在大模型技术日新月异的背景下，市场上如雨后春笋般涌现出众多大模型产品相关职位。对于那些有志投身AI领域的产品经理而言，应当提前进行哪些方面的储备呢？这篇文章系统梳理了进入AI行业必须掌握的关键要点，涵盖市场分析、产品基本逻辑等核心内容，值得一探究竟。
自去年11月以来，AI大模型的热度持续攀升，无论是科技巨头还是新兴创业公司，都在积极推进AI技术的产品化布局，加速应用落地与规模化部署。随着行业版图不断扩张，市场对大模型相关产品岗位的需求也呈现出爆发式增长。对于正考虑投身这一领域的产品经理来说，应当从哪些方面提前做好能力储备与知识铺垫呢？
一、市场摸底调研：市面主要提供AI服务都有哪些大类？
挑选AI大模型的职位，本质上就是在进行职业生涯的规划。通过调查网络上现有公司所提供的AI能力，可以更清晰地定位自己的兴趣所在，并依据后续的发展蓝图，选择最匹配的岗位方向。根据产品服务的类型，市场上AI提供的品类主要有
对话生成式：基于深度学习模型，如循环神经网络（RNN）或变种，如长短时记忆网络（LSTM）和注意力机制。这些模型通过学习大量的对话数据，可以捕捉到语言的上下文和语义信息，并生成符合语法和语义规则的自然语言回复。这类产品在市面上比较多也相对成熟，比如大家熟知的openai、文心一言、glow等。
AI绘图：利用人工智能技术进行绘图和创作的过程。通过训练深度学习模型，计算机可以学习并模仿艺术家的绘画风格、创作技巧和审美特点，从而生成具有艺术性的图像和绘画作品。在应用这套技术的，比如抖音产品的特效、百度文心一言绘图功能。
虚拟助手和智能客服：利用自然语言处理和对话生成技术，可以与用户进行语音或文本交互，提供信息查询、任务执行、问题解答等服务。这类产品通常服务于2B比较多，日常在美团app里面的小美智能满足用户非结构化的找店需求。
陪伴类的产品市面上会有一些根据人脸做面向分析，也有一些心理咨询行业在用的咨询感情陪伴类产品，底层都是基于用户在数据中的表现去匹配相应的情感支持。
二、这么多品类AI产品，它们底层逻辑是如何实现的？
当前市场上存在的大模型产品，其核心运作很大程度上仰仗于底层基础模型所具备的数据处理本领。在从基础层面向实际应用层面推进的过程中，数据的演变轨迹呈现出从非智能的基础数据逐步转向富有意图的智能形态。
1. 基层模型能力
按产品所需能力建设所需的自研数据，这里面可能包括特定的图像表达、语音表达、视频表达、情绪感知等多种类型的数据服务能力。
其次是基于战略合作的特色数据源，本图中给出的数据合作产品ChatGLM-6B是开源的双语对话模型，含 62 亿参数，可处理对话聊天、智能问答等多种自然语言任务，支持在单张消费级显卡上推理使用，提供服务方是面向企业的2B类公司。
开放接口，众所周知，来自OpenAI跟微软Azure提供的智能化语义理解与智能办公的数据处理能力。
开源模型主要分为NLP工具包、元学习开源库等资源信息，按照产品本身的的需求能力可以自己接入。
再往上走就是基于目标服务的能力如何保证数据的高效调用，一般会从部署能力、推理优化、量化压缩几个象限去建构调用的资源，实现减少存储数据的压力，提升查询速度，缩短问题被解答的思考时间，建构自适应学习能力提高问题解答满意度等目标。
最外层的输出，就是基于上述数据的安全合规，一般分为两个视角，数据使用的安全监控能力、内容存储的合规合法能力。关于数据隐私方面的内容未来会基于特定场景再做详述。
2. 应用框架层
顾名思义，为了满足应用层的调取高效实现转换、理解、查询、调用、输出的架构层。
从上述架构图中不难发现，工具管理主要负责服务模型、Prompt、存储、知识图谱等模块的存储与调用。
构建组合系统旨在协调多个模型或组件，共同完成更为强大的综合能力。这种集成方式既可采用串行连接——前序模型的输出成果直接馈送给后续环节；也可采取并行架构——多个模型齐头并进，各自处理不同的输入数据。通过将各类模型或组件进行巧妙整合，能够打造出更为精密的复合型功能，例如将语音识别与语义理解有机融合，或是让图像分类同目标检测协同工作。这种组合模式完全可以根据实际需求和应用场景进行灵活定制与优化，从而达成更卓越的性能表现与实施效果。
编排决策旨在高效地执行复杂任务。举例来说，一个语音识别应用往往整合了语音前端处理、语音识别模型和语义理解模型等多种组件。编排工作便是依照特定顺序和逻辑链条将这些组件串联起来，从而达成整体功能。除了处理内容体裁的读取，编排还涉及模型调用的先后顺序、输入输出的流转、以及数据的加工与转换。它还必须周全考虑组件间的依赖关联、数据流的有效管控和错误处理机制等关键方面。
编排技术在AI基层模型能力中扮演着关键角色，它能够协助开发者有效整合与调度纷繁复杂的模型和组件，从而打造出更为高效、灵活的AI应用。此外，编排还能赋予系统更出色的可扩展性与可维护性，确保AI模型能力能够游刃有余地应对各类场景与需求。
以上的干货信息，对于想要入行的PM来说面试基本上已经足够。
3. 产品应用层
市面上备受瞩目的各类产品，我们在此不做详尽列举。之所以特别提出来，是希望大家能够结合日常工作积累的经验，从不同产品的角度出发，审视我们的竞争优势及可能的切入点。
以客服平台为例，如何有效融合大模型以提升整体服务质量？若从事销售管理工作，怎样借助大模型优化本地销售运营？深入理解这些问题，将帮助你在应聘大模型相关岗位时明确目标、理清思路，把业务全流程的考量梳理得更系统周全。
三、如何赢得市场增长跟变现思路
回应这个问题本质是对变现模式的回应，在这里抛砖引玉举两个例子。
1. 自媒体从业人员
善用AI产品，将AI在内容生成方面的独特优势转化为实际成果，掌握制作”显眼包”话题的技巧，借助AI优化宣传文案的呈现效果，甚至可对图文内容进行精细化润色，同时借助AI工具进行社群消息管理与运营数据分析。
借用AI能力打磨账号自身的流量，获得一定影响力，持续创造营收。
- 付费订阅类产品：围绕目标群体，提供需要的资讯、动态、八卦等信息，整合输出高质量的内容社区，提供付费价值，收取订阅费用。对当前社会形势严峻的就业择业等问题提供信息资讯服务，向用户收取费用。
- 数据销售和用户调研：借助大模型能力通过收集、分析和销售用户数据，为企业提供市场调研和用户洞察。
- 借助AI能力，挖掘线上用户特征，输出用户本身所需的自我认知、潜能输出等的产品，实现平台变现通道。
