产品经理的AI实战——人工智能产品和商业落地

以前，技术只是工程师操心的事；如今，技术是工程师、产品经理、企业家共同操心的事，他们只有通力合作才能驾驭强大的技术，进而取得商业上的成功。

如今讲人工智能的书大多属于两种类型：第一种面向广大公众进行人工智能科普；第二种针对专业技术人员详细讲解人工智能的技术。这两种书，产品经理虽然都可以阅读，但他们更迫切需要第三种——从商业的角度讲人工智能，以产品的方式让人工智能落地的书，而本书正是这种少数类型。

本书具有针对性强、系统性强、实操性强、原创度高的特点。本书共分为三篇。第一篇是基础篇，讲解技术商业的基本规律、AI技术的实质和边界、AI的商业格局和应用现状。第二篇是合格AI产品经理篇、包含合格AI产品经理的能力体系、AI技术-场景适配和AI产品规划、AI产品经理的职业发展等内容。第三篇是高级AI产品经理篇，包含高级AI产品经理的能力体系、AI技术-场景的洞察、AI商业模式设计等内容。

本书适合两类人群阅读。一是未来的人工智能产品经理，他们可能是互联网产品经理，也可能是对人工智能产品工作感兴趣的大学生、职场新人，也可能是希望转行做人工智能产品经理的技术人员。 二是对人工智能的应用、产品、商业模式感兴趣，想系统了解的人士，包括企业家、创业者等。

车马

中国最早的一批互联网产品经理之一，曾是中国电商行业*一家上市公司慧聪网*一的产品经理，是周鸿祎起家产品3721网络实名的产品经理。

曾任捷银支付的产品总监、中国平安集团移动互联网部门的总经理、北京房斯达克电子商务公司CEO & CPO、北京车托帮移动科技公司COO等职。

经过长期的产品实战、商业实战，构建了“车马能力增长体系”，为众多人士提供互联网行业职业发展顾问服务，为多家企业提供技术商业咨询服务。

以前，技术只是工程师操心的事；如今，技术是工程师、产品经理、企业家共同操心的事，他们只有通力合作才能驾驭强大的技术，进而取得商业上的成功。

简单地说，人工智能（AI）就是人制造的机器所表现出来的智能。

三盘棋，两种结果

人工智能从诞生到现在已经经历了60 多年的风雨，比互联网的历史要长得多，其在20 世纪曾经短暂地掀起过两次热潮，但很快就进入了漫漫寒冬。人工智能和下棋似乎很有渊源，人工智能机器与人对弈，每下赢一种棋（如下图所示的西洋跳棋、国际象棋、围棋等），就会掀起一次热潮。

西洋跳棋、国际象棋、围棋

阿瑟·萨缪尔是“机器学习”一词的发明者。他编写了一个有学习能力的西洋跳棋程序，该程序于1962 年战胜了美国著名的西洋跳棋冠军尼雷，引发了普通公众对人工智能的兴趣。

1997 年，IBM 的Deeper Blue 战胜了国际象棋冠军卡斯帕罗夫，这再次激发了普通公众对人工智能的兴趣。

虽然这两次下棋都掀起了热潮，但大部分人认为机器不具备真正的智能，只不过是凭借不知疲倦的算力战胜了人。卡斯帕罗夫事后就要求与Deeper Blue 再战，可见其心有不服。

围棋是很复杂的博弈棋类，一直被视为人类智能的一座高峰。在它面前，强大的计算机算力也显得非常渺小。对于人工智能的迅速发展，围棋又意味着什么呢？2017 年，AlphaGo（阿尔法围棋，指围棋机器人）Zero 战胜了世界排名第一的棋手柯洁，之后AlphaGo 宣布不再与人类下棋。与卡斯帕罗夫的不服相反，柯洁的感叹是“对于AlphaGo 的进步来讲……人类太多余了”。

这一次的人机对弈和前两次一样，又燃起了公众的热情。这一次的人机对弈和前两次又有不同，大大推进了人工智能技术的落地应用，前两次下棋虽然取胜，但人工智能却没有走出棋盘，这一次人工智能很快走出了棋盘并应用于众多领域。

2016 年至2018 年，人工智能的发展热潮来得如此强烈，其在学术、资本、产业、政策领域几乎是同步跃进的，这样的情景在技术应用史、技术商业史上是从来没有出现过的。相关部门在安防等社会治理领域大规模应用人工智能技术，为人工智能的发展提供了沃土。互联网大公司规模化地应用了人工智能并产生了明显效果，为人工智能的更广泛应用树立了样板和信心。除此之外，医疗、金融、制造、教育、农业等诸多领域也掀起了应用人工智能技术的热潮。

