它喂不同的数据 ， 它出来的结果可能也会完全不一样 。 就是会有策略产品经理的这个角色在 。 那比如说一个语言大模型 ， 就有可能你在迭代两个版本之后， 你会有一个训练集 。 我记得好像某个播客里面还是在某一篇公众号里面 ， 雨森也说过 ， 当时他们的投资的时候 ， 自己就会有一个文字的测试集 ， 用这种稀奇古怪的各种各样的问题去问一个大模型 ， 来测出这个模型的上下限到底在哪里 。 甚至现在不是有一个弱智吧里面有一些特别奇怪的问题 ， 比如说生鱼片为什么是死鱼片 ， 对 ， 三个半小时是一个半小时 。 就是这些可能对于人来说都有点弯弯绕的问题 ， 它也可以去把它总结成一些测试集 ， 来测试这个模型这次的更改到底是变好了还是变坏了 ， 然后如果是变坏了的话 ， 还有什么样子的方式能去做改善 。 这一批产品经理也是比较常见的一个角色 。 **Ronghui** [12:26] 这是第二类 。 **Vanessa** [12:27] 剩下的两类就更贴近于说我们一提到 AI 产品经理就立马能想到的那种画面 。 一个是像我这样的 ， 就是专门在一个 AI native 的产品里面去做它的 PM 的 ， 尤其是偏向效果的 PM 的 。 这一类产品经理的话应该现在没有特别多 ，因为毕竟投注去做纯 AI 产品的这种公司可能也不是特别多 。 这些产品经理他要做的事是考虑一个新的时代里面新的产品经理要怎么工作 ，他的工作流是什么样子的 。 **Ronghui** [13:06] 这是第三类 。 **Vanessa** [13:07] 对 ， 这是第三类 。 还有第四类 ， 我觉得如果现在大家已经是产品经理了 ， 想要转行的话 ， 从第四类转会比较容易 。 比如说我的一些朋友 ，他是在 Google 工作 ， 然后他负责的是 Google Calendar、 谷歌日历或者是谷歌邮箱 。 那在日历和邮箱里面可能会有那种 AI 小助手 ， 已经深度地绑定了原来你本来就在做的这些产品 。 比如说有日历的话 ， 它可以像小秘书一样给你总结一下你今天要见的是哪些人， 然后你见完人之后， 假设你们有那些视频的通话 ， 它可以帮你 summarize 一下你现在还有哪些剩下要做的事情 、 要跟进的事情 ， 就类似于这种你本来就已经在做这个相关的工作了 ，但是由于 AI 的介入 ， 你可以给它往上加一些 AI 的元素 。 这种应该是产品经理比较好从自己现在非 AI 的赛道怎么慢慢往 AI 贴近的一个方法 。 我大概能想到的是这四类产品经理 。 **Ronghui** [14:07] 然后你举到第四类的时候更多是讲的 ToC， 然后其实 ToB 我觉得也是同理 。 就我们最近在十字路口在过 Y Combinator， 最近一年投了 260 多家 AI 公司 ， 发现里面有七八成在美国都是做 ToB 的 。 那个感觉就是只要过去有任何一个 ToB 的领域有 SaaS， 现在大家就用 AI 来把它变成 AI SaaS。 比如说兽医的 CRM， 就是好几个现在做兽医的 AI CRM， 这个做牙医的前台的接待原来也有做得不错的体量还过得去的公司 ， 现在也冒出一堆用 AI 在来做的 。其实我理解这也是个画像的产品经理吧 ， 就是用 AI 去提高工作效率 ，在我原来已有的产品上去赋能 。 ### 现实与至暗时刻 **Vanessa** [14:46] 那你觉得来面试的这些人里面 ，他们有特别清楚自己在申请哪一类产品经理吗 ？ 我觉得并没有 。 因为现在 AI 整个行业都很新 ，而且在招聘的时候 ， 我不知道是出于保密的因素还是怎么样 ， 大家把 JD 都写得很含糊 。 就是每天的你要负责的东西是什么 ， 你的 day to day 是什么样子的 ， 它并不会写得非常的清楚 。 **Ronghui** [15:11] 你是说就是你们的 HR 在帮你们最后往外去写 JD 的时候 ， 就可能为了保密 。 **Vanessa** [15:16] 不只是字节 ， 就是我们也看过其他的公司产出的 ， 就没有写得特别清晰 。 **Ronghui** [15:22] 因为写不清晰 ， 所以来求职的人也就 —— **Vanessa** [15:24] 他自己定位也不清晰 。 我也遇到一些人， 就是他们在说自己想要面试 AI 产品经理的时候 ，其实对自己接下来到底要遇到什么样子的挑战并没有特别的了解 。他们的了解会局限于比如说我平时有用 ChatGPT， 我有看到过他们的各种新闻 ， 然后觉得这个东西特别的牛 ， 或者是我妙压使用过 ， 然后能帮我做成我自己的这种证件照 ， 我觉得特别的满意 。他们可能 是比较局限于这种 。 现在不是也有很多人之前是教大家怎么从别的行业转行到产品经理 ， 现在是教大家怎么从产品经理转行到 AI 产品经理 。 就是感觉那个 title 越来越高大上了 ， 就会有很多人想要涌入这个领域 ，但我觉得他们讲的不够现实 ， 或者说他们故意隐藏了很多东西 。 **Ronghui** [16:16] 那你给大家讲一讲现实吧 。 **Vanessa** [16:18] 对 ， 比如说 有的时候他们会去用一些比较高大上的 ， 比如说平均薪资等等东西来吸引这些人去进行转行 ， 只讲优点 ， 吸引你进来之后把流量赚到了 ， 把钱也赚到了 ， 可能就不管了 ， 没有任何的售后 。 然后还有的就是他只讲道不讲术 ， 就是他会把 AI 有多重要讲得很清楚 ，但是你到底怎么去做一个 AI 产品经理也没有怎么涉及到 。 还有一个点是 ，有些人会觉得所有人的起点都差不多 ， 就是你是在校生之前毫无产品经理经验的 ， 还是说你已经有了一些 AI 产品经理的经验 ， 甚至还有一些人是非 AI 的经验特别丰富 ， 比如说有 8 年到 10 年， 这些人怎么进入到 AI 产品经理的这个行业里面来 ， 路径应该是相当不一样的 。 那这个就也没有说过 。 对 ， 我可以聊一下 AI 产品经理其实除了 title 光鲜以外 ，他们到底在干什么 。 我这边总结其实是有几个 AI 产品的至暗时刻 。 **Ronghui** [17:29] 至暗时刻 ， 好想听一下 。 **Vanessa** [17:31] 对 ， 这种 。 **Ronghui** [17:33] 你是先从这个不好的讲起 ， 如果大家听完之后还想做 AI 产品经理 ， 再听我们后面的 。 **Vanessa** [17:37] 对 ， 那你就是应该做 AI 产品经理了 。 是的 ， 比如说 AI 产品经理会一直遇到一个被追问自己的价值到底在哪里的问题 。 因为技术能力很强 。 对对对 ， 技术能力很强了 。 技术非常重要 。 它倒不是说技术能力已经很强了 ， 你刚才的假设是说现在技术能力已经很强了 ，AI 产品经理在这个上面可能做不了太多的东西 ，但其实是恰恰相反的 。 就是现在的技术能力是大家都以为很强了 ，但是实际上你用一用漏洞百出 。 这就是外界的一个假设 ， 对吧 ， 一个误解 。 是的是的是的 。 但是 AI 整个行业都是靠技术驱动的 ， 比如说之前像 Kimi 它不是解锁了非常长的这种上下文的限制 ， 对吧 ？ 那这个技术的突破立马让应用的场景变多了 。 你可以丢一本法律的书给它 ， 丢一本医学的书给它 ， 就立刻解锁了更多的应用场景 。 所以 AI 产品能干什么太依赖于这个模型能干什么了 。 对 ， 它会非常受到模型能力的影响 。 有的时候大家就会质疑说 ， 那我 AI 产品经理是不是只在干一些雕花的事情 ？ 我觉得也不是 。 现在模型肯定是日新月异 ， 我们对它的期望就是你越来越厉害 ，但是在你完成这个期望之前 ， 还有很长很长一段路要走 ， 需要在上面去叠加一大堆的策略 ， 就是进行一些所谓的雕花的工作 。 但这些雕花的工作不完全是弥补 AI 产品技术上的不足 ， 更是去深入理解用户到底想要什么 ， 用户的场景是什么 ， 用户跟它的交互是不是足够的顺 。 如果这个模型是足够成熟的 ， 它越成熟 ， 上面的策略的叠加其实可以越简单 。 