大家都知道，ChatGPT 火遍全球之后，第一反应都是：“糟了，我的工作会不会被AI干掉？”但有一个人，站在了不一样的角度——DeepLearning.AI 的创始人、Coursera 联合创始人，也是斯坦福大学的吴恩达老师，他却看到了另一个方向：AI 不只是来抢工作的，它也在悄悄打开一条全新的黄金职业赛道。

他在最近的一封公开信中明确指出：AI 产品经理将是未来最炙手可热的岗位之一。他说得很直白：软件变得越来越便宜、越来越快，特别是原型开发这块成本已经大幅降低。接下来，市场最需要的，其实不是“怎么做”，而是“做什么”才最有价值——这，正是AI产品经理的核心价值。

时代变了，决定“做什么”的人，变得稀缺

放在我们熟悉的语境里，吴恩达还举了一个很形象的例子：当年福特把汽车价格打下来了，结果大家对汽油的需求一下就猛涨了。这个现象其实背后有个经济学原理：当一个“互补品”变便宜，另一个的需求就会升高。

套用到现在的软件行业也一样：AI 就像是让软件开发这辆“车”越来越便宜、越来越快了。以 GitHub Copilot 为例，这个工具可以边写代码边给你建议，程序员写代码的效率直接能提高 30%-50%。但这只是表面变化。

真正的变化，是开发的整个流程都被改写了。以前，一个产品从想法到上线，要经历一整套“慢工出细活”的流程。但现在，用上各种 AI 工具，技术实现早就不是卡脖子的地方了。现在的最大难题，变成了：你要做的这个东西，真的有价值吗？

也就是说，AI 并不是让“码农”失业，而是让“想清楚做什么”的人变得前所未有地重要——AI 产品经理，正是干这事儿的。

目前通过调研，行业中描绘出了三类AI产品经理的画像：

1. AI Native产品经理（原生AI产品PM）

角色定位： 这是“正面战场”的PM，直接打造以AI为核心的产品，AI即产品主体，例如Midjourney、ChatGPT、Kimi等等。

核心能力（用户定义）： 超强的用户洞察能力，懂Prompt、懂AI能力边界，能在“半确定”的状态下做决策，并进行快速试错和迭代。

研究补充： 这类产品经理处于AI应用创新的最前沿。行业趋势显示，AI智能体（Agent）的进化和多模态大模型的普及将催生更多AI原生应用 ，这些正是AI Native产品经理的主战场。百度创始人李彦宏认为，AI Native产品经理需要具备极强的学习能力，可能并非都拥有计算机科学背景，但能快速搭建原型进行测试 。2025全球产品经理大会的主题也包含了生成式AI和AI智能体，直接印证了对此类PM的需求 。

市场关联性： 对于致力于突破AI驱动产品体验边界的初创企业和科技巨头而言，AI Native产品经理是不可或缺的核心力量。

2. 平台型AI产品经理（AI Infrastructure PM）

角色定位： 他们是“幕后英雄”，主要职责是为算法、架构等技术团队打造底层工具和平台，例如模型训练与部署平台、模型监控与可观测性系统、Prompt管理平台及知识库服务等。

核心能力（用户定义）： 熟悉AI/ML基础架构原理，能对接技术团队并理解其开发痛点，强调系统稳定性、扩展性及技术对接能力。

研究补充： 这类产品经理的工作是后续AI开发和应用的基础。一些招聘信息描述了专注于MLOps、分布式训练管道和推理基础设施的角色 ，这与平台型AI产品经理的职责高度吻合。例如，谷歌云安全图谱（Security Graph）产品经理的角色，虽然专注于安全领域，但也体现了提供核心数据/分析平台的平台型职责 。阿里巴巴的“AI Clouder Program”也将“AI Infra”作为一个重点方向，暗示了市场对该领域产品经理的需求 。

市场关联性： 对于大力投入自研AI能力或以平台即服务（PaaS）/模型即服务（MaaS）模式提供AI服务的企业而言，平台型AI产品经理至关重要，正如阿里巴巴云计算所展示的 。

