在移動互聯(lián)網(wǎng)時代，產(chǎn)品經(jīng)理是離CEO最近的崗位。喬布斯、馬化騰、張小龍、雷軍都是產(chǎn)品經(jīng)理出身。他們站在技術(shù)、商業(yè)和用戶體驗的交點，把一個模糊的想法變成數(shù)億人手機里的圖標。

他們既是用戶的代言人，也是增長的操盤手，幾乎被默認擁有“定義方向”的光環(huán)。

但隨著AI技術(shù)的迭代升級，產(chǎn)品經(jīng)理會消亡的觀點一度非常流行。Lovart創(chuàng)始人陳冕甚至 已經(jīng)在自己的公司里取消掉了產(chǎn)品經(jīng)理的崗位。2026年初，自詡為產(chǎn)品經(jīng)理的羅永浩也忍不住問 陳冕：AI時代，產(chǎn)品經(jīng)理還有什么用？

站在AI風口上，我們訪談了數(shù)位大廠、中廠、初創(chuàng)公司的產(chǎn)品經(jīng)理，希望呈現(xiàn)出當下產(chǎn)品經(jīng)理的職場生存?zhèn)让?。有的人踴躍跳入AI技術(shù)大潮，有的人發(fā)現(xiàn)崗位職責不斷被開發(fā)人員忽略，有的人發(fā)現(xiàn)懂業(yè)務(wù)比管理需求更重要。職場邊界愈發(fā)模糊后，不少人展現(xiàn)出困惑和猶豫的一面。

曾經(jīng)最炙手可熱的崗位，到了AI時代，還香嗎？

01

被“吞掉”的AI產(chǎn)品經(jīng)理

Vanessa在字節(jié)呆了八年，一直是那個最堅定擁抱AI的人。

在字節(jié)的八年，她眼看著AI從“幫你戴副墨鏡”進化到“把你變成芭比再跳個舞”。前七年，她在musical.ly和TikTok做特效產(chǎn)品經(jīng)理，從人臉定位算法一路做到生成式AI特效。她覺得自己站在浪潮的最前沿，每一次模型升級都像打開一扇新世界的大門。那種興奮感是真實的，AI越來越聰明，她能做的越來越多。

2024年底，她主動請纓，轉(zhuǎn)到了字節(jié)的Flow部門，去做一款叫“星繪”的AI分身寫真產(chǎn)品。她負責效果生成，這是產(chǎn)品的核心工作之一。

沒想到，僅僅一年零三個月后，她會選擇離開。

選擇離開大廠并不是因為她做的不好，而是AI大模型做得“太好”了，好到讓她有些疑惑：AI 時代，一位PM（產(chǎn)品經(jīng)理）的工作價值到底是什么。

還記得星繪最初的版本中，一個重要功能“AI分身”在落地時卡住了。用戶上傳自拍照后，AI要自動生成藝術(shù)照，讓用戶像分身一樣出現(xiàn)在世界各地。但實際生成的圖片里，手指總是多一根，眼神對不上焦，肢體比例會失調(diào)。

Vanessa帶領(lǐng)團隊不斷調(diào)試，最后分析出癥結(jié)：底層的Stable Diffusion模型主要基于海外用戶訓練，歐美人的高鼻梁深輪廓套到國內(nèi)用戶臉上，脖子顯得過長，面部扭曲。更麻煩的是，用戶上傳的照片質(zhì)量參差不齊——光線不足、素顏、背景雜亂，“基于低質(zhì)量輸入圖做成的LoRA，結(jié)合底層模型后反而互相干擾，效果還不如直接用模型文生圖?！?/p>

于是她開始了漫長的“雕花”。團隊對用戶自拍圖做美化，反復(fù)調(diào)整訓練參數(shù)，每一處優(yōu)化都經(jīng)過多輪測試、上線驗證。產(chǎn)品經(jīng)理、算法工程師、設(shè)計師，一群人圍著“手指多一根”這類問題忙活了很久。

終于，效果開始變好了。然而，下一代模型出來了。所有雕花的功夫，一夜之間失去了意義。

新模型有更強的指令跟隨能力，更好的默認審美，復(fù)雜的指令詞不再需要。隨著豆包生圖模型從2.0到5.0，SeeDance 2.0的出現(xiàn)，更讓訓練時間都從“多張高質(zhì)量照片”壓縮到“一小段視頻就夠了”。

