国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

最近我一直在深入研究 AI 在實際生產(chǎn)環(huán)節(jié)中提效的落地場景，過程中也發(fā)現(xiàn)了很多有趣的工具和實用玩法。前段時間，剛好收到「人人都是產(chǎn)品經(jīng)理」平臺的邀請，參加了他們在成都舉辦的線下閉門會活動，主題是《成都閉門會 | AI 驅(qū)動產(chǎn)品創(chuàng)新：從場景洞察到落地實踐》，我作為分享嘉賓，帶來了我的主題內(nèi)容《效率即創(chuàng)新：AI 時代產(chǎn)品經(jīng)理的一人成軍》。原本現(xiàn)場預(yù)計到場人數(shù)是 50 人，結(jié)果來了接近一百人。

面對這么多人的線下分享，說實話當時還是挺緊張的。

但也特別幸運，分享結(jié)束后收到了很多正向反饋，與很多小伙伴也一直聊到最后，收獲滿滿。這幾天也有不少小伙伴私信我，問有沒有回放鏈接。實話說，目前還沒有，但看到這么多人感興趣，我也在糾結(jié)要不要把這次的內(nèi)容整理出來。畢竟……這是一份 114 頁的 PPT，一場 40 分鐘的現(xiàn)場分享，一份接近 1 萬字的逐字稿。

最后還是咬咬牙決定，把這些內(nèi)容系統(tǒng)整理一下，分享給真正感興趣的朋友們。

一、AI時代產(chǎn)品經(jīng)理的一人成軍

分享一個很有意思的數(shù)據(jù)，來自麥肯錫的《工作新未來報告》

報告顯示，到2030年，五年后，全球30%的工作內(nèi)容將被自動化替代。

注意，這不是崗位消失，而是工作方式的重構(gòu)。

我們再看前程無憂的報告，

更殘酷的現(xiàn)實是什么呢？

行政崗的AI文字處理率已達72.35%，他們的替代焦慮也沖到了70%。

意味著每十個行政人中，七個在用AI提升效率，同時七個在害怕被AI干掉。

更可怕的是，企業(yè)間的AI差距逐漸拉大，51%的職場人只能自學求生，3分之1還沒有開始了解AI。

這意味著什么？

意味著當大多數(shù)人在苦哈哈的加班工作時，別人已經(jīng)在體系化的用AI來提效了。

我們看一下市面上的這些AI應(yīng)用。

• AI寫作類、AI圖像類的Stable Diffusion、MJ…
• AI辦公類：AIPPT.
• AI設(shè)計類：AI Figjam、墨刀AI..
• AI對話：ChatGP、T豆包，DeepSeek
• AI編程工具，TreeMind、Cursor..

等等

目前市面上的AI應(yīng)用至少有幾千款。

這讓我想起了當年玩4399小游戲的時候，一個一個點擊去體驗一下。

其中也會發(fā)現(xiàn)很多很難用沒效果的產(chǎn)品。

現(xiàn)在的AI應(yīng)用市場像極了15年前的山寨手機，核心體驗很差，功能難用，而且冗余。

那為什么現(xiàn)在是這樣呢？

AI層出不窮，呈現(xiàn)井噴式的增長，要反思技術(shù)與產(chǎn)業(yè)的關(guān)系。

AI正處于的應(yīng)用爆發(fā)期的階段，市場那么多的工具，每天還有新玩家入場，像極了當年的百團大戰(zhàn)存活下來的美團，而存活下來的永遠不是從來不是應(yīng)用數(shù)量，而是場景重組能力。

就像PC時代留下的是office套件，手機時代沉淀下微信生態(tài)。

我現(xiàn)在使用AI的時候考慮的就是，我用了你這個產(chǎn)品，真的能給我提升效率嗎？我作為產(chǎn)品經(jīng)理，又該如何通過AI進行創(chuàng)新呢？

