图灵机器人黄钊：人工智能产品经理职业说明书

黄钊，图灵机器人人才战略官。6年AI经验，9年互联网背景，前腾讯产品经理（2008年）。垂直于“AI产品经理”的第一自媒体。微信公众号/知乎等各平台ID均为“hanniman”，关注人数3万，200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。

擅长领域：AI产品经理相关的认知/转型方法，AI产品设计（特别是语音交互相关），AI行业理解。

---

I. AI产品经理是一种什么样的职位？

答：在阐释“AI产品经理”之前，咱们先了解下“互联网产品经理”的定义和分类；在百度百科上，是这么写的——

IPM （Internet Product Manager），互联网产品经理是互联网公司中的一种职能，负责互联网产品的计划和推广，以及互联网产品生命周期的演化。根据所负责的互联网产品是用户产品还是商业产品，可以分为互联网用户产品经理和互联网商业产品经理。用户产品经理最关心的是互联网用户产品的用户体验，商业产品经理最关心的是互联网商业产品的流量变现能力。

此外，从最近10多年互联网行业发展过程看，互联网产品经理还可以有如下2个分类维度：

• “产品形态”维度：PC客户端产品经理、网站产品经理（Web/H5）、移动端产品经理（iOS/Android）、Server产品经理……
  
  

• “行业领域”维度：工具产品经理、社交产品经理、电商产品经理、O2O产品经理……
  
  

那AI产品经理，该如何定义和划分呢？似乎可以沿用上面的这些描述，但是，又让人总觉得还不够……

@我偏笑 曾分享过他的“三段论”——

一波科技趋势从兴起到没落，通常会依次经历三个阶段：

• 技术＞产品
  
  

• 产品＞技术
  
  

• 运营＞产品
  
  

现在移动互联网已经走到第三阶段，而AI还在第一阶段。

我个人是比较认可这个观点的。现阶段，AI还处于很早期，基础设施不成熟（现在AI的硬件、软件OS、交互标准都不成熟），可能更适合从技术角度来定义和分类“AI产品经理”，而不是从应用角度去思考（太多边界不清晰、随时可能变化）。

而且，现在的AI和早期互联网还有个不同之处在于，AI的技术领域太多、而且有更多和垂直行业结合的机会，导致细分AI领域的产品经理所需要的背景和能力可能大不相同，甚至“隔行如隔山”；关于这方面，我们以后再详细说明。

一般来说，最容易想到而直观的定义是：AI产品经理，是直接应用或间接涉及了AI技术，进而完成相关AI产品的设计、研发、推广、产品生命周期管理等工作的产品经理。

经过一段时间的观察和思考，我个人目前倾向于从“狭义”和“广义”角度，分别来对“AI产品经理”进行定义和分类。

• 狭义AI产品经理：直接应用了语义、语音、计算机视觉和机器学习这4个领域的AI技术，进而完成相关AI产品的设计、研发、推广、产品生命周期管理等工作的产品经理。
  
  

• 广义AI产品经理：间接涉及了语义、语音、计算机视觉和机器学习这4个领域的AI技术、或直接应用了其他还不够成熟的细分领域AI技术（比如脑机接口、量子计算等），进而完成相关AI产品的设计、研发、推广、产品生命周期管理等工作的产品经理。
  
  

为什么这样定义（狭义AI产品经理）呢？这是因为，“语义、语音、计算机视觉和机器学习”这4个AI领域在近几年的落地情况，有如下4个特点：

• 直到近些年才逐渐“可商用”（这4项AI技术，其实很多年前就有了，但一直不够完善）；
• 可以应用到新产品形态/品类，比如实体服务机器人、智能音箱、虚拟机器人等；
• 很可能应用了新的交互方式，比如对话/语音/多模态等；
• 慢慢形成新职位，比如TTS产品经理。
  
  