寒冬中，对春天的信心

虽然看上去很顺利，但是实际情况远没有那么理想。除少数几个应用领域进展顺利外，多数应用领域的进展远低于预期。受此影响，从2018 年年底开始，除了学术领域的热情持续高涨，AI 领域的创业、投资、估值、应用热度都有了明显下降。进入2019 年，多数AI 技术公司面临的已经不是估值问题，而是生存问题。

已经有人忧心忡忡地提出“人工智能的第三个冬天是不是来了”。毕竟，人工智能此前已经经历过两个冬天，再来一个冬天又有什么奇怪的呢？而我却相信人工智能的春天已经在路上了，信心来源于以下几个方面。

（1）人工智能技术本身的成熟。前两次人工智能冬天的出现是由于技术本身不成熟，这导致人工智能几乎没有走出学术领域，甚至没有持续应用的案例。当前的人工智能技术在多个细分领域已经达到了很高的水平，也经过了大规模应用的检验，已趋向成熟。

（2）人工智能配套条件的大幅度改善。现在有了越来越低价、越来越强大的算力，还有源源不断的大数据，人工智能就有了强健的“体魄”和丰富的“粮食”，自然会越来越强大，这对人工智能在众多领域的应用非常有利。

（3）当前人工智能已经在多个领域投入使用，而且是大规模的、正式的商用。苹果、华为等企业已经将人工智能集成到小小的手机中，帮我们更容易拍出好照片，帮我们更快地找出包含特定人的照片，让我们无感解锁，让我们又快又安全地支付……除了这些应用，人工智能在安防、城市管理、客服等行业也已经被成功应用。这些成功案例给了我们很大的信心，我们的任务也变成了如何在更多领域去应用好人工智能。

这一次，真的不同！

人工智能同样遵循技术应用规律

除了上述具体的原因，我的信心更多来自技术应用的普遍规律。基本规律的作用域更广、更持久，让我们跳出人工智能，站在技术应用这个更高的层次来看一些基本规律。

我从应用角度总结出了技术应用的周期规律，该规律如下图所示。

技术应用的周期规律

我们看到，一项新技术的实际应用会经过4 个阶段。

第一阶段——应用迷茫期。在图中我们用一个大大的问号来表示大多数人不知道这项技术的用途。想想20 世纪末互联网刚刚进入我国时，我国又有多少人知道互联网的用途呢？

第二阶段——应用启蒙期。在图中我们用放在某个位置的一个灯来表示技术在某个单点得到了应用，让大家看到这项技术是有用的，进而启发大家思考能否在其他地方进行应用。如果启蒙应用具有很强的社会影响力，技术应用就会极快地进入应用狂想期。以前的互联网是如此，2016 年至2018 年的人工智能也是如此。

第三阶段——应用狂想期。在图中我们用众多的灯来表示技术的应用，外面的轮廓表明这些灯其实存在于大家的想象中。在此期间，大家认为这项技术简直是无所不在、无所不能的，于是各个领域都去尝试应用这项技术。“互联网+”“AI+”都是如此。

第四阶段——应用常态期。相比应用狂想期的灯，应用常态期的灯（代表应用）有了很多变化：

（1）有些灯消失了，表明有些在应用狂想期非常看好的应用领域，实际并不适合应用这项技术；

（2）有些灯亮了，但不大，表明应用成果低于预期；

（3）有些灯比应用狂想期的灯还大，表明有些应用成果高于预期；

（4）有些灯是新出现的，表明有些应用领域是大家当初都没有想到的。

进入第四阶段的互联网技术已经将上述规律表现得非常清楚，值得人工智能好好学习。对照上述规律，人工智能刚刚走完应用狂想期，正在进入应用常态期。所以，从行业发展、个人发展的角度，我想表达的是“对于人工智能应用来说，现在是最坏的时代，现在也是最好的时代”。

AI 的落地应用呼唤健全的人才组合

最初，在AI 应用领域较受关注的人才是AI 科学家和AI 工程师。进入应用启蒙期和应用狂想期后，业界普遍认为“AI 技术人才+行业专家”这种人才组合才是最理想的，并且认为依靠这种人才组合可以让AI 技术在某行业顺利落地并得到应用。这期间我们看到做医疗影像AI 的公司招聘了医院影像科医生，做安防应用的AI 技术公司招聘了公安技防专家。行业专家的加入确实带来了一些改变，行业专家了解行业，能为技术指明应用方向，因此对AI技术在行业落地应用起到了一定的作用。但在多数情况下，行业专家的作用并没有达到预期。