3. AI+产品经理（传统产品的AI升级版PM）

角色定位： 这类PM多数在传统行业中，将AI作为“提效工具”嵌入现有产品体系，例如智能客服、搜索推荐优化、智能质检、智能风控以及企业内部流程自动化（RPA + AI）等。

核心能力（用户定义）： 明确业务目标，判断AI是否真的“提效”，与算法团队协作，评估落地效果（如准确率、召回率），并懂得如何在不打乱原有逻辑的前提下将AI嵌入现有产品流程。

研究补充： 该角色聚焦于AI的实际应用和集成。中国建设银行招聘零售业务人工智能应用专家，负责推动AI在零售业务中的创新应用和能力升级 ，是AI+产品经理的典型案例。网易招聘AI产品经理以实现AI在音乐、游戏、教育等产业的深度融合与应用 ，以及《环球时报》报道中提及的“AI+医疗”、“AI+制造”领域的复合型应用人才 ，均属于此类。阿里巴巴发布的《“AI+”职业趋势报告》也详细描述了AI如何渗透到各行各业，例如通过钉钉和通义千问打造“智慧养殖专家” ，这正是AI+模式的生动体现。

市场关联性： 随着各行各业加速数字化转型并寻求利用AI获得竞争优势，AI+产品经理的需求极为广泛。

平台型AI产品经理，AI+产品经理就业市场需求量较大，企业面临着转型，内部需要开源节流，而AI Native 也就是所谓的AI原生类产品，当前市场并不多，求职的选择很少，能叫得上名字的屈指可数，千军万马过独木桥，manus、kimi、豆包、Qwen还是套的Openwenui的壳

所以，现在AI不再只是大厂的专属了，越来越多原本就有业务、有流量、有根基的传统行业也开始入局，AI+产品经理正在变成传统企业推动转型的关键角色。这说明一件事：AI正从“黑科技”变成人人可用的“生产工具”。

虽然“AI产品经理”这个岗位看上去很畅销，但市场上还是存在结构性的问题——脉脉的数据也提到，现在AIGC行业里，出来找工作的更多是产品经理这类偏非技术背景的人，但企业真正缺的是有技术能干活的，这就出现了“供需错位”

比如说，最近学生们在面试的设计岗位，但真正进入公司后所从事的工作内容跟设计一点关系都没有，反而都变成了产品经理的活，举个例子，一套可商业落地的海报，其实目前就是一个Comfyui工作流，一个视频面部修复也就是一套工作流，在外面包装一层UI界面，就变成了一个可用的产品，换句话说，因为你有美感，你又懂AI，来了公司之后把工作流搭建完成，批量生产就可以了。那么这个事情真的需要，一个专业领域的人来做么？所以，绝大多数的设计岗位、业务岗位、运营岗位、产品岗位、训练师岗位等等，入职之后，所做的工作内容都是一样的，Agent 工作流 + 模型训练 + 提示词构建

只不过目前的企业对于这个工作内容的招聘定位还是混乱的，对于企业而言，找到一位既懂AI行业、又有审美、还能把目前市面上所有主流AI工具玩明白的，并且与团队有效协作的人太少了，其难度可能不亚于寻找一位纯粹的AI研究员。

所以以下是我调研的目前企业对于AI产品经理招聘的薪资范围、求职必备、能力要求

薪资情况

说到薪资，这可能是很多人最关心的一点。我们来看一组数据：

AI产品经理，在整个行业里，工资不低。尤其是在AIGC这些热门方向，更是“卷中卷”的香饽饽，2023年1-8月，国内AIGC相关岗位的平均年薪是41万出头，而专门做AIGC产品经理的，平均能拿到43.65万。另一份Morgan McKinley的薪酬报告更猛，说有经验的AI产品经理，年薪能冲到65万。当然，这样的数是偏资深一些的，但也说明这个岗位的天花板再提升。