但是好消息是这个模型还远远没有成熟 ， 所以还需要非常多的 AI 产品经理在往上面堆策略 。此外就是你之前提到的一点 ， 就是找那个 product market fit。 我之前看到过的一个例子是一个海外的产品 ， 它是做那种 AI 生成漫画的 ， 比如说像 Midjourney 这样子的产品 ， 它已经能够很好地生成各种令人惊艳的图像的同时， 那在漫画家这个领域或者是绘本这个领域 ， 它其实还缺少很多东西 ， 比如说场景固定 、 人物一致性保持 ， 比如说脚本怎么从一个 idea 立马散发成一个完整的故事大纲 ，并且用那种脚本分别类 的方式去写下来等等的这些 ，其实现在还是需要非常多的人工处理 。 那作为一个 AI 产品经理的话 ， 它能做到的事就是贴近用户的 user flow， 就是用户他到底在做这些事情的时候要经历怎样的步骤 ，有哪些需求 ，他可以对这个非常的了解 ， 然后把所有的 AI 的能力能够串联起来 。 还有个至暗时刻 ， 就是 AI 产品经理每天早上醒来都会被一些消息刷屏 ， 甚至你睡得晚的时候 ， 那个大洋彼岸又开发布会了 。 对 ， 又开发布会了 ， 又有新东西了 。 对 ， 就是每天都在一个可能被颠覆的状态 ， 就是你今天叼的这一堆花 ，也许后面模型突然就变强了 ， 你这堆雕花可能就不能用了 。 所以这也是一个 AI 产品的至暗时刻 。 **Ronghui** [21:03] 这个我比较理解 ，但是上面一个它的至暗时刻体现在哪里呢 ？ **Vanessa** [21:07] 价值感 ， 价值感 。 就是大家会以为你现在做的东西完全是跟 AI 的模型能力有关的 ， 那你的这些雕花的意义是什么 ？ 那意义就是找用户场景 ， 对 ， 更贴近用户场景 。在大模型还没有办法全知全能 ， 就一个 prompt 完成所有的东西的时候 ，AI 产品经理还是有它自己的作用和价值的 。 **Ronghui** [21:30] 因为我最近也看到一个新的说法 ， 就在 PMF 之外，PMF 是市场和产品的匹配 ， 然后 。 **Vanessa** [21:38] 模型跟产品的匹配 。 **Ronghui** [21:39] 对 ， 模型和产品的匹配 。其实这个讲的更多的是这个产品经理在这边做的事情 ， 就理解模型的局限 ， 然后看看现在的这个需求 ， 然后在这个中间去做嫁接 。 所以这个事情会偶尔让你觉得没有价值感 。 **Vanessa** [21:55] 不是本人的没有价值感 ，而是外界会觉得 AI 产品经理没有价值感 。 **Ronghui** [22:00] 但你自己其实不这么觉得 ， 或者没有这个感受 。 **Vanessa** [22:04] 没有 AI 产品经理的话 ， 我们这产品做不起来 ， 没有这个感受 ， 没有这个感受 。 **Ronghui** [22:08] 那别人怎么说也没有那么重要嘛 。 隔岸观火的人总是多的 。 **Vanessa** [22:12] 是的 。 还有一点 ， 大部分人其实是不知道 AI 产品经理的工作有多 dirty work 的 ， 都感觉很高大上， 每天调调模型 ， 对吧 ？ 我之前在朋友圈里面还发了一条消息 ， 引用了网上的一个梗 ， 叫在 city walk 和 dirty talk 之间选择了 dirty work， 就是非常的脏活累活 ， 很基础的东西也是每天在干的 。 **Ronghui** [22:37] 你可以举一些例子吗 ？ **Vanessa** [22:38] 因为我是做视觉模型的 ， 比如说现在做视觉模型的话 ， 它有两个不同的 UI 界面可以选择 ，有一个叫 Web UI 的 ，有一个叫 ComfyUI 的 ， 这两个都是可以用这个界面去跟 Stable Diffusion 这个大模型去做交互 ， 然后引导它把自己的模型能力发挥出来 ， 去给你吐出来一些图 ， 大概是这个意思 。 但是这个界面里面 ， 如果你去仔细看它的页面的话 ， 你就会发现它选模型的地方很多 ， 每个模型下面参数也很多 ， 每个参数你可以从 0.1 调到什么那个七八九十 ， 就 0.1、0.1 的调 。 **Ronghui** [23:16] 调到 9.9。 **Vanessa** [23:17] 对 ， 就这种调参实验的工作非常的繁复 ， 你即使有一些自动化的东西帮你去完成一些 ，但本质上还是比较耗费人力的 。 所以这些东西也没有办法避免 。 **Ronghui** [23:31] 我也比较好奇 ， 就这个调参调出来一张图做得好还不说明什么 ， 还得可能是一大批图 ， 代表着各种风格的各种特点的图都好 ， 才能说明我这个参数调对了 。 然后模型有那么多 ， 插件有那么多 ， 每个插件里能调的参数又那么多 ， 那这个事听起来确实就感觉要把它做好 ， 像天方夜谭一样的脏活累活呀 。 **Vanessa** [23:53] 之前就有人说嘛 ， 就是大模型调参感觉像炼丹 ， 它就是有一定的玄学成分在里面 ， 比如说你有两个参数 ， 它之间可能会 somehow 有一些互相作用 ， 你把这个参数调高了 ， 那个参数调低了 ， 它对这个画面的影响又很细微 ， 你就得去摸索得到一种感觉 ， 你训练你自己的这个人脑形成一个大模型 ， 就是我知道这个现在好像画面有点油腻 ， 我应 该去调哪个参 。 这些也都是就是经验上需要积累的东西 。 还有一些 dirty work， 比如说就你刚才说的一张图跑好了不算什么 ， 你得在成百上千大批量的图上得到比较稳定的结果 ， 那批量跑图本身也是一个就很基础的一些活吧 ， 就是它也没有特别强的技术门槛 ，但是它就是 AI 产品经理可能每天需要去做的一些比较 hands-on 的工作 。 **Ronghui** [24:50] 这里面现在工具也没有那么好用是吗 ？ 自动化的工具 。 **Vanessa** [24:54] 自动化工具现在可能是没有一个大家都在推行的自动化工具 ，但是我觉得后面会有的 。 就比如说在最早的时候 ， 大家也没有像 Airtable 或者是多维表格这种工具来帮 AI 的产品经理整理自己的需求或者是整理自己的想法 ， 陆续后面也出现了 。 所以工具的话只是需要再给它们一些生产的时间 ， 先进的公司先用先进的工具吧 。 我怎么感觉我要开始给飞书打广告了 。 **Ronghui** [25:26] 所以这个是你说到的第四个至暗时刻了 。 **Vanessa** [25:30] 还有更多 。 **Ronghui** [25:32] 我知道 。 **Vanessa** [25:33] 还有可能就是面对用户反馈的时候 ，因为绝大部分的用户他其实不理解 AI，他会用跟之前非 AI 的产品去交互的那个思路来推理自己跟 AI 产品交互的时候应该遇到什么 。 就之前所有的东西非 AI 的 ， 它其实不是一个概率模型 ， 它就是程序设定好的一步一步的 ， 比如说你面对一个咖啡机的时候 ， 你点拿铁 ， 它就必定会给你出来拿铁 ，但是 AI 是个概率模型 ， 它会有一定的概率它就不出拿铁 ， 对 ， 它就给你出个别的东西 。 所以用户是不理解的 ，他觉得 AI 应该 100% 的响应我的需求 ，但是 AI 其实做不到 。 还有像用户会不理解 AI 现在本身还会有一些能力的上限 ， 比如说就像现在即使是最先进的 Midjourney 或者是 Stable Diffusion 的那个 XL 或者是 Stable Diffusion 的 3 那个版本 ， 它也会出现那种比如说肢体上会有些问题 ， 然后手画不准 。 **Koji 杨远骋** [26:38] 脸皮是模糊的 。 **Vanessa** [26:38] 对 ， 还有有一个 prompt 词叫瑜伽女孩 ， 你把这个输入到所有的生图的这个工具里面 ， 出现一些坏的手手脚脚的概率会很高 ， 就是因为瑜伽的姿势特别多 ， 然后瑜伽就这个词对于大模型来说挑战特别大 ，但是用户不理解 ， 用户只要跑出来一个说我手指多了一个 ， 或者是说那个我眼神不太对 ， 就会觉得你这个产品不行 。 **Ronghui** [27:04] 那你们怎么办呢 ？ **Vanessa** [27:05] 这也是一个至暗时刻 ， 它始终是个概率模型 ， 所以这个东西是涉及到它本质的 ， 就是不可能 100%，但是我们可以争取 99%，99.99%。 **Ronghui** [27:15] 那你们有没有什么办法 ， 比如说就是它生成出来的图 ， 就你们有再有一个就是给它看之前的一个 check 的或 double check 的过程 ， 就发现比如说这个瑜伽女孩有三条腿 ， 然后就赶紧再来一遍 ， 就至少从某些方面上去确保补救一下， 就这个事是好做的吗 ？ **Vanessa** [27:34] 这也可以算是一个雕花的工作 。 **Ronghui** [27:36] 也是雕花的工作 。 **Vanessa** [27:37] 但是毕竟这种场景其实是列举不全的 ， 如果你所有的生图中间都再加一个 check 的环节的话 ， 可能本身就看起来没有那么顺畅 ，也没有那么简单了 。 所以会有 trade-off 吧 ， 每天都在面对很多的 trade-off。 **Ronghui** [27:54] 所以其实每天你们应该会收到不少用户反馈 ， 就对于生的图不满意 ，但是看完之后有可能有时候也觉得没啥办法 ，因为这个就是大模型的幻觉或它的不完美之处 。 **Vanessa** [28:06] 可以通过其他的各种各样的方式去努力的接近它的上限 ，但是要突破上限的话 ， 可能就是模型本身的它还要迭代 ， 或者是我们用更好的模型来替代它 ， 这个也是可以的 。 但即使是更好的模型 ， 或者所谓说现在的 SOTA， 就是现在市面上最好的模型 ， 它现在一定也还是有一些缺陷在的 。 **Ronghui** [28:30] 我很理解这样的至暗时刻 ， 就是收到一个 bug， 然后感觉其实就是也没什么办法 。 **Vanessa** [28:37] 而且这个跟 bot 交互可能也有一些关系 ， 比如说之前是那种 GUI， 就是传统的那种图形界面 ， 你就给它四个按钮 ， 用户就知道我只能干这四个事 ，但是现在如果你给它的是一个对话框 ， 用户不知道 ， 用户甚至说你帮我把衣服洗了 ， 就这种很奇怪的对话 ， 或者是完全不可能实现的 prompt 词也会给到模型 。 这个就是现在 AI 太新了 ， 整个市场对 AI 的理解和对 AI 的那个教育还不够导致的 ，也会有这样的问题 。 **Ronghui** [29:13] 还有更多至暗时刻吗 ？ **Vanessa** [29:14] 至暗时刻对于 AI 产品经理来说可能没有了 ，但我觉得对于 AI 来说 ， 这是我个人的一点想法 ， 就是我们现在对 AI 是比较苛责的一个状态 。 就对于 AI 本身 ， 假设它是个人的话 ， 那它的至暗时刻是什么 ？ 我们对它的评价并不是公平的 ， 比如说自动驾驶 ， 我们知道通过驾校的一些开车的人 ，他自己也会有一些驾驶失误的情况 ， 人开车的技能也有的好也有的差 ， 差的那些它的安全性可能还不如 AI，但是我们现在对 AI 的标准就是特别的苛责 ， 你就完全不能出任何的问题 。 这我觉得有可能是人类的责任心 ，因为你把这种生死攸关的事情交给机器的时候 ， 你就是得对它苛责 ，也有可能是人类的优越感 ， 就觉得你那个硅基生物凭什么跟我碳基生物比 ， 对吧 ？ 还有包括像医生的一些诊断 ， 现在还是以 Copilot 为主 ， 就是它可以辅助医生 ，但它不能完全代替医生 ， 虽然医生也有误诊 ，AI 的误诊率甚至比医生低 ，但还是不能把这些东西交给 AI。 这可能是对 AI 来说 ，AI 人工智能这个种群的至暗时刻就是这个样子 ， 就是人类的优越感和人类觉得我跟你机器还是不能混为一谈 。 **Ronghui** [30:42] 这个确实很有趣 ， 和自动驾驶的对比 。 **Vanessa** [30:46] 我想到一个问题是那成就感呢 ？AI 产品这么多至暗时刻总得有点成就感 。 然后其实我感觉就比如说像你说到这么多人来申请这个工作 ，其实还是说明有很多的人都很看好这个领域 ， 甚至你说的那种感觉其实让我想到就是我感觉很多人那种心态不知道是不是特别像当年像那个 Facebook 原来的那个 CEO Jerry Sandberg 说的那句话 ， 就是当你看到了一艘火 箭 ， 你什么都不要想 ， 你只要跳上去就行了 。 我觉得是的 ， 现在想要入局 AI 产品经理的话 ， 我从我自己的判断来说觉得还是值的 ，因为之前也有过一些当时 hype 特别高 ， 就大家都想挤破头的一些新鲜的技术出来 ，但那些技术现在来看的话能略有一些泡沫 。 **Ronghui** [31:36] 那这次你个人认为不同的地方在哪里 ， 会让你认为这一次值得试一试 ？ **Vanessa** [31:41] 首先它现在已经不是一个纯粹在纸面上或者是一个江湖传说了 ， 现在你可以通过使用 ChatGPT 而使用一些产品 ， 能够切实的感觉到这个技术是真的 ， 这个技术是能够对你日常生活有一些改变的 。 再加上对于算力的要求 ，其实现在价格在逐步的降低嘛 ， 会有更多的人就普惠会能够得到这些 AI 的能力的帮助 ， 所以它的市场的占有率或者是它最终能够走进千家万户也不会太远 。 我一直比较相信一句话 ， 就是未来已经来了 ， 只是现在还不太均匀 。 就对于跟 AI 接触的比较多 ， 尤其是本来就是互联网相关的学习的专业或者是互联网相关的公司里面的人， 会对于 AI 这个新技术有更快的了解和更方便的就是应用它的渠道 ， 所以对于他们来说肯定也知道 AI 就不再是一个泡沫了 ， 能够有更方便的去跳上 AI 这艘火 箭的机会 ， 为什么不去试试 。 **Ronghui** [32:56] 那我们再聊一聊就是在 Vanessa 你之前面试过的 100 多位 AI 产品经理里面有没有出现过让你感到这个巨大的惊喜惊艳 ， 就此时此刻要立即发 offer 把他给招进来 ，有遇到这样的候选人吗 ？ ### 面试故事 **Vanessa** [33:11] 我觉得这种候选人还是有的 ， 要看你现在当前招的职位和这个人到底是不是匹配 。 有一些人， 比如说他是非常好的学校出身 ， 然后他也非常的聪明 ，但是确实还需要一定 landing 成本 ， 我们对他也是眼前一亮的 ， 只是说这一次暂时这个机会不是特别的匹配 ， 然后很遗憾错过 。 对 ， 如果是以我们现在招聘的这个预期来说 ， 我们是希望他能够本身对 AI 的技术和知识都了解的比较到位了 ， 甚至说在之前的一些工作经历里面也已经有过相关的经验了 ， 上手会特别快 ， 对于 AI 也有自己的认知和理解 ， 对于 AI 应该应用在什么场景上也有自己的想法 ， 那那些人是我们觉得是特别好的 。 **Ronghui** [34:02] 有没有什么在面试里面让你印象深刻的故事 ， 就是尤其是优秀的面试者留下的故事 ？ **Vanessa** [34:09] 我想想啊 ，有一位面试者 ， 我就不把他特别真实的情况说出来 ， 就是会稍微编纂一下 。他之前是在一家互联网大厂工作 ，但是他的那个大厂工作里面跟 AI 的关系没有特别大 ，在业余生活中是一个摄影师 ， 所以他对美学 ，他对摄影 ，他对图像的追求是很高的 。他看到 AI 之后也会觉得现在是不是可以不用实景外拍了 ，AI 是不是可以改变现在摄影师的一些工作流 ， 所 以他是针对了一个真实的问题出发 ， 然后他就是集结了一些人去一起做一个相关的一个 side project， 就是跟他工作无关的一个项目 。 这个我觉得也是挺能体现他的自学能力和他对 AI 的热情的 ，因为现在大家在大厂上班 ， 时间也都比较 ， 对吧 ，也没有特别充裕 ， 摸鱼的时间也不多 ，他还能够在闲暇的时间去轻松的完成这样的一个 AI 产品的项目 。 