Vanessa突然意識到，過去一年，她和團隊做的那些工程優(yōu)化、精雕細琢的調(diào)參——調(diào)整LoRA的采樣步數(shù)、設(shè)計后處理的美化規(guī)則——所有這些曾經(jīng)被視為AI PM“硬核能力”的手藝，是在給一個即將過時的模型打補丁。而模型的迭代速度，遠比產(chǎn)品經(jīng)理打補丁的速度快得多。

這不僅是效率的碾壓，還是對AI PM角色自身的沖擊。此時，AI PM越努力，越證明自己的努力是短暫的。工程能力越強，反而越加速了自己被模型替代的進程。

混沌，就是從這一刻開始的。

張瑩的感受很直接。她在另一家大廠做AI PM，今年1月開始頻繁用上Agent后，發(fā)現(xiàn)自己“快不會干活了”。過去她的工作流程是一環(huán)扣一環(huán)的：PM出方案，UI設(shè)計師做設(shè)計，開發(fā)人員寫代碼，聯(lián)調(diào)測試，上線。分工和職責都很清晰，現(xiàn)在完全變了。Agent直接輸出端到端的結(jié)果，“我只需要喂給AI業(yè)務(wù)需求，它就把PRD（需求文檔）、原型圖、代碼全給我寫出來了。”張瑩說。

分工邊界模糊了，意味著許多崗位的職責會被吞掉。她對接的業(yè)務(wù)方已經(jīng)開始用Agent自己做平臺了。業(yè)務(wù)方遇到需求，直接略過她，自己用Agent解決了。

張瑩感覺自己走進了一場大逃殺。實際上，她使用Agent平臺，也可以跳過UI設(shè)計師，交給Agent直接生成前端代碼，扔給開發(fā)人員就能用，還能節(jié)省好幾天排期。但是礙于同事關(guān)系，還沒有更新自己的工作流程。就是在她還糾結(jié)要不要吞掉UI設(shè)計師時，業(yè)務(wù)方已經(jīng)毫不猶豫地吞掉了她。

每個人都用AI武裝自己，原本離用戶更近的產(chǎn)品經(jīng)理們忙著學著寫代碼，熬夜學vibe coding，同時提防著身邊的人，生存空間不斷被壓縮。

和張瑩的猶豫不同，Vanessa最終選擇了離開。當“模型即產(chǎn)品”的論點鋪天蓋地，實實在在體驗到了產(chǎn)品的努力被模型能力升級碾壓后，她想出去看看，花時 間想想，AI P M 的價值到底還有多少？

這不是一個技術(shù)問題，這是一個關(guān)于“人”的問題。在AI大模型以月、甚至以周為單位迭代的時代，產(chǎn)品經(jīng)理們發(fā)現(xiàn)自己站在一塊塊正在融化的浮冰上。他們曾經(jīng)引以為傲的那些能力——需求分析、流程設(shè)計、工程協(xié)調(diào)——正在被模型和Agent一塊塊“折疊”掉。不是消失，而是變得不再需要被單獨拎出來作為一項技能。

混沌中，沒有人知道新的平衡點在哪里。但Vanessa知道：她不想只做那個打補丁的人。

02

AI時代，不再有標準答案

AI時代PM的焦慮，不全是自己的問題。它自上而下，從招聘的第一輪面試就開始了。

近一個月，章城接受了國內(nèi)不少 AI toB PM相關(guān)崗位的面試，越面越困惑：公司，究竟想要什么樣的AI PM。

招聘部門的標準本身就在打架?！耙幻孢€在講，應(yīng)屆生能用AI補齊能力，到了二面，又開始強調(diào)沒有深耕，不了解業(yè)務(wù)細節(jié)不行，但這個要求，一輪面試時未被提及?！闭鲁钦J為，這本質(zhì)上是公司在AI產(chǎn)品上的路徑和開發(fā)思路仍沒有理清楚。

混亂和搖擺之下，篩選的標準被壓縮到單一維度：垂直領(lǐng)域的經(jīng)驗。越垂直越好，最好能具體到是否了解評估模型效果的幾種具體操作方式，system prompt的調(diào)優(yōu)細節(jié)，agent調(diào)用工具的幾種模式。