如果我们再横向对比整个AI行业的薪资水平，AI行业的平均工资也不低。

智联招聘在2024年第二季度的数据显示，人工智能相关岗位的平均月薪是1万3多，AI工程师能到2万2左右，**像福州这样的城市，AI工程师月薪甚至达到2万4。**这些数字虽然来自不同的渠道、不同的岗位统计口径（比如AIGC vs 通用AI，产品经理 vs 工程师），但一个大趋势很明确：在AI行业，特别是能把技术和业务“串”起来的AI产品经理，工资水平是真的不低。

还有一个特别值得注意的，就是所谓的“AIGC溢价”。同样是AI方向，AIGC产品经理的平均年薪43.65万，甚至还比AIGC行业整体的平均工资（41万）还高。

根据《2024中国人工智能岗位招聘研究报告》显示，在所有AI相关职位中，**具备3-5年经验的候选人，最为旺盛，薪资范围35万左右，占比达到31.67%。**同时，竞争也是最为激烈的，绝对多数是通过ToB或者XR、VR等等，行业平移过来的产品经理，他们希望通过过往的经验能在混个工作，这种情况下，如果不是同样垂类的产品线，需要具备一定的行业认知和资源以及项目管理能力的候选人，大概率就业机会渺茫。

所以我把调研的方向压缩到了，0-3年工作经验（包括转行），薪资控制在25万年薪这个范围。平稳过渡，可以量化出入职的方案

现在做AI产品经理，光说自己懂点AI，已经远远不够了。你得拿出点“真家伙”——也就是一个能体现你理解AI、会用AI的项目作品集。

作品集不是摆样子，要让人看得出来你是真的下过功夫的，比如：

你有没有系统地学过AI这行是怎么回事？你对自己的职业方向有没有想清楚？哪些技术还差，要不要补补？有没有做过点实际的项目，不管是上班时候做的、自己搞的，还是读书时的课程作业，只要能展示你的能力，都算数。

如果你是从传统产品经理转过来，重点就在于：**怎么把你原来做产品的经验（比如调研、分析、推进项目）跟AI领域的新知识结合起来。**面试官往往看的，就是你是不是“又懂产品、又懂AI”。像AI伦理、模型怎么上线、怎么持续改进这些事儿，也都是考点。

现在不管你是刚毕业，还是从别的岗位转型，没有一个“能看懂你AI实力”的作品集，就很难进到AI产品经理这条赛道。

光说你学过点理论、人机交互、推荐系统是怎么回事，企业不信。他们更想看到你是不是能把这些知识真正用在项目里，解决实际问题。

毕业生要注意：毕业设计、实习项目最好跟AI扯上关系，而且能拿得出手；

转型的朋友呢，也别光等机会，有时候得主动出击，去找些AI相关的项目做做，或者自己搭个demo练练手。

还有一点，特别是给那些海归朋友、或者从外企背景过来的：你要是真的想在中国做AI产品经理，得多花点时间了解国内这套“土工具”。

比如飞桨（PaddlePaddle）、昇思（MindSpore）这些国产框架，阿里云、腾讯云怎么用，还有企业常用的协作软件。

说白了，就算你见过世面、视野很广，但落地项目时还是要接地气。那些既懂AI通用知识，又对中国技术生态有了解的人，更容易被公司认可。

因为我还在测试这个岗位，需求大量的信息做整合。涉及到数据和隐私的问题。所以先简单展示一页作品集品一品。

研究方向

整合现有招聘平台，对于AI产品经理的能力要求

1，理解AI的底层原理，不求精通但要“门儿清”

想做AI产品经理，第一关就是得搞明白AI到底是怎么回事。你不需要能写出高深的算法，但你得知道机器学习、深度学习是怎么训练模型的，大模型又为啥这么火，并能将其与业务场景深度融合，探索创新应用，token机制、向量嵌入、上下文长度限制。这些都像是你和技术团队之间的“通用语言”。

比如，模型怎么被训练出来的？训练后怎么上线？上线了怎么监控它是不是“翻车”？这些基本流程你得懂，这样你才能判断一个功能靠不靠谱，是技术上可行，还是白日做梦。说白了，你不需要会写代码，但要知道代码背后的逻辑，不然跟技术团队一聊就“翻车”。