我觉得这个是挺值得我们多留心 ， 然后给这些人一些机会的 。 **Ronghui** [35:18] 那有没有遇到让你印象深刻的一些跌破眼镜的故事 ？ **Vanessa** [35:22] 其实会有一些 ， 就比如说他的过去的经历非常的好 。 **Koji 杨远骋** [35:27] 可能是本来预期就比较高 ， 然后 。 **Vanessa** [35:29] 对 ， 简历上也提到了一些跟 AI 相关的东西 ， 那我们想着说能不能比如说快速上手 ， 就是刚才说的 ， 就是目前也没有要求那么高 ， 就是 fact 相关的东西能知道一些 ，有一些实操的经历就已经很不错了 。 但有的时候面试的时候我们问一些非常基础的问题 ， 比如说我很喜欢问的一个问题是 ， 你最近有没有看到一些 AI 相关的新闻 ，是你觉得比较有意思的 ， 或者是你最近觉得哪些 AI 的产品是你试过或者是你听过觉得就是做得很棒 ， 或者是你完全不理解这种 AI 产品居然也能有市场吗 ？ 你觉得它做得很不好 ， 你想吐吐槽也可以 ， 这些都可以 。 但有的时候我们问出去之后 ，他就想很长时间 ， 然后想不出一个答案 。 **Ronghui** [36:20] 那理论上来面试大概率也能预测到会问这样的问题吧 ？ **Vanessa** [36:25] 我觉得应该会吧 ，他可以就是稍微准备一下的 。 **Ronghui** [36:29] 是的 。 有什么是面试里面你一定会问的问题吗 ？ 比如刚才那一个就是一定会问的 ， 对吧 ？ 除了那个还会有其他的你一定会问的问题吗 ？ **Vanessa** [36:38] 刚才那个问题主要是检验你平时对 AI 的领域了解有多少 ， 然后是不是随时在 follow up 一些最新的一些动向 ， 然后对 AI 是不是真的有热情和兴趣 。 对 ， 我还会问一些问题 ， 比如说更基础一点的吧 ， 比如说我会问 ， 如果你是之前接触过一些图形图像相关的 ， 你之前的项目经历里面是怎么样使用这些算法的 ， 然后在使用的过程中有没有遇到什么困难 ， 最后是怎么解决的 。 然后如果他之前跟图形图像可能关系没有那么大 ， 那我可能就会问一下， 那你对像 stable diffusion 之类的这种现在业界非常通用的模型架构 ， 它到底背后原理是什么 ， 可不可以用非代码 ， 就是没有那么高深的方式 ， 可以解释一下你自己的理解是什么样子的 。 就这种问题我也会问 ， 主要就是想考察他是不是有一个基本的认知 ，因为如果你是想面试 AI 产品经理 ，但是你对这个背后的认知基本没有的话 ， 我可以理解你之前的功课可能做的也不是特别的到位 ， 那对拿到这份工作也没有特别强的动机 。 **Ronghui** [37:50] 没错 。 **Vanessa** [37:50] 你就付出的也不够 。 **Ronghui** [37:52] 对 ， 欲望没那么强 ， 所以其实你的 commitment 也不一定那么的重 。 **Vanessa** [37:56] 是的 。 **Ronghui** [37:57] Vanessa， 就是在你面的这些产品经理里面应该也有应届生 ， 然后也有好多年工作经验的人 ，但在你看来就是哪种人现在转 AI 是更容易的 ？ **Vanessa** [38:08] 我觉得其实这个还是要看你的招聘需求 。 对 ，因为应届生有的时候 ， 比如说你要做 trade off 的时候 ， 应届生其实没有那么多的经验 ，但是如果你并不要求他本身的产品的知识或者是产品的积累非常深 ，而是需要他快速上手和提出一些可能很原创 ， 用 fresh eyes 来看事情的这样子一些角度的话 ， 应届生其实会比较容易 。 做其他的非 AI 的做得太久之后 ，他有的时候会有一些思维惯性 ，他会沿着他之前的经验去做一些事情 。AI 是一个每天都需要学新知识的领域 ， 那如果你已经有了非常多年的经验 ， 那你还能不能保持这种空杯的心态 ，也是一个挑战 。 当然现在也是有这样子的这种经验又丰富又能空杯的人， 这个是非常受欢迎的 ，但总体来说会有一些挑战 。 还有一点就是我在面试的时候 ，因为 HR 看到跟 AI 相关或者是跟大模型相关 ，他可能都会推来给我们看一看 ， 那会有这种情况 ， 就是我现在做的产品是视觉相关的一个产品 ， 之前会有一些简历上面他是做比如说 LLM 的这种 problem engineering 做的比较多的 ， 对于大语言模型有一些调参经验的 ， 或者是甚至做过一些大语言模型项目的 ， 你觉得这些对于我们招 聘视觉大模型这些人会比别人更有优势吗 ？ **Ronghui** [39:40] 或多或少会有一点吧 。 **Vanessa** [39:42] 优势大吗 ？ **Ronghui** [39:43] 不好讲啊 ， 这个我感觉很难判断 。 **Vanessa** [39:46] 其实优势不是特别大 ， 就是可能会比一般人想象的会小一些 ，因为有些人觉得大模型不就是这一波新的 AI 浪潮来了之后， 无非就是视觉大模型和语言大模型 ， 那两者能力应该是会有一些互通吧 。 就从技术的本质来说 ，他们俩也是不一样的 。 你扩散式模型它不是一个智能的模型 ，也不是一个 AGI 的模型 ，但是大语言模型是 ， 然后它们背后用的 diffusion 和 transformer 也都是不一样的 。 所以你的模型的经验 ， 或者说你做的特别切实的那些事情是没有办法互通的 。 但是怎么去调教这个模型 ， 如何应用这一方面的思路是可以互通的 ，但总体来说我觉得帮助没有想象中那么大 。 **Ronghui** [40:34] 做视觉模型或做大语言模型的产品经理的人 ，他们和技术的边界是不是非常的模糊呢 ？ 还是在这个里面你认为也是形成了一定的这个清晰的分工的现在 ？ **Vanessa** [40:47] 看你的公司到底有多 AI native，因为我之前读过一篇文章是 Perplexity 那个公司 ， 它那个公司感觉就是每一个人可以干所有的活 ， 一个人在 AI 的辅助下可以包了运营 、 产品 、 技术所有的事 ， 所以那个时候它的分工就会非常的模糊 。 我觉得一方面是每个人的技能点是可以往外拓展了 ， 借助 AI 的能量是可以往外拓展了 ，但另外一方面因为人力也有限吧 ， 我只能这么说 ， 那所有的事情如果有个分工的话 ， 你可以更专注在你做的比较好的那个领域上面 ，也不算一种落伍的这种工作方式 。 我只能觉得两者都有所长 。 **Ronghui** [41:30] 明白 。Vanessa 在你看来啊 ， 就是面了那么多产品经理 ， 哪些人是特别容易脱颖而出的 ？ ### 脱颖而出 **Vanessa** [41:36] 那两个环节讲吧 ， 就是首先你得简历官得过 ， 简历官过了之后才有可能接触到面试这个环节嘛 ， 然后在面试里面你又要做哪些事情让面试官觉得你就是我想要找的人， 这个也是挺重要的 。 先说简历官好了 ， 简历官的话我们首先会看一些基础的素质 ， 我们也会看之前的简历是不是跟 AI 会有一定的关联 ， 如果全程下来 AI 半字不提 ， 除非你的素质特别出挑 ， 否则就会给你打一个行业不符合或者是经验不太匹配这样的一个标签 ， 可能就很遗憾的错过了 。 那如果你是现在跟 AI 关系没有那么大 ， 或者是完完整整的 AI 项目没有上手过 ，但是又想要去应聘 AI 产品经理的话 ， 我的建议是你的简历要重新写一遍 ， 甚至你可以交给 ChatGPT 或者是 Kimi 帮你写一遍 ， 你就跟他说 ， 假设你是一个资深的人力资源部的 HR， 你现在在看这封简历 ， 怎么样去重新写一份简历 ， 然后让这个人的工作看起来跟 AI 比较沾边 ， 就用类似于这样子的话 ， 可以让大模型帮你去脑暴一下改写简历的方向 。 当然也不能就也不能瞎写 ， 比如说 。 **Ronghui** [42:52] 当然不能写一些幻觉简历出来 。 **Vanessa** [42:55] 对 ， 就是你的工作中一定是有会跟 AI 打交道的部分 ， 浅层的跟 ChatGPT 聊过 ， 它帮你脑暴过 ， 那这就是你跟 AI 的交集了 。 那深一点更好一点的呢 ， 就是你在这个过程中确实有 AI 可以作为你工作流的环节之一 ， 然后你是固化的 ， 甚至是你对它是有一定的调教的 ，而不是那种零零散散的一些 AI 的接触 ， 那它就会帮你在简历里面能增加更多的 AI 元素 。 然后再好一些就是你在工作经历里面本身就会有一些跟 AI 相关的 ， 它不一定是这一波生成式 AI 或者是 AGI 相关的 ， 它原来的像机器学习相关的 ， 它也是算法嘛 ， 跟推荐相关的 、 搜索相关的 ，也是跟算法相关的一些策略 、 一些知识是可以迁移和复用的 ， 或者是跟视觉相关的话 ， 就是以前的那些特效 ， 像最早比如说商汤或者是其他的一些公司做的 人脸关键点定位啊 ， 然后人脸比对啊等等的这些 ，其实也是跟 AI 相关的 ， 然后这些可以写到你的简历里 ， 会让面试官觉得你转型 AI 的话比较容易 。 那最好的那种当然是你已经特别特别早的在 AI 里面就入局了 ， 比如说小红书现在的那个加号里面不是有一些 AI 特效的模板吗 ？ 那你之前在小红书可能就负责这一块的 ， 那你对所有的东西应该是怎么处理 ， 它的输入输出是什么样子 ， 用什么样子的界面来去调试模型 ， 可能都已经很了解了 ， 那这种人 landing 成本就会非常低 ， 这也是我们觉得现在这个市面上比较缺少 ， 我们也比较想争取的一类人。 然后到面试的话 ， 面不同的人可能要求会不太一样 ， 比如说只是面实习生 ， 我主要考察的其实是他对 AI 的兴趣 、 热情和学习能力 。 兴趣热情的话 ， 之前也提到了说有一些问题可以问一问 ， 比如说最近有没有关注到有什么新的 AI 产品出现啊 ？ 如果你能说出来一个 AI 产品 ，并且你能够对它的优势劣势讲的有一些自己的思考 ， 我觉得这样子就挺好的 。 然后学习能力的话 ， 这个可能在面试里面这么短的时间段比较难考察 ， 你现在做的事情跟 stable diffusion 没有关系 ，但是你通过一些外部 ， 比如说云端部署的平台 ， 甚至是你部署到你自己的本机里面去有做过相关的东西 、 相关的模型 ， 我会觉得这个是证实你的那个学习能力的非常好的一个途径 。 因为没有装过 stable diffusion 的人， 不会了解到它即使是一个整合包 ， 它也有一大堆环境依赖冲突 ， 它会不停的给你嘣嘣嘣弹报错 。 所以如果你能把这些错误都解了 ， 然后或者是你有一些手段 ， 依靠人也好 ， 依靠上网搜索也好 ， 去把这件事情跑下来 ， 我觉得这个学习能力应该是挺好的 。 **Ronghui** [46:01] 或者解决问题的能力 。 **Vanessa** [46:02] 对 ， 解决问题的能力 。 **Ronghui** [46:03] 就是一中为始的看 ， 反正问题解决就行 ，不管你中间用了什么样的办法 。 **Vanessa** [46:07] 是的 。 像我自己的话 ，hidecloud 是非常硬核的产品经理 ， 它会看 paper， 那我自己也跟它一样 ， 它上次在自己的公众号里面发了一篇文章 ， 就是怎么去训那个 GPT solvers 那个音色模仿的那个模型 ， 我也训了一个 ， 对 ， 我也是在自己的机器上跑的 ， 就是不要设太多的边界 。 就现在这个技术呢 ，也没有说要真的让你写代码 ， 绝大部分其实可能就是解决问题 ， 然后 problem engineering， 就它的自学的成本其实也没有那么高 ，是可以尝试一下的 。 如果是非实习生的话 ， 我会问你对这些模型到底背后是什么原理 ，有没有了解 ， 然后甚至说最近有一些新的一些研究 ， 你有没有理解它的思路是为什么 ， 然后它亮点的地方在哪里 。 比如说之前小红书 ，是小红书还是腾讯啊 ， 出了那个 Instant ID， 就是一张图就可以不经过训练 ，但是把你的人脸相似度保持得非常好的这样的一个 ， 可以说在推理的时候使用的这样的一个插件吧 。 那这个 paper 出来之后， 你其实不需要像 hidecloud 一样去看那个 paper 具体文字上写了什么 ， 你看一些它的图也是可以理解的 。 比如说我记得 Instant ID 里面 ， 看了有段时间了 ，不保证完全正确 ，但是我记得它那个里面应该是有一张图 ， 它会在固定你的人脸的时候 ， 跟其他前面的一些方法不同的是 ， 它也会把你的五官的一些关键点提取出来 ， 把这个信息一样的也给到模型 。 大家说三庭五眼 ， 只要有一些中庭偏长啊 ， 或者是别的一些位置的移动 ，其实肉眼很容易感知到就不像了 ， 那它通过这个方式能够更好的把人脸的这个信息固定下来 ， 可能就是它在这个 paper 里面的一个突破性的思路 ， 就类似于这种东西 。 如果应聘者能够讲出来那么一两条的话 ，其实我觉得他对技术的理解 ， 我不说他能够主动去带领整个团队做什么 ，但至少如果算法的团队跟他去说一个思路的时候 ，他能够很快的领悟到 ， 然后很快的推进下来 ， 这个也是挺重要的 。 **Ronghui** [48:23] 我觉得其实听下来啊 ， 感觉这个本质和其他任何工作的产品经理都没有太大区别 。 如果今天比如说我是做一个发动机的产品经理 ， 或者我是做一个那个 SpaceX 的产品经理 ， 我可能也得知道这些技术的这个概念 ， 或者技术背后的这种解题的原理 。 我不一定非得是工程师那样动手干的人 ，因为本来这个产品经理和工程师的分工定位就是在这里嘛 。 所以听起来背后还是有一定的相似性 。 **Vanessa** [48:52] 是的 。 **Ronghui** [48:53] 那因为我们在十字路口其实一直还有一个来自李颂蔚老师的启发 ， 就是叫 5% 的改变 。 就因为认为如果给别人提要求或提建议 ， 让人做出 100% 的改变是不可能的 。 **Vanessa** [49:06] 不可能 。 **Ronghui** [49:06] 但是如果是一个 5% 的一个小动作 ， 一个小建议 ， 很多人可能听完之后就会迈出那一小步 ， 然后他得到一个小的正反馈之后， 会慢慢的把雪球滚起来 ， 得到更大的一个反馈 。 对 ， 所以也想问你就是 5% 的建议是什么 ， 对于一个想要今天转行做产品经理的人来讲 。 **Vanessa** [49:27] 我觉得可能是浸泡在那个环境里 。 **Ronghui** [49:30] 什么环境里呢 ？ **Vanessa** [49:31] AI 的资讯和先不说 AI 的 paper 之类的那种特别高深的环境吧 ， 就是 AI 的资讯和 AI 的产品现在市场上到底涌现了一些什么样子的东西 ， 还是很重要的 。 比如说你有的时候可以根据已经推出的东西来猜测它背后的原理是怎么进行的 ，也会让你产生更多的好奇心 。 就像我刚才举的那个面包的例子 ， 你吃到了这么好吃的面包 ， 你自然会想去探讨一下这面包背后它到底是怎么做出来的 ， 它有没有一些别的特别有趣的小诀窍 。 这样子引发你的好奇心之后， 会让你觉得不会这么无从下手吧 ，不会面对山一样的这种要啃的很硬的书本知识这种感觉 。 我觉得从兴趣入手是比较重要的 ， 你先要知道有这个东西 ， 然后产生兴趣 ， 然后再从兴趣反推到一些你可以现在去做的东西 。 比如说我当时最早接触 stable diffusion 的时候 ，也就是在像 WebUI， 当时还是那种界面 ， 然后去调一调 ， 尝试了几个图生图 ， 就也放下过一段时间 。 