換句話說，公司不再需要一個“什么都懂一點”的PM，而是一個在某個具體領(lǐng)域里扎得足夠深、能直接上手干活的人。

AI PM只能被迫卷起來。

周柯本不想卷。他原本是純B端的SaaS產(chǎn)品經(jīng)理，雖然不懂AI，但有資源和行業(yè)經(jīng)驗傍身。今年初機緣巧合入行做了AI PM。公司業(yè)務(wù)在擴張，他和領(lǐng)導(dǎo)一起面試應(yīng)屆生發(fā)現(xiàn)，許多非技術(shù)背景的候選人，簡歷上都附帶一個“AI手搓的項目鏈接”。

這在上個AI時代，幾乎是不可想象的。周柯和他的領(lǐng)導(dǎo)干脆把面試流程改了——現(xiàn)場讓候選人vibe coding，手搓一個簡單的項目demo。一來是考驗候選人使用AI的能力，二來考驗他們對產(chǎn)品的理解。

面試別人的過程，也是他被“教育”的過程。周柯意識到，如果不趕緊學會這套新工具，自己可能連面試候選人的資格都沒了。

他從Gemini 3 Pro到Claude Code，從prompt調(diào)優(yōu)到workflow搭建再到skill。在這個過程里，產(chǎn)品經(jīng)理的工具箱完全變了。過去的PM三件套——PRD、Figma、Tableau，正在被Cursor、Claude Code和小龍蝦取代。

但更讓他焦慮的不是學工具本身，而是學完一個，馬上又出一個新的。

“最開始AI其實聚焦在如何寫好提示詞，琢磨怎么用提示詞去調(diào)模型，后面就是workflow，多Agent的協(xié)作，到現(xiàn)在要用skill了?！敝芸抡f。有時工作太忙，兩周沒關(guān)注某個新產(chǎn)品，等再想起來，那個曾經(jīng)被吹成“下一代AI生產(chǎn)力工具”的東西，已經(jīng)過氣了。

他自我調(diào)侃：“從某種程度上說，不用學那么快，也是一件好事?！?/p>

其實，AI native的產(chǎn)品經(jīng)理應(yīng)該具備什么能力，并沒有權(quán)威的結(jié)論，正如一個AI native的產(chǎn)品形態(tài)也沒有標準答案一樣。

Vanessa在面試AI產(chǎn)品經(jīng)理的時候總會問，“你最近有沒有看到比較好玩的產(chǎn)品，或者新的技術(shù)、paper？”這個問題背后，藏著AI PM的核心能力，就是好奇心驅(qū)動下的“問題發(fā)現(xiàn)”。Vanessa認為，如果應(yīng)聘者一個都說不出來的話，其實已經(jīng)和現(xiàn)在的產(chǎn)品時代脫節(jié)了。

她還有第二個問題，但不會直接問。她會在聊項目經(jīng)歷的過程中，暗中觀察一個人能不能把問題定義清楚。

這是Vanessa認為AI PM和傳統(tǒng)PM最本質(zhì)的區(qū)別。

在傳統(tǒng)互聯(lián)網(wǎng)時代，問題是相對清晰的。可以是“用戶需要一個更好的購物體驗”，“用戶需要更快的配送速度”，“用戶需要更有趣的短視頻推薦”。產(chǎn)品經(jīng)理的工作，是在一個已經(jīng)被定義好的問題框架里，找到更優(yōu)的解決方案。

但在AI時代，問題本身是模糊的。產(chǎn)品經(jīng)理最大的價值，就不是“解決問題”，而是“定義問題”。

在Vanessa的團隊做AI分身功能的時候，算法團隊和Vanessa圍繞需求怎么實現(xiàn)，提出了不同的方案。

算法團隊想端到端地訓練一個模型，直接生成vlog風格的效果。Vanessa的團隊則提出另一種思路：用更工程化的方式——對圖片場景做詳細反推，給主人公更細致的文本描述，再疊加還不成熟的主體保持技術(shù)，三者合力提升效果。

兩個方案都做了初步嘗試。算法團隊的端到端模型，周期更長，需要反復(fù)訓練調(diào)優(yōu)。而Vanessa的工程化方案，一兩周就能得到一個“還不錯”的可接受效果。

最后上線的，是PM的方案。

Vanessa并不把這看作PM的勝利。在她看來，這是兩種“問題定義”的差異：算法人員定義的問題是“如何訓練一個能生成故事分鏡的模型”——這是一個技術(shù)問題。而PM定義的問題是“如何在現(xiàn)有模型能力下，最快地讓用戶體驗到故事分鏡的效果”——這是一個產(chǎn)品問題。

