如何入门AI产品经理?

国家已将人工智能作为战略提示出来,在这样的背景下,AI产品经理的缺口巨大,市场上又懂人工智能又懂产品的人才是非常稀缺的。不少同学也开始考虑转型AI产品经理，需要具备什么能力才能成功转型呢?希望同学通过这篇文章对AI有全局的了解。

**今天从以下四个方向来介绍

**

1. AI初步了解
2. AI产品经理分类
3. AI PM的能力模型
4. AI应用领域
5. 如何从0开始转型?

01. AI初步了解

AI市场情况

大型科技企业快速转向人工智能领域：谷歌、微软、facebook、amazon、百度、科大讯飞、腾讯、阿里巴巴等，全部进入人工智能领域，以前的互联网云栖大会目前已经基本变为人工智能大会了；

市场上人工智能产品经理（AI PM）就业薪资： 国内AI相关产品或技术薪资基本都在年薪30万以上，谷歌脸书等国外一线互联网公司的AIPM年薪更是达到了百万年薪。

人工智能产品经理（AI PM）市场需求：目前国内真正有1年以上经验的AI PM只有两位数，未来一段时间市场会出现井喷现象。

按照在产业结构上AI目前分成了三种类型的公司，在转型时同学们最好先明确自己的兴趣点及优势所在, 从而进行针对性的学习和提升。

01行业+AI

这类公司重在“行业” ，给用户提供AI赋能后的产品或服务。例如：智能家居、智能车载等。未来行业会越来越细分化应用,因此这类产品经理的要求重点对行业的理解上，需要有市场洞察能力及场景分析能力。

这也是产品经理的机会,因为目前2C产品的场景过于开放，而2B的工作场景范围相对限定；弱人工智能可以在有限的场景下进一步工作人员的工作效率并降低企业成本。

**02AI+行业

**

这类公司重在“AI技术” ，属于AI服务性公司,顾客可以通过对应的服务或解决方案来完善自己的产品，从而快速提升产品价值，例如：智能客服,人脸识别等。

这类公司多以2B为主，产品经理需要较强的沟通能力，快速挖掘客户的真实需求。

03平台

还有公司是提供基础AI技术平台，智能服务平台、智能终端平台等, 例如百度,科大讯飞, 帮助企业缩短客户在人工智能研发上的投入成本。那就更看重产品经理对底层技术框架的理解,如果你有研发经验,那就很有优势。

02.AI产品经理分类

AI产品经理工作的本质是造轮子。需要PM挖掘客户需求,以产品化的方式 给用户解决问题,拿互联网来讲, 比如头条,前期的内容框架定型了,再进去的产品经理属于修修补补的工作,不是从0-1的步骤,而面对竞争激烈的AI行业,做AI行业的产品经理更加不容易,是需要有从0-1的产品化能力。

01狭义AI产品经理

通过AI技术，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。近几年基本在语义、语音、计算机视觉和机器学习这四个领域开发。可细分为语义类AI产品经理, 语音类AI产品经理, 视觉类AI产品经理, 机器学习类AI产品经理, 终端应用类AI产品经理。

02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产品工作的产品经理。未来，广义AI产品经理也会慢慢向狭义AI产品经理发展。

03.AI PM的能力模型

每个行业的发展都要经过重技术、重产品、重运营，现如今AI行业已经步入重产品阶段。因此行业对AI产品经理的要求如下:

01找准商业变现模式和闭环

陆奇曾说过，人工智能落地最关键的是找到场景和商业模式，做出极致体验，并快速迭代。

目前AI市场实现商业变现主要有两种方式：

▲一种是AI直接产出价值，通过AI来取代部分人力，提高生产效率并节省人力成本，例如智能客服系统等；

▲另一种则是AI赋能人类，为人类决策提供支持，例如AI在医疗领域的应用，辅助医生诊疗，AI都是作为助手的角色来帮助人类。

这些都要求AI产品经理实际参与到业务过程中，需要对相关行业有足够理解。

比如,目前商业化程度做的较好的行业有安防(针对人像数据、车辆数据的智能摄像机、后台分析系统)、金融(智能风控和量化投资的技术应用商业化程度较高)、互联网服务(以翻译、P图、智能推荐、语音转写等服务)、企业服务(智能营销和智能客服),to B的场景主要从提升人工效率、降低人力成本、帮助决策的方向考虑，to C的场景则更侧重于提高便利性。

02把控产品需求

业内通常认为人工智能的发展离不开三大要素：数据、算法、计算力，但人工智能落地的应用场景同样是一款产品能否取得成功的关键。

AI产品经理最核心的技能即通过人工智能技术去重新定义场景和需求，提供一套可行的人工智能解决方案。在明确了具体的需求场景后，需要考虑清楚产品的客户会在当前流程里的哪个环节使用它，以及现有的方案是什么，我们的产品解决方案比现有方案好在哪里。AI产品经理需要快速验证，在瞬息万变的AI领域迅速落地能解决痛点问题的产品,这点比互联网产品经理的挑战系数要大。

