我要投稿

现在做原生AI产品，产品经理会面临至少下面5个问题

发布日期：2025-06-30 11:04:02 浏览次数： 1534

作者：Kevin改变世界的点滴

微信搜一搜，关注“Kevin改变世界的点滴”

随着2025年的时间推进，我身边很多人投入做AI产品的产品经理都会遇到各种各样的困难，跟他们沟通后，我发现主要就3点限制，如果你也打算做AI产品，这篇文章可以帮助你少走弯路，至少在产品定位上，你可以更好的决定是做native AI还是AI＋产品。

AI的产品两种技术实现形式

AI产品的AI能力源于AI模型与硬件算力，现在做AI产品大概就分为两类，第一类是调用API的形式，第二类就是部署AI模型。

显然做Native的AI产品，在AI能力上是API还是部署AI模型都可以，但是有一个限制就是Native AI产品的功能入口与交互是整个产品框架的底层机制，而传统的AI产品则只是是有部分AI功能，其他的功能模块底层仍然还是沿用以往的业务框架。

传统产品经理，从0到1搭建AI产品

上面这篇文章也提到了，native的AI产品数据接口一定会来自全量的向量数据库加普通数据库，这就导致AI产品的必然会有3个限制，要做Native AI的产品首先要打破3个限制

1.原有产品设计框架限制突破

相比于普通产品，native的产品原则上只要是产品所有的交互、输入数据，都可以用AI进行访问，并且还能够调用给其他AI功能。

比如现在这里看到的Siri提供了本地化AI调用能力，开发者调用后就可以与操作系统接入了，支持多模态AI的输入，比如语音、文本与视频信号。

从功能上就要避免用户传统的输入，比如用户的输入框、功能选项等，都是来自于AI生成的，而不是固定的功能模块。

比如Kimi这款AI产品的对话，下面的“你可能想搜索”，其实就是来自于prompt提示工程完成的上下文语句检索所生成的问题，而不是用户过往数据的推荐系统

AI产品要做到用户的交互框架就是摄像头、麦克风、以及地理位置等这些多维度数据，而不是还要用户键盘打字输入或者语音输入文字。

2.原有产品技术架构的限制突破

Native AI的产品，在数据库上全面更新为向量数据库，通过embedding的模型，将其数据库中的文本数据、图片、视频等都可能够转为AI大模型的非关系性的向量数据库。

这些转变就导致了产品技术架构的变化，最基础的来说向量数据库需要调用API或者本地化部署AI，而这对开发有新的要求，如何构建不同类型数据库的数据调用方式，以及数据安全性等，都需要技术团队重新思考，甚至是匹配新的研发工种。

以前的系统安全策略由于是传统数据库，依靠CPU运算即可，是没有考虑到GPU、电源、功耗问题，现在这些问题随着向量数据库带来的算力要求，都要一同考虑。

3.老板舍得资源投入新产品线

native AI的产品研发最快速的方式，是为他新建单独的一个产品形态，从产品经理角度来说，推翻重做以前的产品，就是做产品设计最简单的方式。

通过新拉一个项目，让产品有更加的自由度以及较低的开发门槛。

同时，要有好的一个产品立项预期，产品经理做好产品研发计划与项目立项外，给老板一个预期，而老板舍得在预期内投入资源。

比如我就见过不少做AI产品创业的团队，就是短时间没有做出来，或者商业化没有闭环，最后产品都被裁员掉了，因为超出老板预期了，而他们熬夜做的996就只能变成冷冰冰的工资。

4.AI产品的研发团队愿意跟进学习

还有一点最大的冲击就是学习压力，我曾经做过一个调研，现在几乎有60%以上的产品经理还没接触过CHATGPT O3这些付费模型。

如果你的团队，几乎都没有用过付费AI模型，甚至是现在开发还是在用传统IDE环境来完成，而不是用cursor、以及Claude等IED开发环境。

让这样的同事来学习AI，跟你做AI产品研发，成本肯定就会大大提高。并且很多人的工作已经成为了习惯，除非老板要求或者真的被逼无奈，很多人实际上是叫不动了。

而做AI产品也是一样，你如果在一个传统做ERP的企业做AI产品，是非常有推动难度的，至少我认识几个现在AR眼镜制造业的公司，由于公司基因是传统电脑制造商，在做AI产品就非常吃力。