而对于“广义AI产品经理”，也有几个特点：

1. “间接涉及”的意思是，不直接掌握这4种AI技术，也能做当前的本质工作；特别的，这类职位，很可能在2015年前已经存在了。

2. 至于“直接应用了其他还不够成熟的细分领域AI技术”，这类领域由于过于超前，AI技术还需要重大突破、市场还没有成熟，产品经理的产品设计职责不像互联网产品经理这么“重”，所以很可能由技术人员或公司创始人兼任，并会承担较多的项目经理工作职责——相应的，这类产品经理的数量，目前还非常少。

3. 当然，未来，广义AI产品经理也会慢慢向狭义AI产品经理演变、融合。

II. AI产品经理可以细分到哪些工种？

答：

狭义AI产品经理

语义类AI产品经理

• 对话PM。可以再细分为聊天、垂类（各种领域domain，比如音乐、天气、备忘……）等。
  
  

• 知识图谱PM
  
  

• 机器翻译PM
  
  

• 搜索PM
  
  

• 其他……
  
  

语音类AI产品经理

• ASR PM
  
  

• TTS PM
  
  

视觉类AI产品经理

• 人脸识别PM
  
  

• 车辆识别PM
  
  

• 智能视频分析PM（涵盖了人脸、车辆、多目标等等）
  
  

• 图像检索PM
  
  

机器学习类AI产品经理

• 在出行、推荐、大数据等各种领域应用了机器学习技术的PM
  
  

终端应用类AI产品经理（还有一些PM，通过各种终端载体形式，也直接应用了以上4种AI技术中的1种或多种）

• 实体机器人PM
  
  

• 虚拟机器人PM
  
  

• 智能车载PM
  
  

• 智能家居PM（含智能音箱PM）
  
  

• 穿戴式设备PM（含VR、AR、MR、手表、手环、耳机等）
  
  

• 其他互联网产品形态的PM（公众号、QQ群、web页面、App等）
  
  

广义AI产品经理

终端应用类产品经理（非狭义AI）

• 在前文提及的实体机器人、虚拟机器人、智能车载、智能家居、穿戴式设备、其他互联网产品形态等各种终端载体上，没有直接应用（但间接涉及了）语义、语音、计算机视觉和机器学习这4种AI技术的PM
  
  

策略类产品经理（非狭义AI）

• 在出行、推荐、大数据等领域，没有直接应用（但间接涉及了）机器学习技术的PM
  
  

非成熟AI技术类

• 脑机接口
  
  

• 量子计算
  
  

• 其他……
  
  

综上，可以汇成下图：

III. 初入AI产品领域的新人如何规划自己今后的从业方向？

答：2年之内，打好基础，能力方面，尽快让自己成为一个成熟的互联网产品经理，职级尽早达到腾讯P3.1及以上。在AI广度方面，多了解一些，筛选出几个自己最感兴趣、最擅长、最适合的备选方向。

2～5年之内，从备选方向中，选择一个长期赛道（比如机器人、AR/VR、自动驾驶等等都是），让自己成为这些方向下二级、甚至三级细分领域的全行业TOP 10 产品专家。

IV. AI产品经理都在做什么？又是如何做的？

答：从工作流程来说，AI产品经理和互联网产品经理大体上是类似的，都需要经历需求挖掘、产品定义、研发、测试、上线运营等阶段，但在各个阶段，都有些特别之处。

【需求挖掘】

2B2C领域，需求调研的特别之处：

• 多数情况下，“早期”进行调研时，调研对象的顺序优先级：客户＞竞品＞用户；因为客户的行业经验丰富得多，能尽量快速补齐我们的行业认知短板；当然，最终还是要在调研用户后，形成自己的认知。
• 少数情况下，需要我们来引领客户（接受超前认知和方案）；但关键不一定是逻辑说服，最好还能拿出“用户满意”的实际案例和数据来证明。
  
  

