9 月 20 日，由 CSDN 联合高端 IT 咨询与教育平台 Boolan 举办的「2024 全球产品经理大会」
于北京 JW 万豪酒店盛大开幕
，现场超 40 位互联网与科技产品领域专业人士、1000+ 与会者齐聚一堂，以「生成式 AI 引领产品创新范式」为主题为产品经理们“支招”。
主会场上，CSDN 高级副总裁、Boolan 首席技术专家李建忠，产品战略专家、《产品思维 30 讲》主讲人、《真需求》作者梁宁，创新工场联合创始人、管理合伙人汪华，有赞创始人兼 CEO 白鸦，智谱AI COO 张帆，PPTV 创始人、PPIO 派欧云联合创始人兼 CEO 姚欣结合实践案例分享了他们在 AI 时代领悟的全新思考。
本次大会特别策划了生成式人工智能产品、企业数字化转型、B 端产品实践、产品战略与创新、出海产品实践、商业模式设计、产品管理实践、产品运营与增长、产品与服务体验设计、用户研究与需求分析、产品市场与品牌和行业案例研究共 12 大专题，
来自百度、句子互动、58 同城、同程旅行、京东物流、OPPO、eBay、Zilliz、腾讯云、360、商汤科技、WPS、百川智能、叮咚买菜、京东云、腾讯TAPD、万兴科技、葡萄城软件、快递100、人民邮电出版社异步社区等领先企业及组织的技术大咖与专家学者为现场观众和「云会员」们展示最新的产品实践经验
。
李建忠：大模型驱动的产品范式创新研究与思考
上午九点，CSDN 高级副总裁、Boolan 首席技术专家李建忠为大会带来主题为《大模型驱动的产品范式创新研究与思考》的开场演讲。他表示互联网的核心是“连接”，解决的是信息匹配的问题；而大模型的核心是“计算”，解决的是智能供给的问题。互联网时代的逻辑和模式在大模型时代很多将被颠覆。
李建忠 CSDN 高级副总裁、Boolan 首席技术专家
李建忠指出，从计算的任务模式来看，在大模型之前是“检索模式”，各种任务的底层都是信息的存取、查找和计算。而大模型带来的第一波，以生成式AI为代表的，进行的是“生成模式”，这种模式的核心是围绕“学习”、“预测”、“创造”来展开。随着大模型推理能力的提升，又进入了“推理模式”，这里的核心是“推理”、“协作”、“执行”。
李建忠还谈到大模型的特点“高智商、低情商”，这使得大模型在不同的应用场景带来的颠覆力有所不同。
例如在生产力、搜索、信息处理等领域，它们表现出极高的智能水平，颠覆性较强。
但在娱乐和社交等领域，李建忠认为大模型的情商较低，无法为大众用户提供情绪价值，因此颠覆性较弱。
此外，互联网传统数据资源已近枯竭，但人机共生数据正在成为新的数据来源。
不同于互联网上的结果数据，人类智能系统中存在大量的过程数据，这些数据动态且隐性，将是未来大模型进一步智能化的关键。
李建忠也分析了大模型最近一年在三方面的进展：
以SORA为代表的多模态、智能体、以GPT-o1为代表的基于强化学习的推理提升，指出大模型完成了从“文科生”到“理科生”的能力转变，这将加快行业范式转换的速度。
未来，互联网将从“信息网络”转向“行动网络”。
过往在信息网络中，人类通过互联网获取信息，并自行完成规划和行动，最终得到结果。而在行动网络中，智能体代替人类完成了“规划”和“行动”，未来将是人类表达需求，AI 智能体进行规划与行动的时代。因智能体产生巨变的产品范式，衍生出了一系列对于未来的遐想：例如，智能体需要使用搜索引擎来做决策吗？广告是互联网最大商业模式，如何向智能体做广告？如何让智能体帮我买到性价比最高的商品？智能体之间需要构建社交网络吗？智能体需要每天读取资讯，满足自己的信息更新要求吗？有没有专门面向智能体“授课”的课程？智能体之间是否可以发邮件/微信？等等。