03与技术互相成就

产品设计应当从商业盈利以及切实解决用户痛点的角度出发而非技术出发，所以AI产品经理在这个意义上可以根据商业及产品需要反逼技术优化。

此外，AI产品经理还需要拓宽自己的认知极限，了解技术边界，多跟团队里的AI工程师交流，平时也要随时关注AI行业最新动态和变革，阅读前沿paper。

04.AI应用领域

AI目前主要的技术应用领域有3个方向，包括：计算机视觉、深度学习、自然语言处理

而从各大招聘网站浏览了一遍之后，发现目前对人工智能产品经理（AI PM）的定义各不相同，并且差异较大。基本可以理解为两大类型：

智能方向的产品经理

就是PC或移动端产品经理，只不过需要更多的了解其他智能竞品的情况，或是捕捉、挖掘目标客户对产品的智能化需求。例如叮咚音箱就是一个平台，该平台上可以增加各种特定场景下的应用，提供儿童教学的应用，提供对话式学习。而服务层就是具体应用提供的具体软件服务。

▲那最有可能也最容易转型到人工智能产品经理（AI PM）的就是这个智能方向的应用层面产品经理，可理解为转型成为软件服务提供商的产品经理；只不过原来的操作系统变化了、用户交互的终端变化了，对于服务层系统的输入输出方式也变化了。

偏算法型的AI产品经理

这种类型的产品经理与传统PC/移动端产品差别很大，基本上需要深入了解机器学习、深度学习、CNN等技术的原理及简单实现方法，对于数学、统计学方面有较高要求，并且有学校与学历方面的要求,那难度就相对较大。

▲PM需学习基础理论简单的汇总：

• 数学基础：高等数学、离散数学、概率论与数理统计等；
• 基础科学：生物学、物理学、社会学等；
• 计算机科学：机器学习、深度学习、CNN、RNN、DNN等；
• 编程与框架：python、C++、Java、tensorflow、Caffe、ros编程等；
• 硬件：树莓派、传感器、控制器、制动器等；

  05.如何从0开始转型?

  那做为0基础的小白应该是从AI的概念与应用层入手，逐步深入并找到AIPM所需要理解的技术边界。因此，暂时还不用直接深入到python编程等数学层面,而更多的是理论,可以先学以下几个方向▼

  • 了解各种AI技术功能特性与输入输出方式：语音处理、文字处理、视频/图像处理、深度学习等应用技术；
  • 了解AI目前市场化的各种相关终端设备与应用场景；
  • 了解市场化的传感器组件与可操控模块；

    书籍：《人工智能：一种现代的方法》《终极算法：机器学习和人工智能如何重塑世界》《传感器实战全攻略》等

    AI产品经理和互联网产品经理,相比较之下,软实力是一样的, 只是因为市场竞争大, 在蓬勃发展期,对AI的产品经理的要求相对较高,需要懂得行业知识,但有大批人已经在转型的路上了,只要保持不断学习,是可以做到的

    如何系统的去学习大模型LLM ？

    作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

    但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

    😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

    

    一、全套AGI大模型学习路线

    AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

    

    二、640套AI大模型报告合集

    这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

    

    三、AI大模型经典PDF籍

    随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

    

    

    四、AI大模型商业化落地方案

    

    阶段1：AI大模型时代的基础理解

    • 目标：了解AI大模型的基本概念、发展历程和核心原理。
    • 内容：
      • L1.1 人工智能简述与大模型起源
      • L1.2 大模型与通用人工智能
      • L1.3 GPT模型的发展历程
      • L1.4 模型工程

        - L1.4.1 知识大模型

        - L1.4.2 生产大模型

        - L1.4.3 模型工程方法论

        - L1.4.4 模型工程实践

      • L1.5 GPT应用案例

        阶段2：AI大模型API应用开发工程

        • 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
        • 内容：
          • L2.1 API接口

            - L2.1.1 OpenAI API接口

            - L2.1.2 Python接口接入

            - L2.1.3 BOT工具类框架

            - L2.1.4 代码示例

          • L2.2 Prompt框架

            - L2.2.1 什么是Prompt

            - L2.2.2 Prompt框架应用现状

            - L2.2.3 基于GPTAS的Prompt框架

            - L2.2.4 Prompt框架与Thought

            - L2.2.5 Prompt框架与提示词

          • L2.3 流水线工程

            - L2.3.1 流水线工程的概念

            - L2.3.2 流水线工程的优点

            - L2.3.3 流水线工程的应用

          • L2.4 总结与展望

            阶段3：AI大模型应用架构实践

            • 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
            • 内容：
              • L3.1 Agent模型框架

                - L3.1.1 Agent模型框架的设计理念

                - L3.1.2 Agent模型框架的核心组件

                - L3.1.3 Agent模型框架的实现细节

              • L3.2 MetaGPT

                - L3.2.1 MetaGPT的基本概念

                - L3.2.2 MetaGPT的工作原理

                - L3.2.3 MetaGPT的应用场景

              • L3.3 ChatGLM

                - L3.3.1 ChatGLM的特点

                - L3.3.2 ChatGLM的开发环境

                - L3.3.3 ChatGLM的使用示例

              • L3.4 LLAMA

                - L3.4.1 LLAMA的特点

                - L3.4.2 LLAMA的开发环境

                - L3.4.3 LLAMA的使用示例

              • L3.5 其他大模型介绍

                阶段4：AI大模型私有化部署

                • 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
                • 内容：
                  • L4.1 模型私有化部署概述
                  • L4.2 模型私有化部署的关键技术
                  • L4.3 模型私有化部署的实施步骤
                  • L4.4 模型私有化部署的应用场景

                    学习计划：

                    • 阶段1：1-2个月，建立AI大模型的基础知识体系。
                    • 阶段2：2-3个月，专注于API应用开发能力的提升。
                    • 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
                    • 阶段4：4-5个月，专注于高级模型的应用和部署。

                      这份完整版的大模型 LLM 学习资料已经上传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】

                      😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