【产品定义】

1. 对象：

2B领域，现阶段，不能直接代替人工，而是辅助人工；甚至“辅助人工”还不够精准，需要“辅助行业初级人才”。因为专家们觉得自己牛，而目前AI确实还不足够强大。

2. 需求

1）从行业当前未被解决的痛点入手，即使看起来有点low或者太细致。3个例子：

2）或者是已经被解决的痛点（替代传统解决方案——升级之）。比如小米智能音箱，低价，代替低端蓝牙音箱，目前并不是新的品类。

【商业模式】

AI项目早期，是否需要考虑商业模式？

1）有的是为了做技术验证，完全不考虑商业模式，比如AlphaGo；

2）有的未来可以考虑，但早期根本不考虑，比如初期的微软小冰；

3）除此之外，必须一开始就考虑，因为AI是要落地的，不管2C、2B还是2D。

即，需要公司自己先定义，当前阶段的主要目标是要干嘛。

【正式研发】

1. 做MVP过程中，产品经理责任重大

• 在MVP验证成功之前，没必要投入大量AI技术研发成本；
• 因为可以用“取巧”的方式快速验证；
• 所以，MVP能否验证成功的责任，主要在产品经理（如果验证失败，不能说是因为研发的问题）。
  
  

2. 有多少人工，就有多少智能？—>有30~50%的人工，才有可感知的智能（好用户体验+高行业壁垒）。反过来说，如果不想做脏活累活就获得竞争优势，很可能是不现实的。——方法可以取巧，但心态不能求安逸。

————

AI产品的PRD也不外乎由文档描述、需求背景、竞品分析、需求范围、需求内容几大部分组成。其中，从文档描述到需求范围的部分，AI产品PRD和传统互联网产品PRD并没有太大的不同，二者的差异主要集中在需求内容的部分。而需求内容这方面的差异又因PM角色的不同而有所不同，因此在展开这一部分之前，先简要介绍一下车载语音助理产品的分工。

一般来说，一个车载语音助理可以由声学前端&ASR、客户端及Bot Framwork三部分组成，分别对应着声学交互PM、客户端PM及技能PM。

1、车载语音助理的产品分工

1）声学交互PM  

通过制订应用语音识别技术时的一些策略，来实现端上的一些产品特性。声学交互PM有点类似传统互联网的策略PM，但需要PM对语音识别的各项技术及其应用的场景较为了解。

2）客户端PM  

主要对语音助理框架性的交互（GUI及CUI）体验负责，过程中，往往需要形成一套交互规范供技能PM参考，保证端体验的一致性。语音客户端PM相比于传统互联网的客户端PM，除了要对GUI交互熟悉之外，更需要对CUI交互有独到的理解。

3）技能PM

基于Bot Framwork，设计各个技能的意图、会话及服务，来实现端上的一些产品特性。技能PM需要对语义技术、语义设计有自己的理解，同时在服务设计上需要对CUI交互有自己的理解。

如果将语音助理比作一座大厦，那声学交互PM就像是负责打地基的，提供了最基础的语音交互能力；而客户端PM，则像是用钢筋搭起了整个建筑的框架；而技能PM，则是用混凝土们将整个建筑填充的更加丰满。

2、车载语音助理的产品需求

由于声学交互PM、客户端PM和技能PM的分工不同，他们的需求文档在需求内容方面的侧重就有所不同。

1）声学交互类需求

这类需求，首先对技术提出了能力方面的要求，其次选取合适的场景将能力落地，形成一定的语音交互上的产品特性。一方面，产品需要在需求文档中说明“要运用的技术需要达到的能力”，并将这个能力包装为接口，指定相应的输入和输出，同时规定一些性能指标。另一方面，产品也会结合一些场景，制订一些策略，从而产出一些新的交互特性。这些特性，往往可能不是由一个单一的技术来实现的，可能需要将多种技术综合应用。

例如，语音助理的多音区，其实包含了两种技术能力。首先是声源定位，即分辨车内发音人的来源是在主驾、副驾还是后排，其次是波束成形，即可以只对唤醒人所在方向进行收音，对过程中非唤醒人的声音信号进行抑制。在这个能力上，产品可以指定将多音区的声源定位能力加入车控指令，从而实现副驾说打开车窗，仅开启副驾侧车窗的特性；也可以指定将多音区的波束成形能力接入语音交互的流程，使得主驾唤醒之后只接收主驾的指令。

