在AI技術快速迭代、新概念層出不窮的當下，產品經理應該如何正確地擁抱AI？是盲目跟風，還是有策略地學習與實踐？本文將從系統學習與單點突破的平衡、實踐驅動的迭代，以及洞察力作為核心競爭力三個方面，為大家提供擁抱AI的實用建議。
———— / BEGIN / ————
上週，Manus不出意外地刷爆圈兒，據說邀請碼在某二手交易平臺被炒到5萬元，可見其勁兒有多上頭。
我在即刻關注hidecloud（Manus創始人、90後）也有段時間了，特別認同他的個人簽名：尋找非共識中丨Building something wonderful。
在我看來，這句話可以作為對AI學習態度的註解——尤其在當下火熱甚至過熱的AI浪潮下，產品同學到底應該如何擁抱AI？
去年我工作太忙，對AI投入的精力遠遠不足，今年有了些調整，算是All in AI中，但依然覺得逝者如斯夫。
有一說一，咱對自己的精力管理、自律方法還算有自信，但即使這樣，面對AI這個新物種，我都時常會有「不知從何處發力」的頓挫時刻，普通初入門者感到各種困惑就不足為奇。
這在我的產品群、公眾號私信裡得到了反覆印證——各類同學求教AI系統方法論、探討AI產品經理技能點、跪求各類AI資料包等等；
昨天看到 Manus 刷爆出圈兒，我自己也對 AI 學習之路做了一些覆盤和思考，尤其是把自己走過的一些彎路分享出來，希望對產品同學正確地擁抱AI能有一些參考。
仍然想再次HighLight：在AI之路上，我也是個小學生，也時常在犯錯、覆盤，箇中經驗未必正確，僅供學習參考和啟發之用。
是系統學習，還是單點突破？
很多產品同學都問過我這個問題。
當然，在我看來，能做出這樣的提問，首先就是有系統思考的具體表現，那麼，應該怎麼選擇呢？
先說我的結論：先系統層面粗糙學習，再用多個單點突破串成新系統。
什麼意思呢？
首先，我們還是要對AI有個相對系統的瞭解，建立初步的整體印象，我一直主張產品經理要有大局觀，只有具備更高視野（這個視野，哪怕未經實踐、只是聽過呢），才能在產品落地時更好地從容不迫。
畢竟，我們都明白：面對新事物，得進語境中去，才能成長更快。
只不過，在擅長“深度學習”的AI面前，我不主張大家先深度學習，很重要的一個原因是——精力有限的情況下，快速找到適合自己的AI匹配點才是最重要的。
這個匹配點，可能是Agent，可能是AI音訊、AI影片，也可能是AI程式設計，甚至還會疊加你的興趣點。
顯然，你作為優秀的產品經理，肯定知道如何快速找到這個匹配點——MVP呀，迭代試錯呀。（額，被一個年輕的產品同學上了一課…）
所以，我們一開始學AI，不要深度的系統化，先快速地、粗淺的建立系統認知，然後就結合自己公司的業務、自己的興趣去深度求索。
最後，再在各個實踐中建立自己的系統方法論，不管你相信與否，這類實踐出來的方法論要比空洞的所謂乾貨更實用，後者一不小心還可能將你勸退。
這裡，我的經驗是：可以以「AI詞雲圖」為主線，進而瞭解各個主要的AI概念。
比如，什麼是LLM，什麼是深度學習，什麼是卷積神經網路等等。
AI詞雲圖怎麼來？
額，你這麼懂AI，你肯定有辦法。
其次，我推薦兩門基礎課、兩本入門書：
影片課程：一個是吳恩達老師的《AI for everyone》，另一個是李宏毅教授的《生成式AI》。
書籍可以先看這兩本——《深度學習革命》、《晶片戰爭》，其實我還看了Open AI CEO山姆·奧特曼的《這就是 ChatGPT》，書也不錯，就是有點太乾，可以稍後看。
另外，吳恩達老師的課，可以集中學習下，B站一搜就能搜到，35個章節，3個小時左右；李教授的《生成式AI》可以慢慢看，一般1-2周就可以學完。
以「AI詞雲圖」為抓手，以這兩門通識課為基礎，我覺得就能幫助大家快速建立粗略的AI框架，這就夠了。
接下來，其實就是找自己的匹配點，就可以從hidecloud所說的「尋找非共識」出發，和自身去做融合。
圖-⬆️吳恩達《AI for everyone》
找個匹配點，在實踐中完善
相信我，實踐永遠是出真知的最快路徑，尤其是在遍地AI方法論的當下，願意實踐、善於實踐更顯得彌足珍貴。
不少同學都反饋跟不上AI的變化，各類新概念、新工具層出不窮。
