前阵子42章经的一期播客：《一个顶级AI产品经理的自我修养 | 对谈光年之外产品负责人Hidecloud》引起了巨大的反响，很多的PM开始亚历山大：不行不行，我要赶紧开始刷论文了！

你是不是也这么想的呢？如果是，看完这篇或许你会有更进一步的思考！如果不是，看看咱们想的有没有一样的点。

01 Hidecloud是怎么说的？

先看这几点：

我很 buy in 王小川提过的一个观点：上一代产品经理解决的是 PMF，即产品和市场的 fit，这一代产品经理还要先解决 TPF，即产品和技术的 fit。

现在的产品大都比较薄。我自己对现在产品的定义是 model as a product，即 model 本身的输入和输出，决定了产品整体的交互。

在当下，模型能力还和变戏法一样，它本身对用户来说就已经很新鲜、很有价值了，那这个时候产品经理如果不能去理解模型的能力边界的话，你就很难去把它和用户需求连接起来。

简单的说，目前的产品都很薄，基本靠模型本身来输出，那这会产品经理必须要非常清楚模型能输出什么！

所以再往后，Hidecloude又做了进一步的展开：

关于产品经理应该怎么学 AI 的，核心就两个点：坚持读 paper 和自己多动手。

那应该怎么读呢？

我会把 paper 分成两大类。一类是范式型创新，另一类是雕花型创新。雕花型的我一般就快读，只看其中的亮点，看它在雕什么花，通过什么方法、提升了什么点，范式型创新我都是会细读的。我现在一天基本上读两三篇左右。

读 paper 还有一个好处，它真的能帮你在产品设计和技术改造上带来直接的收益。

还有被不少人交口称赞的一句话是这样的：

AI 行业还是太早期了，你做一点微小的工作，都能给你带来非常大的回报，ROI 很高的

整体看下来，在他讨论的框架内，逻辑是非常清晰的！推理链路如下：

我们注意这个逻辑框架，因为一旦陷入一个具体的框架，往往很难脱离出来，我们从宏观层面来理解，会发现有不少问题需要进行探讨：

02 这一理论存在哪些问题？

第一. 现在的产品并不都是Model as a Product

根据观点1内的描述，如果产品本身强依赖于模型能力，没有其他的体验，那就是典型的Model as a Product。

比如海外很火的ChatGPT，国内的Kimi Chat，都是典型的模型即产品，但这就是全部了么？

其实不是，我们可以详细看看目前的产品类型：

有三种类型：

第一种，AI-by side，即 AI 技术在产品中是一个可选项，产品核心价值不受 AI 技术影响。

典型的是Microsoft 365 Copilot，AI作为插件，嵌入到原有的产品体系内。但我们都很清楚，即使没有AI，Microsoft 365一样是可用的。

第二种，AI-inside，即 AI 技术在产品中是一个核心组件，离开这个组件，产品的核心价值将受到显著影响。

比如我们上一篇文章写的Arc浏览器，AI能力的融入，让Arc浏览器完成了颠覆式的飞跃，特别是移动端让他们有重构的勇气，AI的出现，甚至让其母公司TheBrowserCompany宣布进入第二幕~ 

Arc浏览器的AI功能被称之为Arc Max，夺得了ProductHunt的年度产品亚军。

第三种，AI-Based，即 AI 技术是产品成立的基础，如果没有相关 AI 技术，就不会有这个产品。

比如最近很火的Suno，完全是基于AI生成的音乐，没有AI，完全谈不上Suno的意义了。

除此之外，Hidecloud所在的光年之外推出的首款AI绘画产品Dodoboo，也是完全基于AI技术的产品，同属于AI-Based类型：

（原谅我小学生的画画水平-，-）

用这三层来划分AI产品后，我们会发现，不全是“模型即产品”，模型即产品更多指的是AI-Based类型的产品，或者说，模型即产品是一种定义，这种定义并没有能很好的框柱和LLM相关的所有产品。