2）客户端类需求  

一般来说，语音助理是围绕一个bot来运作的，这个bot接收文字输入，输出语义或服务结果，过程中可能会涉及到多轮和应答。而客户端类需求，就是针对bot从输入到输出的整个过程去定义框架性的交互体验，同时，还会涉及到一些端上常规模块的功能设计。

首先，需要定义bot接收文字输入前所有流程的设计，主要是唤醒和识别流程中的GUI和CUI设计，以及过程中的异常流程处理，例如用户不说话时如何处理、超时时如何处理、网络异常时如何处理等。

其次，需要定义在bot运行过程中，包括语义解析、多轮会话及相应多轮应答以及最终输出语义及服务结果时所需的框架性GUI设计，如显示区域定义、显示模板定义、GUI交互定义等。

值得指出的是，这两部分需求的提出，往往伴随着设计规范一起产出。对于GUI而言，类似于传统互联网的客户端PM，需要给出整个界面的原型设计，不同的是，这里往往需要给出模板化的设计，来尽可能的满足各类场景下GUI展示的需要。CUI方面，会给出回复语设计应该遵循的一些原则，例如合作原则、礼貌原则等，同时，也会根据语音助理的设定提一些语气方面的要求。

最后，是语音助理客户端上一些常规模块设计。例如用户登录、设置、帮助等，而后者和传统互联网产品基本上是一致的。

3）技能类需求

这类需求侧重于技能相关的语义 、会话及服务设计。

• 语义设计
  
  

语义设计，分为语义表示定义、模板定义和语料定义三个部分。

语义表示定义，即定义技能所属领域Domain、领域下的意图Intent、意图内的参数Slot以及参数对应的实体。例如，为了让语音助理听懂并回答“今天天气怎么样？”这一问题，技能PM需要设计一个天气查询的技能，定义它属于语义所属的领域 - 天气、意图 - 查询天气，定义用户query中可能会出现的参数 - 地点、时间等，同时还要定义参数对应的实体库。

模板的设计，其实就是写一些正则表达式来保证冷启动时的召回。这一部分可能会在专门的语义平台上进行，不一定会在需求文档中体现。

语料的定义，即语料的收集及标注。需要产品在需求中说明语料收集的场景、示意的问法等等给到专门的团队，同时说明标注的规则，供标注人员在语料收集完成后进行标注工作。而标注好的语料，会给到语义模型进行学习，来提升意图的准召率。

模板和语料的定义，直接关系到了语音助理在意图上的泛化能力，也是需求中不容忽视的部分。不论是在语义表达的设计还是在语料定义的时候，都需要尽可能的考虑用户的表达方式，尽可能的去覆盖更多的说法。  

• 会话设计
  
  

会话设计，主要是针对多轮对话过程中的CUI及GUI设计，即根据当前所处的对话状态对用户进行引导，从而明确用户的指令。如果用户提供的信息还不足以执行任务，需要设计相应的澄清话术引导用户完成填槽，过程中，可能会配合必要的视觉展示，供用户进行决策。同时，GUI有时候还承担了一定的用户引导作用，提示用户当前可以说些什么指令来继续对话。

• 服务设计
  
  

服务设计，即最终服务结果呈现时的回复话术设计及GUI的设计。还是以天气举例子，用户听到的“深圳今天是晴天，气温21到26摄氏度”就是典型的回复话术设计，而看到的天气卡片就是GUI的设计，上面可能显示了天气、气温、湿度、空气质量指数等。

回复话术的设计，包含成功执行和异常时的回复。由于语音具备输入高效，输出低效的特点，因此在回复语的设计上需要尽可能简洁地给出必要的信息。

在结果的呈现上，需要产品在需求中定义视觉展示时页面的信息如何排布，是否涉及二次交互等等。这一部分的内容类似传统互联网的原型设计，只是在设计的时候需要考虑车载端的交互特性。