很多公司现在在招AI产品经理时，都会明确写上：得懂机器学习、深度学习、大模型的基本原理。就像招商金科的JD里写的那样，基础功是敲门砖。

AI技术有很多分支，你在哪个领域做产品，决定了你该重点理解哪个技术。

举个例子，你做聊天机器人、智能客服，那自然语言处理（NLP）你得懂：怎么分析文字、怎么生成内容、怎么理解用户语义。 你做的是图像识别、无人驾驶，那就是计算机视觉（CV）：怎么识别图像、检测目标，这些是你的基础知识。 如果你在电商、内容平台做推荐系统，那你就得明白推荐算法是怎么运作的，怎么让系统“更懂你”。

这些技术不会每一个你都要钻得特别深，但你至少得知道它们能干嘛、局限在哪儿。这样你才能更清楚地定义产品，和技术团队在一个频道上沟通，同时也能看准哪些地方有机会做创新。

哪怕你是做通用AI平台的，了解这些主流应用方向也很有用。它能帮你掌握行业风向，不至于产品走在路上了，发现方向跑偏了。

这里推荐几位人工智能领域讲解非常专业的Youtube博主的视频。视频都很长，但是也建议各位看完

2，精通Prompt工程及优化

Prompt提示词的设计、编写和优化成为AI产品经理的一项核心且高频的工作内容。依据不同的业务场景和用户需求，编写高质量、精准、有效的Prompt，提高模型响应的准确性和业务适配性。要求建立分类管理、版本可控的提示词库。目前已有公司的招聘JD上明确指出要能够写出20个可商业落地的提示词。

现在国内AI产品经理的招聘市场，已经很明显了——会不会写Prompt（提示词），不再是加分项，而是你有没有资格上桌的关键。

过去，Prompt工程能力只是个“锦上添花”的技能，现在直接变成了“门槛”。尤其是在AIGC越来越多地落地到实际应用中之后，Prompt设计能力直接决定了你做出来的AI产品聪不聪明、好不好用。

你去看各大平台的招聘要求就知道了

字节跳动他们招AI技术运营专家，要求你能独立搞定Prompt策略，优化生成内容的质量和效率。还有像阿里、腾讯、百度、美团、科大讯飞这些，也都在招聘中强调对大模型理解能力，和Prompt应用能力的考察。

会Prompt，不光是帮你进大厂的一张“通行证”，更是决定你能不能拿高薪的关键。说到这儿，可能有人要问：Prompt能力这么重要，那是不是所有AI产品经理都得学得一样深？其实不是，不同类型的PM，用的方式不一样：

平台型产品经理：重点是怎么把Prompt封装成通用接口，让别人也能方便地接入使用。你相当于是“造平台”的那个人。

模型产品经理：你得跟算法团队密切合作，通过调Prompt来提升模型的表现。你是那个“喂模型吃什么”的人。

应用产品经理：你面对的是真实用户，Prompt写得不好，用户体验就很差。比如你做客服机器人，Prompt写得明白，它就能快速帮用户解决问题；写得含糊，它就只会“装傻”。

但是不管你是哪一类的AI产品经理，会写Prompt、会调Prompt、会理解Prompt背后的逻辑，已经成了基本功。

这里推荐几个 Prompt 库

3，AI产品或项目落地经验

第一点，光说不练没用，得真刀真枪干点事。

现在的公司，更喜欢那些“自己动手做过点东西”的人。比如有人在美团，就靠自己搭了个小工具，结果脱颖而出。意思很简单：别只会讲概念、画饼，真正有手上项目、能跑起来的小Demo，才最有说服力。AI产品很多时候还在摸索阶段，怎么快速试错、快速改，是关键。这时候你如果能搭出一个能跑的AI应用原型，不光节省工程师的时间，还能赢得他们的信任。这种“边做边调”的风格，其实已经成了AI产品团队的默认文化。

