随着最近越来越多的Agents产品的发布，以及chatGPT-4o 图片模式和o3的一些惊艳验的表现，关于模型即产品甚至模型即Agent的讨论也越来越多，也引发了我们关于大模型时代，到底我们应该做产品的一些思考

基于最近的一些产品发布，做一次认知层面的更新，内容可能不仅仅是关于模型即产品的，也是关于AI大模型时代到底产品、组织和当前的企业甚至个人应该怎么做的一些思考，还是要补充一句，技术发展太快了，现在的很多观点大概率是错的，但是至少能带来一些启发

模型即产品到底在讨论什么

这个问题感觉在chatGPT刚发布的时候就已经有一些讨论了，大家发现chatGPT这个产品的交互和页面非常简单，整个产品的功能和价值其实都在大模型上，是大模型的能力决定了这个产品逻辑，大模型带来了这个产品给用户的价值

特别是我们如果带着互联网时代的历史经验来思考的时候，会更加的不适应这个变化，因为我们习惯了产品和运营层面的各种创新，大模型彻底打破了这种认知上的惯性，我们需要重新思考在大模型时代做什么更加重要

这也是最开始大家对于套壳，甚至到了现在都还持续地有争论的地方，因为你如果是套壳的话，那你的核心能力是什么？去掉模型之后你还剩下什么？

我的感受是大家好像都是对的，因为大模型技术这几年一直是在高速变化的，不管是能力上、成本上甚至技术路线上，不同的阶段可能就是需要做不同的事情的

在当下的时间点为什么大家又开始把重点放到了模型即产品，是因为好像技术基本收敛到了大参数的预训练+RL的后训练的路线上，而且大家发现好像这条路径是可以泛化到更广泛的场景的

在预训练的阶段给大模型一些先验基础和知识，然后在后训练的时候找到合适的环境和积极函数，模型就可以自己探索出解决方案，甚至是找过人类已知的解决方案

Agent的高速发展也在推进这个认知，Agents是模型+工具使用是一个大家基本都认同的大背景，毕竟我们人类也是在能使用工具之后，实现了与动物的彻底分道扬镳

关于工具的使用其实也有一个进化的过程，最开始大家发现模型有代码编写的能力，所以就自己尝试让模型去写代码来使用工具，到后来OpenAI推出函数调用和GPTs来更好地帮助模型使用工具，到最近的MPC、A2A的标准协议，关于我们怎么能更好地使用工具也越来越成熟

关于模型使用工具层面我感觉更重要的不是数量，而是怎么用的更丝滑。协议其实更多的解决是我们能用的数量，以及Agent之间数据交换的问题

而模型到底用什么工具，什么时候使用可能对于最终的Agent的效果的影响更大，我们看到o3其实就有点像是一个Agent，他能基于用户的需求自己去调用一些工具，比如代码解释器、检索等等

效果上我们可以明显地感受到差异，这种在模型后训练阶段直接针对工具对于进行RFT的模型，比我们直接使用一个大模型在提示词层面进行工程编排的效果要好非常多

就像一个人临时抱佛脚和真的对于自己学到的知识融汇贯通的应用是完全不一样的

所以在Agent即将迎来爆发的前夕，大家也都开始重新关注模型和产品的关系，因为这决定了你会怎么做Agent，怎么展开竞争

组织上的变化

这是OpenAI在一年前发布的一个关于Research x Product的视频，介绍了研发和产品团队紧密合作如何带来更好的性能和体验，**演讲者分别是后训练团队的负责人和负责 model behavior的产品负责人

他们分别介绍了后训练和产品相关的具体工作，以及他们是怎么具体协作的，从这个过程中我们也可以窥探到一些新的AI技术下组织架构上的变化

如果我们按照以前的思维惯性，一个做AI的公司大概这会有两个大的部门，一个是产品部门一个是模型训练部门，这两个部门是基本独立的，两边的互动应该也不是太多，因为一个负责训练模型，一个负责包装和设计产品

这种方式在当前AI技术的发展下就会有问题，因为很容易出现产品部门用一些工程方式解决模型问题的过程中，训练团队就直接把问题解决了，或者训练团队制定的目标并不能满足产品团队服务用户的需求等等

所以在这个演讲中，OpenAI的产品model behavior产品负责人放了这张图

我们会发现关于模型及产品，OpenAI不仅仅是在产品和模型的思考上是这么做的，从整个组织架构上也是这样设计的

组织架构的设计其实本质上就是公司战略的具体执行和落地的体现，从我们前面说到的一些当前有些AI公司内部产品和模型部门的协作其实就可以看出对于这一点的理解是有问题

也会在实际最终的产品表现上出现做了很多的工作最后发现OpenAI发布之后，自己的客户全部都离开了，可能站在他们的视角，OpenAI是一家提供模型的公司，但是在OpenAI自己的认知里面，模型就是产品

