Agent引爆產品新思維、奇點智能研究院正式成立！2025 全球產品經理大會首日精彩速覽

作者 | 《新程序員》編輯部

出品 | CSDN（ID：CSDNnews）

在技術浪潮中，產品經理的角色不斷演變。PC 時代，他們更像“需求分析師”；移動互聯網時代，則轉向“用戶體驗設計者”，在創意與落地之間不斷磨合。過去常說，“不懂技術的產品經理做不好產品”。如今，大模型、Agent 等技術的出現正在重塑產品經理的工作方式——角色邊界被打破，思維模式被迫升級，曾經清晰的分工正在被新的產品形態和工作流徹底改寫，這種變化不僅影響個人與團隊，也在行業層面掀起深刻轉型。

8 月 15 日，由 CSDN 與 Boolan 聯合舉辦的 2025 全球產品經理大會在北京威斯汀酒店重磅開幕。會場座無虛席，熱鬧非凡，匯聚了 40 余位來自互聯網與科技產品領域的一線專家及 1000 多位與會者，現場演講深度十足，討論與交流氛圍熱烈，精彩觀點不斷碰撞，

主會場上，奇點智能研究院院長、CSDN 高級副總裁李建忠，昆侖萬維董事長兼 CEO 方漢，久痕科技創始人、CEO、前網易副總裁汪源，YouMind 創始人 & CEO、前字節跳動產品副總裁、語雀創始人王保平（玉伯）等嘉賓帶來了關于 AI 產業最新趨勢的洞察與產品實踐的心得分享。

奇點智能研究院正式成立！

在大會現場，李建忠重磅宣布，CSDN 與 Boolan 聯合多家機構共同發起的奇點智能研究院（Singularity Intelligence Research Institute）正式成立！奇點智能研究院旨在成為專注于人工智能前沿技術和產業落地的創新研究、咨詢與智庫機構。其愿景是成為人工智能產業的“范式孵化器”，使命是推動 AI 成為普惠性的生產力工具。官方網站：https://singintelligence.com

研究院聚焦人工智能帶來的計算范式、開發范式和交互范式轉換，并圍繞這些方向設立了六大研究領域：

1. 智能化戰略轉型與落地；

2. 智能軟件工程與研發效能；

3. 企業開源軟件設計與治理；

4. AI 系統軟件技術棧；

5. 系統軟件性能工程與優化；

6. 軟件架構設計與重構。

此外，奇點智能研究院還與華東師范大學聯合成立了“開源創新與變革聯合實驗室”，計劃發布全球開源發展報告、大模型賦能軟件開發范式變革白皮書等系列研究成果，推動奇點智能在前沿技術和產業應用方面的探索與創新。

李建忠：大模型驅動的 AI 產業生態與產品創新

奇點智能研究院院長、CSDN 高級副總裁李建忠帶來主題為《大模型驅動的 AI 產業生態與產品創新》的開場演講。他表示，AI 正處于一個指數級加速的發展階段，無論是基礎模型、應用開發、人機交互還是智能體，都在經歷重大的變化。

李建忠 奇點智能研究院院長、CSDN 高級副總裁

基礎大模型正在經歷從“訓練”到“推理”范式的轉換。李建忠形象地比喻：“在預訓練階段，模型是在‘講知識’；后訓練階段，它在‘講文明’；而推理階段，模型開始‘講邏輯’。”這種變化背后的核心驅動力，是強化學習帶來的“經驗數據時代”。過去，模型幾乎完全依賴人類知識數據，本質上是人類知識的“回聲室”；而通過強化學習，模型可以在動態環境中不斷試錯、積累反饋，從而獲得合成經驗數據，進而突破人類知識的邊界。針對業界一度流行“Scaling Law 已經失效或停滯”的說法，他深度剖析道，預訓練階段的增長放緩并非法則失效，而是公域數據幾乎耗盡造成的限制。但加入強化學習后，推理階段出現了新的增長曲線，模型性能仍在持續提升。