第二点，现在最火的两大关键词就是RAG和Agent。

招聘信息里，现在满屏都是LangChain、RAG、Dify、Coze、AutoGPT这些词。为什么？因为这就是新一代AI产品的核心结构。RAG能解决大模型“记不住事”的问题，把外部知识接进来；Agent能让模型“动起来”，去调用外部工具、和系统互动，不再只是一个会说话的机器人。这类架构让AI产品从“聊天”升级到“真干活”，也就意味着，如果你对这些技术模式熟悉，有实际动手经验，你的竞争力会大大提升。

第三点，再炫酷的技术，最终也得落到“能赚钱”上。

现在企业对AI产品经理的要求，不只是“能做”，还得“能卖”。像伟仕佳杰、量江湖、贝塔科技这些公司都在强调——能不能把AI产品真正变成一个能赚钱的业务。大家别忘了，AI热潮刚开始时，烧钱没问题；但现在大家都在看投资回报。企业砸了这么多钱，肯定是想看到真金白银的回报。而产品经理正好卡在技术、用户、和商业之间，所以你不仅要懂技术，还得明白怎么把产品变成一个有市场、有利润的项目。ADP说2025年最重要的趋势是“业务增长”，赛诺菲更是直接在JD里写明：希望AI产品经理能“推动可衡量的商业成果”。

4，AI 工具的使用

现在很多企业在招AI产品经理时，都会特别看重一件事——你是不是“重度用户”，是不是平时就爱捣鼓各种AI工具。这其实背后有更深的含义，不只是操作熟练，而是反映出你对AI有没有热情、是不是自带好奇心、愿不愿意自己去琢磨。这种“乐于折腾”的态度，恰恰是AI行业特别看重的。因为技术变化太快了，没人能靠培训等着别人教，必须靠自己学、自己试。你越早亲自上手，就越能理解这些技术到底能做什么、做不了什么。对企业来说，这就是你是否站在行业前沿的一个标志，也是一种难得的“极客精神”。

不仅如此，AI产品经理还常常是公司内部最早接触、推广新工具的人——说得直白点，就是AI的“传教士”和“种子用户”。你先用起来，试出效果，再带着团队一起上手，用AI去优化流程、提高效率。这种推动能力，已经不只是在做产品了，而是在改变团队甚至整个公司的工作方式。像很多公司已经开始内部推广AI编程助手，背后都是产品经理在推动的。

最后，现在很多公司的AI产品经理，其实也越来越像“创客”了——不是光提需求，而是自己就能搭出原型，甚至直接用像Coze这类工具训练智能体、搭建流程。现在低代码、零代码工具越来越成熟，不是程序员也能搞定一堆复杂的东西。谁能先上手，谁就能跑得更快。在MVP阶段，这种能力直接决定了试错的速度和成本。所以，不会写代码没关系，但你要能把工具玩明白，这已经成了AI产品经理的基本素养。

其实，AI产品经理要掌握的四项核心能力——AI的基本理解、提示词的写法、项目落地的经验、还有各种工具的熟练使用——它们不是分开用的，而是要打包在一起协同发挥的。

打个比方，如果你不懂大模型是怎么处理Token的、它上下文多长会“断片”，那你很难写出既省钱又高效的提示词。所以，AI的理论基础，是提示词写得好的前提。

而想把一个AI项目真正落地，光懂写提示词还不够。比如你要做一个智能客服，得先设计出合理的对话流程（这靠提示词工程），再用Coze这类平台反复试错和优化（这就靠工具熟练度）。

而且，工具玩得多的人，还有一个优势——他们能更快察觉行业的新趋势。比如你刚上手了一个新的多模态模型，发现它有个亮点，那你可能就灵感来了，想出一个新应用场景。接着再去判断它技术上靠不靠谱，这就又用上了AI基础知识。

所以，企业不是单独去考察你是不是会写提示词、会用工具，而是更看重你能不能把这些东西串联起来，解决实际问题。比如，一个优秀的AI产品经理，知道大模型在哪些场景容易“胡说八道”，于是通过写得精妙的提示词，加上像RAG这样的架构，用LangChain搭个问答系统，最后真的能帮用户准确找到想要的信息——这才是硬实力。