先看供需：岗位在增加，但门槛逻辑变了
AI PM 的招聘需求这两年确实在涨，但结构变化比总量重要。2023 年市场抢的是「懂大模型是怎么回事」的人，会写提示词、用过 API 就能加分；到 2026 年，这些已经是默认项，跟十年前「会用 SQL」一样不构成竞争力。现在 JD 里出现频率最高的词是「评测体系」「数据闭环」「场景落地」——企业要的是能把 AI 能力变成稳定产品的人。我的判断是：未来三年 AI PM 会分化成两层，一层是「AI 功能的产品经理」（给现有产品加 AI 能力），量大但可替代；另一层是「AI 原生产品的产品经理」（从能力边界出发设计产品），量少但定价权高。选方向时要想清楚自己往哪层走。
机会方向一：垂直行业的 AI 落地
最确定的机会在「AI + 具体行业」的交叉点。医疗、金融、法律、制造、教育这些行业，需求真实、预算真实，但懂行业的人不懂 AI、懂 AI 的人不懂行业，两头通吃的 PM 严重稀缺。这类岗位的特点是：起薪可能不如大厂 AI 部门，但壁垒随从业年限线性加深，35 岁焦虑在这些行业明显更轻——行业 know-how 是时间的朋友。选行业的标准是前面反复说的那条：这个行业的 AI 投入能不能算清 ROI，能算清的行业（电商、客服、营销）迭代快，算不清但监管刚性的行业（医疗、金融）壁垒深，各有各的活法。
机会方向二：Agent 的「最后一公里」
Agent 平台会越来越强，但平台解决不了的事正是 PM 的机会：把行业流程拆成 Agent 能执行的任务、设计人机协作的交接点、搭评测集定义「做得好」的标准、控制单次任务的成本。这套能力有个说法叫「给数字员工当主管」，我觉得很准确。未来企业里会出现大量「Agent 运营/落地 PM」的岗位，介于产品经理、解决方案、交付之间，不一定坐在大厂，很多在乙方和行业头部公司内部。这是非技术背景 PM 进入 AI 领域最现实的入口，因为它考的核心是业务流程理解，不是模型原理。
机会方向三：AI 产品的评估和治理
这是个被低估的方向。模型能力越强，「怎么知道它做得好不好」就越值钱。搭评测集、设计评估指标、做红队测试、管内容安全和合规——这些工作在两年前几乎没有专职岗位，现在大厂和 AI 公司都在招。它不像做功能那样有光鲜的 PRD 可讲，但它是 AI 产品能不能上线的闸门。而且从职业安全角度看，评估和治理是离「责任」最近的位置，公司可以换掉做功能的 PM，很难换掉懂自家评估体系的 PM。
能力建设：三件事，按优先级排
第一，建立「手感」：深度使用主流 AI 产品，不是浅尝辄止，是用到翻车为止。知道模型在哪类任务上靠得住、在哪类上会一本正经地胡说，这种手感决定了你设计功能时的边界感。第二，学会算账：任何 AI 功能都能拆成「单次调用成本 × 调用频次 vs 替代的人力成本或带来的收入」，实际工作里，能当场算这笔账的 PM 百里挑一。第三，懂一点技术的底：不用会训练模型，但要知道 RAG、微调、Agent 各自解决什么问题、成本和局限在哪，能跟算法工程师用同一套语言讨论方案。技术深度决定你在方案评审时是被说服还是参与决策。
不该追的机会
也说说什么别追。别追「提示词工程师」这类单点技能岗位，它在被工具和模型进步快速吃掉；别去没有数据、没有场景、只有融资故事的 AI 公司，PM 在这种地方学不到真东西；别指望「All in AI 赛道」本身带来溢价——两年后所有 PM 都是 AI PM，就像今天所有 PM 都是移动互联网 PM，标签不值钱，判断力值钱。