从互联网到 AI——产品经理的变化与不变

会议: 产品力领航者大会 PM × AI · 2026 春季 | 讲者: 邹昌力（Zenas，A2H Market 产品合伙人，AI 连续创业者；前字节抖音主端，前滴滴国际化产品） | 时间: 2026-04-24 下午 · PM 角色转型分会场

一句话总结

AI 时代产品经理寻找价值的方法没变，但游戏规则、团队分工和工作流程全变了——PM 必须从「做事」转向「设计机制」管理 AI，把判断力沉淀进 Harness 与规范，长期目标是控制系统熵增。

速览

1. AI 革命的本质：把不稀缺的算力转化成稀缺的通用能力——这是工业革命级别的变化，我们正处第一阶段
2. 这次 AI 不一样：数据、算法、算力同时突破——前三次 AI 浪潮都卡在某个瓶颈，这次三要素齐发，规模触发能力涌现并泛化
3. AI 发展同时存在均值回归和正循环抬升——能力 ≈60 分均值会让差者补短、强者仍强；自我强化飞轮（数据→模型→Harness→更多用户）会持续抬高基线
4. 围绕下一次模型质变构建产品——应用层爆发以模型质变为燃料，「努力要在新模型发布那一刻 ready」
5. AI 产品增长不再渐进，而是一阵阵爆发——showcase 惊艳→爆发增长→缓慢下降，等下一次模型突破
6. 商业逻辑从互联网变到 AI 的 4 条新法则——用制造业思维做 AI 产品、看重经营策略、站稳脚跟再进攻、靠体系而非功能取胜
7. AI 让交易的「特征压缩」约束被解除——通用智力变充裕，标准化、冷冰冰、信息茧房三笔智力税可以被免除
8. 团队分工不再按职能，而是按每个人最擅长的能力——团队是一只木桶，每个方向最强者就是一块桶板
9. 流程从串行流水线变成并行同步演进——开会决方向、方案/视觉/Coding 同步、多套并行、上线后补 PRD
10. 判断力 = 学习 + 实践 + 沉淀方法——从「做事」转向「设计机制」，把每次 review 沉淀成规则，让 AI 起手就规避
11. 把 Codebase 做成 Agent——定义 Benchmark + 构建 Harness，让 AI 朝目标收敛，PM 视角能 cover 的 AI 时代命题
12. 长期目标：控制熵增——开放性引入负熵 + 好结构减缓熵增 + 主动代谢清理过期沉淀

核心内容

Chapter 1：寻找价值的方法没变，游戏规则变了

技术革命的第一性原理：不稀缺 A → 稀缺 B

邹昌力把四次工业革命用统一公式描述：每次技术革命都是「不稀缺的 A」→「稀缺的 B」的两阶段跃迁，第二阶段扩大 B 的影响面。

Take Away：AI 处于第一阶段——把相对不稀缺的算力，转化成稀缺的通用能力。这是工业革命级别的变化。

AI 爆发过 4 次，这次为什么不一样

前三次 AI 浪潮都卡在某个瓶颈，这一次数据、算法、算力同时突破：

我的答案：2024 年 6 月立刻转型拥抱 AI

邹昌力分享自己「要更早从互联网转行 AI」的判断依据，三组论证：

做了什么功课（三个研究）：

• 系统测试：亲手跑 LLM、diffusion，摸能力边界
• 行业交流：与专家、用户、第一梯队观点碰撞
• 市场观察：从短视频、电商、打车里读涌现

看到的现状（三条判断）：

• 技术视角：本质是高维压缩，不是科幻智能
• 市场视角：showcase 好做、应用难做，市场在收缩
• 未来视角：涌现机制未发挥，潜力远未见顶

技术突变规律（一条规律）：

• 前提：巨量群体共识 + 足够大的潜力
• 机制：多样性爆发积累，世界筛选最优解
• 结果：突变发生，往往快于人们预期

Take Away：2024 年 6 月，他决定立刻转型拥抱 AI——提前就位，等突变到来时能看得到、跟得上。

AI 在往哪个方向发展：双向并存

观察 1：均值回归——假设 AI 能力分 ≈60 分，无论输入多强或多弱，输出都会被拉向 60 分。结果：差者明显补短（30 + AI = 60 分），强者仍然更强（90 + AI = 70 分）。