之前我讀湛廬閱讀的一本書《把思考作為習慣》

書中提到創(chuàng)新的三大要點是：創(chuàng)造余閑、思想流動、跨界思考。

就是創(chuàng)造空余時間，做更多的思考，我們看產(chǎn)品經(jīng)理一天都在做什么？

包括需求文檔，原型設(shè)計，做數(shù)據(jù)分析，跨部門的溝通，甚至救火等等。

創(chuàng)新不是背著KPI, 天天苦哈哈的埋頭苦干，創(chuàng)新，一定是要在百忙之中創(chuàng)造出一定的余閑。

如何創(chuàng)造余閑，本質(zhì)上是效率的問題。

我這次分享的三件事就是效率，效率還是效率。

二、AI時代，思考方式才是終極武器

思考個業(yè)務(wù)問題：

如果你在海外要做一個本地同城及時配送的業(yè)務(wù)，你要如何開始？

什么是本地同城即時配送業(yè)務(wù)？

就是美團外賣、餓了么的配送服務(wù)。

我曾做的一個本地生活行業(yè)的出海項目，通過國內(nèi)的產(chǎn)業(yè)以及國外的運營團隊，結(jié)合在澳大利亞Wodonga這個城市去落地。

這個不足5萬人口的小鎮(zhèn)，外賣市場規(guī)模甚至不及北京的一個小區(qū)。

但這樣的市場上，我們也是花了至少半年的時間才完成了市場的認證。

也用了一些產(chǎn)品方法論，比如說像波特五力法、SWOT分析，五層九維法、波特競爭三要素等等方法去驗證市場。

這些東西收集完差不多6個月過去了，業(yè)務(wù)可行性評估后，確定這個業(yè)務(wù)能做，我們主打三槍。

第一槍是競品分析。

在海外也有類似于像國內(nèi)、美團、餓了么這樣的大廠。

比如說像Menulog、UberEats, 還有DoorDash。

當年去拆Menulog的配送邏輯。

下了很多單的外賣拆解他們的APP功能,

也去訪談了一些合作的餐廳，最后整理了競品分析的數(shù)據(jù)庫。

結(jié)合了五層九維法這些去方法論去做拆解。

第二槍是合規(guī)性。

也是真金白銀的學費交在了合規(guī)性方面。

海外的勞工組織對打工人的保護是非常嚴格的，所以企業(yè)的用工成本非常高。

我們?nèi)グ菰L了很多的律所，并且訪談了很多的騎手，最后才理清像薪資結(jié)構(gòu)、保險方案、工時限制等等這些關(guān)鍵的要素。

第三槍冷啟動。

像我們國內(nèi)的主流的社交媒體是微信，在澳大利亞主要是facebook。

我們?yōu)榱苏f服第一家的合作餐廳，也找了很多的老板，最后也是聚焦到一個燒烤店的老板上，幫他們做線上，facebook的推廣。

過程中也出了很多的方案點子，甚至幫老板重做了這些像線上的菜單，規(guī)劃客單價、出餐時間等等。

做成了這一個客戶了以后，我們也去盤算了一下這個時間點。

我們從開始調(diào)研到最后業(yè)務(wù)確認能做，整整是花了六個月的時間。

再后來ChatGPT出來了，為什么我們常把2022年成為人工智能的元年呢？

因為22年現(xiàn)象級的大模型ChatGPT3.5出來了，到了2023年4.0出現(xiàn)后開始爆發(fā)。

當我第一次用GPT的時候，我就把我們之前的疑問，還有一些待調(diào)研的東西都去問了一遍。

我的第一反應(yīng)是這太酷了，那和我們采集的結(jié)果85%以上是匹配的。

雖然，85%已經(jīng)足夠驚艷了。

但在我們做市場調(diào)研的時候，我們一定去不要完全相信大模型。

那有可能15%的錯誤上導(dǎo)致你整個項目跑偏甚至直接做死。

很多時候還是要去我們?nèi)ト藶榈娜プ鲵炞C，并且還能提升你的自己的這個市場的感覺，競品的感覺，去培養(yǎng)你的產(chǎn)品感覺。

