作者 | 《新程序员》编辑部

出品 | CSDN（ID：CSDNnews）

在技术浪潮中，产品经理的角色不断演变。PC 时代，他们更像“需求分析师”；移动互联网时代，则转向“用户体验设计者”，在创意与落地之间不断磨合。过去常说，“不懂技术的产品经理做不好产品”。如今，大模型、Agent 等技术的出现正在重塑产品经理的工作方式——角色边界被打破，思维模式被迫升级，曾经清晰的分工正在被新的产品形态和工作流彻底改写，这种变化不仅影响个人与团队，也在行业层面掀起深刻转型。

8 月 15 日，由 CSDN 与 Boolan 联合举办的 2025 全球产品经理大会在北京威斯汀酒店重磅开幕。会场座无虚席，热闹非凡，汇聚了 40 余位来自互联网与科技产品领域的一线专家及 1000 多位与会者，现场演讲深度十足，讨论与交流氛围热烈，精彩观点不断碰撞，

主会场上，奇点智能研究院院长、CSDN 高级副总裁李建忠，昆仑万维董事长兼 CEO 方汉，久痕科技创始人、CEO、前网易副总裁汪源，YouMind 创始人 & CEO、前字节跳动产品副总裁、语雀创始人王保平（玉伯）等嘉宾带来了关于 AI 产业最新趋势的洞察与产品实践的心得分享。

奇点智能研究院正式成立！

在大会现场，李建忠重磅宣布，CSDN 与 Boolan 联合多家机构共同发起的奇点智能研究院（Singularity Intelligence Research Institute）正式成立！奇点智能研究院旨在成为专注于人工智能前沿技术和产业落地的创新研究、咨询与智库机构。其愿景是成为人工智能产业的“范式孵化器”，使命是推动 AI 成为普惠性的生产力工具。官方网站：https://singintelligence.com

研究院聚焦人工智能带来的计算范式、开发范式和交互范式转换，并围绕这些方向设立了六大研究领域：

1. 智能化战略转型与落地；

2. 智能软件工程与研发效能；

3. 企业开源软件设计与治理；

4. AI 系统软件技术栈；

5. 系统软件性能工程与优化；

6. 软件架构设计与重构。

此外，奇点智能研究院还与华东师范大学联合成立了“开源创新与变革联合实验室”，计划发布全球开源发展报告、大模型赋能软件开发范式变革白皮书等系列研究成果，推动奇点智能在前沿技术和产业应用方面的探索与创新。

李建忠：大模型驱动的 AI 产业生态与产品创新

奇点智能研究院院长、CSDN 高级副总裁李建忠带来主题为《大模型驱动的 AI 产业生态与产品创新》的开场演讲。他表示，AI 正处于一个指数级加速的发展阶段，无论是基础模型、应用开发、人机交互还是智能体，都在经历重大的变化。

李建忠  奇点智能研究院院长、CSDN 高级副总裁

基础大模型正在经历从“训练”到“推理”范式的转换。李建忠形象地比喻：“在预训练阶段，模型是在‘讲知识’；后训练阶段，它在‘讲文明’；而推理阶段，模型开始‘讲逻辑’。”这种变化背后的核心驱动力，是强化学习带来的“经验数据时代”。过去，模型几乎完全依赖人类知识数据，本质上是人类知识的“回声室”；而通过强化学习，模型可以在动态环境中不断试错、积累反馈，从而获得合成经验数据，进而突破人类知识的边界。针对业界一度流行“Scaling Law 已经失效或停滞”的说法，他深度剖析道，预训练阶段的增长放缓并非法则失效，而是公域数据几乎耗尽造成的限制。但加入强化学习后，推理阶段出现了新的增长曲线，模型性能仍在持续提升。

随着强化学习带来的推理能力提升，过去几个月间，几乎所有 SOTA（state-of-the-art）模型都开始内置训练 Agent 和 Tool Use 能力，其核心主要依赖强化学习与特定架构设计，让模型在动态环境中通过试错学习决策策略，并结合外部工具完成复杂任务。李建忠表示，这一变化使得大模型的能力从“给你建议”，转变为“直接帮你完成任务”，主流大模型也正在从简单的 Chatbot 进化到 Agentic 模型。