隨著強化學習帶來的推理能力提升，過去幾個月間，幾乎所有 SOTA（state-of-the-art）模型都開始內置訓練 Agent 和 Tool Use 能力，其核心主要依賴強化學習與特定架構設計，讓模型在動態環境中通過試錯學習決策策略，并結合外部工具完成復雜任務。李建忠表示，這一變化使得大模型的能力從“給你建議”，轉變為“直接幫你完成任務”，主流大模型也正在從簡單的 Chatbot 進化到 Agentic 模型。

在應用開發范式維度，李建忠談到近期火熱的 Vibe Coding（氛圍編程）：“有些人認為它只能做小游戲或前端應用，難以支撐企業級軟件，但我們應該用發展的眼光來看待它，這正像早期曾被低估的 Web 技術，那時前端編程不被認為是軟件開發，但是后來 Web 編程創造的互聯網軟件規模和用戶都遠超傳統軟件。”在他看來，氛圍編程不是對傳統軟件工程的顛覆，而是創造了新的增量市場，有望創造出“可塑軟件（Malleable Software）” 支持用戶對軟件進行二次加工、個性化定制體驗/功能。由于使用自然語言來完成軟件編程任務，軟件的生產和交付成本可能降至極低，實現“現用現做、用完即棄”的體驗，同時可塑軟件仍依賴傳統軟件作為底座。

談及人機交互的演進，李建忠認為，AI 時代的入口是自然語言的對話界面，它不是自然語言問答這么簡單，它會重構整個智能應用也就是Agent的形態。他進一步總結了交互范式重塑 AI 應用形態所帶來的“應用服務化、APP 不再孤立、無需結構化 UI 和生成式 UI”等新趨勢。

“只要能夠支持自然語言直接對話，無論是眼鏡、車載系統、可穿戴設備，還是手機，都有可能成為入口，而不是由某一個設備統一主導。”

最后，得益于推理能力的提升，以及 MCP 和 A2A 協議的落地，李建忠表示，智能體與工具/傳統軟件之間的交互能力得到了極大的提升，促進了智能體生態的繁榮。談到 AI 驅動的下一代設備，李建忠指出未來的設備未必是單一設備主導，而是由手機、智能眼鏡、可穿戴設備、智能音響、汽車等多元設備作為智能體的交互入口。

李建忠預見，未來可能會出現這樣一種生態，用戶使用自然語言，通過各種智能設備（眼鏡、手機、手表、汽車、音箱等）與智能體交互。這些設備背后可能是同一個中心化的智能體，它熟悉用戶的偏好、身份和歷史記錄，然后該智能體會將任務分發給傳統軟件或其他智能體網絡一起協作、根據任務時長（分鐘級、小時級、天級、月級、年級）在合適的時間點來完成用戶的需求。

昆侖萬維方漢：生成式 AI 的終極形態：Skywork Super Agents 的生產力革命

緊接著，昆侖萬維董事長兼 CEO 方漢帶來了《生成式 AI 的終極形態：Skywork Super Agents 的生產力革命》的主題演講。

方漢 昆侖萬維董事長兼 CEO

“任何技術，包括當前的 AI，都只是因階段性的人才緊缺和技術壁壘顯得稀缺——一旦時間推移，這些技術都會逐漸‘白菜化’。”演講伊始，方漢便提出了一個特別的觀點：“我一直認為，技術很難形成一個長期的護城河，但是產品上的創新可以。”

基于此，成立于 2008 年、做網游家的昆侖萬維，如今已經歷兩次轉型：

• 平臺化轉型（2016-2022 年）：在海外開展了大量移動互聯網業務，包括收購 Opera 和 Star Group。

• AGI 與 AIGC（2022 年至今）：AI 業務商業化落地加速，在多模態推理、視頻生成、音頻生成等關鍵方向推出了多項顛覆性技術與開源成果。

其中在今年 5 月，昆侖萬維發布了全球首款基于 AI Agent 架構的 Office 智能體——Skywork Super Agents（天工超級智能體）。它集成了“5個專家 Agent + 1 個通用 Agent”，支持 AI 文檔、AI PPT、AI 表格等一鍵生成，可大幅提高辦公效率，將 8 小時工作量縮短至 8 分鐘。