最后李建忠谈到，随着智能体的快速发展，未来的产品将从服务于人类的场景，转为服务于 AI 智能体或人类与 AI 智能体共存的场景。他提醒道，我们不应以过往经验来预测未来。而应该以面向未来的思维方式，探索 AGI 时代的创新机会！
梁宁：“王者之战”来临前，每个人都有三种选择
当前，生成式 AI 还存在着极强的不确定性，产品人们总是充满着各式焦虑，而产品战略专家、《产品思维 30 讲》主讲人、《真需求》作者梁宁则透过现象直击本质 —— 我们如何做穿越时代的产品？
梁宁 产品战略专家、《产品思维 30 讲》主讲人、《真需求》作者
她娓娓道来，
基础设施
才是划定时代的关键。从蒸汽机时代到电气时代，再到互联网时代，每个时代都有其标志性的基础设施（蒸汽机、电、互联网……）。作为上个时代的亲历者，我们都是互联网这一基础设施的受益者，享受着"风口时代"带来的集体红利。
接着，梁宁深入探讨了产品与时代的关系。她提出，每个时代都有其特定的"不对称"需要解决。工业时代解决的是
效率不对称
，历史上因此出现了工业时代扩张，公司之间围绕效率开始竞争；互联网时代则致力于消除
信息不对称
，而随着信息差被打破，我们也逐步走入了这一时代的尾声，面临着人工智能时代的曙光。她将当前局面比作1996年的互联网初期，网景浏览器的出生与死亡，微软的垄断和扩张，这个阶段充满机遇，但也伴随着挑战。
在梁宁看来，互联网时代已经建立了完善的信息生产供应链，导致了信息过剩的问题。她指出，商业的核心原则是"物以稀为贵"，而在互联网末期，信息生产的供应链已经建立，曾经稀缺的信息资源变得唾手可得，这种过剩不仅体现在信息领域，工业品和房地产市场也曾面临类似的困境。
在这个转折点上，企业和创业者面临着三个选择。首先，是
继续参与 AI 时代的"王者之战"，即成为划定新时代的基础设施提供者
。这是一条充满机遇但也极具挑战的道路。历史上的钢铁大王、铁路大王和石油大王，以及近代的互联网巨头，都是通过掌控基础设施而成为时代的主宰。当前的大模型之战，就是一场关于未来 AI 基础设施的激烈角逐。胜者将掌握管理全人类知识和经验的智能系统，为未来的产品和创新奠定基础。
然而，成为基础设施提供者并非易事。这是场"一将功成万骨枯"的竞争，胜者不仅要承担巨大的商业风险，还要面对超越商业边界的社会责任。因此，更多的人选择了第二条道路：
在新基础设施之上创造新物种。
借助新的基础设施，以更高的效率重新解决曾经的问题，创造出新的商业模式和产品形态。
还有一些人选择了第三条路：
无视时代的变迁。
这些通常是与自然资源或信仰相关的产业，如日本的温泉旅馆或寺庙。它们的存在似乎无视了时代，不受基础设施变革的影响。
梁宁指出，在这样的背景下，我们从投机主义的“风口时代”进入了一个"扎根时代"。市场萎缩，供给过剩，只有真正扎根于用户需求、具备专业能力的企业才能生存下去。
在这个充满挑战的时代，中国企业其实展现出了强大的适应力和创新能力。梁宁以厨房的演变为例，进行了一系列生动的展示：从 90 年代农村的简陋橱窗，到瓷砖的引入，紧接着是煤气罐的出现，然后出现了电气灶，随之而来出现了现代化的智能厨房，厨房设计开始追求美观、便利，并在智能化改造后诞生了国产的集成烹饪中心。中国的厨房设备经历了翻天覆地的变化。
现在的中国企业不再满足于简单的技术引进和模式复制，而是开始创造源自本土需求的原创技术和产品。
他们扎根于传统厨房环境复杂、油烟重、空间不足和操作繁琐这类真实的生活场景，解决用户的实际问题。
