在移动互联网时代，产品经理是离CEO最近的岗位。乔布斯、马化腾、张小龙、雷军都是产品经理出身。他们站在技术、商业和用户体验的交点，把一个模糊的想法变成数亿人手机里的图标。他们既是用户的代言人，也是增长的操盘手，几乎被默认拥有“定义方向”的光环。但随着AI技术的迭代升级，产品经理会消亡的观点一度非常流行。Lovart创始人陈冕甚至已经在自己的公司里取消掉了产品经理的岗位。2026年初，自诩为产品经理的罗永浩也忍不住问陈冕：AI时代，产品经理还有什么用？站在AI风口上，我们访谈了数位大厂、中厂、初创公司的产品经理，希望呈现出当下产品经理的职场生存侧面。有的人踊跃跳入AI技术大潮，有的人发现岗位职责不断被开发人员忽略，有的人发现懂业务比管理需求更重要。职场边界愈发模糊后，不少人展现出困惑和犹豫的一面。01
被“吞掉”的AI产品经理
Vanessa在字节呆了八年，一直是那个最坚定拥抱AI的人。在字节的八年，她眼看着AI从“帮你戴副墨镜”进化到“把你变成芭比再跳个舞”。前七年，她在musical.ly和TikTok做特效产品经理，从人脸定位算法一路做到生成式AI特效。她觉得自己站在浪潮的最前沿，每一次模型升级都像打开一扇新世界的大门。那种兴奋感是真实的，AI越来越聪明，她能做的越来越多。
2024年底，她主动请缨，转到了字节的Flow部门，去做一款叫“星绘”的AI分身写真产品。她负责效果生成，这是产品的核心工作之一。
没想到，仅仅一年零三个月后，她会选择离开。
选择离开大厂并不是因为她做的不好，而是AI大模型做得“太好”了，好到让她有些疑惑：AI 时代，一位PM（产品经理）的工作价值到底是什么。
还记得星绘最初的版本中，一个重要功能“AI分身”在落地时卡住了。用户上传自拍照后，AI要自动生成艺术照，让用户像分身一样出现在世界各地。但实际生成的图片里，手指总是多一根，眼神对不上焦，肢体比例会失调。
Vanessa带领团队不断调试，最后分析出症结：底层的Stable Diffusion模型主要基于海外用户训练，欧美人的高鼻梁深轮廓套到国内用户脸上，脖子显得过长，面部扭曲。更麻烦的是，用户上传的照片质量参差不齐——光线不足、素颜、背景杂乱，“基于低质量输入图做成的LoRA，结合底层模型后反而互相干扰，效果还不如直接用模型文生图。”
于是她开始了漫长的“雕花”。团队对用户自拍图做美化，反复调整训练参数，每一处优化都经过多轮测试、上线验证。产品经理、算法工程师、设计师，一群人围着“手指多一根”这类问题忙活了很久。
终于，效果开始变好了。然而，下一代模型出来了。所有雕花的功夫，一夜之间失去了意义。
新模型有更强的指令跟随能力，更好的默认审美，复杂的指令词不再需要。随着豆包生图模型从2.0到5.0，SeeDance 2.0的出现，更让训练时间都从“多张高质量照片”压缩到“一小段视频就够了”。
Vanessa突然意识到，过去一年，她和团队做的那些工程优化、精雕细琢的调参——调整LoRA的采样步数、设计后处理的美化规则——所有这些曾经被视为AI PM“硬核能力”的手艺，是在给一个即将过时的模型打补丁。而模型的迭代速度，远比产品经理打补丁的速度快得多。
这不仅是效率的碾压，还是对AI PM角色自身的冲击。此时，AI PM越努力，越证明自己的努力是短暂的。工程能力越强，反而越加速了自己被模型替代的进程。
张莹的感受很直接。她在另一家大厂做AI PM，今年1月开始频繁用上Agent后，发现自己“快不会干活了”。过去她的工作流程是一环扣一环的：PM出方案，UI设计师做设计，开发人员写代码，联调测试，上线。分工和职责都很清晰，现在完全变了。Agent直接输出端到端的结果，“我只需要喂给AI业务需求，它就把PRD（需求文档）、原型图、代码全给我写出来了。”张莹说。分工边界模糊了，意味着许多岗位的职责会被吞掉。她对接的业务方已经开始用Agent自己做平台了。业务方遇到需求，直接略过她，自己用Agent解决了。张莹感觉自己走进了一场大逃杀。实际上，她使用Agent平台，也可以跳过UI设计师，交给Agent直接生成前端代码，扔给开发人员就能用，还能节省好几天排期。但是碍于同事关系，还没有更新自己的工作流程。