本周，昆侖萬維還啟動了 Skywork AI 技術發布周，連續五天開源了多款多模態模型，包括：音頻驅動數字人模型 SkyReels-A3、交互式世界模型 Matrix-Game 2.0、世界模型 Matrix-3D、統一多模態模型 Skywork UniPic 2.0、Agent 引擎模型 Skywork Deep Research Agent 以及 AI 音樂模型 Mureka V7.5。

截至目前，昆侖萬維的 AGI 與 AIGC 業務、信息分發與元宇宙業務和投資業務已覆蓋全球 100 多個國家和地區，海外收入也占比達到了 94%——基于這個成績，方漢進一步分享了他在 AI 出海場景中的一些觀察與思考。

“在移動互聯網浪潮之后，產品經理普遍面臨一個痛苦的現實：市場上似乎已沒有巨大的機會了——直到 AI 的出現。”方漢表示，AI 時代做產品的方法，與前 AI 時代并無本質區別，依舊需要思考產品的“第一性原理”。

根據海外第三方 AI API 調用平臺 OpenRouter 統計數據顯示，編程（Coding）類調用占比高達 87%，遠超其他應用，排在第二的是角色扮演（Role Play），而個人助理和營銷類應用占比很低。

在方漢看來，這背后的原因很簡單：從市場表現來看，編程是當下最炙手可熱的領域，同時它還擁有最完整的“過程數據”，讓 AI 能夠高質量地學習和泛化；而 Role Play 的興起，則與短視頻的流行邏輯相通，契合了當下人們對于情感刺激和即時反饋的需求。

既如此，那么涵蓋多種應用場景的通用 Agent 會是最優解嗎？對于這個問題，方漢的答案是：“我認為通用 Agent 不是最優解。”他解釋道，除非有公司能在每個行業都積累高質量的“過程數據”，否則所謂的通用 Agent 無法覆蓋所有行業，因此行業化大模型仍是必然趨勢。

在 AI 產品落地層面，ToB 與 ToC 的核心邏輯也存在差異：ToB 的關鍵是 “增效”，如大廠通過 AI 編程提升代碼產出效率；ToC 的核心則是 “降本”，AI 以遠低于人類的 “時薪”，降低了如情感陪伴、1V1 教學等場景的消費門檻，讓此前難以規模化的業務成為可能。

至于在判斷 AI 產品潛力方面，方漢建議可以關注 API 調用量。Token 調用量高的產品通常增長最快，而目前的高頻應用包括編程、聊天、TTS（語音合成）、音樂、圖片、視頻等。

在演講的最后，方漢強調，盡管當前中國 AI 行業面臨算力與融資挑戰，但這種壓力也催生了優勢——中國企業更為注重快速變現和可盈利模式。基于此，他表示： “我相信未來 3-5 年，中國產品經理將在 AI 產品和商業模式的創新上走在世界前列。”

汪源：GenAI 應用的交互設計

作為產品經理，在 AI 時代，GenAI 應用的交互設計究竟該怎么做？久痕科技創始人、CEO、前網易副總裁汪源，結合多個優秀產品案例，做了深入剖析，并分享了自己獨到的見解。

汪源 久痕科技創始人、CEO、前網易副總裁

他先回顧了交互方式的演變歷程：從 Web 2.0（UGC）、移動互聯網，一直到如今的 GenAI 時代，交互形態從命令行、圖形界面（GUI），發展到對話式交互。三種方式各有優劣——命令行效率高、便于腳本化組合，但學習成本高、文字輸入速度比點擊慢一個數量級；GUI 易學易用，卻容易陷入頻繁點擊、返回、再點擊的繁瑣路徑；對話式交互自然、能利用上下文提升效率，但初用者往往不知道能做什么，對簡單任務反而不如 GUI 高效。

汪源指出，當前的大環境下，海量傳統軟件無法推倒重來用 AI 重寫，因此大多數生成式 AI 產品只能以“助手”形態存在，與現有產品互操作。這種狀況在未來至少 3–5 年內不會有根本變化。如今開發 GenAI 產品，最大的挑戰在于受到現有環境的強烈約束，就像“在螺絲殼里做道場”，或是在既有的社交關系中小心擺正自己的位置。