观察 2：自我强化正循环——以 AI Coding 为例，现有代码→训出模型能力→建 Harness 吸引更多开发者→使用数据再训，能力螺旋上升。Stage 1 是 Cursor·人类参与监督，Stage 2 是 Claude Code·干掉 human loop。一旦咬合就打爆行业，复制到下一个领域。

围绕下一次模型质变构建产品

应用层爆发以模型质变为燃料，提前卡位让行业发展对自己有利。

主案例·2025 AI Coding 到底要不要 IDE：

• PRO·要 IDE：human in the loop——IDE 对人类友好，AI 无法 100% 正确，需要人类兜底、随时接管修正
• CON·不要 IDE：完全 AI 自动化——human in the loop 是效率阻尼，完全 AI 自动化才是终局
• 2025 H1→H2 共识翻转：H1 正方共识（Cursor 领跑）→ Claude 能力质变 → H2 反方翻盘
• 结果：Claude Code 爆发增长，逐步追赶并反超 Cursor

Mini Case 01·问小白：先做好搜索和产品，等 RL 模型能力质变；DeepSeek R1 一出，爆发增长。

Mini Case 02·Manus：提前探索「干活 Agent」，Claude 3.5~3.7 能力质变；借势一步引爆。

AI 产品的增长：一阵阵爆发

体验依赖模型，模型有换代周期——产品设计要在新模型发布时 ready。

INSIGHT：努力要在新模型发布那一刻 ready——提前卡位，才能发挥产品最大威力。

具体案例曲线（从早到晚）：ChatGPT、Flux 超写实、DeepSeek R1、Manus、4o 吉卜力，每个产品都呈现「窄爆发」形态。

商业模式和商业环境都变了：4 条新法则

RULE 01·用制造业思维做 AI 产品：

• 互联网 = 把 B 规模化：靠网络/规模效应建壁垒
• AI = A → B 阶段，更像制造业——要不停造新东西
• 一旦停止领先，用户像换手机一样立刻选对手

RULE 02·比过去更看重经营策略：

• AI 每个客户都要付固定高成本，跑起来增长也很快
• 盲目冲规模 → 成本压垮营收 → 经营危机
• 必要时要敢放弃增长，守住经营底线

RULE 03·站稳脚跟·不要盲目进攻：

• 过去：破坏式创新很灵——小团队能弯道超车干掉大厂
• 现在：大厂也学会防御破坏式创新，超车缝隙越来越窄
• 先站稳，再进攻——比盲目冲阵更关键

RULE 04·建立体系·不靠功能取胜：

• AI Coding 拐点已至：一个想法 → 几天内就能上线
• 竞品秒级跟进——靠功能已经守不住壁垒
• 建品牌 + 机制——像比特币：技术可复制，共识不可复制

AI 时代的交易市场机会：两个第一性原理

FIRST PRINCIPLE 01·任何时代都有分工与价值交换，不会出现全能的独狼：

• 开放系统铁律：阳光地球、食物链社会、吃喝人体——能量持续输入必然演化出差异（复杂科学）
• 经济学铁律：个体有差异 → 分工交换价值 > 做全能个体（微观经济学）
• 所以 AGI 时代也不会出现全知全能、不必与他人交换价值的超级个体

FIRST PRINCIPLE 02·每个时代都借新工具升级交易，交易方式随工具巨变： 货币（破解以物易物低成交率）→ 复式记账法（撑起大规模贸易网络）→ 工业革命（运输+信息双升级，全球市场）→ AI 时代·NEXT（下一次交易工具跃迁）

AI 彻底改变交易的模式：免除三笔「智力不足税」

最近一次工具革命 = 互联网 + 推荐——互联网把现实数字化 + 推荐算法高效链接 → 信息差打破，交易速度/准确率质变。但数字化 + 判断都耗「智力」，上一代通用智力稀缺，一切被压成特征以求规模化。

PUNCHLINE：AI 让通用智力从稀缺变充裕——交易的「特征压缩」约束被解除。

Chapter 2：团队职能划分和协作方式都变了

AI 的优势能力引发团队重新分工

AI 的执行力已超人类，但判断力仍不够——团队要重新分工：

要义 01·AI 干活·人做决策：

• 生产力 Agent 成熟，AI 日常执行效率超过人类
• 但业务判断、产品决策仍需人的经验
• 新分工：AI 是执行力·人是判断力

要义 02·AI 之间传文档·跳过人评审：

• AI 读/写文档效率远超人类评审
• 不如让 AI 互传文档，跳过人开会讨论
• 例：PM 把 PRD + demo 给研发 AI → 直接出技术方案
• 新协议：机器之间传文档·人只做关键收口

