2024 年，AIGC（生成式人工智能）领域的市场机会持续增加，相关岗位的薪资涨幅显著。对于希望转型或深耕 AIGC 产品经理的从业者而言，建立系统的知识体系与实战经验至关重要。以下是一套完整的学习路径与能力构建指南。
一、行业信息获取渠道
保持对行业动态的敏感度是产品经理的基本功。建议关注以下类型的资讯源：
- 深度文章类：如新智元，提供 AI 领域的深度分析。
- 行业资讯类：如机器之心，涵盖 AI 干货与新产品动态。
- 新闻快讯类：如量子位，更新速度快，适合了解公关 PR 稿及行业新闻。
- 投融资数据：如 IT 桔子，关注 AI 领域的投融资金额与趋势。
- 工具导航：收集 ChatGPT Plugin 等插件集合，熟悉生态工具。
二、行业研报与宏观认知
通过阅读专业研报形成系统性的宏观认知。常用来源包括慧博投研、艾瑞咨询、萝卜投研、东方财富网等。这些报告有助于理解技术落地场景、市场规模及竞争格局。
三、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、个人工作背景相关性以及兴趣维度选定一个方向深耕。
选定方向后，需搭建个人知识库。推荐使用飞书、石墨文档或有道云笔记等在线协作工具，便于随时同步重要资讯。汇总格式可包含时间、核心观点、个人感悟及原文链接，方便后续检索与复习。
四、AIGC 基础技术知识
AI 产品经理需掌握以下核心能力地图：
- 深度学习发展史：理解技术演进脉络。
- 公司分类：区分大模型厂商与应用层公司。
- 产品分类：明确 AI 产品经理与传统 PM 的区别。
- 上下游关系：了解大模型时代的产品架构。
- 交互变革：从图形用户界面（GUI）转向自然语言用户界面（LUI）。
机器学习算法基础
需掌握的核心算法包括：
- 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：基于奖励机制的策略优化。
- 生成对抗网络 (GAN)：用于图像生成等任务。
计算机视觉 (CV)
常见任务包括图像分类、目标检测、图像分割、OCR 文档分析等。
自然语言处理 (NLP)
涉及情感分析、电商评价分析、舆情分析、电影评价等 NLP 任务，以及主流人工智能框架的使用。
深度学习算法
重点理解神经网络基础、反向传播原理、卷积神经网络 (CNN)、循环神经网络 (RNN) 及长短时记忆网络 (LSTM)。
大模型算法
- 扩散模型 (Diffusion Model)：当前图像生成的主流技术。
- Transformer：大模型的基础架构。
- 应用场景：如 Character.AI 机器人、Jasper AI 文案生成、Stability AI 图片生成、Runway 视频生成等。
五、技能模型与实战项目
AIGC 产品经理必须具备实战项目经验。建议完成两个典型项目：AI 文本生成类（对话机器人）和 AI 图片生成类，这两类招聘需求最大。
项目一：AI 对话机器人类
- Prompt 工程：理解提示词设计原则。
- LLMs 发展历程：掌握大模型迭代脉络。