更别提产品设计与AI产品研发推进了，可能在方案立项就被否掉了。能够做的AI工作越少越好，私有化部署不存在的。

5.大厂可怕的内卷还开心的文化

很多互联网大厂一定要是实现末位淘汰机制以及人员血液变化，因为没有流动的人群就导致工作战斗力就不强，老板保持公司战斗力来说，就会必要推出淘汰、开除的这些淘汰考核机制。

比如曾经腾讯的8点下班麦当劳卷、以及免费班车等，就活生生的让一个员工可以自愿加班到12点....几乎所有的大厂都有这些加班阶梯福利。

必须佩服这些大厂的人员管理机制，甚至是能够自下而上的驱动人员要有主动学习，从现在来看，如果我是老板，员工能够在内部贴吧里分享公司的问题以及解决方案，并且分享自己在公司的工作文化提升与心得，从而传播了公司的自己规章与文化，我是非常开心的。

从公司的人文文化以及情怀建设角度来说这是非常难得的，至少我所在的公司与团队很难培养出员工自愿加班的，尤其是体制内的单位，准点加班走是标配，很多人都提前走。

去花自己下班时间来学习更多的新技术，尤其是在AI产品研发中，是产品经理要突破的一大限制，相较于其他的技术需求，AI的全新技术知识对于团队的要求

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-06-30

小智App与MCP技术畅谈

2025-06-30

Llama Factory 是什么？

2025-06-30

Midscene模型选型策略与原理深度解析

2025-06-30

从输入指令到代码落地：Cline AI 源码浅析

2025-06-30

AI Agent赋能自智网络技术探析与实践

2025-06-30

【Agent专题】Agent应用篇：全网最强Agent应用横评！下一代AI超级助手，到底谁最能打？

2025-06-30

本地模型接入本地MCP实践！保姆教程来了

2025-06-30

解密可落地的企业AI Agent：其完整技术架构如何实现业务闭环？

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek R1-0528 小版本升级

2025-05-29

教你解决GPT4o无法使用新版生图功能的教程

2025-04-11

AI法规-《生成式人工智能服务管理暂行办法》（中国）（2023.7）

2025-04-12

比 R1 快 8 倍、价格仅 3%，智谱新推理模型来袭，能让免费智能体自己赚钱！张鹏：Agent 也有 Scaling Law

2025-04-06

分而治之：全面解析分布式分离 Inference 系统

2025-04-29

微软突发“封杀令”！全面禁止Cursor使用C、C++、C# 扩展，开发者被迫回退版本

2025-04-12

Qwen3发布: 4B干掉旧代 72B / Windsurf又增加新的免费计划

2025-04-29

豆包，让有独立显卡的电脑都能部署本地大模型，语料库就是电脑里的文件

2025-04-17

一文实测Gemini 2.5 Pro：视频驱动的代码生成，打造交互式开发应用新范式

2025-05-07

谈谈MCP协议，如何缓解我们对大模型“数据安全”的焦虑

2025-04-15

大家都在问

Llama Factory 是什么？

2025-06-30

【Agent专题】Agent应用篇：全网最强Agent应用横评！下一代AI超级助手，到底谁最能打？

2025-06-30

解密可落地的企业AI Agent：其完整技术架构如何实现业务闭环？

2025-06-30

开发Agent，有哪些值得做的脏活累活？

2025-06-27

Kimi-Researcher首发实测：它凭什么在AI“高考”中超越Claude和Gemini？

2025-06-26

用上Cursor就是AI协同研发了？

2025-06-26

大模型终于能“听懂”云操作了？

2025-06-25

深度拆解：为什么通用 Agent 的下一站是 Agentic Browser？

2025-06-25

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB