如今做原生AI商品，产品经理至少要面对以下五个问题
随着2025年的推进，我身边很多投资AI产品的产品经理都会面临各种各样的困难。和他们沟通后，我发现主要有三个限制。如果你也打算做AI产品，这篇文章可以帮助你事半功倍。至少在市场定位上，你可以更好地决定做native AI还是AI＋商品。
实现AI商品两种技术方法
AI产品的AI能力来源于AI模型和硬件计算率。现在大概有两种类型的AI产品。第一种是调用API，第二种是部署AI模型。
很明显，Native的AI产品可以用于AI能力或AI模型的部署，但有一个限制是Native。 AI产品的性能入口和交互是所有产品框架的底层机制，而传统的AI产品只有一些AI功能，其他功能模块的底层仍然沿用以往的业务框架。
如上文所述，native的AI产品数据接口肯定会来自全向量数据库和一般数据库，这使得AI产品肯定有三个限制，需要进行Native。 首先，AI产品必须打破三个限制
原产品设计框架有限突破
与普通商品相比，native的商品原则上可以通过AI访问所有商品的交互和输入数据，也可以调用到其他AI功能。
比如这里看到的Siri提供了本地化的AI调用能力，开发者调用后可以访问操作系统，支持语音、文字、视频信号等多模态AI的输入。
为了防止客户的传统输入，例如用户的输入框、功能选项等，都是AI产生的，而非固定功能模块。
比如AI产品Kimi的对话，下面的“你可能想搜索”其实来源于prompt提醒项目完成前后句子搜索带来的问题，而不是客户过往数据的推荐系统。
AI产品要实现客户的互动框架，就是摄像头、麦克风、位置等多维数据，而不是客户键盘打字输入或语音输入文本。
原有商品技术架构的限制突破
Native AI产品，在数据库中全面更新为向量数据库，通过embedding模型，可将其数据库中的文本数据、照片、视频等转换为AI大模型的非关系性向量数据库。
这些变化导致了商品技术架构的变化。基本上，向量数据库需要调用API或本地部署AI，这对开发有了新的要求。R&D团队需要重新思考如何构建不同类型数据库的数据调用模式和数据安全性，甚至匹配新的R&D工作。
由于之前的系统安全设置是传统数据库，所以可以依靠CPU计算，但是没有考虑GPU。、电源、功耗问题，现在这些问题都要考虑到向量数据库带来的算率要求。
老板愿意投资新产品线投资资源。
native AI产品研发最快的方法就是为他创造一种独立的产品形式。从产品经理的角度来看，推翻重做之前的产品是设计产品最简单的方法。
通过新的项目，产品可以有更多的自由度和更低的开发门槛。
同时，我们应该有一个好的产品项目预期。除了制定产品研发计划和项目项目，产品经理应该给老板一个预期，老板愿意在预期中投入资源。
例如我见过很多做AI商品的创业团队，就是短时间没有做出来，或者商业化没有闭环， 最后，所有的产品都被裁掉了，因为超出了老板的预期，但是他们熬夜做的996只能变成冷薪。
4.AI产品研发团队愿意跟进学习
另一个最大的影响是学习压力。我曾经做过一个研究，现在几乎60%的产品经理还没有接触过CHATGPT。 这些付费模式O3。
如果你的团队几乎从来没有使用过付费的AI模型，即使是现在，开发仍然使用传统的IDE环境，而不是使用cursor、IED开发环境，如Claude。
让这样的同事学习AI，和你一起研发AI产品，成本肯定会大大提高。而且，很多人的工作已经成为一种习惯，很多人实际上不能打电话，除非老板要求或者真的被迫无助。
AI产品也是如此。如果你在一家传统的ERP公司做AI产品，那是非常困难的。至少我认识几家现在的AR眼镜制造企业。因为公司的基因是传统的计算机制造商，所以做AI产品非常困难。
更不用说产品设计和AI产品研发的推广了，可能会在项目建立时被拒绝。可以做的AI工作越少越好，私有化部署不存在。
大工厂可怕的内卷还是快乐的文化。
很多互联网厂商一定要实现最后的淘汰机制和人员的血液变化，因为没有流动的群体会导致工作战斗力不强。就老板维持企业战斗力而言，有必要推出这些淘汰和解雇的评估体系。
比如曾经腾讯8点下班的肯德基卷，还有免费班车，让一个员工自愿加班到12点。...大部分大厂都有这些加班台阶福利。
我们必须佩服这些大工厂的人员管理模式，甚至可以自下而上的驱动者需要独立学习。从现在开始，如果我是老板，员工可以在内部贴吧分享公司的问题和解决方案，分享自己在公司的工作文化提升和经验，进而传播自己的规章制度和文化。我很开心。
从公司的人文文化和感情建设来看，这是非常罕见的。至少我的公司和团队很难培养员工自愿加班，尤其是体制内的单位。按时加班是标准，很多人早走。
下班后花自己的时间学习更多的新技术，尤其是在AI产品的研发中，这是产品经理应该突破的一个很大的限制。与其他技术需求相比，AI的全新技能知识需要团队。
这篇文章来自微信公众号“Kevin改变世界的点点滴滴”（ID：Kevingbsjddd），作者：Kevin那些事情，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com