# 入门AI PM，我在学什么 > 作者：晨旭｜发布：2025-07-25｜系列：入门系列文章 > 来源：https://chenxu.xin/writing/ai-pm-what-im-learning > 首发：首发于公众号，原文 https://mp.weixin.qq.com/s/lQSMR4d6EdHlbgeWQLnAhg；此页为作者本人维护的存档 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。 --- 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](./_images/ai-pm-what-im-learning/daily-routine-post.png) 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 - 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） 永久链接：https://chenxu.xin/writing/ai-pm-what-im-learning#immersion-before-judgment - 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） 永久链接：https://chenxu.xin/writing/ai-pm-what-im-learning#read-papers-with-questions - 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） 永久链接：https://chenxu.xin/writing/ai-pm-what-im-learning#evaluation-is-the-first-skill - 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） 永久链接：https://chenxu.xin/writing/ai-pm-what-im-learning#competitive-research-goes-to-algorithms - 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） 永久链接：https://chenxu.xin/writing/ai-pm-what-im-learning#dual-empathy --- 本文出自晨光里的AI（https://chenxu.xin），作者晨旭。 引用时请保留来源链接。文中标注「判断」「假设」的部分是作者的个人看法，不是事实。