對此，他將 GenAI 交互的核心拆解成兩個主題任務，并給出幾點深刻的建議：

一是更好、更快、更簡單地提供任務與上下文：

• “四兩撥千金”，用最少輸入撬動更多的輸出，譬如像 Granola 會議紀要這類工具，用戶只需記錄關鍵詞，它會根據你標記的關鍵詞，智能地向上下文補充，將這一塊內容的信息完整地記錄下來。

• 感知當前環境。汪源分享了團隊在 AI 知識助手產品 remio 中實現環境感知與微信聯動的做法。舉例來說，前段時間有人發給了他一份采訪提綱，當汪源在微信上收到文件時，只需在 remio 里說：“基于你對我們公司的了解，幫我把剛收到的訪談提綱里的每個問題都回答一下。”這種交互打破了 AI 助手與微信之間的壁壘：用戶無需手動導出文件再上傳到 remio，二者即可實現無縫聯動，操作更自然、高效。原理也很簡單——remio 可以同步本地特定文件夾，而微信收到的文件會自動存放在名為 Wechat Files 的文件夾中。只要配置了同步，remio 就能實時感知微信上新收到的所有文件。實際上，他還同步了公司的資料、桌面、下載列表、個人資料等文件夾，使幾乎所有本地文件都能被 remio 即時感知。

• 利用可視化交互，比如 Notion AI 選中文本即可改寫或潤色，不必導出再導入。

• 適時引導補充信息，如天工 AI 在請求用戶補充條件時，用可視化表單替代純文本輸入，既省力又可控。

• 此外，汪源梳理了當前市場上常見的幾種 AI 助手喚起方式：語音喚起（如 Siri）雖然直觀，但缺乏上下文，在公共場合也顯得不便；固定圖標通常被放在屏幕角落，點擊時不攜帶意圖；浮窗跟隨雖能保留上下文，卻容易干擾操作；劃詞喚起可傳遞部分上下文，但功能有限且多軟件并存時容易“打架”。他還透露，其團隊正在嘗試一種新的交互設計——鼠標雙擊喚起助手。在文字輸入框中雙擊即可精準傳遞意圖且不造成干擾，例如用于快速回復郵件、總結聊天記錄或創建日程。

• 主動服務：從個性化推薦到自動補全（如 Cursor 編輯器 Tab 接受建議），甚至在對話中推薦相關問題，都是高效的主動交互。

二是審核和應用 AI 生成的結果，這需要：

• 精準溯源方便核實：提供結果來源，便于核對。

• 凸顯差異方便審核：如 Notion AI 或代碼重構視圖，讓改動一目了然。

• 過程透明可理解：避免黑箱化，便于用戶理解。

• 可編輯：支持用戶二次調整。

• 跳轉聯動：摘要與原文位置實時對應，省去查找成本。

針對這一維度，汪源還表示，即便是 ChatGPT，也只能讀取外部內容，不能直接寫回原處，無法自動對比修改前后的差異。這種“助手與主體應用割裂”的現象在行業中普遍存在，也難以徹底解決，但值得探索更好的思路。

最后，他總結道，GenAI 產品多以助手形態存在，受環境制約明顯。交互設計的關鍵在于——高效獲取任務與上下文、便捷審核與應用結果。當前體驗中仍存在大量斷點與不便，亟需業界持續優化。而鼠標雙擊喚起助手，或許會成為 GenAI 時代的交互“LBS”。

玉伯：AI時代的產品，如何有人味

圍繞《AI 時代的產品，如何有人味》這一主題，YouMind 創始人 & CEO、前字節跳動產品副總裁、語雀創始人王保平（花名玉伯）開場先分享了兩個簡單的小故事：

• 第一個故事來自于他 4 歲的孩子。有段時間他的小孩非常喜歡“豆包”里的“小豬佩奇”，每天會聊上半小時。但在問及熱門游戲《黑神話·悟空》時，佩奇卻回答“不知道”，這讓小孩頗為失望，最終逐漸放棄使用。

• 第二個故事則來自于他自己。前幾天他在準備 PPT 時借助了AI生成工具，結果“一頓操作猛如虎，細看只值兩毛五”——生成內容質量不高，多是復制網絡內容，缺乏最新信息和深度，最后仍需大量人工修改。