这个视频中产品负责人还提到了模型和产品合作层面三个特别的地方

• 极度模糊，因为技术的进展太快了，同时模型由于很强的泛化能力，其实很多维度都是没办法去制定严密的规则和逻辑，就像最近我们也看到OpenAI的新闻提到chatGPT最近有些过于谄媚，其实也是这个逻辑，就是模型到底怎么表现是更加合理的，在不同的场景不同的人的理解里面是完全不一样的，所以他们只能通过快速行动获得反馈，干中学。所以我们经常看到OpenAI发一些半成品的感觉，他们其实不是不知道，只是这就是他们的策略
• 技术驱动，我们之前看到很多的产品创新可能都是从具体的场景中驱动的，但是当下的AI大模型技术的能力太强大了，而且发展和进化得太快了，所以很多时候不能仅仅是从产品需求出发，而是需要从技术出发，我们避免不了要有一点点去拿着锤子着钉子的感觉，因为锤子进化太快了，一下子就从锤子到了瑞士军刀，你不能对这个发展视而不见。所以产品部门需要更多的去思考怎么实现所谓的TMF，技术怎么和对应的需求场景更好的匹配，技术怎么被更好地呈现出来
• 研究合作，最后是产品和技术更加紧密的合作，两个部门的工作是需要互相促进的，产品收集到的需求和数据需要能技术的反哺模型训练，新的模型特性同时需要被更好的设计来提供给用户使用，这两个事情是需要同时进行了，不过完全割裂的去推进，是个互相促进迭代发展的过程

在当下这个技术发展的趋势下，做AI产品的公司，不能只是简单的在消费模型公司的API，也就是简单的套壳肯定是不够的了，当然套壳可以作为你的阶段性策略来快速发展，但是从更长远发展的角度，新的技术不仅需要思考具体的产品形态，从组织和协作层面也需要有新的范式和变化

产品的工作差异

OpenAI 的首席产品官Kevin Weil在最近的一次访谈中有提到，” 我们尽量保持轻量级，因为它不可能完全正确。我们会在半路放弃一些不正确的做法或研究计划，因为我们会不断学习新的东西。我们有一个哲学叫做迭代部署，与其等你完全了解模型的所有能力后再发布，不如先发布，即使不完美，然后公开迭代。”

对于这种新的产品更新和迭代的方式对于产品经理的工作其实也提出了新的挑战

• 你需要更加的积极主动，因为很多的产品特性和表现可能都需要你主动去发现，有太多的问题需要解决，同时需要更多的探索来理解技术，基于更多的反馈来创造有价值的产品
• 适应模糊性，因为技术的模糊性，你需要去理解和适应，同时怎么把技术的模糊性更好地消化掉，然后给用户提供更多产品和场景层面的确定性，你不能等着答案自动出现，也不能期望能获得完美和完全确定的答案
• 最后需要快速的行动，因为一切都是高速发展以及模糊的，唯一能提供确定性的来自更多的用户反馈，你需要更多的探索来建立更加清晰的认知和理解，只有自己上手你才能真的感受不同技术的差异和特性

同时对于产品经理而言，怎么有效地建立技术和用户之间的连接和平衡也是至关重要的，你需要去思考怎么把技术的特性更好地呈现给用户，在特定的场景下，怎么去扬长避短真的给具体的用户解决问题和创造价值

之前看到有个观点挺有意思的，在AI时代，what和how可能不是最重要的了，why才是最重要的

因为你需要回到原点去思考，你为什么需要做这个事情，是为了解决谁的什么问题

同时基于新的技术范式，怎么有效地定义和评估问题是产品经理最核心的能力之一

模糊和混沌中前行

Sutton最近发布的《Welcome to the Era of Experience》称人们正站在人工智能新时代的门槛上，并有望达到前所未有的水平。跟之前他那篇经典的《苦涩的教训》一样，我们畅想着我们进入新的时代

但是这个新的时代中我们也有各种各样的问题，苦涩的教训好像也有边界问题，就像莫拉维克悖论提到的，虽然我们已经取得了非常大的进步，但是也还是有更多的问题等待着我们

莫拉维克悖论 (Moravec's Paradox)是指的在人工智能（AI）和机器人学领域观察到的_反直觉现象：对人类来说很容易的事情（比如走路、识别物体、抓取杯子、理解基本语言），对人工智能和机器人来说却非常困难。对人类来说很困难的事情（比如下棋、进行复杂的数学计算、逻辑推理），对人工智能来说却相对容易__。_

当然基于LLM+RL的新范式确实给我们带来的更多令人激动的希望和曙光，我们也需要去过去模仿人类的“人类数据时代”进化到超越人类的“经验时代”

我们能做什么

对于创业公司，模型即产品的发展趋势好像对于创业特别不友好，毕竟大模型技术需要更多的资金门槛太高了，但是之前一个播客中的观点我觉得挺有启发的。创业公司不能用终局思维，就是你不能一上来就思考你怎么和大公司竞争和壁垒等等问题，你需要在你有限的资源下去思考怎么活的更久，怎么能一步步走下去，不过是什么技术路线和产品形态，能持续留在牌桌上才是最重要的

对于各种需要把AI融入具体业务中的企业，怎么去把过去的经验、数据更好地沉淀下来，与大模型更多的结合起来可能是最重要的事情。大部分的企业的成功经验和路径可能都还在某些人的脑海中，怎么有效地整理出来，通过AI的能力来持续放大这个价值是核心的问题

对于我们每一个人，卷智能可能已经没有意义了，不管是我们还是我们的下一代，更重要的是提出问题，而不是解决问题

我们每个人作为独立的个体，你的体验、品味、独立的思考才是最重要的部分了，你与AI更好地协作和融合去创造更大的价值