同一個需求，兩種定義，導(dǎo)致了完全不同的路徑和結(jié)果。

這才是AI PM最不能被替代的價值之一。不是調(diào)參，不是寫提示詞，不是學會每一個新工具——而是在混沌中，把模糊的東西變清晰，把技術(shù)能解決的問題和產(chǎn)品需要解決的問題，準確地切開。

工具會變，模型會迭代，但定義問題的能力，不會過時。

03

AI產(chǎn)品經(jīng)理會消失嗎？

在AI產(chǎn)品經(jīng)理的圈子里，有一種正在蔓延的焦慮——給自己算“保質(zhì)期”。AI的進化速度遠超人類的學習速度?！澳憬裉煺莆盏哪芰?，三年后可能毫無用處。你今天占據(jù)的生態(tài)位，五年后可能根本不存在”。

Vanessa理解這種感受。她選擇從字節(jié)離開，就是想搞明白，AI技術(shù)之下，產(chǎn)品經(jīng)理到底需要“做什么”“為什么要這么做”。

“AI技術(shù)推陳出新太快了，沒有每天至少三四個小時的自由時間，去做跟公司無關(guān)的純AI研究，我覺得不夠?！比缃裨谕馄螅业搅诉@種自由。一周四天在辦公室，五點半下班，剩下的時間全歸自己。

Vanessa想起2018年，她曾毛遂自薦到字節(jié)的推薦算法團隊，被告知“沒有PM崗位”。那時的算法團隊認為自己就是需求的發(fā)現(xiàn)者和解決者，不需要一個“翻譯”的人。

但故事的后續(xù)更有意思。

AI下半場，各家公司并沒有放棄對AI PM的需求。連以“模型即產(chǎn)品”著稱、一度讓人相信模型能搞定一切的DeepSeek，也在大力招聘PM。Vanessa說：“他們現(xiàn)在也意識到，光有模型智力，僅通過最簡單的文本對話，是沒辦法釋放智力的完全態(tài)的?！?/p>

這些PM更偏向用戶側(cè)，與算法團隊能力互補。技術(shù)需要被包裝，智力需要被翻譯。這就是PM重新殺回來的原因。

在硅谷，已經(jīng)有公司把招聘崗位寫成“AI Builder”，而不是“Product Manager”。他們招的不是某個特定職能的人，而是“能用AI解決任何問題的人”。

Vanessa的態(tài)度很明顯：“未來產(chǎn)品經(jīng)理不會消失，只是換了個名字。也許叫AI Builder，也許叫別的名稱。但內(nèi)核沒變，產(chǎn)品經(jīng)理把技術(shù)的可能性，翻譯成人愿意用的東西。模型負責聰明，產(chǎn)品經(jīng)理負責讓聰明變得有用。”

這是一種“人”的能力。

而想成為一個AI Builder，始終要葆有一種想要改變、創(chuàng)造差異的沖動?！癆I的主動性暫時是用心跳機制等做出的偽裝，它并非一個欲望強烈、真正渴望做些什么的生命體?！盫anessa說。對AI產(chǎn)品經(jīng)理而言，依然需要有創(chuàng)造的野心、改變的沖動。

這些詞聽起來很不“產(chǎn)品經(jīng)理”，也不那么“方法論”。但在一個方法論快速失效的時代，這些最“人”的東西，反而成了最后的錨點。

章城最近也開始重新思考自己的定位。他在B端產(chǎn)品里發(fā)現(xiàn)，最不容易被AI替代的，不是會寫代碼的人，而是能搞定客戶的人。客戶買的不是一個功能，而是一個“被理解”的感覺?！斑@個產(chǎn)品別人去聊賣不出去，只有他能賣得出去?！边@種信任，AI無法替代。

他曾經(jīng)獨立完成過一個企業(yè)云項目，從需求對接、設(shè)計、開發(fā)到交付驗收，花了五個月。“我覺得做得還不錯?！碧崞疬@件事時，他有一點樸素的驕傲。那是一個產(chǎn)品經(jīng)理最原始的成就感——把一個模糊的需求，變成一個真實可用的產(chǎn)品。

把技術(shù)變成“有人用、用得上”——這或許就是AI PM最樸素也最準確的定義。AI或許會替代許多工作流程，但那些洞察人性、與人建立情感連接的能力，永遠不會被替代。與其焦慮浪潮會不會把自己拍進海底，不如趁著風起云涌，先享受沖浪的樂趣。

撰寫｜馬舒葉

編輯｜劉培