這個時候我就比較焦慮了，那ChatGPT4.0 出來了以后，我們用AI工具復(fù)現(xiàn)同樣的同樣量級的市場調(diào)研周期壓縮了接近50%。

傳統(tǒng)的產(chǎn)品路徑需要穿越【數(shù)據(jù)荒漠】，80%的時間都耗在了信息收集上。

所以此時的AI改變的不只是信息收集的方式，更是商業(yè)上的一種快速試錯、降低成本的方法。

當需求調(diào)研變成數(shù)據(jù)爬蟲的狂歡

當界面分析演化成智能體的對決，當原型設(shè)計進化為提示詞工程，那產(chǎn)品的護城河在哪里呢？

在AI時代，思考方式才是終極武器，我們要做的是思維模型加效率革命。

當年我們用的SWOT分析、波特五力、Kano模型，本質(zhì)上都是經(jīng)過驗證的思維框架。

我的行動就是，總要在面對AI的到來做點什么。

我也結(jié)合了自己的一些產(chǎn)品經(jīng)驗，輸出了我的第一門系列課程，上架到了起點學院中。

但AI發(fā)展的太迅速了，即便當時已經(jīng)用了最前沿的方式，那現(xiàn)在看來也是稍微有點過時。

比如說，課程中，國內(nèi)外大模型我分別用的智譜清言和ChatGPT4o，而現(xiàn)在國內(nèi)主流的模型是DeepSeek，所以只能持續(xù)的去輸出內(nèi)容。

在做這門課程的過程中，我一直在思考到底，現(xiàn)階段的產(chǎn)品到底要做一個什么樣的產(chǎn)品經(jīng)理呢？

我也做了了很多的驗證，從結(jié)果上來看就是做專業(yè)高效的產(chǎn)品經(jīng)理。

通過模型方法論、底層思維、邏輯思維跟框架，借助AI的能力去提升效率。

因為對于AI來說，使用者的邊界邊界，使用者的專業(yè)知識邊界決定AI效能。

再往后，時代又變了。

三、AI + 傳統(tǒng)工具

隨著業(yè)務(wù)的發(fā)展，積累的數(shù)據(jù)也越來越多。

請問在座的各位有多少人每天需要和數(shù)據(jù)報表打交道？

那我再問一個扎心的問題，又有多少人曾經(jīng)因為技術(shù)團隊排期太長，恨不得自己動手寫SQL？

分享個案例：一件小事兒促成一個系統(tǒng)。

曾經(jīng)我們做過一個業(yè)務(wù)，就是這個業(yè)務(wù)的數(shù)據(jù)很重要。

但是由于排期迭代緊急，所以報表還沒有完善。此時，業(yè)務(wù)已經(jīng)上線，業(yè)務(wù)方跟產(chǎn)品都覺得某個數(shù)據(jù)指標很重要，馬上就要。

開發(fā)跟我們說，雖然這個數(shù)據(jù)統(tǒng)計比較復(fù)雜，但是，是沒有問題的，但是排期到兩周后..

了解我的同學可能知道，我一個技術(shù)出身，做移動端開發(fā)，還是有一點技術(shù)功底的。

做技術(shù)的時候，我目標是做一個全棧開發(fā)。

到后來我了解了產(chǎn)品這個崗位了以后，我發(fā)現(xiàn)一個產(chǎn)品能不能成功，做產(chǎn)品比全棧開發(fā)重要多了。

由于技術(shù)說，排期2周，我根本等不到那么久，我默默的打開了我的Navicat（數(shù)據(jù)庫查詢工具）,花了我一天的時間，包括30分鐘構(gòu)思指標邏輯，6個小時梳理表關(guān)系，調(diào)試SQL報錯，1個小時跟技術(shù)扯皮，字段命名規(guī)范問題，最后發(fā)現(xiàn)SQL能跑，但查錯了。

那我盤點了一下我的技術(shù)棧，我的SQL的能力就僅僅局限于基礎(chǔ)的查詢：

SQL:

SELECT * FROM WOSHIPM WHERE name LIKE ‘%yyds%’

ORDER BY、

GROUP BY、

LEFT JOIN

現(xiàn)在我有什么能力加持呢？

那就是AI.