在玉伯看來，這兩個故事反映了一個共性：目前 AI 應用整體還處于早期階段。

王保平（玉伯） YouMind 創始人 & CEO、前字節跳動產品副總裁、語雀創始人

除了用戶對 AI 的期待過高外，玉伯認為當前的 AI 工具存在幾個突出問題：

（1）交付模式單一：過于強調“一次性給結果”，缺乏與用戶的高質量協作過程；

（2）環境感知不足：AI知識更新滯后，無法跟上現實世界變化；

（3）交互設計不夠直觀：用戶很難探索出高效的協作模式。

基于此，玉伯提出了一套 AI 時代的產品思考框架：要理解“人、AI 與環境”三者之間的關系，這也是產品設計的核心命題。具體來說，他將其類比為“天道、人道、AI 道”：

• 天道：即環境，包括數據集、技術生態、信息渠道等，這決定了 AI 的成長速度和能力邊界——如果AI 無法感知環境變化，它就會落伍；

• 人道：即人類的變化，包括需求、知識、使用習慣等，這些都會反過來影響 AI 的能力方向；

• AI 道：即 AI 本身，需要通過上下文工程，讓 AI 知道我們知道的，也讓我們知道它知道的，從而實現更高質量的雙向協作。

那么回到演講主題，AI 產品如何才能有“人味”？玉伯相信：只要處理好“環境、人、AI”三者之間的關系，讓三者能夠保持同步、相互協作，那么 AI 的“人味”就能體現出來。

也是基于這樣的想法，玉伯在去年 5 月正式創立了 YouMind，切入內容創作領域，真正下場去驗證和打磨 AI 產品。其中，為了讓 YouMind 更有“人味”，玉伯例舉了其許多功能，包括：

• 在處理數十上百篇資料時，YouMind 會篩選出適合人類閱讀的內容直接呈現給用戶，并將其認為有價值的信息保存在項目中——“AI 知道的，讓我知道”；
  

• YouMind上線了瀏覽器插件功能，用戶在瀏覽網頁、觀看視頻或收聽播客時，可以將感興趣的內容直接保存到模板中，這些收藏行為會被AI視為興趣信號，用于未來的內容搜索與推薦，從而提高結果的相關性與個性化程度——“我知道的，讓 AI 知道”；
  

• 每次寫作過后，可讓 YouMind 總結寫作風格，這樣它就能基于用戶風格和核心觀點直接生成初稿——“讓 AI 越來越懂我”&“讓我越來越懂 AI”。

除此之外，在多模態（音/視頻轉文字、文字轉音頻）、生成內容的可編輯性等方面，YouMind也進行了相應優化，最大程度提升用戶的創作效率。

在演講最后，玉伯呼吁道：“AI 產品的人味是讓人看見 AI，也讓 AI 看見人。在人生有限的幾十年中，與其被動消費信息，不如借助優秀的 AI 工具，主動產出內容并留下個人痕跡。”

AI 下半場：產品創新的涌現與顛覆

作為上午主會的壓軸環節，本次圓桌對話在奇點智能研究院開源技術委員會主任王偉的主持下拉開帷幕。圍繞“AI 下半場：產品創新的涌現與顛覆”這一主題，CSDN 高級副總裁、Boolan首席技術專家李建忠，久痕科技創始人、CEO，前網易副總裁汪源，YouMind創始人 & CEO、前字節跳動產品副總裁、語雀創始人王保平（玉伯）分享了他們對 AI 產品設計、創新落地實踐以及行業顛覆趨勢的深入見解。

王偉：AI 給產品經理帶來了哪些影響與機會？

李建忠：首先，從產品實現的角度來看，產品經理顯然是 AI 這波變革的主要受益者。我在演講中提到的氛圍編碼，會賦能更廣泛的群體。但產品經理掌握了從需求意圖到最終交付的端到端流程，所以在這個過程中，AI 更多是扮演“實現工具”的角色。目前，AI 并沒有意識，無法主動發起需求定義或產品設計。雖然學術界和產業界對 AI 是否具備意識存在討論，但在現階段，我們還沒有看到明確證據。因此，從這個角度來看，產品經理可以直接從 AI 中獲益。