但是在后来呢 ，有一个契机 ， 就是我二三年的时候看封神 ， 然后很喜欢虞氏那个演员 ， 我在小红书上也是看到了很多 AI 相关的信息 ， 它包括一些新闻 ，也包括一些就是 AI 比较先行的人 ，他会用就做二创嘛 ， 就比如说这些影视的演员 ，他做了一些激发的那个二创的那种海报一样的东西 ， 我就觉得哦 ，AI 原来是可以做出这样子的 ，而且它把人物的脸型 、 五官 、 神态保留的都非常好 ，而且它的那个 AI 绘图出来的这个精细程度非常高 ， 很明显是经过这种高清放大的 。 所以我在想 ， 那我需要哪些环节才能复制出类似的东西 。 **Ronghui** [51:24] 所以你当时想用虞氏做海报 ， 还是你想让 。 **Vanessa** [51:27] 虞氏做海报 。 **Ronghui** [51:28] 你说做什么海报 ？ **Vanessa** [51:29] 作为影视的那种粉丝的二创 ， 就比如说我可以让它做一个稍微风格化一点的 ， 那我可以把它的一个真实感的海报 ， 然后变成一个稍微二次元风一点的东西 ， 或者是稍微就是中国古风一点的东西 ， 或者是让它它现在是没有拍过那种古偶的嘛 ， 那我是不是可以让它就是打扮的像那种古偶言情那种剧里 ， 看一看它到底适配性怎么样 。 就是这种脑海中的想法 ， 就让我反推说那我怎么能把它的脸固定下来呢 ？ 那我就搜了一下， 应该是要用训 LoRA 的方式 。 那怎么训 LoRA 呢 ？ 训 LoRA 需要 n 个步骤 ， 然后你首先需要收集训练集 ， 然后训练集要什么样的图最好呢 ？ 可能就是大头图一些 ， 然后中景图一些 ， 然后怎么怎么样 。 那收集了这些图之后， 要用什么分辨率去训呢 ？ 可能又会有一些一连串的问题出来 ， 你最后要达到你做出这个好吃的松软面包 ， 你背后需要了解很多东西 。 那个 5% 的改变就是让你先看到这个面包 。 **Ronghui** [52:32] 我记得之前有一次你和我聊天也说到一个金句 ， 我现在还记得 。 你说要先爱生活再做产品 。 **Vanessa** [52:39] 对 。 **Ronghui** [52:39] 就是因为你先爱上了虞氏 ， 才有了后面的一系列的故事 。 **Vanessa** [52:44] 我刚刚想说一个如此硬核的粉丝 。 是 。 而小虞的粉丝都很硬核的 ， 就干什么都干得很棒 。 她已经很硬核了 。 她本人也很硬核 。 我是觉得如果你是一直在 ，不能说散牙塔了 ，但是在一直在一个封闭的空间里面去做很垂直的事情的时候 ， 你就会对外界可能丧失一些感知 ， 那这些松软面包的意象就不会进入到你的生活里面来 ， 你就没有办法有机会去接触到它 ，有机会去影响到你现在在做的事情 。 所以我觉得一定要对外界还是要保持敏锐度的 ， 还是要爱生活 。 **Ronghui** [53:24] 我觉得刚才 Vanessa 讲的非常好 ， 就是什么样的这个候选人能脱颖而出 ， 一方面是简历 ， 另一方面是面试 。 然后在面试的时候 ， 还有什么是你非常在意的吗 ？ **Vanessa** [53:35] 我觉得刚才说的那些可能都是偏敲门砖了 ， 就是要求也没有那么高 ，其实经过一些准备是可以 ， 比如说两三个月内是可以速成的 ，但是有些东西可能需要更长的时间 ， 比如说你要有真的那个 AI 的项目经历 ， 这个有可能是上一家公司里面本身它做的一个 AI 的产品 ，也有可能是你业余去做的一个东西 ， 做的一个项目 。 比较重要的是 ， 你这个项目最好是从你自己的真实的痛点或者是真实的需求出发的 ，而不是比如说现在会有一些 AI 培训班嘛 ， 它直接就给你一个任务 ， 然后让你把这个东西做出来 。 如果你的面试官要求比较高的话 ，他一定会追问说你当时为什么想要去做这个项目 ， 做这个项目解决的到底是什么问题 。 这是一个产品经理灵魂发问 ， 就你对每一个好的产品经理可能你都需要拷问这两个问题 。 如果你说这是为了填充我的 AI 简历 ， 培训班老师让我做的 ， 或者是我就是拿来练个手 ， 那它的含金量就会低比较多 。 **Ronghui** [54:44] 那你有遇到什么让你印象非常深刻的这样的项目吗 ？ **Vanessa** [54:47] 我刚才说的那个 AI 摄影流相关的这个项目 ， 就可以算是跟他本人兴趣爱好结合得非常紧密 ， 又实实在在的去打磨出了一个产品的这样一个例子 。 我还可以举一些例子 ， 就是我平时我的一些想法 ，但是现在因为实在太忙了 ， 还没有时间去把它落地 。 比如说我刷小红书的时候 ， 看到非常多那种对话 ，他会把自己的微信的对话截下来发到小红书作为一个贴子 ， 然后去问说我跟我的 crush， 就是我跟我想追的人想聊天 ，但是现在呢 ，有点聊不下去了 ， 或者是说他到底是不是对我有好感呢 ？ 他也判断不出来 。 所以呢 ， 我之前有一个想法叫就是 crush 分析器 ， 或者是帮我追 crush， 那种是可以通过像 Coze 或者是 GPTs 这种稍微复杂一点的基于大模型的工具做出来的 。 它具体的做法就是你可以先给它喂一大堆东西 ， 比如说小红书上现在这边的所有的贴子 ， 你可以收罗起来 ， 然后用图片转文本的方式 ， 然后把这些文字对话提取出来 ， 甚至比如说下面的一些别人的评论 ， 针对你们俩的这个对话 ，他是不是真的对你有意思 ， 或者是你下一步到底应该聊什么 ， 别人也会给一些建议 。 那那些所有的数据总和起来之后， 可以是这一个 LM 专家的一个知识库 ， 然后你把这个建了之后， 你再搭建一个流 。 假设我在追 crush， 那我就可以把我的几张对话的图交给这大模型 ， 这个大模型就会通过图片提取出来的文字 ， 再结合它的知识库去帮你分析一下到底有没有戏 ， 如果有戏的话 ， 下一步应该怎么做 。 这个就是一个非常好的通过你的观察和有真实的用户场景出发的这种真实的项目 ， 比只是练练手 ， 你能讲的东西也更多吧 ，因为你可以就是共情 ， 展示自己了解用户痛点 ， 展示自己有挖掘用户场景的能力 ， 会比一个就不要做那种真空中的球形机那种项目 ， 就是一个物理世界里面真空中的球形机 ， 就是一个不可能存在的东西 ，但是它是一个完美的理论型的 这种场景 。 **Ronghui** [57:07] 要去找到一个真实的一个用户需求 ， 然后自己动手去把这个事给做出来 。 **Vanessa** [57:11] 是 。 **Ronghui** [57:12] 有意思 。 **Vanessa** [57:13] 这就非常厉害了 。 ### 个人转型 **Koji 杨远骋** [57:15] 那我们来聊聊你的个人经历吧 ，因为其实你自己也是做了转型 ， 从最早其实是做设计师 ， 然后从设计师转做产品经理 ， 再从产品经理转做现在可以叫 AI 产品经理 。 **Vanessa** [57:28] AI 产品经理 。 **Koji 杨远骋** [57:28] 对 。 我记得我们前面聊的时候 ， 你说了一个就是转型不难 。 我觉得这个回答很有意思 ， 就是可以聊聊你自己的转型的经历吗 ？ 可以聊聊里面的关键节点 ， 就比如说从设计师到产品经理 ， 然后再从产品经理到 AI 产品经理 ， 这两个具体的转型是怎么完成的 ？ **Vanessa** [57:47] 其实在设计师到产品经理 ， 然后产品经理到 AI 产品经理 ， 再之前我其实是学广告的 。 所以广告到 UI/UX 设计师 ， 可能中间还有一步 ，但是我本身觉得他们的界限没有那么的分明 ，因为有很多东西是类似的 ， 比如说我就是会偏喜欢一些娱乐性的 、2C 的这些东西 ， 所以我毕业之后到现在一直做的也都是那种面向用户的什么短视频 、 图像相关 的 ， 就是也都是这一类 。 所以我觉得本质上它并不是一个非常大的跨度 。 然后另外就是你之前学到的一些东西 ，在后续用的时候 ， 如果不是一个完全新的领域 ， 反而会有一些加成 。 比如说你在做广告的时候 ， 我们除了学了一些跟图像相关的 ， 最早之前像 PS 这样子的一些技能 ， 还有包括你当时做海报或者是做视频这样的一些审美 ， 那它还有其他的一些更有意思的东西 ， 甚至能够超过 UI/UX 设计师本身范畴的 ， 能够给 UI/UX 设计师带来额外的光环加成的东西 ， 比如说 marketing 的思维 。 