这导致了Hidecloud说的“我自己对现在产品的定义是 model as a product”不准确！

这是Super黄基于主观理解，使用产品含AI量做的粗浅划分。

这样下一个问题也就 随之出现：

第二. 对于模型，产品经理需要深度理解

这个说法是有个前提条件的：产品的设计强依赖于模型能力。

但从上一小节我们知道，只是一部分情况符合这个前提条件！

我们拿Dodoboo举例，SD里的ControlNet实现了图像控制生成+LCM实现了毫秒级线框图生图。接下来就可以拿着这一武器找钉子，于是我们看到了针对孩子设计的产品思路。

但还有另外一个逻辑，产品源于需求洞察。

拿AI手机举例，智能手机是典型的即使没有AI，也可以用的很好的品类，现在包括苹果三星都在寻找往里添加AI功能。我会发现，其实基于用户的使用行为去寻找好的场景更为重要，比如Vivo做了朋友圈文案配图、三星做了即圈即搜、Oppo做了路人消除。

这些能力都不是什么难题，难得是找到好的场景，用来作为营销卖点，or用户长期使用的高价值feature。

是不是？

这源于移动互联网后半段一个成熟的产品方法论：洞察行业or用户的好问题，从而设计出好的产品作为解决方案提供出来。

综上所述，总共有两种产品解决思路：

1. 技术创新—>用户场景探索—>产品设计
2. 用户/行业需求—>技术方案探索—>产品设计

大体感受是这样的：

哪个难度更大呢？这是一个有意思的问题。

我们看Hidecloud的观点，这段话很有意思：

AI 行业还是太早期了，你做一点微小的工作，都能给你带来非常大的回报，ROI 很高的。

确实是AI红利期，如果能找到一些新技术组合出的新产品特性，是有较大可能吃到一波红利的。但可惜的是目前Dodoboo的产品并没有让我们看到这一点的直接证明：

在美区榜单上，仅在4月10、11日在图形和设计免费榜上，其他时候暂未上榜：

同时，在Hidecloud的即刻下面，我们也发现了同类产品的设计：

 也意味着很重要的一点：类似的基于开源能力的产品创新，Copy的成本是极低的（不管是Copy还是被Copy），这也导致了有几个限制条件：

第一. 做出海，海外的监管松，用户付费意愿更强 

第二. 持续做多个产品创新，多轮驱动，看哪个能跑出来

这也导致了下一个问题：

第三. 一定要多刷paper么？

多刷paper，是更容易接触到新的技术创新，丰富了你的武器库，只要组合的好，又能很快的拼装出新的产品。

但也会带来这么一个循环：

这是一种吃红利的“套利玩法”

类似的还有一种，海外AI产品的流量玩法：

我们把这两张图放在一起，会发现有某种相似性，都是冲着某种套利，快速推出很薄的产品，从而尝试吃到红利。似乎这并不是一种“长期主义”，更加偏流量驱动的产品逻辑，当然，也是有可能在上面长出长期的产品出来的，只是给我们的感觉是更加偏流量。

除了这些明确的观点外，也要看看Hidecloud个人的一些背景情况：

第四. 组织结构带来的时间投入度

我们知道，去年2月王慧文成立了光年之外科技有限公司，6月份美团全资收购光年之外100%的股权，收购完成后，王慧文完全退出。

据小道消息，光年之外目前仅十几人，没有KPI，和美团WOW产品线完全没有关联，更多是自行做大量的行业跟踪和产品研发。儿童AI绘画应用DoDoboo是他们首款推出的产品，在海外上线。

也就是说，光年之外的小团队相对的自由，可以在相对无压力的情况下充分的做研究学习，并相对自由的进行产品开发。

这种环境通常在创业公司、其他大厂不可能存在，光年之外的整体形势非常特殊。

要知道，在其他团队PM没有实际产出就有被干掉的风险，我一个朋友每周有很大的压力，因为周一早需要给老板提出非常明确的新想法。这种前提条件下，很难允许PM有富裕的时间精力去做刷论文、动手实验的空间！