另一方面，從時代變化的角度來看，我們上一代產品經理和這一代相比，確實存在一個跨越式的代際差異。移動互聯網時代和 PC 時代的產品方法論，在 AI 時代可能會被徹底顛覆。換句話說，產品經理不僅是受益者，也是在被 AI 顛覆的一群人，而且這種顛覆并非漸進，而是跳躍式的。對其他行業的人來說，AI 可能主要提供建議，但在產品領域，無論是 Agent 還是 AIGC 內容，最終的策劃者和定義者仍然是產品經理自己。AI 成為一個巨大的顛覆變量，同時也帶來了極大的挑戰。

汪源：我覺得可以從工作和生活兩個方面來看。生活上，AI 的影響可能不會特別明顯，我個人感受也不深。相比之下，工作環境的變化會更大。現在我們的分工非常細，從大學分專業，到進入職場各司其職。但未來，隨著 AI 的加入，一個人可能會身兼多職，完成原本需要多個崗位協作的任務。正如現在流行的“一人公司”，AI 讓個人也能承擔更多、更復雜的工作。

從產品創新的角度看，未來的工作不再是“一個蘿卜一個坑”。產品經理可能同時寫代碼，工程師也可能參與產品設計，技能邊界正在被打破，這背后就是新的機會。只是這些機會最終會在哪些維度爆發，現在還很難下結論。

玉伯：我認為，我們正處于一個 AI 時代，而這個時代并不是只有“產品經理”這一角色有機會參與。隨著 AI 技術門檻的降低，越來越多的人能夠參與到產品設計與管理中，我們幾乎已經進入了“人人都是產品經理”的階段。不過，這種趨勢對于已經是產品經理的人來說，可能會帶來一種“二極化”現象——要么逐漸被邊緣化，要么在競爭中“強者越強”。

比如，我曾和一些同事討論過一個話題：在目前的 AI 產品領域中，中國有哪些原創且被廣泛認可的運營產品？這其實很難得出一個共識，但張濤老師的Manus算一個，很多人都認為他很強。事實上，他本身就是有十幾年經驗的資深產品經理，而在 AI 浪潮下，他深入鉆研技術，并將其與產品邏輯有機結合，最終打造出頂級的 AI 產品。他在定義 AI 產品邊界、理解產品本質方面都有很深的認知，因此變得更加出色。

所以在我看來，AI 時代會造就少數“強者型”產品經理，而這種強大并非偶然，需要靠自身的努力和積累去達成。

王偉：今天大家的分享中多次提到“開源”關鍵詞，奇點研究院也有專注于開源這一方向。作為產品經理，我們為什么要關注開源？特別是在當前人工智能時代，為什么開源會成為一個如此重要的手段？它對于企業和產品究竟意味著什么？

李建忠：最早，開源是從程序員群體中興起的，但今天，它已經不僅僅局限于開發者的層面，而是上升到全產業鏈、戰略級的生態。

如果大家回想一下，從去年的產品經理大會到今年，這一年的變化非常明顯。去年 9 月時，全球還是閉源模型占據領先地位，開源模型與之差距很大。但今年 1 月，國內的 DeepSeek R1 模型發布后，一度成為“獨苗”。到了 4、5 月，通義、智譜以及其他自主研發的開源模型紛紛登場，而且在一些權威榜單上的表現，已經不輸國外頂尖的閉源模型。甚至像 Google/OpenAI 這樣的AI巨頭，也開始在排行榜上與中國一線開源模型正面交鋒。可見，開源模型對整個 AI 產業的影響正在快速擴大。

回到產品層面，我認為產品經理的一個重要角色，是創新的協調者和組合者。喬布斯曾引用畢加索的話，說“Good artists copy,Great artist steal. ”。他被指責從施樂借鑒了圖形界面技術，但他的回應是——把技術放在實驗室里毫無用處，只有通過組合式創新，才能誕生偉大的產品。事實也證明了，他在多個消費領域的創新，確實名副其實。