就是在她还纠结要不要吞掉UI设计师时，业务方已经毫不犹豫地吞掉了她。每个人都用AI武装自己，原本离用户更近的产品经理们忙着学着写代码，熬夜学vibe coding，同时提防着身边的人，生存空间不断被压缩。和张莹的犹豫不同，Vanessa最终选择了离开。当“模型即产品”的论点铺天盖地，实实在在体验到了产品的努力被模型能力升级碾压后，她想出去看看，花时间想想，AI PM的价值到底还有多少？这不是一个技术问题，这是一个关于“人”的问题。在AI大模型以月、甚至以周为单位迭代的时代，产品经理们发现自己站在一块块正在融化的浮冰上。他们曾经引以为傲的那些能力——需求分析、流程设计、工程协调——正在被模型和Agent一块块“折叠”掉。不是消失，而是变得不再需要被单独拎出来作为一项技能。
混沌中，没有人知道新的平衡点在哪里。但Vanessa知道：她不想只做那个打补丁的人。
02
AI时代，不再有标准答案
AI时代PM的焦虑，不全是自己的问题。它自上而下，从招聘的第一轮面试就开始了。近一个月，章城接受了国内不少 AI toB PM相关岗位的面试，越面越困惑：公司，究竟想要什么样的AI PM。招聘部门的标准本身就在打架。“一面还在讲，应届生能用AI补齐能力，到了二面，又开始强调没有深耕，不了解业务细节不行，但这个要求，一轮面试时未被提及。”章城认为，这本质上是公司在AI产品上的路径和开发思路仍没有理清楚。混乱和摇摆之下，筛选的标准被压缩到单一维度：垂直领域的经验。越垂直越好，最好能具体到是否了解评估模型效果的几种具体操作方式，system prompt的调优细节，agent调用工具的几种模式。换句话说，公司不再需要一个“什么都懂一点”的PM，而是一个在某个具体领域里扎得足够深、能直接上手干活的人。周柯本不想卷。他原本是纯B端的SaaS产品经理，虽然不懂AI，但有资源和行业经验傍身。今年初机缘巧合入行做了AI PM。公司业务在扩张，他和领导一起面试应届生发现，许多非技术背景的候选人，简历上都附带一个“AI手搓的项目链接”。这在上个AI时代，几乎是不可想象的。周柯和他的领导干脆把面试流程改了——现场让候选人vibe coding，手搓一个简单的项目demo。一来是考验候选人使用AI的能力，二来考验他们对产品的理解。面试别人的过程，也是他被“教育”的过程。周柯意识到，如果不赶紧学会这套新工具，自己可能连面试候选人的资格都没了。他从Gemini 3 Pro到Claude Code，从prompt调优到workflow搭建再到skill。在这个过程里，产品经理的工具箱完全变了。过去的PM三件套——PRD、Figma、Tableau，正在被Cursor、Claude Code和小龙虾取代。但更让他焦虑的不是学工具本身，而是学完一个，马上又出一个新的。“最开始AI其实聚焦在如何写好提示词，琢磨怎么用提示词去调模型，后面就是workflow，多Agent的协作，到现在要用skill了。”周柯说。有时工作太忙，两周没关注某个新产品，等再想起来，那个曾经被吹成“下一代AI生产力工具”的东西，已经过气了。他自我调侃：“从某种程度上说，不用学那么快，也是一件好事。”其实，AI native的产品经理应该具备什么能力，并没有权威的结论，正如一个AI native的产品形态也没有标准答案一样。
Vanessa在面试AI产品经理的时候总会问，“你最近有没有看到比较好玩的产品，或者新的技术、paper？”这个问题背后，藏着AI PM的核心能力，就是好奇心驱动下的“问题发现”。Vanessa认为，如果应聘者一个都说不出来的话，其实已经和现在的产品时代脱节了。
她还有第二个问题，但不会直接问。她会在聊项目经历的过程中，暗中观察一个人能不能把问题定义清楚。
这是Vanessa认为AI PM和传统PM最本质的区别。
在传统互联网时代，问题是相对清晰的。可以是“用户需要一个更好的购物体验”，“用户需要更快的配送速度”，“用户需要更有趣的短视频推荐”。产品经理的工作，是在一个已经被定义好的问题框架里，找到更优的解决方案。
但在AI时代，问题本身是模糊的。产品经理最大的价值，就不是“解决问题”，而是“定义问题”。