（1）AI 是一项全新的技术，只有深入理解它的本质并善加利用，才能使其应用成果达到预期，而行业专家对此并不擅长。

（2）行业专家长期处于某个行业中，因此产生了行业局限。而技术应用的很多场景是大幅改变甚至颠覆行业的，并且可能行业专家本身就是被颠覆的对象。

行业专家可能会做出小改进，但难以做出大变革。

（3）从技术、行业经验到产品，这是一次飞跃，需要很强的产品规划能力。

行业专家能指出行业的痛点、需求，但并不擅长专业的产品规划。

不理想的现实促使业界进一步思考，看来要想让AI 技术顺利落地应用，除“AI 技术人才+行业专家”的组合之外，还需要新的角色，这样才能形成健全的组合。我们还需要两类重要人才：AI 产品经理和AI 商业人才。AI 应用需要的人才组合如下表所示。

AI 技术人才 行业专家 AI产品经理 AI商业人才

AI 科学家

AI 工程师

行业专家 AI产品经理 AI创业家 AI 企业家 市场人

才 销售人才 运营人才

AI 应用需要的人才组合

这样的人才组合的演变，在互联网技术的应用过程中已经完整地展现了。AI业界已经开始意识到这个问题。以DeepMind 公司为例，该公司博士云集，各位创始人都有很强的技术背景。2018 年，该公司引入了第一位COO（首席运营官），这才有了一位负责产品、运营的顶级高管。

相信AI 产品经理等人才的加入会使AI 应用需要的人才组合更加健全，从而真正促进AI 应用的长期繁荣发展。

本书的目标读者

不同于AI 普及书、AI 通识书，本书有更明确的目标读者。

（1）未来的人工智能产品经理。他们现在可能是互联网产品经理，可能是对AI 产品感兴趣的大学生、职场新人，也有可能是希望转行做AI 产品经理的技术人员。

（2）对人工智能应用的场景、产品、商业模式感兴趣，想系统了解这些内容的人士。

本书的内容结构

本书的内容聚焦在当前的人工智能，讨论的是人工智能技术的落地应用，而

不是技术本身。为了讲解清楚，我总共安排了3 篇内容。

第一篇是AI 技术与AI 商业篇，讲解技术商业的基本规律、AI 技术的实质和边界、AI 的商业格局和应用现状。后面两篇的内容都以第一篇为基础来展开。

第二篇是合格AI 产品经理篇，讲解合格AI 产品经理的能力体系、AI 技术—场景的适配和AI 产品规划。在本书中，第二篇占据了最大篇幅。

第三篇是高级AI 产品经理篇，讲解高级AI 产品经理的能力体系、AI 技术—场景的洞察和设计AI 商业模式。

如果本书能够帮助读者形成对AI 的系统认知，具备AI 技术—场景的识别和洞察能力、AI 产品规划能力、AI 商业模式设计能力，我就感到非常欣慰了。让我们一起努力，从大趋势、大规律着眼，从具体的场景、产品、商业模式着手，以成功的应用来迎接人工智能的春天！

