夜雨聆风
软件PM转型AI硬件PM:10 年实战总结
软件 PM转型AI硬件PM：10 年实战总结 一、引言过去一年，我见了20多个从互联网转型做AI 硬件的产品经理以及先前本来做软件后来转型做AI硬件的创业者。聊下来，发现一个共性问题：他们都很困惑。 有个前阿里的高级产品负责人，去年跳槽去了一家AI硬件公司，跟我说：”我在互联网做了8年产品，现在做AI硬件，发现以前那套方法论全废了。” 软件 PM 那套”小步快跑、快速迭代”，在AI硬件世界行不通。开模要一个半月，加工要一周，组装测试又要几天——一轮迭代下来，一个月过去了。你让老板怎么忍？ 总结下来，软件 PM 转型 AI 硬件PM，最大的困惑就三个：
今天就把这 10 年攒下来的经验，一次性整理出来。 二、思维转变：软件PM vsAI硬件PM的核心差异软件可以无限迭代，硬件必须一次做对。这句话听起来简单，做起来难。 软件PM的口头禅是”快速迭代”，AI硬件PM的座右铭是”三思而后行”。 为什么？因为硬件迭代的成本太高了。 我们有个项目，需求文档写了 30 页，评审时所有人都说没问题。结果真机一跑，发现电机扭矩不够，机器人上楼梯时差点跪了。怎么办？改设计，重新开模，等一个月。 第二版来了，扭矩够了，但又出新问题：散热不行，连续走 10 分钟电机就过热保护。再改，再等一个月。 到第六版时，我们才终于有了个能稳定行走的硬件平台。6 个月，软件团队基本在等硬件。 PM如何在设计阶段识别风险？我总结了一套评审 Checklist： 1. 边界条件验证
2. 供应链风险评估
3. 成本核算
有个案例：产品团队想加个”机器人主动握手”功能，听起来很酷。但我查了 相关的论文，发现这个功能需要力控精度±0.5N，响应时间<100ms。当时我们的技术方案只能做到±2N，200ms。 怎么办？要么砍功能，要么加成本上更好的传感器。最后我们选了前者——MVP阶段，核心功能优先。 AI硬件PM 的核心能力，不是写多完美的需求文档，而是在设计阶段就能识别出哪些地方会出问题。
三、能力补课：技术/供应链/成本，软件PM需要补哪些课很多软件 PM转型后，最大的焦虑是：”我不懂技术，怎么跟工程师对话？” 我的观点是：你不需要会写代码，但你得能判断”这个需求技术上靠不靠谱”。 技术课：不用会写代码，但得能判断可行性，有个产品想加个功能：机器人能主动和人握手，力度要轻柔。听起来简单，但技术上涉及力控算法、触觉反馈、运动规划。我当时做了三件事：
最后结论是：技术上可行，但成本会增加 30%。产品团队听了，自己就把功能砍了。 PM 的技术课，不是学怎么写代码，而是学怎么判断”这个需求靠不靠谱”。 供应链课：可采购性、交期、备选方案硬件 PM 最容易踩的坑：选了个”性能完美”的器件，结果供应商产能跟不上。 我们有个项目，电机选型时选了某德国品牌，性能参数完美，效率 95%，扭矩密度行业第一。但问题来了：交期 12 周，而且供应商说”产能有限，优先保证大客户”。 我们当时订单量不大，被供应商排到后面去了。结果产品延期 6 个月。 后来我学了个乖：选器件，性能不是唯一标准，可采购性同样重要。 现在的选型流程：
成本课：BOM 核算、降额设计、性价比权衡AI硬件的成本敏感度，比互联网产品高得多。 有个项目，方案团队想用激光雷达做导航，精度确实好。但我算了一笔账：激光雷达 8000 块，深度相机 800 块，成本差 10 倍。 对于消费级产品，这个成本差距是致命的。最后我们选了深度相机方案，精度损失 20%，但成本只有1/10。 PM的成本课，核心是三个字：性价比。 每个功能都要问：这个功能值得花这么多钱吗？用户愿意为这个功能多付多少钱？ 四、实战方法：PM如何推动跨团队协作AI硬件PM的核心竞争力是什么？不是写需求文档，不是画原型图，而是跨学科沟通能力。 PM 不是传话筒，是翻译官 + 协调员。 和算法工程师沟通：把产品需求翻译成技术语言产品说：”机器人握手要温柔”。算法工程师听完一脸懵：什么叫”温柔”？ PM 的工作，就是把这句话翻译成技术指标：