當我跟AI對話交流SQL查詢以后，我發(fā)現(xiàn)他竟然有代碼解釋的能力的。

就相當于我剛剛會乘法口訣，我現(xiàn)在就能去求導(dǎo)數(shù)了。也是在做AI的加持下，我能夠高效輸出更多的報表跟查詢。

看個報表案例：

以我們做的一個商品轉(zhuǎn)化率及分享率分布的一個查詢來說，猜一猜這么一張查詢報表開發(fā)需要多久？

如果是一個傳統(tǒng)的團隊來做一張報表，需要前端后端測試，大概3到5個工作日，一周的時間才能測試現(xiàn)在上線。

現(xiàn)在，通過AI需要多長時間呢？

6個小時。

那我們再看一下這個RFM客戶價值分析這張表，

他也是通過各種維度。

這一張表也是在傳統(tǒng)模式可能要開發(fā)個2到3天。

現(xiàn)在通過AI，可能就需要3個小時就能完成。

當然了，作為一個BI的報表系統(tǒng)，

不只是去我們?nèi)ビ肁I來提升我們產(chǎn)出查詢的效率。

更重要的其實就是我想說的，

通過AI加傳統(tǒng)的工具來提升我們的效率。

比如說報表系統(tǒng)傳統(tǒng)的工具有什么？

像Tableau、Power BI、帆軟以及衡石BI報表。

他們在核心定位、集成能力、指標平臺、部署模式、目標客戶跟定價模式上都有一些不同。

也就是基于此，我們通過AI加BI的方式，來推進了我們各個業(yè)務(wù)的BI系統(tǒng)。

包括電商、互聯(lián)網(wǎng)、醫(yī)院、財務(wù)、人資我們各個崗位各個部門的一些相關(guān)的數(shù)據(jù)統(tǒng)計。

這個意味著什么呢？

意味著曾經(jīng)需要8個小時的臟活，現(xiàn)在30分鐘就能搞定。

意味著當業(yè)務(wù)方拍桌子時，你可以微笑著回答，能不能給我一首歌的時間。

那時候我說我又焦慮了。

有的團隊用AI可以三天上一個功能；而有的團隊手動改代碼要三周。有的團隊讓AI做苦力，其他精力去發(fā)現(xiàn)一些新的idea；而有的團隊還在為系統(tǒng)報錯而抓狂。有的團隊已經(jīng)在熟練的使用智能體矩陣、Rag、甚至微調(diào)模型了；而有的團隊甚至還苦于和DeepSeek溝通時出現(xiàn)服務(wù)器繁忙。

這不是工具的差距，是石器時代跟三體文明的代溝，任何一個暴露技術(shù)代差的團隊，都會被逐漸淘汰掉。

此時，AI時代的人機共生能力，我總結(jié)為一個金字塔模型。

底層基礎(chǔ)是LLM、GPT等，大模型需要提示詞對話能力。中間層就是SQL、Markdown、Python等中間語言能力。

上層就是工具層，像Figma、Cursor、Coze、BI等工具的駕馭能力。

四、AI + 時間管理

你是否有過這樣的經(jīng)歷？

明明還有一堆事情要做，并沒有完成，內(nèi)心非常焦慮，卻無法將目光從手機上移開。

永遠覺得時間不夠用，不夠時間工作不夠，學習不夠，時間玩不夠，時間休息。

這不得不提到一個詞兒叫時間管理了。

上一次時間管理的包裹還是2020年一個姓羅的藝人的一個梗，轉(zhuǎn)眼間5年過去了。

說到時間的管理，我們反觀管理方法的演進。

像早期胡蘿卜加大棒，通過獎懲的方式來影響員工的行為跟績效。

等到20世紀中期20世紀中后期通過KPI與公司的戰(zhàn)略目標和關(guān)鍵的業(yè)務(wù)結(jié)果直接相關(guān)。

KPI是被動的目標。

到了現(xiàn)在很多比較，到現(xiàn)在很多公司通過OKR的方式來制定明確的目標，設(shè)定關(guān)鍵的結(jié)果，通過主動的方式來衡量當前的目標是否實現(xiàn)。