就是你做广告的时候 ， 一定是你想把它卖出去嘛 ， 所以你要非常的用户导向 ， 对商业机会要敏感 。 所以这些东西可能如果你只是个 UI/UX 设计师 ， 都未必接触得到这一块 。 还有一点是做广告的 ， 它本质上就是在抓取别人的注意力 ， 所以做广告的人做 presentation、 做汇报特别牛 。 所以这些对于一个 UI/UX 设计师来说 ，他可能平时接触的也不是那么多 。 那当我角色变成 UI/UX 的时候 ， 我除了本身的一些工具可以用 ， 本身的一些审美还在 ， 我还有这两大加成 ， 就反而会比 UI/UX 设计师多了一些长处 。 我不觉得转行是一个难的事情 ， 反而转行是一个给我增加一些亮点的东西 。 **Ronghui** [59:54] 所以你转行是去通过读书的方式转行的吗 ？ **Vanessa** [59:58] 我在学校的时候学的都是广告 ， 然后出来的时候做的都是做了一些设计 ， 然后后面是读了一个产品设计的专业 ，但我出来以后没有做产品设计 ， 做的是产品经理 。 我并不是学什么就一定做什么 ，而是学什么可能做的那个会跟它有联系 ，但不完全一致 。 **Koji 杨远骋** [1:00:19] 那说说从产品经理转做 AI 产品经理 ， 比如说我想到的一个问题是 ， 你在这个大概是从什么时候开始想要转 ， 然后当时可能做的哪些尝试 ，在后来的实际工作跟甚至就是你现在面试别人再反过来看是有用的 ？ **Vanessa** [1:00:38] 我当时其实没有特别强的意识 ， 我不是说为了达成某一个目标 ， 比如说 AI 现在特别火 ， 或者是 AI 我觉得它前景广 ， 或者是得到的平均薪资高等等的这些 ， 我不是因为这个转的 ， 我完全是兴趣驱动的 。 我本身就是个没有什么事业心的人， 就是兴趣在我的价值体系里面非常重要 。 所以我最早之前有段时间是在做审核 ，也不能算审核吧 ， 就是安全 ， 就包括审核是其中的一部分 。 然后我做安全的时候呢 ， 那个安全团队又非常的小 ，是抖音和 TikTok 的那个安全团队 ，在比较早期的时候 。 所以我就是除了比如说跟审核基地的人对接去搞外包 ， 除了这些事情我不参与以外 ，其他的像 policy 制定 ， 然后审核产品的搭建 ， 然后包括审核流程 、 审核逻辑等等这些东西 ， 还有审核里面用到的一些模型的训练 ， 全部都是我一个人在看 。 所以我当时有一个比较综合的视角 ， 这个视角给了我好几个启发吧 ， 一个就是我不是很适合做审核 ，但我觉得审核有点无聊 。 我对有趣这件事情的执念太深 ， 我就是喜欢有趣有意思的东西 ， 所以审核呢 ， 它是一个比较偏严谨 ， 然后创造力就更难发挥吧 ， 相对于我后来做的那个创作工具这一块来说 。 所以后来我也没有再做审核了 ， 就转了 。 另一个启发是 ， 当时我在做审核的时候 ，也是因为我对模型会有一定的了解 。 我在做审核更早之前是在做一些推荐的产品 ， 所以推荐里面比如说相似视频 ， 我得对你的视频做一些分析 ， 我知道你这是什么视频 ， 我才有可能给你推荐嘛 ， 那就会有一些视觉模型的参与 。 到审核的时候 ， 审核里面也有非常大量的视觉模型 ， 它是用来取代人工要去看你这个视频到底有没有违规的 ， 比如说像色情的模型 、 暴力的模型 ， 可能这个家家都有了 。 那这个模型的训练也让我知道了更多的跟图形图像相关的知识 。 有了这些经验之后， 又开始做创作工具 。 那创作工具当然做了蛮多各种各样 ， 比如说像合拍等等的这些产品 ， 这个就跟算法没有特别大的关系 ，但后来开始做特效之后， 就跟算法绑定完全脱离不开了 。 因为特效是用算法用得特别多 ， 基本上完全围绕着算法在进行的这样的一个东西 ， 同时它又是很有娱乐性的 ， 很 2C 的 ， 很符合我的喜好的 。 所以我觉得在这个方面上， 我的个人爱好和工作就产生了一个统一 ， 就是也会让我工作起来更开心一点吧 。 对 。 那我们当时在做特效的时候 ， 最早的时候用的还是比较传统的那些算法 ， 比如说有一个算法叫分割算法 ， 它本质上就是你不需要绿幕了 ， 你就站在任何地方 ， 它可以识别出你人的这个轮廓和背景的轮廓 ， 可以把两者分开 。 当时做了一个到现在还是 TikTok 上就是流量最大 、 使用最高的一个特效叫 Green Screen。 当时我们做的时候 ，其实就是非常简单的 ， 把你背后的这个画面可以换成你任何一张图 。 所以有很多用户用来 P 合照 ， 然后还有很多用户用来分享自己的聊天记录 ， 还有很多用户用来讲解知识 。 比如说我看到一个视频是他在讲解 N 种不同的章鱼到底之间有什么差别 ， 那他在后面就像放 PPT 一样 ，他把自己的身后的背景一直在换 ， 然后人在前面去做一些讲解 ， 这个也是我们当时做的一个产品 。 后来还有像活照片和就是青少年 GAN， 这两个也是跟算法息息相关的 。 活照片就是可以你有一张静态的图 ，但是我可以让这个图里面的人去眨眨眼睛 、 微笑 ， 然后 Teenage GAN 把所有人吧 ， 都统一成你大概十来岁的样子 。 这个也是我们输入了很多像年轻化的人脸的这种数据组 ， 然后用这些东西来训练出来的一个 GAN。 这些都是我们当时这个团队的做的东西 ， 它让后面我们做 Stable Diffusion 相关的这种视觉大模型的事 ， 打了很大的基础 。 后来视觉模型出来之后， 我记得应该是 22 年年中左右吧 ， 就 DALL·E 2 一出来 ， 大家立马就被惊艳到了 ， 就说我原来可以生成在月球上骑马的宇航员 ， 就是那种你即使说给一个人类画师 ， 可能人类画师都未必能画得这么好的这样子的东西 。 那我们就很快就转型投入到了这个东西上面来 。 然后我们当时做的最早的那个 ，其实是一个 Hackathon 里面出来的一个项目 ， 这个不是我做的 ，是我们团队同学做的 ， 当时叫 AI Dream， 就是 AI 梦境 。 因为我们当时模型不好 ， 所有东西出来以后都没有那么的合情理 ， 就更像一个如梦似幻的场景 ， 就像你做了一个梦一样 。 所以我们把它起名叫 AI Dream， 就是你可以输入一段文字 ， 它给你去把这个文字画出来 。 这是我们也是当时产品上的一个特效 。 再后来模型的能力也提升了 ， 像 Dreamcast 等等的这种能力 paper 开放了之后， 我们发现人的脸是可以固定下来的 ， 可以产生各种各样的艺术性的这种画作的 。 那我们后来又推出了像 AI Portrait 等等的这些特效 ， 就是你可以捕捉一张自拍 ， 然后它就给你画成另外一个人， 或者是画你在宫廷里的样子 ， 然后画你在水彩画里的样子等等的这些东西都可以实现 。 所以当时我们是依附在已经现有的一个产品里面 ， 然后去应用 AI 的 。 就像我之前说的有四类产品经理 ， 可能这个属于第四类 ， 然后后来我只是跳出来了 ， 然后去做第三类而已 。 **Koji 杨远骋** [1:06:58] 那有什么事情是你现在会希望自己当时早点知道的事 ？ **Vanessa** [1:07:04] 我该知道的当时都知道了 。 就是 我想想 ， 我是很少会这种马后炮或者是那种悔不当初的人。 我就觉得当时我如果没知道 ， 那当时就不该知道嘛 ， 就是没有这个因缘际会 。 **Koji 杨远骋** [1:07:24] 我总结下来 ，其实我感觉这一点还是可以 echo 我们当时跟 HiCloud 最后聊的那个结论 ， 就是还是跟着自己的好奇心其实可以吧 ， 跟着自己的兴趣 ， 跟着自己的好奇心可以指引你到一个你真的可以走得比较长远的一个方向上 。 **Vanessa** [1:07:39] 对 。 比如说听这些播客对吧 ， 它有的播客就打着那种打破认知差的旗号 ， 可以帮你快速地注入一些信息 ，但是你听了之后是不是真的内化了 ， 很难说 。 