在应用开发范式维度，李建忠谈到近期火热的 Vibe Coding（氛围编程）：“有些人认为它只能做小游戏或前端应用，难以支撑企业级软件，但我们应该用发展的眼光来看待它，这正像早期曾被低估的 Web 技术，那时前端编程不被认为是软件开发，但是后来 Web 编程创造的互联网软件规模和用户都远超传统软件。”在他看来，氛围编程不是对传统软件工程的颠覆，而是创造了新的增量市场，有望创造出“可塑软件（Malleable Software）” 支持用户对软件进行二次加工、个性化定制体验/功能。由于使用自然语言来完成软件编程任务，软件的生产和交付成本可能降至极低，实现“现用现做、用完即弃”的体验，同时可塑软件仍依赖传统软件作为底座。

谈及人机交互的演进，李建忠认为，AI 时代的入口是自然语言的对话界面，它不是自然语言问答这么简单，它会重构整个智能应用也就是Agent的形态。他进一步总结了交互范式重塑 AI 应用形态所带来的“应用服务化、APP 不再孤立、无需结构化 UI 和生成式 UI”等新趋势。

“只要能够支持自然语言直接对话，无论是眼镜、车载系统、可穿戴设备，还是手机，都有可能成为入口，而不是由某一个设备统一主导。”

最后，得益于推理能力的提升，以及 MCP 和 A2A 协议的落地，李建忠表示，智能体与工具/传统软件之间的交互能力得到了极大的提升，促进了智能体生态的繁荣。谈到 AI 驱动的下一代设备，李建忠指出未来的设备未必是单一设备主导，而是由手机、智能眼镜、可穿戴设备、智能音响、汽车等多元设备作为智能体的交互入口。

李建忠预见，未来可能会出现这样一种生态，用户使用自然语言，通过各种智能设备（眼镜、手机、手表、汽车、音箱等）与智能体交互。这些设备背后可能是同一个中心化的智能体，它熟悉用户的偏好、身份和历史记录，然后该智能体会将任务分发给传统软件或其他智能体网络一起协作、根据任务时长（分钟级、小时级、天级、月级、年级）在合适的时间点来完成用户的需求。

昆仑万维方汉：生成式 AI 的终极形态：Skywork Super Agents 的生产力革命

紧接着，昆仑万维董事长兼 CEO 方汉带来了《生成式 AI 的终极形态：Skywork Super Agents 的生产力革命》的主题演讲。

方汉  昆仑万维董事长兼 CEO 

“任何技术，包括当前的 AI，都只是因阶段性的人才紧缺和技术壁垒显得稀缺——一旦时间推移，这些技术都会逐渐‘白菜化’。”演讲伊始，方汉便提出了一个特别的观点：“我一直认为，技术很难形成一个长期的护城河，但是产品上的创新可以。”

基于此，成立于 2008 年、做网游家的昆仑万维，如今已经历两次转型：

• 平台化转型（2016-2022 年）：在海外开展了大量移动互联网业务，包括收购 Opera 和 Star Group。

• AGI 与 AIGC（2022 年至今）：AI 业务商业化落地加速，在多模态推理、视频生成、音频生成等关键方向推出了多项颠覆性技术与开源成果。

其中在今年 5 月，昆仑万维发布了全球首款基于 AI Agent 架构的 Office 智能体——Skywork Super Agents（天工超级智能体）。它集成了“5个专家 Agent + 1 个通用 Agent”，支持 AI 文档、AI PPT、AI 表格等一键生成，可大幅提高办公效率，将 8 小时工作量缩短至 8 分钟。

本周，昆仑万维还启动了 Skywork AI 技术发布周，连续五天开源了多款多模态模型，包括：音频驱动数字人模型 SkyReels-A3、交互式世界模型 Matrix-Game 2.0、世界模型 Matrix-3D、统一多模态模型 Skywork UniPic 2.0、Agent 引擎模型 Skywork  Deep Research Agent 以及 AI 音乐模型 Mureka V7.5。

截至目前，昆仑万维的 AGI 与 AIGC 业务、信息分发与元宇宙业务和投资业务已覆盖全球 100 多个国家和地区，海外收入也占比达到了 94%——基于这个成绩，方汉进一步分享了他在 AI 出海场景中的一些观察与思考。