更多的適用于創(chuàng)新企業(yè)，還有敏捷開發(fā)的這種環(huán)境。

公司通過KPI、OKR的方式管理員工。

每個人的產(chǎn)品都是自己，每個人都要對自己負責。

所以管理的方法同樣也適用于自我管理。

OKR的本質(zhì)是目標，管理也是被忽視的計劃管理。

通過更主動的方式管理時間、精力、計劃，甚至人生。

OKR是什么：

• Objectives, 目標
• Key，關(guān)鍵過程
• Results，結(jié)果

我們要做的明確個人的目標，明確每個過程，每個目標達成的可衡量的關(guān)鍵結(jié)果。

下面我們也去看一些好玩的例子。

中國速度不只有基建，還有開學前補作業(yè)。

畢業(yè)答辯前，你的論文是什么時候交的呢？

工作以后，deadline第一生產(chǎn)力。

作業(yè)沒寫完，開學前還有一天補救的機會；

論文沒寫完，至少還能延遲畢業(yè)；

工作沒做完，至少還能換個地方重新開始，

但是人生只有一次，誰能給我們機會重新開始呢？

在AI時代，我們應(yīng)該如何通過AI來做時間管理呢？

在我一些應(yīng)用來看，是智能體加工作流。

智能體是什么？

智能體 = LLM + 規(guī)劃能力 + 記憶力 + 外部工具。

結(jié)合工作流來做落地提效工具。

智能體的核心能力自我決策、環(huán)境感知、動態(tài)響應(yīng)。

工作流，流程編排規(guī)則固化，順序控制。

智能體的本質(zhì)是做任務(wù)，工作流的本質(zhì)是流程。

知道了AI時代要通過智能體加工作流的方式來提升時間管理的效率。

所以就要反推智能體加工作流，我們該做什么。

核心就是任務(wù)拆解加SOP。

目標拆解的方法是遵循smart原則：

比如以我為例，我在2022年給自己一個立了一個目標，這目標是什么呢？

當時我看在人人都是產(chǎn)品經(jīng)理平臺上，我看很多專欄作家他們發(fā)的內(nèi)容我覺得都好專業(yè)，很有深度。

那具體明確我要成為一個什么樣的人，我應(yīng)該做什么樣的事兒。

所以我定的一個目標我要在五年以內(nèi)，最晚2028年成為人人都是產(chǎn)品的專欄作家。

那可衡量可判斷是什么，

每個月至少發(fā)一篇高質(zhì)量的文章，每個季度至少有一篇文章被推薦，這個結(jié)果是可量化的。

那可達到的是通過努力是可以達到的：

比如說通過數(shù)據(jù)分析來看，我在2020年到2022年，發(fā)布文章被推薦率是9.1%。

只要我發(fā)的多，發(fā)的夠深度，是可以達到這個目標的。

另外與目標相關(guān)性，當前的這個目標跟我整體的目標是一致的。

比如說我想成為一個獨立思考的人，需要具備獨立思考的思維，闡述獨立思考的內(nèi)容。

那這個時間節(jié)點五年內(nèi)成為專欄作家。

有了這個目標拆解了以后就要做一個目標的規(guī)劃。

比如我一般是一個三年一個規(guī)劃。

那這里要注意的，你的規(guī)劃跟目標最好是具備一定的連續(xù)性的。

確認目標，確定自己期望拿到的結(jié)果。

比如說你的工作五年以后應(yīng)該是什么樣的，有一個什么樣的成就，有什么樣的結(jié)果。

然后拆解年度，我是分為四個維度，比如說取勢、明道、優(yōu)術(shù)跟煉器。

取勢是什么？

對一些相關(guān)的行業(yè)公司及崗位做一些基礎(chǔ)了解。

我的KR做相應(yīng)的行業(yè)分析，輸出行業(yè)分析報告。

明道思維層的提煉，

近幾年的一些產(chǎn)品的邏輯提煉，并且提升智能感。

什么是智能感呢？

在我們做互聯(lián)網(wǎng)的時候，要更多的網(wǎng)感。

到了AI的時代，我們要的智能感。

此時的KR輸出內(nèi)容，在相關(guān)的一些平臺上，輸出模型跟方法論。

優(yōu)術(shù)層我的O是復(fù)盤方法，工具總結(jié)內(nèi)化。

KR結(jié)合自身的項目做一些內(nèi)容的輸出，結(jié)合自身的項目案例做一些內(nèi)容的輸出。

煉器是工具層的維度。

磨刀不誤砍柴工，做一些充分的準備。

KR時利用好奇心掌握各種AI工具，拆解到月度，每個月應(yīng)該做什么，落地到周每一周每一天大概的一個規(guī)劃。

每周的任務(wù)做完了，簡單的復(fù)個盤，看看哪些完成的不足，哪些做的比較好。

OKR的目標是跟蹤，要在每個月過去以后做每個月的復(fù)盤，制定下個月的計劃，沒完成的，下個月就去多一點精力去完成。

所以這是一個我的時間管理SOP, 先拆解目標，去分配到每個月，每周到每日每日每周結(jié)束以后做一個復(fù)盤，每個月結(jié)束以后做一個復(fù)盤，以此去做一個動態(tài)的調(diào)整。