V. 互联网产品经理如何转型AI产品经理？

答：转型AI产品经理不可能速成，我个人总结了“转型三部曲”——“输出+输出+实施”三个阶段，大概需要6~12个月的时间，其中3者的时间配比大概是3:2:1。

一个重要参数维度是，大家是“离职&全力转型AI”还是“边工作边业余时间学习AI”？前者，需要3~6个月，后者，需要6~12个月。

一、输入

1、从先后顺序来说，AI技术通识＞AI产品通识＞AI行业通识

1）AI技术相关文档可以先快速过一遍。

2）相对来说AI行业通识，是需要长期慢慢积累、内化的，所以“AI产品通识”的优先级排“AI行业通识”前面。

2、具体推荐输入内容

1）我2017年4月份的200页PPT《人工智能产品经理的新起点》，下载链接: https://pan.baidu.com/s/1mjM5PQo 密码: gxmw 阅读时间大概需要2个小时。

目录大纲：

（一）AI PM在做什么、如何做

1、AI的时代背景及真正瓶颈

2、如何选行业方向 in AI

3、如何找场景痛点 in AI应用层(2B/2C）

4、如何做体验设计 in 对话聊天产品

（二）如何从互联网PM转型成AI PM

1、AI PM能力模型

2、AI技术概念厘清

3、如何转型

（三）人工智能的本质及脑洞

1、AI的过去和现在

2、AI的未来和突破口

3、AI的本质、效用和终局

2）AI电影/视频。至少《超体》、《哆啦A梦》，其他自己选（200页PPT里有推荐list）。

3、output：找到兴趣点：自己感兴趣的人/事/技术产品，为下个阶段打好基础。

二、输出

1、如果要输出一份重磅报告的话，选题至关重要。

比如，有位上海团员明德，在2018年年初，耗时一个半月的时间，输出了一份重磅报告，填补了行业内关于“人工智能训练师”的行业空白；凭借这篇深度干货，他成功入职竹间智能，成为一位人工智能训练师；最近，明德又成功内部转型成为AI产品运营经理。

2、如果是输出（系列）单篇文章，如何评判是否做得足够了呢？

• 初级指标，看粉丝数、文章数、阅读量、持续时间等。
  
  

• 高级指标：有人主动来找你交流，甚至邀请你去他们公司工作。
  
  

三、实施

1、挖掘机会

大家可去拉勾、各家公司官网等地方去找自己心仪的职位，最终整理出最适合自己的3~5个备选JD（公司-部门-职位）

说明：如果能力和背景还不能直接做AI产品经理，可以先去搜“人工智能训练师”的职位，甚至还可以再退一步，去搜“数据标注”的职位。

2、实施转型

1）公开渠道，投递简历。

2）如果过往的输出质量高，可以找我内推。

3）如何选择AI公司？如何评估方向、公司、直属leader、薪酬等因素？

一、最主要是“方向”

选一个你感兴趣、能做好、有长期积累的细分赛道。

1、在输入AI技术/产品/行业通识阶段，总会有些领域你会更感兴趣；

2、但是，感兴趣是远远不够的；关键是要通过实际工作或项目的历练，来评估自己“是否擅长”——可操作标准是：

• 当领导突然给你一个重要、紧急、有难度的事情时，你“本能”的反应是“恐惧、烦躁、压力大、绝望、逼不出来”，还是反而有点“动力、兴趣、觉得大概能想出办法的”？应该是后者。
  
  

• 是否会主动去学、去想某种“现在还没排上，但将来会需要的”东西；并且，学的时候，感觉非常“顺”，也说不出什么原因。
  
  

3、更深一层来说，可能比“擅长”更重要的，是进入一个能长期积累的方向。所谓能长期积累，意思是，在这个方向上，能复利增长你的能力和收益，不会很快的被历史淘汰。AI领域，比如NLP、自动驾驶等都是非常明确的长期赛道。

4、更进一步，和公司选择方向一样，咱们个人，也需要尽量选择更细分、明确的领域。比如，我个人目前的标签是人工智能+产品经理+成长，类似的，建议大家对自己的定位，至少能逐步