“在移动互联网浪潮之后，产品经理普遍面临一个痛苦的现实：市场上似乎已没有巨大的机会了——直到 AI 的出现。”方汉表示，AI 时代做产品的方法，与前 AI 时代并无本质区别，依旧需要思考产品的“第一性原理”。

根据海外第三方 AI API 调用平台 OpenRouter 统计数据显示，编程（Coding）类调用占比高达 87%，远超其他应用，排在第二的是角色扮演（Role Play），而个人助理和营销类应用占比很低。

在方汉看来，这背后的原因很简单：从市场表现来看，编程是当下最炙手可热的领域，同时它还拥有最完整的“过程数据”，让 AI 能够高质量地学习和泛化；而 Role Play 的兴起，则与短视频的流行逻辑相通，契合了当下人们对于情感刺激和即时反馈的需求。

既如此，那么涵盖多种应用场景的通用 Agent 会是最优解吗？对于这个问题，方汉的答案是：“我认为通用 Agent 不是最优解。”他解释道，除非有公司能在每个行业都积累高质量的“过程数据”，否则所谓的通用 Agent 无法覆盖所有行业，因此行业化大模型仍是必然趋势。

在 AI 产品落地层面，ToB  与 ToC 的核心逻辑也存在差异：ToB 的关键是 “增效”，如大厂通过 AI 编程提升代码产出效率；ToC 的核心则是 “降本”，AI 以远低于人类的 “时薪”，降低了如情感陪伴、1V1 教学等场景的消费门槛，让此前难以规模化的业务成为可能。

至于在判断 AI 产品潜力方面，方汉建议可以关注 API 调用量。Token 调用量高的产品通常增长最快，而目前的高频应用包括编程、聊天、TTS（语音合成）、音乐、图片、视频等。

在演讲的最后，方汉强调，尽管当前中国 AI 行业面临算力与融资挑战，但这种压力也催生了优势——中国企业更为注重快速变现和可盈利模式。基于此，他表示： “我相信未来 3-5 年，中国产品经理将在 AI 产品和商业模式的创新上走在世界前列。”

汪源：GenAI 应用的交互设计

作为产品经理，在 AI 时代，GenAI 应用的交互设计究竟该怎么做？久痕科技创始人、CEO、前网易副总裁汪源，结合多个优秀产品案例，做了深入剖析，并分享了自己独到的见解。

汪源 久痕科技创始人、CEO、前网易副总裁 

他先回顾了交互方式的演变历程：从 Web 2.0（UGC）、移动互联网，一直到如今的 GenAI 时代，交互形态从命令行、图形界面（GUI），发展到对话式交互。三种方式各有优劣——命令行效率高、便于脚本化组合，但学习成本高、文字输入速度比点击慢一个数量级；GUI 易学易用，却容易陷入频繁点击、返回、再点击的繁琐路径；对话式交互自然、能利用上下文提升效率，但初用者往往不知道能做什么，对简单任务反而不如 GUI 高效。

汪源指出，当前的大环境下，海量传统软件无法推倒重来用 AI 重写，因此大多数生成式 AI 产品只能以“助手”形态存在，与现有产品互操作。这种状况在未来至少 3–5 年内不会有根本变化。如今开发 GenAI 产品，最大的挑战在于受到现有环境的强烈约束，就像“在螺丝壳里做道场”，或是在既有的社交关系中小心摆正自己的位置。

对此，他将 GenAI 交互的核心拆解成两个主题任务，并给出几点深刻的建议：

一是更好、更快、更简单地提供任务与上下文：

• “四两拨千金”，用最少输入撬动更多的输出，譬如像 Granola 会议纪要这类工具，用户只需记录关键词，它会根据你标记的关键词，智能地向上下文补充，将这一块内容的信息完整地记录下来。