怎么翻译？你得懂双方的语言。 产品语言：用户体验、场景、痛点技术语言：精度、延迟、阈值、算法 PM 站在中间，把产品语言翻译成技术语言，再把技术限制翻译回产品语言。 和硬件工程师沟通：怎么评估技术方案的可行性电机选型是个典型案例。 产品说：”我要扭矩大、转速高、体积小、重量轻、成本低”。硬件工程师听完笑了：”这种电机不存在”。 PM得懂基本的权衡关系：
有了这些常识，你才能和工程师对话：”如果扭矩要求降低 20%，成本能降多少？” 有次产品定义会议，老板要求机器人手臂能举起 5kg 重物。工程师说做不到，电机扭矩不够。 我没急着拍板，让团队算了三笔账：
算完这三笔账，我跟老板沟通：”要么接受 3kg 负载，按时交付；要么加 200 万预算，延期3周。您选哪个？” 最后决定：保持原电机，把负载要求降到 3kg，优化了末端执行器设计。项目按时交付，成本没超。 这就是 PM 的价值：不是传话筒，是帮团队做权衡。 风险评估方法论我总结了一个风险评估框架，三个维度： 1. 技术成熟度
2. 备选方案
3. 验证周期
有个项目，我们评估某个算法方案是”开源阶段”，预留了 3 个月验证周期。结果验证下来不行，切换到 Plan B 又花了 2 个月。幸好我们预留了缓冲时间，没影响整体进度。 资源协调：怎么在有限预算和周期内交付硬件项目最常见的困境：功能太多，预算太少，时间太紧。 怎么办？砍功能。 有个项目，产品团队列了 15 个功能。我算了笔账：全做的话，预算超 40%，周期超 3 个月。 最后我们开了个优先级评审会，砍掉了 3 个”锦上添花”的功能，保住了核心功能按时交付。 PM 的资源协调能力，体现在敢说”不”。 不是所有功能都值得做，不是所有需求都应该满足。PM 得在有限资源下，做出最优的取舍。
五、总结建议：给转型者的 5 条建议干了 10 年AI硬件PM，给想转型的软件 PM 5 条建议： 1. 补物理课（1-2 个月） 不用学到物理系毕业，但基础概念得懂：
推荐资源：MIT OpenCourseWare 6.141 机器人学导论，B 站有搬运，带中文字幕。 2. 泡开源社区（持续） GitHub 上搜 humanoid-robot，有 200 多个公开项目。看别人怎么设计、怎么调试、怎么踩坑。 开源社区的好处是：问题都是真实的，方案都是经过验证的。比看书进步快。 3. 建立硬件敏感度（3-6 个月） 硬件敏感度怎么培养？多拆、多摸、多测。 买个开发板，自己焊电路；买个电机，自己调驱动；买个传感器，自己写代码读数据。 亲手做过，你才能理解硬件的限制在哪里。 4. 保持软件优势 软件 PM 转型硬件，不是抛弃软件优势，而是把软件思维带到硬件世界。 软件的优势是什么？快速迭代、数据驱动、用户反馈。这些在硬件世界同样重要，只是实现方式不同。 5. 接受物理世界的确定性 软件世界，bug 可以修，版本可以回滚。硬件世界，错了就是错了，改不了。 这种确定性，一开始会让人焦虑。但习惯了之后，你会发现自己变得更严谨、更务实。 6. 学会说”不” AI硬件 PM 最难的不是做加法，是做减法。 老板想要 10 个功能，预算只够做 5 个。工程师说这个做不了，那个风险高。供应商说交期赶不上，产能跟不上。 你得学会说”不”。 不是硬邦邦的拒绝，是带着数据和方案的沟通：”这个功能可以做，但会延期 2 周，您看是砍掉它，还是砍掉另一个功能？” “这个技术方案风险高，我们有备选方案，性能损失 10%，但能按时交付，您选哪个？” 说”不”不是推卸责任，是帮团队聚焦最重要的事。 这就是AI硬件 PM 的魅力：你在和物理世界对话，每一个决策都有真实的代价，每一次成功都有实实在在的反馈。 欢迎加入。这坑很深，但风景很好。
作者：跃迁X 硬核AI智造局主理人 AI人工智能及硬件产品专家 | 10 年+行业经验 专注AI 算法模型与硬件载体结合的商业化落地实践 |
