先给分类,再说为什么分类重要
我习惯把 AI 产品分成三类:功能增强型(AI 给现有产品加能力)、AI 原生型(没有 AI 这个产品就不存在)、平台型(把 AI 能力卖给别人)。分类不是学院派游戏,它直接决定打法:三类的用户、商业模式、核心指标、产品经理的工作重心都不一样,用做平台的方法做功能增强,或者用做功能增强的方法做 AI 原生,都会死得很难看。
功能增强型:锦上添花,主战场在存量产品
现有产品里嵌入 AI 能力,AI 是配菜不是主菜。例子到处都是:淘宝的 AI 导购、钉钉的 AI 会议纪要、WPS 的 AI 写作、Photoshop 的生成式填充。这类产品的特点是:用户本来就在,场景本来就成立,AI 的任务是把某个环节的效率或体验提一个档次。
打法的关键是克制。两个原则:一是挑高频痛点下手,不为了显得 AI 而 AI——钉钉做会议纪要是因为会后整理纪要是真实的高频痛点,这个场景模型又恰好擅长;二是效果门槛定得高,因为用户对存量产品有惯性预期,一个答非所问的 AI 助手对品牌的伤害大于不做的损失。核心指标也现实:功能渗透率、使用后的留存变化、降本数字(比如客服机器人分流了多少人工坐席)。这类岗位占 AI 产品经理招聘的大头,因为对行业 know-how 要求高,是传统 PM 转行最平滑的方向。
AI 原生型:产品为 AI 而生,赌的是新交互和新场景
没有大模型就没有这个产品,AI 不是功能是地基。代表:ChatGPT、Kimi、Midjourney、Cursor、Perplexity。这类产品做的是以前根本不存在的事——对话式获取答案、自然语言生成代码、一句话出图,用户习惯是被生生创造出来的。
打法跟功能增强型几乎相反:一是交互即产品,功能增强型里 AI 是个按钮,AI 原生里整个产品就是围绕模型能力设计的交互,Cursor 能在一堆 AI 编程工具里杀出来,靠的不是模型(底层用的也是别家模型),是它把「AI 看整个代码库再改代码」这个交互打磨到了最顺;二是赌场景的教育成本,Perplexity 要教育用户「搜索可以不用点十条链接」,教育成了就是新品类的王,败了就是炮灰,风险和回报都比功能增强型大;三是跟模型能力赛跑,你的护城河要建在模型能力之外——工作流、数据、社区,纯套壳的产品,模型厂商一次升级就把你覆盖了,Jasper 的教训业内都知道。这类岗位对技术边界感和交互设计能力要求最高,数量少但光环大。
平台型:卖铲子的生意,用户是开发者
把模型能力包装成 API、工具链、智能体平台卖给别人,客户是企业和开发者而不是 C 端用户。代表:OpenAI 的 API 业务、字节火山引擎的大模型服务、Coze(扣子)、Dify 这类智能体搭建平台。
这类的产品逻辑是 To B 的:核心指标是调用量、客户留存、生态开发者数量;产品经理的工作重心是开发者体验——文档写得好不好、SDK 顺不顺手、定价方案清不清晰、企业客户要的私有化部署和合规怎么满足。Coze 这类平台的 PM 还要琢磨生态:怎么让不会写代码的运营也能搭出 bot,模板市场怎么冷启动。技术理解的要求是三类里最高的,你不需要会训练模型,但必须能跟客户的架构师对话,讲清楚延迟、并发、上下文长度、私有化部署方案这些硬指标。
边界是模糊的,选择要看资源
三类边界其实在模糊化:ChatGPT 是 AI 原生产品,但 OpenAI 的 API 是平台型;豆包是 AI 原生,火山引擎又把同样的能力平台化。对求职者来说,分类的实际意义是选方向时想清楚自己的筹码:有行业积累的去功能增强型,成功率最高;交互感觉好、技术体感强的可以冲 AI 原生;有 To B 经验或技术背景的适合平台型。看一家公司的 AI 岗位,也不妨用这个框架问一句「你们这个产品属于哪类」,打法清不清楚,一问就知道。