因此，梁宁从这些实际案例出发，为我们打了一剂“定心针”：在这个时代，你可以选择参与AI的"王者之战"，在最前沿的技术领域一决高下；也可以选择深入生活，优化现有的服务和体验，解决人们日常生活中的实际问题。无论选择哪条路，关键是要保持对专业能力的追求，不断提升自己的核心竞争力。她表示，现在并非历史上的"垃圾时间"，而是孕育未来的关键时期。在这个风暴来临的前夕，我们有机会培养更高的专业素养，解决更多实际问题，甚至是人生的重大课题。时间终将把我们带到美好的未来，而我们现在所做的每一步努力，都将成为通往未来的基石。
汪华：GenAI 应用爆发有四个前提条件
大模型的爆火，引得不少人发问：GenAI 应用爆发何时到来？创新工场联合创始人、管理合伙人汪华在本次大会上从海外投资和应用情况、应用爆发的前提条件以及中国 GenAI 的发展与生态三个维度进行了深入分享。
汪华 创新工场联合创始人、管理合伙人
回看市场大规模的 AI 投资，汪华表示，2023 年 AI 融资投资相对 2022 年暴涨近 6 倍，但三分之二的投资集中在算力、大模型和 Infra 维度，且主要投资方并非标准财务投资者，而是微软、Google、Meta、苹果等科技巨头。从今年开始，关于 AI 的投资重心已经发生了显著转移，应用领域的投资开始占据主导地位，活跃的投资对象也从战略公司转向了财务投资者。
在汪华看来，
当
前的 AI 应用爆发更接近于 1999 年 Google 初创时期的状况，技术栈尚未完全成熟，而 AI 应用要实现全面爆发取决于四个前提：模型性能、模态、成本和全新的 AI-Native 产品形态探索过程。
-
模型性能
决定了模型能够完成的工作范围，当前模型可比喻为知识丰富但略显粗心的中学生，具备大学级别的写作和语言能力。未来，模型性能的突破将主要体现在减少幻觉、增强复杂指令遵循能力和长链路任务推理与执行能力上。一旦这些能力得到提升，即使模型未超越人类，也能实现从人机协同到完全自动化的飞跃，特别是在 ToB 领域。
-
多模态
的发展至关重要，从纯文本到图文、视频，模态的丰富程度决定了 C 端应用的范围、渗透率以及交互形态。
-
降低成本
是关键。过去从大型计算机到桌面 PC 再到个人电脑，计算能力成本的下降推动了设备的普及。目前 AI 产品成本高昂，主要集中在 ToB、ToC 端的专业用户生产力工具上。如果成本降至合理水平，娱乐和社交类应用将显著受益。
-
应用爆发需要生态支持，在模型本身和技术栈发展就绪后，需要
产品经理们花费时间探索适合 AI 时代的交互形态
，同时面向用户群的渗透和扩散也需要时间。
整体而言，汪华认为，AI 应用的发展速度虽然快于移动互联网，但至少需要 3-4 年的时间沉淀。同时，
高性能多模态模型的推理成本大幅降低是 AI 应用爆发最不容忽视的前提条件之一。
参照移动互联网的发展历程，汪华将 AI 应用的发展划分为三个阶段：
工具类应用、长时长的娱乐社交类应用、以及全面渗透生活的应用
。他表示，「目前我们正处于第一阶段，预计在未来几个月内将出现千万级日活的工具类应用。随后，将进一步拓展至更大规模的用户群体，并最终渗透到生活的各个方面，如衣食住行。这一过程预计将在五年内完成，远快于移动互联网时代八年的发展周期」。
从中美对比来看，汪华表示，国内在 AI 领域取得了显著进步，尤其是在工程化应用方面。然而，在前沿研究方面仍存在差距，国内往往需要依赖美国的研究成果来指导实践；在顶尖模型的研发方面，美国仍然领先，但这种差距可通过工程化手段来弥补；从应用角度来看，美国已经完成了类似 ChatGPT 的普及阶段，而中国尚处于普及初期。不过，中国拥有庞大的 AI 人才库和强大的工程及产品能力，尤其是在供应链方面具有优势，蕴藏巨大的发展潜力。