按最擅长的能力分工，不按职能

人类专注于判断决策——分工不再按职能，而按每个人最擅长的能力。

Example·写作最强者包办所有文字：团队里写作能力最强的那位——无论 TA 是 PM、设计、运营或技术，所有文字活都交给 TA：官方账号文案、模型训练写作标注、投放 brief、应用商店介绍。职能标签被弱化，能力标签被放大。

Bucket Metaphor·团队是一只木桶：每个方向最强能力的人，就是一块桶板。Plank 1 写作、Plank 2 审美、Plank 3 用户感、Plank 4 博弈、Plank 5 数据、Plank N 架构。

每个环节的工作方式都变了

方案/视觉/Coding——每个环节的交付物和节奏都变了：

流程整个被重塑：串行流水线 → 并行同步演进

PAST·串行：业务定方向 → 产品方案 → 设计方案 → 技术实现 → 测试验收 → 上线（SLOW·RIGID）

NOW·并行同步演进：

1. 开会讨论·决定方向：只决定「做什么」，不在会里把细节定死——只对齐意图和成功的标准
2. 方案/视觉/Coding 同步：三条流并行启动，边 coding 边细化方案和视觉
3. 多套方案并行验证：多套方案并行实现，实际体验后择优，或融合多套优点上线
4. 上线后补 PRD/文档：上线后补 PRD/业务文档，问题更新到规范，AI 不再重复犯错

KEY：开会是一切的开始·文档是一切的结束。

Chapter 3：学习和探索管理 AI 的能力

AI 路线未定·百家争鸣时代，PM 的判断力尤其重要

判断力 = 学习 + 实践 + 沉淀方法（行业发展飞快，输入要多于输出）

三条证据：

• Evidence 01·疯狂读论文：陆奇、张一鸣都疯狂读新论文
• Evidence 02·亲自做实验：张一鸣也亲自做实验，甚至亲自训练模型
• Evidence 03·沉淀方法：不能再埋头只管落地，要建立新的高效率体系

从「做事」转到「设计机制」

做产品是设计用户 & 系统的机制——现在还要给 AI 设计机制。

MOVE 01·评估 AI·人的能力模型——把 AI 模型按传统职能派到最胜任的事上（仅为示例映射，实际应以团队最新 benchmark 为准）：

MOVE 02·建立机制·批量解决 & 预防——

• 中医·治欲病：把问题变成规则·批量解决
• 上医·治未病：让问题不再发生

把「举一反三」做成机制：1 → N

一次修复不是终点——要让 AI 下一次就起手规避。

机制内容：把每次 review 的判断沉淀成规则，把踩过的坑写进 AI 起手的 prompt / 规范。修复 = 一次；规则 = 永久。从修一个 bug 扩展到消灭所有同类 bug。

把 Codebase 做成 Agent

定义「什么是好」，让 Harness 驱动 AI 朝目标收敛。

Problem·AI 时代人人都在改代码：代码仓库越改越乱，质量越来越失控。

Mechanism·定义 Benchmark + 构建 Harness：

1. 从架构、安全、产品逻辑、设计多维度
2. 定义每个仓库「什么是好」，设为 Benchmark
3. 通过 Harness 把仓库做成 Agent

Codebase 即 Agent·自我打榜（脱敏案例）：（仓库名脱敏）多个仓库重构前评分 A/B/B/D/F/F/D，重构后全部达到 A+。

PM 视角：看似是技术问题，实则是 AI 时代 PM 能力模型能 cover 的事。

验证变得更加容易：让 AI 并行实现多套方案

驾驭 AI 生产力之后，可以让 AI 并行实现多套方案。

Parallel Prototypes 流程：一个想法（用户反馈/数据发现的机会）→ 方案 A/B/C 并行 → Validate·筛选（做出来体验 OR 上线 AB）→ 挑最好的上线，或融合各方案亮点。