第五. 很多好产品idea并不是来源于论文

周末组织的一场线下交流，发现几位创始人普遍是从用户视角出发：

会读：我需要阅读总结–>大模型能做—>做测试，调Prompt，做产品设计

6pen：玩disco diffusion–>很好玩–>开发了自己的模型–>顺带做成一个产品吧

MidReal：我喜欢小说–>用大模型写小说–>自己用Discord来推广产品吧

（欢迎创业者和AI PM加我vx：lookforward，后面会持续在北京、上海等地组织闭门会）

这几个产品都是由于技术出现了范式创新，带来的用户体验突变，从而带来了“新产品可能”。这些产品都获得了投资or并购，从另外一个层面来说，也证明了这类产品的范式是局部被验证的。

其中王登科说的一段话我特别特别感同身受：

很多时候我觉得作为PM或者创业者，你要花很多时间去自己思考想要做什么东西。

重要的东西（指论文）你总会看到他，不用着急那几天！

王登科是面包多、哄哄模拟器、6Pen产品背后的创造者，自己也喜欢开发App，绝对是产品-技术结合的典范了。他这段话背后说的是什么呢？

需求源于不管是直觉or洞察，花更多精力思考它寻找它是更重要的，至于最新的论文，真的不重要，重要的论文，总会到你面前的。

这些创业者，不是通过刷论文获得的洞察，更多还是在自己动手，结合自己的需求，综合下来判断，产品的思路出来了！

或者我们需要说，适当的刷论文是可以的，这增加了武器库，但武器库的使用，是需要基于对于战场的多种复杂情况的把握下才能掏出来的，这是洞察，是需要日复一日对于用户/行业的理解积累才能够达到的水准。

这一点其实Hidecloud在评论区也做了表达：

懂技术的同时，更懂用户！只是可惜一个点赞都没有-，-。

第六. 有没有必要追论文呢？

MidReal的陈锴杰是这么说的，我觉得代表了一种思想：

我虽然会看论文，但大部分看得很浅，只是找找灵感，只有经过时间检验的才会认真看

比如 DiT 那篇，其实去年很早我就翻过，但 Sora 出来之前，很难有人能预见到那是一篇多重要的工作，所以也是 Sora 之后才认真重读的

反而是这些浪潮筛选过的论文，对我们深耕技术的团队来说，会更重要 

 (MidReal官网)

抓住最重要的论文，然后动手，更关键！锴杰是典型的技术型人才，早在2018年，他就与来自MIT的伙伴们筹建了一个AI研究小组，讨论AI前沿技术，并陆续吸纳了来自剑桥、普林斯顿、Google Brain、Amazon AI等机构的研究成员，还曾用GPT-3搭建过一个“斯坦福小镇”，所以他的观点绝对值得琢磨。

Hidecloud对于产品经理如何学AI，也是这么说的：

关于产品经理应该怎么学 AI 的，核心就两个点：坚持读 paper 和自己多动手。

不管是表达方式，还是大家的理解，导致大家更关心坚持读paper，忽略了多动手！

王登科：

相对看论文，我觉得对PM来讲上手更重要一点。

比如说很多模型在在huggingface上面，你自己可以去跑一跑，测一测，就真正的去用一用。

相信经过上面的分析，大家只需要精读重要的论文，再多动手，就可以完成对大模型的边界理解，停止焦虑，专注于思考寻找好的产品解决方案！

即刻@麻雀先生 说的很好，大家可以阅读一下：

近期42章经采访张涛的播客传播很广，我昨天在候车厅也反复听了两遍。

关于产品经理如何学AI他提了一些建议：比如理解AI技术原理，尝试运行模型、构建简单的实验进行实际动手实践，阅读学术论文来获取第一手信息和知识，重视运营和渠道等，这几点都非常有帮助。

但，对于大部分的产品经理来说，个人建议：

1，光年之外当下做的dodoboo在AI绘画方向创新性很有意义。但大部分企业在做的更偏向于知识问答、AI助手的角色，这类的已有标杆性的产品出现，比如ChatGPT、豆包、replika等，先做到同样或接近的产品水平，在此基础上再进行创新，是比较稳健的策略。