面向新时代创业者、产品经理，汪华建议道，
对于产品商业出生的创业者，避免宏大叙事，理解技术限制；对于技术科研出身的创业者，要提高用户认知，关注场景和算力成本；产品经理应关注用户需求和行业特点，将 AI 视为一种新的工具和技术手段，专注于挖掘用户的真实需求，同时还需了解模型的原理、能力边界和特点，以便更好地设计产品。
白鸦：传统 UI 设计师角色将逐渐消失
当前，每个人似乎都习惯了 ChatGPT 带火的这套会话式用户界面。只需要在对话框里提问，大模型就能提供答案，这种范式变化却引发了一个关键问题：我们还需要给 AI 应用再做一套图形用户界面吗？有赞创始人兼 CEO 白鸦的分享以《AI 时代的用户界面设计》为题，聚焦于 AI 时代产品设计的新范式和自动化界面设计的未来。他以深厚的用户体验设计
背景，洞察了 AI 带来的产品设计变革，首先介绍了两个关键概念：
CUI（命令用户界面）和自动化UI设计（Agent UI Design）。
白鸦
有赞创始人兼 CEO
白鸦首先回顾了传统 GUI（图形用户界面）设计的范式：枚举功能和任务，设计每个界面，然后创建导航地图。这种方法在功能日益复杂的今天，往往让用户如同置身迷宫。而 CUI 产品设计则带来了新的范式：仍需枚举用户任务，但更多精力放在准备数据集、测试集和设计思维链路上，通过大模型理解用户意图，自动化执行任务并直接交付结果。
回到本段开头提出的那个问题：图形界面是否还有存在的必要？白鸦认为，图形界面依然不可或缺，复杂的内容呈现、表单填写等场景都离不开精心设计的图形界面。因此，未来的产品很可能是 CUI 和 GUI 的结合体，既直观又高效。
基于这一洞见，白鸦提出了利用
AI Agent（智能体）自动化 UI 设计的需求。
他回顾了互联网产品设计行业 20 年来的变化：从最初的两个人（产品经理和工程师）发展到如今的庞大团队模式，包括产品经理、交互设计师、UI 设计师等多个细分岗位。
这种专业化虽然提高了产品质量，但也带来了效率问题。白鸦发现，在他审核的项目中，30% 的人力和 40% 的时间都花在了用户界面相关工作上，而这些工作 80% 都是重复性劳动。为了提高效率，他尝试让产品经理学习基本的 UI 设计，并要求前端工程师严格按照规范实现界面。这一做法大幅提高了效率。
这一经验让白鸦联想到工业化时代的历史：最初为了提高效率和稳定性，将工作拆解为多个岗位；而后通过自动化，少数人监督机器完成多个岗位的工作。他预见，UI 设计领域也将经历类似的变革，自动化界面设计将彻底改变互联网产品设计行业。未来可能只需要高级产品经理规划业务愿景和功能，以及工程师进行核心技术开发，用户只需上传几个代表性界面，系统就能总结出一套设计系统，包括按钮、输入框、布局、字体等各种元素的规范，
而传统的 UI 设计师角色也将因此逐渐消失。
他预测，
未来 5 年内，全球 UI 设计师的数量可能从现在的 200 万增加到 2000 万甚至 5000 万，因为每个人都能轻松完成 UI 设计工作。
白鸦总结道，乔布斯留下的扁平化设计遗产让界面变得更加简洁，将更多空间留给了内容本身。这一趋势使得 UI 设计变得更加规范化和简单化，为自动化设计工具的普及铺平了道路。在 AI 时代，产品设计将更注重业务本质和用户体验，而繁琐的界面设计工作将逐渐被智能工具取代。
张帆：大模型的企业级应用探索与实践
「得 AI 者，得天下」这句话如今似乎已成为整个科技行业的真实写照。智谱COO 张帆在《大模型的企业级应用探索与实践》主题演讲中分享道，有研究报告显示，到 2026 年 80% 的企业将采用大模型。而今，几乎所有企业，无论是员工还是企业本身，无论主动或被动，都已经在使用 AI。