你剛學完coze工作流、智慧體，他就進化成能做智慧應用了；這邊剛學會用Cursor的Claud3.5做個小工具，那邊Trae就集成了DeepSeek和Claud 3.7。
學不完，根本學不完。
其實，沒必要也不可能全部學完，最好的方式依然是找個場景去實踐，真的，你能想到的場景絕大多數都會有解決方案。
所以，期望短期做顛覆性創新很難，最好的AI態度就是日拱一卒的實踐。
舉個例子：
我和幾個小夥伴共同研究AI、學習AI，我發現對AI的理解更深度的總是那兩三個同學，他們無一例外地都融入了自家的業務，在垂直領域放大AI的效能。
比如，有同學把自家的供應鏈業務的客戶場景，與AI和飛書表格做了整合應用，嚯，CRM都沒有他現在客戶分析的全面。
這就是融合的價值。
同時，他的AI功底也進展飛速，學會了coze工作流，也學會了飛書多維表格，更懂得下一步AI的發力點。
再比如，我自己也在用AI做一個小程式，是基於我個人自媒體繁雜、重複工作的自動化應用，所以我透過Trae搭建了一個小程式，無程式碼那種，而且即將釋出上線。
需要特別說明的是，在這個過程中，我自己學會了GitHub的釋出與管理，學會了精準除錯bug，甚至我都能自己自定義小程式的navigationBar了。
無他，實踐驅動迭代而已。
所以，別糾結理論方法論，別在乎先學A會不會讓B不高興，別想太多，就從自身業務出發，去思考AI的結合點，而後堅定不移地接入、擁抱。
對產品同學而言，Insight是終極競爭力
很多時候，門外漢都是看熱鬧，而只有躬身入局的專業人士才有更多敬畏之心，才知道使用者洞察和長期主義才是出圈兒的源動力。
刷爆圈兒的Manus，正是如此。
可能不少同學昨天都看了Manus那“令人髮指”的AI能力，可有幾個同學知道這個產品歷時20個月才問世，而且還是猶抱琵琶半遮面的內測。
嗯，這在2週一迭代的當下，顯得十分突兀，但卻又十分符合長期主義的敘事邏輯。
前兩天，有不少小夥伴在群裡討論AI對產品的影響，大家各自有不同的看法，但在我看來，我們對AI的確不應該「敬而遠之」，但也不能「飢不擇食」，而是要抓住主要矛盾。
什麼是主要矛盾呢？
洞察力。
是的，鏡同學覺得，對於產品同學來說，洞察力（業務抽象、場景分析、使用者理解等）在AI拉低技術門檻後越發重要，尤其是當長尾需求、差異功能的實現成本被AI無情抹平之後。
所以，在 Manus 釋出之前我就發過一個小感嘆——未來產品經理分析報告、洞察資料必然會成為必備新技能。
其實我一直覺得，產品的核心競爭力，本就應該在使用者洞察上，而不是簡單地藉助AI做一兩個小工具之後就直呼AI強大、而變得沾沾自喜。
使用者需求的真正滿足、高質量滿足，從來沒有想象中的那樣簡單，90分和100分，差的不是10分，而是一個數量級，這個數量級就在於對使用者洞察是否更加深層次。
未來產品經理的新高地，一定來源於其使用者洞察力的造詣。
這似乎有些反常識，但請你仔細想想，過去產品經理所能呈現的、靠專業經驗放大的流程設計、高保真原型設計、甚至是0-1的產品技術落地等等，都變得信手拈來、毫無門檻。
當DeepSeek將中文文學發揮與中等作者相差無幾時，別高興，普通人反而更應如履薄冰，因為一個常識是，當內容供應過剩時，具備靈魂的手工匠人又必然重回封神時刻。（就像本文一樣純人工敲打）
那麼，頂層競爭力還剩下什麼？
這就好比人人手裡都拿著一支神筆馬良，AI帶來的短期是平權欣喜，長期看卻是“新式內卷”，「怎麼畫」不再是競爭高低，而是根據不同場景「畫什麼」的洞察與想象，才是新擂臺。
其實，我自己近期也確實體驗了不少AI出圈兒的產品，無一例外，都是基於對其自身業務發展的深刻思考，洞察使用者真正的需求去創造有內涵的價值，這才是產品的終極宿命。
這也是產品同學擁抱AI應該具備的姿態。
最後，鏡同學想說的是，AI帶來的表面看是諸多新變數，但「厲行價值創造」作為產品同學的內涵卻從未改變，而且比以往任何時候還都更加突出。
智者無他，善假於萬物也。
或許這才是我們產品人擁抱AI的正確姿態。
———— / E N D / ————
本文來自微信公眾號：產品大峽谷，作者：產品大峽谷