2024 年 AIGC 领域的招聘机会依然较多，整体就业市场环境下，建议求职者做好心理准备。一线城市如北上广深杭重点考虑 AIGC 赛道，特别是互联网行业从业者；二三线城市可关注新能源赛道。
以下是一套系统化的 AIGC 产品经理转行思路，涵盖资讯获取、知识构建、技能掌握及项目实战。
一、行业资讯与研报阅读
1. 行业资讯网站/公众号
- 新智元：AI 深度文章，适合了解前沿技术。
- 机器之心：行业资讯、AI 干货、新产品发布。
- 量子位：公关 PR 稿、行业新闻更新速度快。
- IT 桔子：AI 领域的投融资信息，辅助判断行业热度。
- ChatGPT Plugin 导航网站：收集各种插件集合，拓展产品灵感。
2. 行业研报来源
- 慧博投研、艾瑞咨询、萝卜投研、东方财富网等渠道，帮助形成宏观且系统的认知。
二、明确细分领域与知识库搭建
AIGC 目前核心方向包括：文本、图片、音频、视频。建议根据求职城市岗位数量、工作背景相关度及个人兴趣三个维度选定一个方向深耕。
选定方向后，需搭建个人知识库。建议使用飞书、石墨、有道云笔记等在线文档工具，随时同步重要资讯。汇总维度可包括：时间、核心观点、个人感悟和理解、原文链接等，方便后续浏览和复习。
三、系统掌握 AIGC 基础知识
1. AIGC 产品经理能力地图
- 深度学习发展史
- 人工智能公司分类
- AI 产品经理分类
- 大模型时代产品经理需了解的 AI 应用上下游关系
- 大模型时代产品从图形用户界面（GUI）转向自然语言用户界面（LUI）
2. AIGC 产品经理工作内容
- AI 产品经理的能力要求
- AI 产品经理工作全流程
3. 机器学习算法核心要点
- 理解人工智能、机器学习、深度学习的关系
- 掌握机器学习的一般流程与分类
- 监督学习：线性回归、逻辑回归、贝叶斯、决策树、K 临近算法、支持向量机 (SVM)
- 非监督学习：K 均值聚类 (K-means)
- 强化学习与生成对抗网络 (GAN)
4. 计算机视觉 (CV)
- 常见视觉任务简介：图像分类、目标检测、图像分割、OCR 文档分析系统
5. 自然语言处理 (NLP)
- 常见 NLP 任务：情感分析、电商商品评价、舆情分析、电影评价
- 熟悉常见人工智能框架
6. 深度学习算法
- 基础：神经网络、反向传播
- 卷积神经网络 (CNN)：多层卷积抽取复杂特征过程
- 循环神经网络 (RNN)、长短时记忆网络 (LSTM)
7. 大模型算法
- 扩散模型、Transformer 架构
- 大模型特点与创新应用：Character.AI、Jasper AI、Stability AI、Runway 等案例解析
- AIGC 对于提升内容生产力的价值
四、AIGC 技能模型与实战项目
做 AIGC 产品经理一定要有实战项目经验。一般来说需要包含市场调研、需求分析、竞品分析、技术可行性调研、产品脑图和流程图、原型图设计、产品说明文档、算法验收及迭代等环节。
建议完成两个项目：AI 文本生成类（对话机器人）以及AI 图片生成类，当前这两方面的招聘量极大。音频和视频技术距离大规模落地尚远，招聘量相对较少。
项目一：AI 对话机器人类实战项目
- 理解 Prompt 工程原理
- 掌握 LLMs 发展历程及最近 10 年深度学习模型主要迭代
- 理解大模型表现力来源及 ChatGPT 训练机制
- 掌握大模型微调方法及常见微调策略
- 熟悉 ChatGLM3 介绍及效果评估
- 理解通用大模型存在的问题
- 掌握 RAG（检索增强生成）技术
- 熟悉 LangChain 组件及基于 LangChain 的 RAG 流程
- 实践向量数据库搜索
- 配置自己的 LangChain+LLM 服务
项目二：图片生成类实战项目
- 理解 Stable Diffusion 及扩散模型 (Diffusion Model) 原理
- 掌握扩散模型的向前扩散（训练过程）与向后扩散（生成图片过程）
- 熟悉 Latent Space 和 VAE 概念
- 掌握 SD Web UI 的使用及提示词书写方法
- 理解 LoRA 原理及为何使用 LoRA
- 掌握 SD 微调的 4 种方法及 LoRA 训练流程
- 初识 ControlNet 及其使用场景：线稿上色、建筑设计、手绘图作画、人物姿态、局部重绘
- 完整写真生成流程及优化思路
五、简历撰写与面试准备
1. 简历融合 将实战项目与过往工作经验相结合，体现在简历上，向面试官证明具备相关经验，而非单纯转行。
2. 面试高频题目
- 自我介绍：清晰表达个人优势与职业动机。
- AI 技术背景：特征清洗、数据变换、过拟合与欠拟合、跨时间测试、数据集划分、核心算法优缺点、深度学习应用场景、机器学习三大类应用场景、逻辑回归与线性回归区别、KNN/朴素贝叶斯/SVM/CNN/Diffusion/NLP 原理等。
- 工作场景类：需求实现受阻应对、研发资源不足方案、数据集来源与清洗方法、模型评估指标。
- AI 产品经验：负责产品介绍、失败案例分析、竞品分析。
- 产品素养类：AI 与传统 PM 区别、工作流程职责、B 端 C 端落地场景、成功产品定义、学习渠道、模型构建流程。
- 行业认知：对 AI 行业的看法、结合业务场景的 AI 应用思考。
- 其他问题：职业规划、离职原因、困难解决、项目亮点、竞品对比、用户需求转化、竞品分析方法论、版本规划、项目管理、需求评审冲突处理、客户临时需求处理、种子用户获取、定性定量调研区别、项目上线保障、用户粘性提升、到岗时间、产品体验建议、空窗期解释、需求排序、可行性评估、互联网思维理解等。
六、总结与建议
转行 AI 产品经理是一个值得探索的方向，尤其是对于刚毕业的研究生或希望转型的互联网人。学习路径通常包括：AI 产品经理全局学习、Python 系统学习、机器学习与深度学习、热门 AI 产品竞品分析、AI 产品设计学习、AI 产品 0-1 实操项目经验、AI 产品求职与面试准备。这些内容看似简单，但内部涉及大量夯实且丰富的知识点，需要深度学习与实践积累。持续跟进技术动态，保持对产品的敏感度，是成为优秀 AIGC 产品经理的关键。