最后去做一個工作流出來。

后續(xù)我在做時間管理的時候，也不需要去自己去看里面的細節(jié)，而是直接通過AI的方式來給我去輸出一個時間管理的方案的。

這個時候我們思考一個問題，每周做完計劃時，信誓旦旦，意氣風發(fā)，感覺自己又行了。

但是真正真的每周都能這么完美嗎？

OKR的目的是通過自去拿，結(jié)果自去又能堅持多久呢？

那如何高效拿結(jié)果提升競爭力呢？

這時間管理的事兒了。

所以我們思考一個問題，時間管理真的只是管理時間嗎？

那時間管理的三件事是什么？

能力管理、精力管理跟管理時間。

【能力管理】的核心是找到規(guī)律。

每個人的工作本質(zhì)上講的是有規(guī)律可循的，通過模式識別找到它的規(guī)律，變成標準，然后固化，最后精進。

比如說我剛接觸工作流的時候，第一周使用工作流的方法，用了整整的一天去學習這個工作流，去搭建工作流；那到第二周我搭建的工作流可能就用了3個小時；第三周繼續(xù)搭建，可能就1個小時；第四周我去做一個優(yōu)化，可能就花了十分鐘。

時間管理的第二件事兒精力管理。

精力管理的核心時間塊。

比如我們看一下，一天我們都在做什么。

比如說睡眠8小時，工作8小時，吃飯2個小時，還要去刷刷手機，打王者；有玩的同學可能要再帶娃。最后留給學習跟創(chuàng)新，還有時間的嗎？

如果不對精力進行管理，會陷入時間不夠用的泥潭中。

所以實現(xiàn)精力管理的核心是去做時間塊。

比如說區(qū)分2小時、一小時、30分鐘的時間塊。

兩小時做一些長時間專注的任務(wù)。

比如寫文章，做研究

一小時是一定專注的。

比如1個小時內(nèi)能完成的，像讀書或者處理業(yè)務(wù)需求。

30分鐘碎片化的工作。

比如說看看資訊做一次復(fù)盤。

那時間管理的第三件事兒聚焦當下。

傳統(tǒng)的工具像做任務(wù)清單管理的，蘋果備忘錄、omini focus、手機自帶的日歷，Mac自帶的便簽、重要緊急四象限線等等。

那工具千千萬在人用的時候人都麻了。

所以在AI時代，我更多的工具是 Dify + 滴答清單。

用來Dify去制定每月每周的計劃的梳理，分門別類的去整理復(fù)盤，提醒，每周去每周看兩次，每個月額外再看兩次。

通過Rag的投喂讓這個工作流更了解我。

滴答清單記錄任務(wù)的面板重要緊急四象限，彈性任務(wù)及動態(tài)的調(diào)整。

每天看自己的任務(wù)面板清空任務(wù)的時候，特別心流，很踏實，不焦慮。

當前AI工作流上面有很多的平臺可以用，

比如說像Dify、FastGPT、Ragflow。

那也我也是在我也去調(diào)研過不同的工作流平臺，他們在不同維度的一些對比。

維度包括：人員管理、模型管理，三方工具，知識庫應(yīng)用管理等等。

這里如果還沒有了解過智能體跟工作流的同學，可以去了解一下Coze，因為扣子的生態(tài)也還不錯。

雖然是一個閉源的產(chǎn)品，但對于新手小白上手來說還是很友好的。

像Dify工作流中還能做一些很多的插件兒。

我們說了這么多的AI產(chǎn)品，還有AI工具。

我們結(jié)合下表自我反思一下，當前的AI時代，你是是哪個段位的產(chǎn)品？

• 是我們每天加班做瑣事，還是瑣事交給AI主要精力去探索更多好玩的內(nèi)容。
• 是我們PPT對滿字，還是用方法論結(jié)合AI梳理工作內(nèi)容。
• 是老板挺評價你“挺努力的”，還是老板評價你“很有方法”。
• 是收藏等于學了，還是把干貨轉(zhuǎn)化成操作清單，工作流的方式，最后用在工作流矩陣的去辦公思考。

所以我想說的每個人都知道有一套專屬于自己的工作流。

五、AI 實用生產(chǎn)力提效工具

現(xiàn)在AI的使用成本已經(jīng)很低了。

比如說最開始我們通過提示詞的工程，來去跟AI直接對話了。

慢慢的開始可以使用Rag，通過父子檢索跟融合，來補充外部數(shù)據(jù)庫不足的這個需求。

比如說像Rag在Dify里面就可以通過父子檢索的模式，讓Rag的檢索能力變得更強，

到現(xiàn)在可以用更多的一些模型的工具做一些模型的微調(diào)，來提升模型的應(yīng)用能力。

在像硅基流動這樣的平臺上，有足夠的結(jié)構(gòu)化的訓練數(shù)據(jù)，就可以去訓練你的模型。

現(xiàn)在訓練的成本都是特別低的，很多的工具可以進行模型微調(diào)：Kiln、PEFT、Hugging Face、LLaMA-Factory..