• 感知当前环境。汪源分享了团队在 AI 知识助手产品 remio 中实现环境感知与微信联动的做法。举例来说，前段时间有人发给了他一份采访提纲，当汪源在微信上收到文件时，只需在 remio 里说：“基于你对我们公司的了解，帮我把刚收到的访谈提纲里的每个问题都回答一下。”这种交互打破了 AI 助手与微信之间的壁垒：用户无需手动导出文件再上传到 remio，二者即可实现无缝联动，操作更自然、高效。原理也很简单——remio 可以同步本地特定文件夹，而微信收到的文件会自动存放在名为 Wechat Files 的文件夹中。只要配置了同步，remio 就能实时感知微信上新收到的所有文件。实际上，他还同步了公司的资料、桌面、下载列表、个人资料等文件夹，使几乎所有本地文件都能被 remio 即时感知。

• 利用可视化交互，比如 Notion AI 选中文本即可改写或润色，不必导出再导入。

• 适时引导补充信息，如天工 AI 在请求用户补充条件时，用可视化表单替代纯文本输入，既省力又可控。

• 此外，汪源梳理了当前市场上常见的几种 AI 助手唤起方式：语音唤起（如 Siri）虽然直观，但缺乏上下文，在公共场合也显得不便；固定图标通常被放在屏幕角落，点击时不携带意图；浮窗跟随虽能保留上下文，却容易干扰操作；划词唤起可传递部分上下文，但功能有限且多软件并存时容易“打架”。他还透露，其团队正在尝试一种新的交互设计——鼠标双击唤起助手。在文字输入框中双击即可精准传递意图且不造成干扰，例如用于快速回复邮件、总结聊天记录或创建日程。

• 主动服务：从个性化推荐到自动补全（如 Cursor 编辑器 Tab 接受建议），甚至在对话中推荐相关问题，都是高效的主动交互。

二是审核和应用 AI 生成的结果，这需要：

• 精准溯源方便核实：提供结果来源，便于核对。

• 凸显差异方便审核：如 Notion AI 或代码重构视图，让改动一目了然。

• 过程透明可理解：避免黑箱化，便于用户理解。

• 可编辑：支持用户二次调整。

• 跳转联动：摘要与原文位置实时对应，省去查找成本。 

针对这一维度，汪源还表示，即便是 ChatGPT，也只能读取外部内容，不能直接写回原处，无法自动对比修改前后的差异。这种“助手与主体应用割裂”的现象在行业中普遍存在，也难以彻底解决，但值得探索更好的思路。

最后，他总结道，GenAI 产品多以助手形态存在，受环境制约明显。交互设计的关键在于——高效获取任务与上下文、便捷审核与应用结果。当前体验中仍存在大量断点与不便，亟需业界持续优化。而鼠标双击唤起助手，或许会成为 GenAI 时代的交互“LBS”。

玉伯：AI 时代的产品，如何有人味

围绕《AI 时代的产品，如何有人味》这一主题，YouMind 创始人 & CEO、前字节跳动产品副总裁、语雀创始人王保平（花名玉伯）开场先分享了两个简单的小故事：

• 第一个故事来自于他 4 岁的孩子。有段时间他的小孩非常喜欢“豆包”里的“小猪佩奇”，每天会聊上半小时。但在问及热门游戏《黑神话·悟空》时，佩奇却回答“不知道”，这让小孩颇为失望，最终逐渐放弃使用。

• 第二个故事则来自于他自己。前几天他在准备 PPT 时借助了AI生成工具，结果“一顿操作猛如虎，细看只值两毛五”——生成内容质量不高，多是复制网络内容，缺乏最新信息和深度，最后仍需大量人工修改。

在玉伯看来，这两个故事反映了一个共性：目前 AI 应用整体还处于早期阶段。

王保平（玉伯） YouMind 创始人 & CEO、前字节跳动产品副总裁、语雀创始人

除了用户对 AI 的期待过高外，玉伯认为当前的 AI 工具存在几个突出问题：

（1）交付模式单一：过于强调“一次性给结果”，缺乏与用户的高质量协作过程；

（2）环境感知不足：AI知识更新滞后，无法跟上现实世界变化；

（3）交互设计不够直观：用户很难探索出高效的协作模式。

基于此，玉伯提出了一套 AI 时代的产品思考框架：要理解“人、AI 与环境”三者之间的关系，这也是产品设计的核心命题。具体来说，他将其类比为“天道、人道、AI 道”：