明确3个tag，然后成为这个领域的全国TOP100人才（需要5年以上），就会因稀缺度而带来获取收益的机会。

二、其次是公司

1、感觉目前行业内靠前的AI创业公司，对于大家实战锻炼的价值更大。不过，哪些AI公司真正靠谱呢？建议多找业内人士、特别是该公司内部朋友打听下。

2、如果大家能进BAT，即使职级或待遇相对低了一点，对未来简历加分还是很有帮助的，毕竟有公司品牌背书在。

三、再次是直属leader

是否投缘、match、有意愿给你锻炼机会，有能力带你成长

1、“投缘”这种东西，看起来很虚，其实是非常真实的。一个缘分很顺的leader，不仅能给你更多帮助，更能让你的过程更加顺心，有很大的加成。

2、match，是指你们能否互补。当然，他能补你的短板很容易，你有能力素质补他的短板比较难——一旦能做到，那会非常好。

3、不是所有leader都有那个发心、愿意帮你成长的。或者，即使有的leader想给你锻炼机会，但在很多大公司，他也决定不了，只能从工作需要（结果）出发。

4、带人成长，本身不仅是一种意愿，还是一种能力。

四、最后，薪酬

我个人觉得，收入方面，还是看长期；短期的话，不影响基本生活就行。

不过，对于初次转型AI产品经理的同学来说，需要有个心理预期：除非非常牛，否则薪酬方面，能维持不变（平移）就不错了，很多都会降薪的；当然，如果你的工作年限太长、初始年薪太高，接收你的公司还是可能因为人情而不至于降薪太多，但是，咱们自己心里得清楚，在最初的半年之内，你很难有真正的价值产出，公司其实在培养你。

最后，还是得说，在分析了方向、公司、leader、薪酬等各方面因素后，咱们还是得了解，现实中一定是N种方向各有利弊的，需要根据个人情况来权衡（包含家庭因素），没有绝对的优劣，适合自己的才是好的，记住三个字——“不勉强”。

注：转型AI产品经理过程中，最容易犯的问题是什么？最大浪费时间的事情是什么？我总结了3点：

1、过于重视学AI技术（啃AI技术书籍或上各种AI技术课程）

2、了解AI产品通识时“太泛”，而没有选择垂直/细分/交叉领域去深入研究

3、畏难情绪、拖延，导致没抓住转型红利期

VI. 成为一个合格的AI产品经理的必要条件是什么？

答：在我的200页PPT《人工智能产品经理的新起点》里，有提出过AI产品经理能力模型的1.0版本：

这里篇幅有限，说2个重点：

1、最基础的，首先要保障已经是一个合格的互联网产品经理，最好能达到腾讯P3.1及以上的能力level。在传统互联网产品经理能力模型里面，最需要关注的是逻辑能力、沟通能力和快速学习能力。

2、AI技术理解力

1）AI技术理解力的3个层次

L1：厘清基本概念

AI概念非常多，不容易理解，而且据我观察，其实很多半年以上经验的AI从业者，对一些AI概念都是很模糊的，比如经常提的3组AI概念——“机器学习 vs 深度学习；NLP vs NLU；计算机视觉 vs 机器视觉”

所以，刚开始接触AI的朋友，把ASR、NLP、TTS等概念有个基本了解和辨析，就可以了。

L2：了解技术边界/瓶颈/机会

但是，当真的去做某个方向的AI产品经理时，就必须深入了解某个AI技术了，比如：能实现什么、不能实现什么、需要多少成本去实现、当前瓶颈是什么、行业最前沿在研究什么、有什么特别有意义/有趣的新突破进展、短期/长期的突破点机会在哪里等等。

如果不够了解技术边界，很可能在评审产品方案时，你一句话就让AI研发知道你“并不懂/还是外行”，内心也许会小小的鄙视一下：）

例如，对于“自然语言处理”，很多人一开始会以为，真的是做主谓宾分析等等，只要随便扔一句话，AI就能明白是什么意思，而其实，目前行业主要是用统计的方式在做（具体以后再解释）。

一般这个阶段，可能需要至少6~12个月的时间。为什么不能速成呢？一方面，即使有公司前辈把经验教训整理成文档告诉新人，在工作中，ta仍然会遇到无数的异常（边界）情况，还得去问相关的产品或技术同事。这是AI相比互联网非常特殊的地方。另一方面，由于行业还在很早期、信息量又大，所以对于当前行业的真正瓶颈、前沿进展、长短期机会等，可能整个公司内都没人整理过，而需要你自己去找相关信息，特别是和实战牛人们交流。

