内容摘要：被“吞掉”的AI产品经理在字节的八年，她眼看着AI从“帮你戴副墨镜”进化到“把你变成芭比再跳个舞”。前七年，她在musical.ly和TikTok做特效产品经理，从人脸定位算法一路做到生成式AI特效。

被“吞掉”的AI时代AI产品经理

在字节的八年，她眼看着AI从“帮你戴副墨镜”进化到“把你变成芭比再跳个舞”。产品前七年，经理她在musical.ly和TikTok做特效产品经理，AI时代从人脸定位算法一路做到生成式AI特效。产品她觉得自己站在浪潮的经理最前沿，每一次模型升级都像打开一扇新世界的AI时代大门。那种兴奋感是产品真实的，AI越来越聪明，经理她能做的AI时代越来越多。

2024年底，产品她主动请缨，经理转到了字节的AI时代Flow部门，去做一款叫“星绘”的产品AI分身写真产品。她负责效果生成，经理这是产品的核心工作之一。

没想到，仅仅一年零三个月后，她会选择离开。

选择离开大厂并不是因为她做的不好，而是AI大模型做得“太好”了，好到让她有些疑惑：AI 时代，一位PM（产品经理）的工作价值到底是什么。

还记得星绘最初的版本中，一个重要功能“AI分身”在落地时卡住了。用户上传自拍照后，AI要自动生成艺术照，让用户像分身一样出现在世界各地。但实际生成的图片里，手指总是多一根，眼神对不上焦，肢体比例会失调。

Vanessa带领团队不断调试，最后分析出症结：底层的Stable Diffusion模型主要基于海外用户训练，欧美人的高鼻梁深轮廓套到国内用户脸上，脖子显得过长，面部扭曲。更麻烦的是，用户上传的照片质量参差不齐——光线不足、素颜、背景杂乱，“基于低质量输入图做成的LoRA，结合底层模型后反而互相干扰，效果还不如直接用模型文生图。”

于是她开始了漫长的“雕花”。团队对用户自拍图做美化，反复调整训练参数，每一处优化都经过多轮测试、上线验证。产品经理、算法工程师、设计师，一群人围着“手指多一根”这类问题忙活了很久。

终于，效果开始变好了。然而，下一代模型出来了。所有雕花的功夫，一夜之间失去了意义。

新模型有更强的指令跟随能力，更好的默认审美，复杂的指令词不再需要。随着豆包生图模型从2.0到5.0，SeeDance 2.0的出现，更让训练时间都从“多张高质量照片”压缩到“一小段视频就够了”。

Vanessa突然意识到，过去一年，她和团队做的那些工程优化、精雕细琢的调参——调整LoRA的采样步数、设计后处理的美化规则——所有这些曾经被视为AI PM“硬核能力”的手艺，是在给一个即将过时的模型打补丁。而模型的迭代速度，远比产品经理打补丁的速度快得多。

这不仅是效率的碾压，还是对AI PM角色自身的冲击。此时，AI PM越努力，越证明自己的努力是短暂的。工程能力越强，反而越加速了自己被模型替代的进程。

这不是一个技术问题，这是一个关于“人”的问题。在AI大模型以月、甚至以周为单位迭代的时代，产品经理们发现自己站在一块块正在融化的浮冰上。他们曾经引以为傲的那些能力——需求分析、流程设计、工程协调——正在被模型和Agent一块块“折叠”掉。不是消失，而是变得不再需要被单独拎出来作为一项技能。

混沌中，没有人知道新的平衡点在哪里。但Vanessa知道：她不想只做那个打补丁的人。

02

AI时代，不再有标准答案

其实，AI native的产品经理应该具备什么能力，并没有权威的结论，正如一个AI native的产品形态也没有标准答案一样。

Vanessa在面试AI产品经理的时候总会问，“你最近有没有看到比较好玩的产品，或者新的技术、paper？”这个问题背后，藏着AI PM的核心能力，就是好奇心驱动下的“问题发现”。Vanessa认为，如果应聘者一个都说不出来的话，其实已经和现在的产品时代脱节了。

她还有第二个问题，但不会直接问。她会在聊项目经历的过程中，暗中观察一个人能不能把问题定义清楚。

这是Vanessa认为AI PM和传统PM最本质的区别。

在传统互联网时代，问题是相对清晰的。可以是“用户需要一个更好的购物体验”，“用户需要更快的配送速度”，“用户需要更有趣的短视频推荐”。产品经理的工作，是在一个已经被定义好的问题框架里，找到更优的解决方案。

但在AI时代，问题本身是模糊的。产品经理最大的价值，就不是“解决问题”，而是“定义问题”。

在Vanessa的团队做AI分身功能的时候，算法团队和Vanessa围绕需求怎么实现，提出了不同的方案。

算法团队想端到端地训练一个模型，直接生成vlog风格的效果。Vanessa的团队则提出另一种思路：用更工程化的方式——对图片场景做详细反推，给主人公更细致的文本描述，再叠加还不成熟的主体保持技术，三者合力提升效果。

两个方案都做了初步尝试。算法团队的端到端模型，周期更长，需要反复训练调优。而Vanessa的工程化方案，一两周就能得到一个“还不错”的可接受效果。

最后上线的，是PM的方案。

Vanessa并不把这看作PM的胜利。在她看来，这是两种“问题定义”的差异：算法人员定义的问题是“如何训练一个能生成故事分镜的模型”——这是一个技术问题。而PM定义的问题是“如何在现有模型能力下，最快地让用户体验到故事分镜的效果”——这是一个产品问题。

同一个需求，两种定义，导致了完全不同的路径和结果。

这才是AI PM最不能被替代的价值之一。不是调参，不是写提示词，不是学会每一个新工具——而是在混沌中，把模糊的东西变清晰，把技术能解决的问题和产品需要解决的问题，准确地切开。

工具会变，模型会迭代，但定义问题的能力，不会过时。

03

AI产品经理会消失吗？

Vanessa理解这种感受。她选择从字节离开，就是想搞明白，AI技术之下，产品经理到底需要“做什么”“为什么要这么做”。

“AI技术推陈出新太快了，没有每天至少三四个小时的自由时间，去做跟公司无关的纯AI研究，我觉得不够。”如今在外企，她找到了这种自由。一周四天在办公室，五点半下班，剩下的时间全归自己。