AI 技术与AI 商业篇

第1 章 技术商业的特点和成功要素 . 2

1.1 技术应用与技术商业 . 2

1.1.1 技术应用与技术商业的一体两面关系 . 2

1.1.2 技术商业发展的共性与个性 . 3

1.1.3 X 技术和X 技术商业的概念 . 6

1.1.4 X 技术的高度不确定性 . 6

1.1.5 X 技术商业的特征 . 7

1.2 X 技术商业的要素及其关系 . 10

1.2.1 X 技术商业的要素与结构 . 10

1.2.2 理解X 技术商业要素及其关系的例子 . 14

1.3 技术—场景、产品与商业模式 . 17

1.3.1 技术—场景、产品与商业模式的关系 . 17

1.3.2 X 技术产品、X 技术商业模式的特点 . 19

1.3.3 技术—场景的适配 . 21

1.3.4 产品之拱 . 25

1.3.5 商业模式之拱 . 27

1.3.6 技术、产品与商业模式互相助力 . 27

1.4 技术—场景、产品与商业模式的对比案例 . 30

第2 章 快速理解AI 技术的实质和边界 . 34

2.1 产品经理要真正地懂技术 . 34

2.1.1 从事技术商业必须懂技术. 34

2.1.2 掌握AI 技术的层次 . 37

2.2 基于机器学习的当代人工“智能”. 38

2.2.1 人工智能3 个阶段的比较. 38

2.2.2 人工智能涉及的基本概念及其关系 . 40

2.3 理解机器学习的类型及其算法 . 43

2.3.1 机器学习的类型 . 43

2.3.2 机器学习的算法 . 45

2.4 从卷积神经网络理解深度学习 . 47

2.4.1 神经网络与深度学习的概念关系 . 47

2.4.2 从生物神经元到人工神经元 . 48

2.4.3 神经网络 . 49

2.4.4 卷积运算 . 50

2.4.5 卷积神经网络的结构和处理过程 . 53

2.4.6 神经网络“智能”的形成过程 . 55

2.4.7 深度神经网络 . 56

2.4.8 深度卷积神经网络的应用. 59

2.5 人工智能的实质和机器学习的问题. 61

2.5.1 当前人工智能与环境和人交互的全过程 . 61

2.5.2 机器学习的问题 . 62

第3 章 AI 商业格局、AI 应用 . 67

3.1 AI 商业格局 . 67

3.1.1 AI 商业格局的层次 . 67

3.1.2 AI 商业格局的特点 . 69

3.2 AI 应用的经验教训 . 70

3.2.1 AI 应用的阶段 . 70

3.2.2 互联网大公司成功应用AI 技术的启发 . 70

3.2.3 AI 在众多行业应用不顺的原因 . 72

3.2.4 推进AI 应用的正确做法 . 77

合格AI 产品经理篇

第4 章 合格AI 产品经理的核心工作和能力模型 . 81

4.1 AI 产品 . 81

4.1.1 AI 产品的实用定义 . 81

4.1.2 AI 产品的构成要素 . 82

4.1.3 实用定义、构成要素对产品经理的价值 . 85

4.1.4 AI 产品的类型与主体 . 86

4.1.5 AI 产品中AI 能力的分布方式 . 87

4.2 AI 产品经理 . 89

4.2.1 AI 产品经理的行情 . 89

4.2.2 两类公司对AI 产品经理的要求 . 90

4.3 合格AI 产品经理的能力体系——AI 能力杠铃模型 . 91

4.3.1 合格AI 产品经理的能力杠铃模型 . 92

4.3.2 AI 能力杠铃模型的优势 . 93

4.3.3 合格AI 产品经理篇的内容安排 . 94

4.3.4 AI 技术、场景与AI 产品之间的关系 . 95

第5 章 AI 技术—场景适配 . 98

5.1 AI 技术—场景适配的基本方法 . 98

5.1.1 AI 技术—场景的适配前提 . 98

5.1.2 AI 技术—场景的适配矩阵 . 100

5.1.3 AI 技术—场景适配的适度原则 . 101

5.1.4 AI 技术—场景适配的失败案例——3D 整容效果预览 . 102

5.2 AI 技术—场景适配中的微机会 . 103

5.2.1 由小到大做适配 . 103

5.2.2 微场景、微产品的特别机会 . 104

第6 章 互联网公司的AI 产品 . 106

6.1 AI 技术增强型互联网产品 . 107

6.1.1 产品案例 . 107

6.1.2 案例中的AI 技术、场景、产品及商业价值 . 108

6.2 AI 技术原生型互联网产品 . 111

第7 章 AI 技术公司的AI 产品 . 114

7.1 AI 技术公司的项目与产品 . 114

7.1.1 AI 项目与AI 产品 . 114

7.1.2 AI 技术公司的产品类型 . 115

7.2 AI 技术公司的中间产品 . 115

7.2.1 AI 技术公司的中间产品的特点 . 115

7.2.2 产品经理在中间产品中的作用 . 116

7.2.3 中间产品的文档 . 119

7.3 AI 技术公司的最终用户产品 . 119

7.3.1 中间产品的风险 . 119

7.3.2 最终用户产品的价值 . 121

7.3.3 最终用户产品案例 . 122