张帆 智谱 AI COO
AI 之所以受到高度认可，张帆认为这与大模型的发展有关。在移动互联网时代，AI 技术是独立的，需要定义问题并找到合适的算法。而大模型用一个模型解决多个问题，降低了 AI 使用门槛和成本。它的出现，也使得产品设计需要利用新的特性进行重新设计，企业基于此进行升级。
那么，企业究竟该如何落地大模型技术？张帆结合多年的实践经验观察到许多企业在实施过程中缺乏对技术和应用场景的双向理解。常见的误区是企业老板对大模型的理解不足，便提出要在短时间内实现显著的技术革新，并选择了企业并不擅长的客户服务领域来尝试实施。结果，经过几个月的努力，项目未能成功，最终得出大模型不具备预期效果的结论。
张帆坦言，企业不应将大模型视为万能的解决方案，它只是一项技术工具，企业需要根据自身的数字化程度来寻找模型与业务的最佳结合点。同时，要想更好地应用大模型技术，需要在企业内部明确具体的测试指标和执行负责人，并保持合理的期望。
再者，从模型的视角来看，许多企业对大模型的理解存在误区，甚至有人认为只要有数据就是资产，但实际上，关键在于如何有效地利用这些数据。大模型的训练包括预训练、微调、增强学习，以及传统工程任务。企业需要将自身的专业知识分解，并适当地应用于这些阶段。如果将不适当的数据用于预训练阶段，会导致模型性能受损。正确的做法是根据模型的不同阶段来匹配相应类型的高质量数据。
最后，张帆就企业如何利用大模型构建自己的竞争力分享了四点建议：
-
选择一个合适的模型。
常有人问，应该选择开源模型还是闭源模型？是用大模型还是小模型？是国内的模型还是国外的模型？张帆认为，不同的场景有不同的答案。如果是创新型应用，可以尝试自行训练模型；如果是大规模应用，考虑到闭源模型可能比开源模型带来更低的成本，因此选择也会有所不同。
-
设计相应的组织架构。
在大模型时代，应用方式、设计流程和模式都会有所改变，如设计师的角色和工作流程将被重新定义，企业需要及时做出架构调整。
-
重新设计数据资产。
如今的数据资产与过去不同，过去众人在谈论数据资产时总是强调结构化数据的重要性，因为非结构化数据难以处理。但事实上，大部分数据是非结构化的，在原有体系中无法有效利用。此外，许多结构化数据由于缺乏上下文而导致信息损失。
-
在新技术背景下，
企业需要重新定义数据的收集和应用方式，使其更好地融入业务场景。
姚欣：“并不会出现某类大模型一统天下”
紧接着，PPTV 创始人、PPIO 派欧云联合创始人兼 CEO 姚欣带来了《生成式AI的产业创新曲线》主题演讲。
姚欣 PPTV 创始人、PPIO 派欧云联合创始人兼 CEO
姚欣指出道，无论是 PC、互联网还是移动互联网，任何行业、产业均呈现一个产业分层结构——
底层的基础设施、中层的平台工具、上层的应用服务
，自底向上分阶段成熟。生成式人工智能的产业发展亦是如此。
过去几年间，我们亲证了生成式 AI 底层基础设施发展得如火如荼，包括英伟达以及诸多的云服务公司。姚欣表示，直至今日，算力基础设施还处于一个大规模增长的过程中，只是下一阶段的发展重点，会从现在很热闹的训练逐渐转向推理。随着算力成本每年 10 倍速下降，会持续解锁应用新场景。
生成式 AI 产业的中间层则是诸多的模型公司。当前业界普遍持有这样的一个观点：在研发模型时，先做一个足够大的参数模型，性能优化到最高。不过，在落地时，会将模型适当缩小，追求性价比，甚至做多端的不同重构部署。至于为什么要这么做，姚欣表示，短期内很多人对于技术性能有过高的期待，都想立刻实现相关 API，将模型落地，但技术是要一步一步实现的。