• 天道：即环境，包括数据集、技术生态、信息渠道等，这决定了 AI 的成长速度和能力边界——如果AI 无法感知环境变化，它就会落伍；

• 人道：即人类的变化，包括需求、知识、使用习惯等，这些都会反过来影响 AI 的能力方向；

• AI 道：即 AI 本身，需要通过上下文工程，让 AI 知道我们知道的，也让我们知道它知道的，从而实现更高质量的双向协作。

那么回到演讲主题，AI 产品如何才能有“人味”？玉伯相信：只要处理好“环境、人、AI”三者之间的关系，让三者能够保持同步、相互协作，那么 AI 的“人味”就能体现出来。

也是基于这样的想法，玉伯在去年 5 月正式创立了 YouMind，切入内容创作领域，真正下场去验证和打磨 AI 产品。其中，为了让 YouMind 更有“人味”，玉伯例举了其许多功能，包括：

• 在处理数十上百篇资料时，YouMind 会筛选出适合人类阅读的内容直接呈现给用户，并将其认为有价值的信息保存在项目中——“AI 知道的，让我知道”；
  

• YouMind上线了浏览器插件功能，用户在浏览网页、观看视频或收听播客时，可以将感兴趣的内容直接保存到模板中，这些收藏行为会被AI视为兴趣信号，用于未来的内容搜索与推荐，从而提高结果的相关性与个性化程度——“我知道的，让 AI 知道”；
  

• 每次写作过后，可让 YouMind 总结写作风格，这样它就能基于用户风格和核心观点直接生成初稿——“让 AI 越来越懂我”&“让我越来越懂 AI”。

除此之外，在多模态（音/视频转文字、文字转音频）、生成内容的可编辑性等方面，YouMind也进行了相应优化，最大程度提升用户的创作效率。

在演讲最后，玉伯呼吁道：“AI 产品的人味是让人看见 AI，也让 AI 看见人。在人生有限的几十年中，与其被动消费信息，不如借助优秀的 AI 工具，主动产出内容并留下个人痕迹。”

AI 下半场：产品创新的涌现与颠覆

作为上午主会的压轴环节，本次圆桌对话在奇点智能研究院开源技术委员会主任王伟的主持下拉开帷幕。围绕“AI 下半场：产品创新的涌现与颠覆”这一主题，CSDN 高级副总裁、Boolan首席技术专家李建忠，久痕科技创始人、CEO，前网易副总裁汪源，YouMind创始人 & CEO、前字节跳动产品副总裁、语雀创始人王保平（玉伯）分享了他们对 AI 产品设计、创新落地实践以及行业颠覆趋势的深入见解。

王伟：AI 给产品经理带来了哪些影响与机会？

李建忠：首先，从产品实现的角度来看，产品经理显然是 AI 这波变革的主要受益者。我在演讲中提到的氛围编码，会赋能更广泛的群体。但产品经理掌握了从需求意图到最终交付的端到端流程，所以在这个过程中，AI 更多是扮演“实现工具”的角色。目前，AI 并没有意识，无法主动发起需求定义或产品设计。虽然学术界和产业界对 AI 是否具备意识存在讨论，但在现阶段，我们还没有看到明确证据。因此，从这个角度来看，产品经理可以直接从 AI 中获益。

另一方面，从时代变化的角度来看，我们上一代产品经理和这一代相比，确实存在一个跨越式的代际差异。移动互联网时代和 PC 时代的产品方法论，在 AI 时代可能会被彻底颠覆。换句话说，产品经理不仅是受益者，也是在被 AI 颠覆的一群人，而且这种颠覆并非渐进，而是跳跃式的。对其他行业的人来说，AI 可能主要提供建议，但在产品领域，无论是 Agent 还是 AIGC 内容，最终的策划者和定义者仍然是产品经理自己。AI 成为一个巨大的颠覆变量，同时也带来了极大的挑战。

汪源：我觉得可以从工作和生活两个方面来看。生活上，AI 的影响可能不会特别明显，我个人感受也不深。相比之下，工作环境的变化会更大。现在我们的分工非常细，从大学分专业，到进入职场各司其职。但未来，随着 AI 的加入，一个人可能会身兼多职，完成原本需要多个岗位协作的任务。正如现在流行的“一人公司”，AI 让个人也能承担更多、更复杂的工作。

