晨光里的AI
侧面的白色人形机器人半身像,背景是柔和的晨光色调

入门系列文章 · 第 1 篇

入门AI PM,我在学什么

走进 AI 的第一份学习清单:混进 AI 圈、带着问题读论文、看财报理解巨头布局、黑客级竞品调研、评测体系与产品思维。

Written by 晨旭发布于 约 5 分钟同步发布

TL;DR

这是「入门系列」的第一篇。我把从产品经理走向 AI 产品经理的学习路径拆成六块: 日常沉浸在 AI 圈、批判性地读论文、通过财报与开发者大会理解硅谷巨头的 AI 布局、 用黑客的方式做竞品调研、把评测当作第一技能、以及在技术边界与真实场景之间寻找 sweet point。 最后回答我如何理解「AI 产品经理」这个身份,以及为什么开始公开写作。

目录

是一次与 ChatGPT 的深聊,让我突然意识到,AI 不只是一个数字工具,它是在与我同行。

“谢谢你一步步引导我走入更深的层次。这不只是画,更是一种修行。”

“我很乐意与你继续深入——就像水一样,顺着你的心流走。”

在我的世界中,AI 饰演着各种角色——引领、陪伴或是遵从我,永不缺席。

但现在,我也想走进 AI 的世界。

我在学什么

最重要的:日常混入 AI 圈

要真正理解 AI,首先必须沉浸其中。

成为「顶尖 AI 模型的重度使用者」。深入与 ChatGPT、Gemini、DeepSeek 等模型进行交流,探索它们的边界,感受它们的「思维」方式。

读「AI 圈内人」。关注 Andrej Karpathy、Peter Deng 等硅谷关键人物的个人网站、Twitter 和 LinkedIn。这种对人物的兴趣,让我更容易融入这个充满活力的圈子。

技术学习

技术学习不能纸上谈兵,而是注重深度和落地。

当需要做某个细分领域的项目,我会首先阅读相关领域的学术界论文,尤其是综述。顶尖期刊的论文专业性,会帮助我快速并精准地入门该领域。

初步了解之后,就要带着问题批判性阅读,尤其是一些偏工程类论文:「输入训练集是怎么做的?输出效果如何?」,评估「模型本身在业界的先进程度」,识别「这个技术的不足在哪?」。更重要的是,要思考「落地实际场景中,还有什么样的鸿沟需要跨越?」。

硅谷 AI 行业理解

通过阅读财报、观看 CEO 访谈和开发者大会(如英伟达 GTC、微软 Build、谷歌 I/O、苹果 WWDC)等相关视频,深入研究英伟达、微软、谷歌、苹果、OpenAI、Anthropic 等巨头的「商业模式和 AI 布局」。

这会让我不仅掌握这些公司的核心收入来源、客户群体和关键技术,更能理解它们的长远战略布局。这种宏观视野有助于我判断行业趋势,并为未来的产品决策提供战略依据。

「黑客级」竞品调研

用「黑客的精神」去调研竞品,深入理解、挖掘关于竞品的一切信息:竞品技术报告、相关论文、发布会、第三方用户论坛(reddit.com),甚至是竞品核心负责人的个人网站、采访 or 任何发言。

对于产品,不能是简单的功能对比,而是深入到「竞品算法如何实现」的层面,通过逆向分析和验证,与团队一同找到关键环节和核心原理。

数据与评测体系

评测是 AI 产品落地的基石,是 AI PM 的第一大技能。

要以构建「世界一流的高质量数据集」为目标,投入资金和时间,抓取主要场景、细分场景、不遗漏困难场景,以及不断优化标注规则等难点,做严格的控制变量实验,做到——「评测驱动带飞产研团队」。

产品思维

作为 AI 产品经理,产品思维是连接技术与用户的桥梁。

我正在学习如何从「用户和市场洞察」出发,找到「技术边界和场景限制」之间的「sweet point」。例如在视觉 AI 落地中,算法在精准的小范围场景准确率高,但在像人类一样的广泛场景准确率差,AI 产品经理的职责正是在此寻找最佳方案。