L3：引导技术流程/架构/方向

这个层次太难了，目前行业内能做到的AI产品经理非常罕见。

比较典型的是微软小冰的总负责人@李笛，在一些报道文章里提及过他对于AI技术的一些看法：

对话引出意图——整个NLP学术界还不能完全理解

用深度学习来做对话式AI现在效果并不好，这不是技术不成熟，而是产品方向错了。

容易落入“学术的游戏”，说自己最深、最好，多少层。

……

2）作为AI产品经理，对AI技术需要了解到什么程度？

我听说过2类观点——

观点A：必须有技术背景，真的懂软硬件开发到底是怎么回事

观点B：能清楚“什么能做什么不能做”即可，不用深入的去学AI技术。

我个人的看法是：

1）因人而异，不必勉强

如果学过AI技术，甚至从AI技术转AI产品经理，当然会有些优势；类比在腾讯内部，有技术背景的产品经理会更被重视。

但对于非AI技术背景的人，即使拼命去学，也很难赶上别人那么多年的技术积累，而且慢慢不用还是会忘（我当年也学过C语言、数据结构等）——承认这个劣势就行了，毕竟这只是AI产品经理能力模型中的因素之一，发挥自己长板就好。

当然，如果自己有兴趣、有时间，我还是很支持去学点AI技术的。比如我就发现，某毕业生拿到AI产品经理offer了，在入职前还有3、4个月的时间，他就在系统性的自学一些AI技术内容。

2）关键还是输出产品经理的核心价值

因为在现阶段，AI技术基本work，确实不影响做demo、MVP尝试的。

那产品经理的核心价值是什么呢？我之前分享过4点：A）定位产品本质；B）定义业务边界；C）忽略职责边界；D）让正确的事情相继发生。总之，产品经理，首先还是去定位用户、场景、痛点，然后找最小产品闭环去验证等等。

3）先达到L1，然后做中学

提升技术理解力，最快最高效的方式，还是实战；通过知识学习，是很慢的，而且很容易跟实际脱节，到头发现白学了。

所以，我最推荐的，还是争取到实际项目机会，在工作中去成长。

VII. AI产品经理和AI项目经理的区别是什么？

答：和互联网领域的产品经理和项目经理的关系/区别类似，只不过AI项目在前期项目沟通时，会有很大的时间成本（因为AI技术的特殊性）。

VIII. 目前AI的使用场景都有哪些？国内AI领域的知名公司有哪些？

答：1）个人比较看好的有AI场景

1、短期（1～3年）：智能客服相关场景（外呼、催收等）、细分场景的自动驾驶（卡车、矿车、洒水车、港口运输车等）、计算机视觉相关的细分场景（嫌犯识别、安防）、机器学习在2B（工厂）的应用（比如仪表盘信息的识别/监控、比如金融等离钱近and有大数据的行业）。

2、中期看好（3～10年）：儿童机器人/儿童手表、内容/娱乐+AI（比如虚拟明星）、垂直行业的AI助手（比如法律、体育、金融等等）。

3、长期看好（5或10年以上）：民用车自动驾驶、家庭服务机器人（会走进每个家庭，成为家庭服务的入口）、虚拟个人助理、AR/VR、AI改造垂直领域（教育、医疗等水很深的行业，都是hard模式）

更宽泛的场景分析，详见《罗兰贝格-中国人工智能创新应用白皮书》——报告最后部分，详细分析了大小29个行业应用AI的可能场景，比如：

2）我们饭团“AI产品经理大本营”团员万鑫 曾统计过7份“AI公司榜单”中出现过的315家公司，并且按照上榜次数进行了排序，方便大家查看。

• 7次都上榜的有4家：第四范式、地平线、格林深瞳、云知声；
  
  

• 6次上榜的有8家：图灵机器人、图森未来、旷视科技、商汤科技、依图科技、速感科技、Rokid、出门问问；
  
  

• 5次上榜的有8家；
  
  

• 4次上榜的有17家；
  
  