現(xiàn)在人工智能一個有趣的比喻是什么？

人工更多的通過人為的方式去整理這些結(jié)構(gòu)化的數(shù)據(jù)，訓練給大模型最終成為一個GPT產(chǎn)品。

我現(xiàn)在不允許你不知道的一個平臺Hugging Face.

Hugging Face里面是什么，它是集成了模型、數(shù)據(jù)集跟試用空間的適平臺。

試用空間能夠在上面看到很多主流的這些AI的產(chǎn)品。

能在這個平臺上直接來使用，比如說是像換裝的這個產(chǎn)品，直接在現(xiàn)場平臺就能體驗。

如果覺得這個產(chǎn)品，這個模型是適合你公司場景的，你可以直接把模型本地化部署。

另外Datasets這個里面是很多開源的一些結(jié)構(gòu)化的數(shù)據(jù)。

比如說是像成語的數(shù)據(jù)，成語的翻譯等等。

另外Model上面，也是我們能看到很多一些主流的開源模型，包括阿里的模型，DeepSeek, 還有Google的模型。

現(xiàn)在我們能看到目前，開源的數(shù)據(jù)模型的數(shù)量達到了152萬個。

另外最近爆火的AI編程工具Cursor，也是隨著底層的大模型的claude3.5和3.7的發(fā)布，讓工具更實用。

在claude3.5的時候，在開發(fā)編程中已經(jīng)提升了很大的進步，也能也去做一些生產(chǎn)環(huán)節(jié)的內(nèi)容。

到了3.7AI的編程結(jié)果，變得更好，在這個時候甚至都能去做一些產(chǎn)品原型的設(shè)計。

Cursor還能去做自動安裝環(huán)境，去寫代碼生成高保真的原型。

六、我們在見證第五次工業(yè)革命

去年我也是買了一塊兒4060，那時候1塊4090，大概是1萬剛出頭，11000多，覺得有點奢侈，就沒有買。

到今年像DeepSeek這些大模型能做本地部署的時候，我想自己也玩一玩，整塊4090去做本地部署。但此時我發(fā)現(xiàn)4090的價格已經(jīng)在當時的基礎(chǔ)上價格翻倍了。

這個什么時間節(jié)點？

看百度的趨勢研究，在今年年初1月25日左右，DeepSeek開始爆火。

DeepSeek開始爆火了以后，英偉達的股價應(yīng)聲下跌。

當時是因為大家說大模型的訓練成本被DeepSeek打下來了。

原來訓練一個GPT4可能需要6千萬到1億美元的成本。

現(xiàn)在訓練一個DeepSeek, 可能通過蒸餾的方式，只需要花費500萬的成本。

但是真的是這樣嗎？

彼時彼刻，恰如此時此刻，18世紀瓦特改良蒸汽機時，紡織廠紡織廠主們曾狂曾恐慌，機器人生產(chǎn)效率翻倍。

我們還需要建更多工廠嗎？

但歷史給出了相反的答案，當蒸汽機成本從天降，從天價降至中小企業(yè)可以承受時，全英國工廠數(shù)量數(shù)十年暴漲300倍。

燃煤需求不增反降，那當時的燃煤需求就是現(xiàn)在的顯卡需求。

DeepSeek讓每個中小企業(yè)能夠具備本地部署大模型的能力。

未來AI的算力需求一定是不降反增的。

所以，不要因為新技術(shù)的出現(xiàn)而焦慮，歷史的經(jīng)驗告訴我們，新技術(shù)的出現(xiàn)會極大提高生產(chǎn)品，我們要擁抱新技術(shù)，而不是成為被時代甩在身后對的人。

我們站在時代的風口上，正見證著文明史上第四次工業(yè)革命的發(fā)生

所以我的總結(jié)AI時代的產(chǎn)品經(jīng)理，不會是最會用工具的人，而是會用工具創(chuàng)造工具的人，這是一人成軍的最終形態(tài)。