第8 章 传统企业的AI 产品 . 129

8.1 传统企业应用AI 的整体情况（以金融业为例） . 129

8.1.1 金融业应用AI 的整体情况 . 129

8.1.2 中国平安对AI 的规模化应用 . 130

8.2 传统企业做AI 产品的原因及AI 产品的分类 . 132

8.2.1 传统企业做AI 产品的原因 . 132

8.2.2 传统企业AI 产品的分类 . 133

8.3 在传统企业做AI 产品 . 134

8.3.1 传统企业对AI 产品经理的要求 . 134

8.3.2 在传统企业做AI 产品的关键 . 134

第9 章 AI 产品规划的流程和方法 . 137

9.1 AI 产品规划入门 . 137

9.1.1 基本方法——“抄”出好产品 . 137

9.1.2 AI 产品详细规划前的自检 . 138

9.1.3 软件规划的层次和流程 . 139

9.1.4 硬件规划流程 . 140

9.1.5 产品软硬规划工作的组织形式 . 141

9.2 互联网产品经理上手AI 产品规划 . 143

9.2.1 从极简AI 产品入手 . 143

9.2.2 极简AI 产品的例子 . 143

9.2.3 不同类型产品的AI 化 . 146

9.2.4 获得公司高管的认可，推动技术团队实施 . 148

9.2.5 AI 产品经理与AI 技术人员的协作关系 . 151

9.3 AI 产品的数据机制和指标体系规划 . 152

9.3.1 AI 产品经理对数据机制的规划 . 152

9.3.2 AI 产品经理对指标体系的规划 . 154

第10 章 快速获得AI 产品经理职位 . 157

10.1 互联网产品经理快速成为AI 产品经理 . 157

10.1.1 互联网产品经理和AI 产品经理的亲缘关系 . 157

10.1.2 注意互联网产品与AI 产品的区别 . 158

10.1.3 打造高效成长的闭环，为获得AI 产品经理职位做准备 . 160

10.1.4 选择适合自己的AI 产品经理职位 . 160

10.2 应届生快速成为AI 产品经理 . 161

10.2.1 直接进入AI 技术公司 . 162

10.2.2 先进入互联网公司成为互联网产品经理 . 163

10.3 快速、系统地提升AI 技术能力 . 163

10.3.1 快速掌握基本的Python 编码能力 . 164

10.3.2 搭建真实的Python 环境，掌握配套技能 . 165

10.3.3 上手TensorFlow . 166

高级AI 产品经理篇

第11 章 高级AI 产品经理的能力体系 . 168

11.1 高级AI 产品经理的能力杠铃模型 . 168

11.1.1 高级AI 产品经理的能力杠铃模型的整体结构 . 168

11.1.2 高级AI 产品经理的能力杠铃模型的10 个关键能力项 . 170

11.1.3 高级AI 产品经理篇的内容安排. 172

11.2 跳出AI 的圈子，做好AI 产品 . 172

11.2.1 跳出AI 的圈子 . 172

11.2.2 跳出AI 圈子的例子 . 173

第12 章 AI 技术—场景洞察 . 176

12.1 对AI 技术—场景适配度的洞察 . 176

12.1.1 从AI 与人的关系角度洞察适配度 . 176

12.1.2 对目标场景未来趋势的洞察 . 178

12.1.3 对替代方案的洞察 . 178

12.2 对AI 技术—场景价值的洞察 . 180

12.2.1 AI 技术—场景价值洞察的例子 . 181

12.2.2 洞察问题中潜藏的商业价值 . 185

12.3 对AI 技术—场景障碍的洞察 . 187

12.3.1 价值—障碍矩阵 . 187

12.3.2 AI 技术—场景障碍的例子 . 188

12.4 对AI 技术—场景商业风险的洞察 . 192

12.4.1 技术商业的普遍风险 . 192

12.4.2 AI 商业的风险识别 . 193

第13 章 设计AI 商业模式 . 196

13.1 AI 商业模式 . 196

13.1.1 在AI 商业五要素全局中构建商业模式 . 196

13.1.2 AI 商业模式的层次 . 198

13.1.3 产品与商业模式的配合关系 . 198

13.1.4 商业模式优先于产品 . 200

13.2 AI 工业质检的商业模式设计 . 202

13.2.1 AI 工业质检中的商业特点和商业机会 . 203

13.2.2 AI 工业质检商业模式——按月、按量付费 . 204

13.2.3 AI 工业质检模式的升级 . 205

13.3 医疗影像AI 的商业模式设计 . 206

13.3.1 医疗行业概要和AI 应用现状 . 207

13.3.2 医疗影像AI 应用的现状 . 208

13.3.3 设计医疗影像AI 产品的商业模式 . 210

13.4 智能音箱的商业模式设计 . 212

13.4.1 智能音箱商业模式的现状 . 212

13.4.2 智能音箱的创新商业模式设计——广告 . 214

13.4.3 智能音箱的创新商业模式设计——电商 . 215

13.4.4 智能音箱的创新商业模式设计——优质内容付费 . 216

后 记. 217