为什么 Work：AI 输出的随机性让每个方案都有差异，亮点不同——这才有多方案融合的可行性。

持续构建飞轮：4 步自我管理闭环

机制越来越多 → 组合起来形成长期自我管理飞轮：

1. 聊业务 → 讨论 TODO：决定要做什么
2. AI 并行执行：让 AI 多方案同时跑
3. 执行后修问题 → 举一反三：沉淀下次 review 规则，不要再犯
4. 上线方案 → 获得 Know How：沉淀 Benchmark，发现下一个 TODO → 回到 1

中心是「自我管理」节点，连接 1·TODO、2·并行执行、3·举一反三、4·Know How 四个环节。

控制好整个系统的熵增：长期目标

AI 加速一切，也加速熵增——解决方法是把系统做成耗散结构。

ENTROPY WARNING：一旦 AI 运作系统熵增到混乱，重新台理会非常困难。解决方法是让系统变成耗散结构。

关键金句

「AI 处于第一阶段——把相对不稀缺的算力，转化成稀缺的通用能力。这是工业革命级别的变化。」——邹昌力

「努力要在新模型发布那一刻 ready——提前卡位，才能发挥产品最大威力。」——邹昌力

「开会是一切的开始，文档是一切的结束。」——邹昌力

「修复 = 一次；规则 = 永久。」——邹昌力

「AI 让通用智力从稀缺变充裕——交易的『特征压缩』约束被解除。」——邹昌力

可行建议

• 在新模型发布前完成产品就位，提前卡位等待质变窗口
• 团队按最擅长能力分工，弱化职能标签——写作最强者包办所有文字
• 把 PRD 评审节奏改为 demo + 业务说明的零歧义交付
• 维护设计规范让 AI 自动遵循，不要逐页画设计稿
• 流程改成并行同步：会议只对齐方向、Coding/方案/视觉同步演进、多套并行、上线后补 PRD
• 把每次 review 的判断写进 AI 起手 prompt，从修 1 个 bug 扩到消灭所有同类 bug
• 给每个 codebase 定义 Benchmark，构建 Harness 让仓库自我打榜
• 让 AI 并行跑多套方案，体验后择优或融合上线
• 建 4 步飞轮：TODO → 并行执行 → 举一反三 → Know How → 下一个 TODO
• 控熵三件套：人类引入负熵 + 好结构减缓熵增 + 主动代谢清理过期沉淀

关键数据/案例索引

• 核心框架：技术革命第一性原理（不稀缺 A → 稀缺 B）、AI 4 次浪潮（专家系统/神经网络/深度学习/Transformer）、判断力公式（学习+实践+沉淀方法）
• 历史阶段：动力革命/电气革命/信息革命/AI 革命；货币/复式记账法/工业革命/AI 时代
• 核心案例：
  • 2025 AI Coding 共识翻转（Cursor 领跑 → Claude 能力质变 → Claude Code 爆发反超）
  • 问小白（先做搜索和产品，等 DeepSeek R1）
  • Manus（提前探索干活 Agent，借 Claude 3.5~3.7 一步引爆）
  • 微信朋友圈当年做 20+ 版方案横向对比
• AI 产品爆发曲线：ChatGPT、Flux 超写实、DeepSeek R1、Manus、4o 吉卜力
• 商业 4 法则：制造业思维、看重经营策略、站稳脚跟、建立体系
• 三笔智力税：标准化、冷冰冰、信息茧房
• AI 模型职能映射（示例）：运营 GPT 5.4、设计 Kimi 2.5、前端 Gemini 3 Pro、QA Gemini 3.1 Pro、产品 Gemini Deep Think、架构 Claude Opus 4.6、后端 Codex 5.3
• 个人决策时点：2024 年 6 月立刻转型拥抱 AI
• 个人背景：A2H Market 产品合伙人（a2hmarket.ai，AI 与人类共同参与的交易市场），AI 连续创业者（从 0 到 1 打造「问小白」），前字节抖音主端，前滴滴国际化产品（特价拼车、海外算法动态定价）
• 关键术语：Harness、Benchmark、Codebase as Agent、human in the loop、耗散结构、负熵、特征压缩、举一反三机制、4 步自我管理飞轮、AI = A → B 阶段
• 引用人物：陆奇、张一鸣（疯狂读论文，张一鸣亲自做实验和训练模型）
• PPT 制作信息：Claude Opus 4.7