• 3次上榜的有25家；
  
  

• 2次上榜的37家；
  
  

• 1次上榜的有216家。
  
  

如何从中分析出可能不错的公司呢？3点tips

1、出现次数越多的公司，“真的不错”的概率相对较大，值得优先研究。

2、早期榜单经常出现、近期榜单消失的公司，可能有风险（当然，不绝对，因为各个榜单的评选标准不一样，而且有的可能是花钱买的。）

3、适当关注新出现的公司。

IX. 未来AI领域的突破口在哪里？

答：1、先抛出一个非常关键的问题：如果要实现“真正的”AI，“可解释性”是必须的嘛？

现阶段主流AI思想（机器学习）本质是在做拟合，但这是远远不够的。一个重大的问题就是可解释性。

如果要实现真正的AI，“可解释性”是否一定是必须的呢？在我个人的认知里面，这个问题的回答，大概率的，应该是“是”。比如，在佛法里面，“因果”就是一个非常基本的宇宙法则。这个宇宙里，并不存在什么完全“偶然”的事情——当我们看不明白某个事物时，更可能是因为我们的智慧和慈悲还不够。

那么，为什么现在的AI不能实现“可解释”呢？因为维度还不够深。

2、未来AI的突破口可能在那里？先重点说下“情感”（情感系统，涉及情感的根本认知、识别和表达等），然后略述其他一些关键点。

1）可能是最重要的突破口：情感

• 情感，是比文字（语义）更底层的维度。
  
  

• AI进化的方向，不是效率最优，而是情感最优。正如诺贝尔奖获得者Herb Simon曾说过：人类不寻求实现决策的最优化，而是采取令人满意的结果就够了。
  
  

• 并且，人的决策，更容易受到感性影响，而非理性。
  
  

• 一旦有团队能够真正的做出有“情感粘性”的AI产品体验（skill），能够把“情感的识别和表达”做到足够可用，进而能影响人的决策，那么才可能让AI产生10甚至100倍于移动互联网的价值影响。
  
  

• 多说一点，情感表达，仅靠文字远远不够，长期来说，更需要的是“多模态交互”（梅拉比安模型，感情表达＝内容7%+语调语气38%+表情肢体语言55%）。
  
  

• 情感，是连续的，而更表象的信息层次，是离散的。
  
  

• 如何去解构情感呢？仅仅“高兴/愤怒”这种纬度划分，可能是不够的；还有一个可能需要考虑的维度是：（生物自身的）振动频率。
  
  

2）量子计算

如果以上对于情感的认知是可取的，那么，如何才能是在计算机的世界里来实现她呢？——量子计算。

3）人机交互/人机协作机制的深入挖掘

4）图灵停机问题

• 图灵停机问题：如何制造真正的人工智能：一个能不断改变自己的程序，而且这种改变也不是一个固定的程序。
  
  

• 未来对人工智能的重大突破都来源于对图灵停机问题的深入理解。—— @张江
  
  

更多信息，可参考集智俱乐部的书籍《科学的极致——漫谈人工智能》。

5）类脑科学？很可能不是正确的方向

在关于AI的文章中，有作者提到科学家们基本上已经暂停了模仿“人脑”……我们不再试图复制人脑，我们专注于设计制造（已经发明的东西）。

坦白说，我个人是不那么看好类脑科学的，有2个层面的原因：

• 我们要实现的智能，并不是“模拟/模仿/复制”人类就完了。如果这就是我们真正需要的智能，靠人类的自然繁殖就可以了……之前也曾分享过，我个人所期待的人工智能，更需要发挥AI的独特优势 & 剥离某些人不希望在同类身上看到的东西。比如，人类在自私角度，都希望有事时我找你，永远在线、立即回复；但没事时，特别是我很烦的时候，不要来找我……这种需求，就是人类自身满足不了、但AI正好能满足的。
  
  

• 关于人脑，据说目前研究水平还远远、远远不够。我个人感觉，这是一个无底洞。因为这个宇宙世界的本质，不是用西方那种所谓“科学”的方式能研究和理解的。
  
  

以上。