从产品创新的角度看，未来的工作不再是“一个萝卜一个坑”。产品经理可能同时写代码，工程师也可能参与产品设计，技能边界正在被打破，这背后就是新的机会。只是这些机会最终会在哪些维度爆发，现在还很难下结论。

玉伯：我认为，我们正处于一个 AI 时代，而这个时代并不是只有“产品经理”这一角色有机会参与。随着 AI 技术门槛的降低，越来越多的人能够参与到产品设计与管理中，我们几乎已经进入了“人人都是产品经理”的阶段。不过，这种趋势对于已经是产品经理的人来说，可能会带来一种“二极化”现象——要么逐渐被边缘化，要么在竞争中“强者越强”。

比如，我曾和一些同事讨论过一个话题：在目前的 AI 产品领域中，中国有哪些原创且被广泛认可的运营产品？这其实很难得出一个共识，但张涛老师的Manus算一个，很多人都认为他很强。事实上，他本身就是有十几年经验的资深产品经理，而在 AI 浪潮下，他深入钻研技术，并将其与产品逻辑有机结合，最终打造出顶级的 AI 产品。他在定义 AI 产品边界、理解产品本质方面都有很深的认知，因此变得更加出色。

所以在我看来，AI 时代会造就少数“强者型”产品经理，而这种强大并非偶然，需要靠自身的努力和积累去达成。

王伟：今天大家的分享中多次提到“开源”关键词，奇点研究院也有专注于开源这一方向。作为产品经理，我们为什么要关注开源？特别是在当前人工智能时代，为什么开源会成为一个如此重要的手段？它对于企业和产品究竟意味着什么？

李建忠：最早，开源是从程序员群体中兴起的，但今天，它已经不仅仅局限于开发者的层面，而是上升到全产业链、战略级的生态。

如果大家回想一下，从去年的产品经理大会到今年，这一年的变化非常明显。去年 9 月时，全球还是闭源模型占据领先地位，开源模型与之差距很大。但今年 1 月，国内的 DeepSeek R1 模型发布后，一度成为“独苗”。到了 4、5 月，通义、智谱以及其他自主研发的开源模型纷纷登场，而且在一些权威榜单上的表现，已经不输国外顶尖的闭源模型。甚至像 Google/OpenAI 这样的AI巨头，也开始在排行榜上与中国一线开源模型正面交锋。可见，开源模型对整个 AI 产业的影响正在快速扩大。

回到产品层面，我认为产品经理的一个重要角色，是创新的协调者和组合者。乔布斯曾引用毕加索的话，说“Good artists copy,Great artist steal. ”。他被指责从施乐借鉴了图形界面技术，但他的回应是——把技术放在实验室里毫无用处，只有通过组合式创新，才能诞生伟大的产品。事实也证明了，他在多个消费领域的创新，确实名副其实。

从这个角度看，产品经理不一定自己直接创造技术，但需要发现、挑选并整合创新资源。开源的核心价值，正是提供了一种高效的创新协作机制——它让全球范围内的产业链参与到无边界、低成本的协作中，加快了创新的速度和迭代的节奏。如果没有开源，创新往往只能局限在公司或小圈子内。因此，虽然传统意义上产品经理对代码的关注度不高，但在 AI 时代，开源所带来的这种“协作式创新机制”，对产品经理同样具有极大的价值和启发意义。

王伟：汪源老师在报告中多次提到一个关键词——Chat BI。目前 Chat BI 的确是一个热门方向，但它究竟能发展到什么程度？目前的 Chat BI 最大的挑战是什么？

汪源：其实我离开网易后，就没有直接做 Chat BI，但我一直保持关注。就我个人经验来看，目前在 Chat BI 领域做得最出色的是消息类产品。我发现这些产品在需要时，会灵活使用 Python 来满足复杂需求，这一点在同类产品中非常突出。