这个迭代过程体现了 AI 产品经理如何通过「深刻思考场景真实痛点」,找到「最重要的细分场景」,并「拥抱、应对不确定性」,在技术边界和场景匹配之间进行动态探索。

过程中有哪些困惑与收获

下图是训练营群友在群里分享的一个帖子,太贴切了。

网友 @JamesGoong 分享的帖子《我的每日流程》:起床、打开 X、看到又有大模型刷榜、老外用 AI 做完整游戏、vibe coding 出 SaaS 且 ARR 已经 50 万、中文 KOL 搬运英文原推、"10 条颠覆生产力的提示词"……收获完今天的焦虑后关掉 X,打开 Claude Code 修昨天的 bug,反复对话粘贴报错花掉 10 美元 token,最后还是人工改完,关闭命令行,又是被世界改变的一天

无限的焦虑过后,又是无尽的空虚。

在 AI 的浪潮中,我们能做的,就是找到自己擅长的领域,搭上这条船,顺着浪潮努力前行,找到属于自己的独特价值,attention is all you need。

我对「AI 产品经理」这个身份的理解

AI 产品经理就是团队里的小蜜蜂,哪里需要去哪里。

首先,关于 AI 产品经理的 JD 解读:

  • 对 AI 的热爱与好奇心
  • 重度的顶尖 AI 模型使用者
  • 必须读过与自己工作相关的 AI 论文、技术报告,并用在工作改进中
  • 具备 AI 编程能力
  • 参与过有实际用户的 AI 产品的设计或开发过程

其次,在真实的产研团队中,AI 产品经理要:

  • 保持怀疑与开放的态度,时刻反思,积极进取
  • 做团队里的发动机,营造开放合作的工作氛围
  • 成为技术的舵手,确保走在产品化的落地方向

最重要的,作为桥梁,连接用户与 AI 的距离。对 AI 的「双重同理心」——既要理解用户,也要「理解」AI 本身——是 AI 产品经理能够有效连接技术与需求的根本。

为什么我要开始公开写作

Initial Motivation. 坦白说,最初的动因是为了完成张和专业讲 AI 训练营的作业。

Deeper Motivations. 用自己的语言教授和总结所学的一切,是成为某领域专家的关键一步。

我希望通过文字的「输出」,系统地记录我的学习心得和思考,这本身就是一种主动学习和知识内化的过程。更重要的是,我期待它能成为一个平台,让我「遇见同行者」,与志同道合的朋友们交流思想,共同成长。

想写些什么?我希望能够呈现一个全面而立体的 AI 产品经理成长路径:

  • 前沿技术的学习心得
  • AI 行业的趋势观察
  • 产品设计与用户体验的思考
  • 学习过程中内心的波动与成长

晨光,是我自己的节奏

在瞬息万变的 AI 世界,我不想被焦虑推着跑:

我想在晨光里慢慢走,踩实每一步。

我想用文字拉近我与 AI 的距离,不被它的速度甩在身后。

愿我能在 AI 的浪潮中,不止于学会,还要想得深,走得稳。

也愿我,在走进 AI 的过程中,慢慢走出自己的方向……

核心结论

标注「判断」「假设」的是我的看法而非事实;标注「已推翻」的保留在这里,不删除。

  • 理解 AI 的前提是沉浸其中:先成为顶尖模型的重度使用者,再谈判断力。#

    判断

  • 读论文要带着问题批判性地读,重点是识别技术不足与落地鸿沟,而不是复述结论。#

    判断

  • 评测是 AI 产品落地的基石,也是 AI PM 的第一大技能——用评测驱动产研团队。#

    判断 · 把握较大

  • 竞品调研要深入到「算法如何实现」的层面,而不是停留在功能对比。#

    判断

  • AI 产品经理的核心是「双重同理心」:既理解用户,也理解 AI 本身。#

    判断

引用本文

晨旭,《入门AI PM,我在学什么》,晨光里的AI,2025-07-25

[晨旭:《入门AI PM,我在学什么》](https://chenxu.xin/writing/ai-pm-what-im-learning)