它是一个快捷的方式 ， 或者是让你知道原来这里还有一条路 ，但后面的路怎么走还是自己得走呀 。 我会这么觉得 。 **Ronghui** [1:08:02] 我自己还有一个感受 ， 就是在 AI 时代之前和之后做 PM， 它有一个共同的地方在于用户的需求 ， 你要去理解它 ， 这个是不变的 。 然后追求好的体验 ， 这个也是不变的 。 所以对于做社交娱乐或者做教育 ， 很可能对 PM 要的这种底层能力差不了太多 。 但是差异是过去是技术相对成熟 ， 所以其实关注点更多的是在需求的挖掘和竞争的角度的选择 。 **Vanessa** [1:08:34] 你可以说以前的 PM 只在雕花 ，但是你现在是在模型的基础上雕花 。 **Ronghui** [1:08:39] 对 ， 现在就是要更了解模型 ， 打个引号的雕花 ， 这个其实是带来了对 PM 能力的多一层的要求 ， 就是对技术的了解 。 而且这个技术的了解还不是一次性的了解 ，是持续的学习 ，因为改变天天在发生 ， 甚至偶尔是在跃进式的发生 。 所以听下来就是 PM 这个工作好像更难做了在 AI 时代 。 **Vanessa** [1:09:05] 你不是问说顶级的产品经理是什么样子吗 ？ 那顶级产品经理可能最难最难做的事情就是预言后面技术会发生什么样子的改变 ， 能把我们带到什么样子的层面上去 。 **Ronghui** [1:09:21] 好 ， 那正好 。 **Vanessa** [1:09:22] 这能力太难了 。 **Koji 杨远骋** [1:09:23] 就这种 。 ### 哆啦A梦 **Ronghui** [1:09:23] 正好我们 cue 到了一个我们要想问的问题 ， 就是我们在十字路口有一个专栏叫做 《AI 时代的哆啦 A 梦 》。 为什么是哆啦 A 梦呢 ？ 是因为我们感觉今天在 AI 这个领域里面 ， 就是非常先的跳进去工作的创业者也好 ， 产品经理也好 ， 工程师也好 ， 大家都是相信未来会变得更好的 。 就甚至是像你讲的 ， 看到了未来已经发生 ， 只是在今天没有均匀分布的人。 那假设你是这样的一位哆啦 A 梦 ， 它是穿越回到了今天 2024 年的此时此刻 ， 那你最想从未来带回来的东西是什么 ？ 带回来的产品是什么 ？ 服务是什么 ？ 或者理念是什么 ？ **Vanessa** [1:10:05] 我之前有跟朋友们聊天 ，但那个聊天就是非常的发散 ， 非常天马行空 ， 就已经讲到后面如果 AI 能够代替人类去做所有的劳动 ，是不是后面社会什么财富怎么分配等等的那些东西了 。 我觉得那些就太遥远了 ，而且也不是我现在的这个能力能够触达到的 ， 能够预言准的东西 。 我如果从未来带回来一样东西的话 ， 我这个哆啦 A 梦可能不能飞得太远 ， 可能就几年这样子 。 那就是我小时候就在看电视的时候就一直在想 ， 为什么主角不能是我 ？ 为什么就我甚至还会关起门来说 ， 刚才分手那场戏应该这么演 。 对 ， 然后在淋浴的时候都会想 ， 现在这个大雨降落在我的头上， 就很 drama 那种 。 如果未来主角可以是我自己 ，因为现在你也知道的 ， 就很多创作出来的这种文艺的作品 ， 大家特别挑剔男女主角 ， 要说这个主角也不好 ， 那个主角也不好 。 现在甚至有一些像什么长月静明还是哪个剧来着 ， 掀起了一场在 B 站和小红书上给女主换脸的这样的一个风潮 ， 就是他觉得这个女明星来演会更好 。 但我觉得这本身是对原来这个创作团队的一种不尊重 ， 我不是特别欣赏这个行为 。 但是它反映了用户的一个需求 ， 就是我希望能让我指定的人来演 ，不管是我更喜欢的演员 ， 还是我本人， 我希望他能来演 。 那再结合 AI 的能力的话 ，是不是后面的剧情也可以通过 AI 来生成 ，而不是你的这个制作做完了之后， 这比如说 20 集的电视连续剧 ， 就整个完整的作品就在那了 ， 你只是个旁观者的角色 ， 你没有办法进去参与到这个作品的作品之中 。 你甚至对于有一些作品结尾崩了 ， 说前面这么多集都特别好 ， 最后一集怎么给我来这么个鬼结尾 ， 就这些情绪 ，是不是可以变成我是一个电视剧型的互动游戏的玩家 ？ 我可以让我自己或者是我更喜欢的男女演员出现在这个剧集里 ， 我甚至可以控制他们选了这个选择之后下一步要发生什么 ， 或者说我可以改写 。 **Koji 杨远骋** [1:12:31] 对 ， 这是一个很有意思的话题 。 因为前段时间如果没记错的话 ， 就是不是有好莱坞的编剧大罢工吗 ？ 就是因为就是担心 AI 会让他们失业 。 **Vanessa** [1:12:41] 会强犯哦 。 **Koji 杨远骋** [1:12:42] OK。 **Vanessa** [1:12:42] 是的 。 **Ronghui** [1:12:43] 詹姆斯· 奥特曼也在说电影的未来是游戏 ， 游戏的未来不可想象 。 **Vanessa** [1:12:49] 是的是的 ， 电影未来有可能就是游戏 ，因为是那种高度交互性的 。 ### 涌现学习 **Ronghui** [1:12:52] 因为我们刚才也讲来讲去 ，有一个对于今天 AI 时代的产品经理一个非常非常重要的能力 ， 就是学习能力 ， 甚至持续学习去在一个边界不断变化 、 这个进步跃迁式的发生的年代快速学习的能力 。 那 Vanessa 你的学习的方式在这一两年有什么变化吗 ？ **Vanessa** [1:13:15] 听完你说那个什么跃迁之类的 ， 我就已经感觉焦虑来往上去了 。 我的学习有一个特殊的方式叫涌现 ， 这个跟 AI 的涌现会有点相似 ， 就是当你把一大堆东西堆在自己的脑海里 ，somehow 有的时候彼此的连接自动就会形成 ， 甚至是你比如说睡一觉就会发现昨天想的一些东西想通了 。 比如说你现在卡在这个点 ， 然后你又阅读了五本书 ， 然后阅读了什么十篇公众号文章 ， 然后听了八个播客 ， 然后突然你就想通了 ， 这也是有可能的 。 我称之为人脑的涌现 ， 就是类似于说书读百遍 ， 奇异自现那种感觉 ， 就是你给它输入了很多相关的东西 ，也许有一天你就自然而然的 figure out。 **Ronghui** [1:14:05] 所以听起来就是不要对得到回报或者得到答案那么快有期待 ， 就是等待它涌现 ，但是等待也不是躺着等 ，而是就是多看看相关的不相关的东西 ， 然后它自然可能会涌现 。 **Vanessa** [1:14:20] 对 。 **Ronghui** [1:14:21] 那我们今天谢谢 Vanessa，也祝福听我们这期播客的所有想做 AI 产品经理的朋友尽快找到理想的 offer。 **Koji 杨远骋** [1:14:30] 我们其实有一个产品经理的群 ， 如果大家有兴趣了解更多关于产品经理的信息的话 ，也可以入群讨论 。 **Vanessa** [1:14:38] 对 。 **Ronghui** [1:14:38] 在 show notes 里面有二维码 。 好 ， 谢谢大家 ， 谢谢 Vanessa， 期待你再来十字路口 。 拜拜 。 **Vanessa** [1:14:44] 拜拜 。 **Ronghui** [1:14:48] 欢迎你加入十字路口的听友群 ， 我们和别的微信群都不一样 ， 我们在群里就干两件事 ： 第一是发布 AI 新鲜事日报 ， 帮你掌握信息 ， 掌握优势 ； 第二是我们在群里会鼓励大家谈恋爱 、 交朋友 、 找伙伴 ， 寻找未来的同路人。 请到 show notes 里面添加小助理的微信 ， 请他加你入群 。 如果你认为有朋友也会喜欢十字路口的内容 ， 请转发微信推荐给他们 。 等十字路口有了更多的会员 ， 我们就能更有底气去邀请到更大牌的嘉宾们 ， 为大家创作出更多有价值的好内容 。 谢谢你们的支持 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。