2，把时间多放在市场调研和用户体验上，别太深入技术细节，技术层面交给CTO或者技术负责人。当然自己有时间，多了解一些也可以更好地理解用户需求和去趋势，但不是最重要的。

3，关于用户体验，除模型外，产品的交互设计、TTS（语气、语速、口吻、情绪表达）、页面呈现方式等等都非常重要，也是影响用户体验的重要因素，尽量多花时间在这些上。

4，有新的AI产品上线，尽量第一时间去体验，通过直观的操作比阅读理论性的知识更有效；

以上。

构成好的产品要素很多，并不全是新的论文背后带来的技术，以及，新论文往往说是SOTA，但也很多藏了东西，或者只是在限定条件下的SOTA，如果PM研读+动手，往往需要消耗大量的时间精力，这就涉及到了PM如何分配工作时间的问题，需要仔细地琢磨，基于你的情况做好平衡。

03 AI时代的变与不变

AI产品经理笼统的说分为两大类，一类是模型产品经理，一类是用户产品经理，模型产品经理专注于让模型的能力更优，用户产品经理专注于打造用户喜爱的C端产品。

对于后者，PM的核心职责是打造符合市场用户需求的产品，这需要深入了解用户需求、市场趋势和商业模式，而不仅仅是技术细节。过多关注论文可能会使产品经理忽视商业层面的重要性。

Hidecloud强调了阅读论文的重要性，但实际操作和市场洞察同样关键。产品成功与否取决于市场反馈和用户体验，而不仅仅是技术创新。

这是不变的部分，变化的部分，则是AI实现了技术平权，GPT4甚至能辅助我们进行代码实现，现在你也能写出一个爬虫。同时，AI的技术也日新月异，似乎每时每刻都在发生变化，只不过抛开繁华，重要的变化也不多，你无需太过担心错过。

我们在AI产品陪伴群里，有位在初创公司做产品合伙人的朋友对于要不要刷论文是这么说的：

1. 看公司，小团队没有算法大牛，或算法大牛没时间，那 pm 适当看看。大公司一堆算法/产品，或者大模型公司那就不用看

2. 看生态位，如果是大平台，用户基数大，可以看看，很多论文都是一两个有意思的小玩法，搞个小功能挺有意思。但如果是做垂类细分的，非相关论文，没啥必要

3. 看最佳实践，踩坑经验分享，比较直接，现在论文太多水货了，各种限制条件下的 sota，感觉意义不大

某个大厂多模态产品负责人则如此回应：

哈哈哈说简单点，对于9成以上的AI PM都没有看的必要

这两段话也反应出了很多东西。

最后，给点建议，别因为单个人的观点，陷入盲目的恐慌焦虑，开始天天找论文去刷，其实哪有那么多重要的论文值得看，每周有个2-3篇不错了，如果你还是恐慌，建议用一些提示词快速辅助阅读论文，下面这个或许适合你：

论文解析，我希望你总结与阅读的论文链接：xxx.xx

请按照下面的逻辑去分析：

你是一个AI资深的技术专家，擅长于解读论文，然后用通俗易懂的语言描述，用于帮助我论文阅读并进行必要的思考，当我给你发送一段内容或一个链接时，你按照下面的步骤逐步执行：

第一步，用200字描述这篇论文的核心亮点
第二步，提炼论文多个重要的结论；同时对于每个结论，你需要理解作者是用哪些事实与逻辑推演形成这些观点的，进行简要总结。第三步，描述论文可以应用的具体场景是什么？

你对于AI PM是否应该刷论文怎么看的？欢迎评论！一起交流学习

参考

一个顶级 AI 产品经理的自我修养 | 42章经 

AI-Native 的大产品时代

即刻@麻雀先生

https://web.okjike.com/originalPost/661394386d9f190631a328fa

日常我的输出收敛在此群，有需求的欢迎扫码购买入群：