在Vanessa的团队做AI分身功能的时候，算法团队和Vanessa围绕需求怎么实现，提出了不同的方案。
算法团队想端到端地训练一个模型，直接生成vlog风格的效果。Vanessa的团队则提出另一种思路：用更工程化的方式——对图片场景做详细反推，给主人公更细致的文本描述，再叠加还不成熟的主体保持技术，三者合力提升效果。
两个方案都做了初步尝试。算法团队的端到端模型，周期更长，需要反复训练调优。而Vanessa的工程化方案，一两周就能得到一个“还不错”的可接受效果。
最后上线的，是PM的方案。
Vanessa并不把这看作PM的胜利。在她看来，这是两种“问题定义”的差异：算法人员定义的问题是“如何训练一个能生成故事分镜的模型”——这是一个技术问题。而PM定义的问题是“如何在现有模型能力下，最快地让用户体验到故事分镜的效果”——这是一个产品问题。
同一个需求，两种定义，导致了完全不同的路径和结果。
这才是AI PM最不能被替代的价值之一。不是调参，不是写提示词，不是学会每一个新工具——而是在混沌中，把模糊的东西变清晰，把技术能解决的问题和产品需要解决的问题，准确地切开。
工具会变，模型会迭代，但定义问题的能力，不会过时。
03
AI产品经理会消失吗？
在AI产品经理的圈子里，有一种正在蔓延的焦虑——给自己算“保质期”。AI的进化速度远超人类的学习速度。“你今天掌握的能力，三年后可能毫无用处。你今天占据的生态位，五年后可能根本不存在”。Vanessa理解这种感受。她选择从字节离开，就是想搞明白，AI技术之下，产品经理到底需要“做什么”“为什么要这么做”。
“AI技术推陈出新太快了，没有每天至少三四个小时的自由时间，去做跟公司无关的纯AI研究，我觉得不够。”如今在外企，她找到了这种自由。一周四天在办公室，五点半下班，剩下的时间全归自己。
Vanessa想起2018年，她曾毛遂自荐到字节的推荐算法团队，被告知“没有PM岗位”。那时的算法团队认为自己就是需求的发现者和解决者，不需要一个“翻译”的人。AI下半场，各家公司并没有放弃对AI PM的需求。连以“模型即产品”著称、一度让人相信模型能搞定一切的DeepSeek，也在大力招聘PM。Vanessa说：“他们现在也意识到，光有模型智力，仅通过最简单的文本对话，是没办法释放智力的完全态的。”这些PM更偏向用户侧，与算法团队能力互补。技术需要被包装，智力需要被翻译。这就是PM重新杀回来的原因。在硅谷，已经有公司把招聘岗位写成“AI Builder”，而不是“Product Manager”。他们招的不是某个特定职能的人，而是“能用AI解决任何问题的人”。Vanessa的态度很明显：“未来产品经理不会消失，只是换了个名字。也许叫AI Builder，也许叫别的名称。但内核没变，产品经理把技术的可能性，翻译成人愿意用的东西。模型负责聪明，产品经理负责让聪明变得有用。”而想成为一个AI Builder，始终要葆有一种想要改变、创造差异的冲动。“AI的主动性暂时是用心跳机制等做出的伪装，它并非一个欲望强烈、真正渴望做些什么的生命体。”Vanessa说。对AI产品经理而言，依然需要有创造的野心、改变的冲动。这些词听起来很不“产品经理”，也不那么“方法论”。但在一个方法论快速失效的时代，这些最“人”的东西，反而成了最后的锚点。章城最近也开始重新思考自己的定位。他在B端产品里发现，最不容易被AI替代的，不是会写代码的人，而是能搞定客户的人。客户买的不是一个功能，而是一个“被理解”的感觉。“这个产品别人去聊卖不出去，只有他能卖得出去。”这种信任，AI无法替代。他曾经独立完成过一个企业云项目，从需求对接、设计、开发到交付验收，花了五个月。“我觉得做得还不错。”提起这件事时，他有一点朴素的骄傲。那是一个产品经理最原始的成就感——把一个模糊的需求，变成一个真实可用的产品。把技术变成“有人用、用得上”——这或许就是AI PM最朴素也最准确的定义。AI或许会替代许多工作流程，但那些洞察人性、与人建立情感连接的能力，永远不会被替代。与其焦虑浪潮会不会把自己拍进海底，不如趁着风起云涌，先享受冲浪的乐趣。
夜雨聆风
