本文分析了 2024 年转行 AI 产品经理的时机与路径。从微观企业视角和宏观行业周期出发，指出当前处于技术驱动向产品驱动过渡的关键期，预计未来 3-10 年为产业爆发期。文章详细阐述了 AI 产品经理所需的核心能力，包括理解深度学习底层技术、洞察用户在新交互模式下的新诉求（如从搜索到对话的转变）、以及通过实践构建产品。同时提供了系统的 AGI 学习路线，涵盖系统设计、提示词工程、RAG 应用、微调开发及多模态应用等七个阶段，旨在帮助从业者建立完整知识体系，提升在 AI 时代的竞争力。
首先从一个公司的微观角度来谈谈这一年来公司对 AI 看法的转变。一年前，在某大厂做了一件小事：在商家后端嵌入一个小功能，智能生成商品卖点描述和商品评价描述。那时候是一个边缘项目，对接的 AI 底层团队基本没什么活儿可以接，拿着锤子到处找钉子。
而今年，他们的情况好很多，各种需求来找他们这个'锤子'。这种变化反映了整个行业对 AI 技术接受度和应用深度的显著提升。
再从宏观角度看一下今年这一波的 AI 产品（主要指以 ChatGPT、Midjourney 为代表的生成式 AI 产品）的发展。
AI 的概念早在 70 年前就已经提出。按照当时对 AI 的定义，我们早在 ChatGPT、Midjourney 之前就已经是处处 AI 了（比如搜索、推荐、自动调度系统等）。放在今天，AI 的概念有了更高的要求：更加像一个'普通人'进行综合、常识性的思考和输出。
所以，当今年的 ChatGPT、Midjourney 出来之后，完全符合 AI 的这一概念：通用且可以输出。仿佛一个孩子经过几年的精心抚养，终于到了语言、绘画的爆发期，可以像一个大人那样和我们进行对话了。
目前主流的观点认为这一波 AI 是第四次工业革命时代。每个新兴产业（比如工业革命、移动互联网）都有四个发展阶段，当下的生成式 AI 我认为还处于技术驱动的时期。
未来 3-10 年会是产业革命（以产品驱动）的时期。按照这个周期，如果从现在开始行动成为一名 AI+ 产品经理，未来 3 年你大概率会有一些大的收获。
你是不是觉得 AI 很酷，很好玩，但就是落不了地。算法工程师觉得自己的技术很牛，接近高中生的智力水平，某些方面可以达到专家水平，但真正被用起来的场景目前也就是程序员用的最多。这也就是为什么我认为现在仍然是这一波通用人工智能的技术革命（以工程师为主导）的阶段。
参考之前的搜索革命，从技术向产业革命（产品经理、企业家主导）大概需要 3-10 年的时间。例如百度最初 2005 年左右以技术驱动立本，后来到 2016 年之后才开始重视产品，可惜为时已晚，大概是十年时间。如果你认可这一观点，接下来聊聊如何能成为一名 AI 产品经理。
当前阶段既然是技术驱动，那么作为产品经理，当然需要理解底层的技术，以期和技术人员产生共鸣，和在技术能力范围内设计产品。
这一波 AI 背后的技术是深度学习。深度学习最早的概念——连接派其实在 AI 诞生之初就产生了，但是由于种种原因，其发展长期受到抑制。而在最近十年，因为算力、数据的大爆发，传统机器学习算法无法解决海量数据的学习，而这正是深度学习生长的肥沃土壤，于是才在 2010s 得到了学术界的'正名'。
今年可以说是基于深度学习技术得到大规模应用的元年，OpenAI 用大力做了一个 MVP，验证了深度学习技术在通用能力上是可行的。
其次，AI 产品经理之所以为产品经理，底层逻辑依然不变，即：ToC 产品需要理解心理学，ToB 产品需要理解商业、经济、公司管理。但是 AI 时代，这些底层的外在表现可能会有所变革，催生新的需求。
举个例子，在 ChatGPT 之前，我是通过某个事件的关键词来搜索的，比如我要调研搜索技术的应用，我在搜索框里会输入'李彦宏'、'谷歌'、'百度'；在 ChatGPT 之后，我习惯于这样输入：'如何调研搜索技术的应用'，'搜索技术主要有哪些应用'。你瞧，我从事实性调研，转变成了开放性调研。这就是用户在 AI 时代诞生的新诉求。
这种新诉求会在不同领域有不同表现，甚至有人说，在 AI 时代，所有的产品都值得重造一遍。所以，持续保持产品经理对需求洞察的敏锐，并有意识思考 AI 时代下需求的变化， 这是基本功。
最后，构建一个自己喜欢的产品，如果没有机会，思考、输出也是一种好的学习手段。实践是检验真理的唯一标准，通过实际动手搭建小 Demo 或参与开源项目，能更好地理解模型边界和能力。
由于新岗位的生产效率要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：'最先掌握 AI 的人，将会比较晚掌握 AI 的人有竞争优势'。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。为了帮助大家系统性地建立知识体系，以下是建议的学习路径：
从大模型系统设计入手，讲解大模型的主要方法。了解 Transformer 架构、注意力机制以及模型的基本工作原理，这是理解后续所有应用的基础。
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。学习如何编写结构化 Prompt，掌握 Few-Shot、Chain-of-Thought 等技巧，最大化模型的推理能力。
借助云平台（如阿里云 PAI 等）构建电商领域虚拟试衣系统或其他垂直场景应用。学习如何调用 API，处理鉴权，以及基本的业务逻辑集成。
以 LangChain 框架为例，构建物流行业咨询智能问答系统。深入理解 RAG（检索增强生成）技术，学习如何将私有数据与模型结合，解决幻觉问题。
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。学习 LoRA、P-Tuning 等参数高效微调技术，掌握数据准备、清洗、蒸馏及部署流程。
以 SD（Stable Diffusion）多模态大模型为主，搭建文生图小程序案例。探索文本、图像、音频等多模态数据的融合处理方式。
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。关注企业级部署、成本控制及安全性问题。
啰里啰嗦说了一堆，总而言之一句话，现在是产品经理成长的最好时期，你当下准备会在 2-3 年内带来收获。抓住技术红利期，深耕 AI 产品思维，你将在这个时代获得应有的回报。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