你提到的 Chat BI 可以拆成 SQL，这是其中一种实现方式。但 SQL 的表达能力本身有限，而数据分析往往涉及大量数据处理库。如果模型本身具备写代码的能力，通过代码处理数据会更灵活。我经常碰到的场景是：用户用自然语言触发模型，让它帮忙写脚本、同步数据等，但对图形化需求并不强，关键还是统计整个数据。

目前落地到企业环境时，最大的挑战是数据基础。企业原有的数据库设计主要面向交易系统，并不适合 Chat BI 这样的分析产品。这就需要把交易数据模型转化为面向分析的数据模型，比如建立数据参考、通过维度建模组织数据。但在中国，能够把数据参数设计得非常完善的企业其实很少。

因此，即使 BI 系统可以访问大量表格，数据质量问题仍然普遍存在。原始数据本身可能有问题，再精确的分析也难以得到完全可靠的结果。Chat BI 的核心目标是让自然语言能够自由获取和分析数据，并最终可视化。大模型的能力越来越强，再加上过程理解，即便偶尔出错，用户也能发现，大部分（90% 以上）的情况是没问题的。但如果数据源本身未经处理，结果就不可避免地会出错。这和企业知识库面临的问题类似：知识库的原则必须正确，否则基于它生成的回答就会有偏差。

王伟：AI 时代的用户体验和传统产品的用户体验，有什么不一样的地方？你们在打造AI产品的时候，又会怎样去考虑用户体验？

玉伯：回顾传统 SaaS 时代，我们常常在用户体验上做大量“精雕细琢”的工作——针对特定用户群体反复优化细节。这种过程就像雕花，看似细微，但当所有细节积累到一定程度时，就会带来显著的整体提升。比如微信功能的优化，单个改动可能很小，但等全部打磨到位，它就成了一个完整且有价值的作品。

然而，进入 AI 时代，这种思路需要格外谨慎。AI 产品设计中，首先要明确产品的边界——哪些体验的提升依赖于功能优化，哪些依赖于数据层面的能力。尤其是数据准确性，对 AI 输出结果的影响巨大。假设一个企业或个人的知识库中存有大量错误数据，即便 AI 能帮你分析，结果仍然会出错。这种情况下，你就很难将问题归咎于产品本身。

因此，在 AI 产品的设计与迭代中，要注意不要急于去做那些需要语言模型本身能力提升才能覆盖的事情。语言模型的进步是一个过程，就像种下一棵小苗，要等它长成才能开花。在此之前，我们需要权衡——是立刻用小模型来解决短板，还是等待大模型升级后再统一优化。

最后在投入策略上，如果能确定某个功能点在调用后一定会提升体验，那么即使是创业公司，也可以毫不犹豫地投入资源。举个例子，大厂在某个具体产品或功能上，可能出于综合成本考虑，只投入一两个人全职负责；但创业公司如果能看清方向，就可以在这个点上投入 5 人甚至 10 人，集中 5 倍资源在一个关键节点上以做出差异化，最终形成独特优势。

因此对于创业公司来说，做产品第一要想清楚“哪些事情不做”，避免资源浪费；第二要想清楚“要做的事”并将其做到极致，这样才能在市场中站稳脚跟。

生成式 AI 下的产品新篇章

本次大会还特别设置了生成式人工智能产品、Agent 智能体产品设计、企业级 AI 产品与应用、AI+ 行业应用落地实践、具身智能与硬件产品、海外产品实践、产品战略与创新、产品管理实践、产品与服务体验设计、产品运营与增长、商业模式设计、用户研究与需求分析等 12 大专题。来自腾讯、智谱、支付宝、百度、网易、字节跳动、快手、科大讯飞、360、金山办公、京东、vivo、出门问问等领先企业及组织的技术专家进行了深度分享。

除了干货满满的产品技术分享，本次大会也得到了鸿蒙生态服务公司、AIGC 软件 A 股上市公司万兴科技（300624.SZ）、声网、人民邮电出版社异步社区、清华大学出版社等合作伙伴的大力支持。会场外的展位人气十足，参观者兴致勃勃地与展商交流互动，深入了解各类创新成果，现场气氛热烈、络绎不绝。

至此，2025 全球产品经理大会首日议程落下帷幕，但精彩仍在继续。大会将继续围绕技术趋势、产品实践、行业应用、未来展望持续推进，敬请期待！