從這個角度看，產品經理不一定自己直接創造技術，但需要發現、挑選并整合創新資源。開源的核心價值，正是提供了一種高效的創新協作機制——它讓全球范圍內的產業鏈參與到無邊界、低成本的協作中，加快了創新的速度和迭代的節奏。如果沒有開源，創新往往只能局限在公司或小圈子內。因此，雖然傳統意義上產品經理對代碼的關注度不高，但在 AI 時代，開源所帶來的這種“協作式創新機制”，對產品經理同樣具有極大的價值和啟發意義。

王偉：汪源老師在報告中多次提到一個關鍵詞——Chat BI。目前 Chat BI 的確是一個熱門方向，但它究竟能發展到什么程度？目前的 Chat BI 最大的挑戰是什么？

汪源：其實我離開網易后，就沒有直接做 Chat BI，但我一直保持關注。就我個人經驗來看，目前在 Chat BI 領域做得最出色的是消息類產品。我發現這些產品在需要時，會靈活使用 Python 來滿足復雜需求，這一點在同類產品中非常突出。

你提到的 Chat BI 可以拆成 SQL，這是其中一種實現方式。但 SQL 的表達能力本身有限，而數據分析往往涉及大量數據處理庫。如果模型本身具備寫代碼的能力，通過代碼處理數據會更靈活。我經常碰到的場景是：用戶用自然語言觸發模型，讓它幫忙寫腳本、同步數據等，但對圖形化需求并不強，關鍵還是統計整個數據。

目前落地到企業環境時，最大的挑戰是數據基礎。企業原有的數據庫設計主要面向交易系統，并不適合 Chat BI 這樣的分析產品。這就需要把交易數據模型轉化為面向分析的數據模型，比如建立數據參考、通過維度建模組織數據。但在中國，能夠把數據參數設計得非常完善的企業其實很少。

因此，即使 BI 系統可以訪問大量表格，數據質量問題仍然普遍存在。原始數據本身可能有問題，再精確的分析也難以得到完全可靠的結果。Chat BI 的核心目標是讓自然語言能夠自由獲取和分析數據，并最終可視化。大模型的能力越來越強，再加上過程理解，即便偶爾出錯，用戶也能發現，大部分（90% 以上）的情況是沒問題的。但如果數據源本身未經處理，結果就不可避免地會出錯。這和企業知識庫面臨的問題類似：知識庫的原則必須正確，否則基于它生成的回答就會有偏差。

王偉：AI 時代的用戶體驗和傳統產品的用戶體驗，有什么不一樣的地方？你們在打造AI產品的時候，又會怎樣去考慮用戶體驗？

玉伯：回顧傳統 SaaS 時代，我們常常在用戶體驗上做大量“精雕細琢”的工作——針對特定用戶群體反復優化細節。這種過程就像雕花，看似細微，但當所有細節積累到一定程度時，就會帶來顯著的整體提升。比如微信功能的優化，單個改動可能很小，但等全部打磨到位，它就成了一個完整且有價值的作品。

然而，進入 AI 時代，這種思路需要格外謹慎。AI 產品設計中，首先要明確產品的邊界——哪些體驗的提升依賴于功能優化，哪些依賴于數據層面的能力。尤其是數據準確性，對 AI 輸出結果的影響巨大。假設一個企業或個人的知識庫中存有大量錯誤數據，即便 AI 能幫你分析，結果仍然會出錯。這種情況下，你就很難將問題歸咎于產品本身。

因此，在 AI 產品的設計與迭代中，要注意不要急于去做那些需要語言模型本身能力提升才能覆蓋的事情。語言模型的進步是一個過程，就像種下一棵小苗，要等它長成才能開花。在此之前，我們需要權衡——是立刻用小模型來解決短板，還是等待大模型升級后再統一優化。

最后在投入策略上，如果能確定某個功能點在調用后一定會提升體驗，那么即使是創業公司，也可以毫不猶豫地投入資源。舉個例子，大廠在某個具體產品或功能上，可能出于綜合成本考慮，只投入一兩個人全職負責；但創業公司如果能看清方向，就可以在這個點上投入 5 人甚至 10 人，集中 5 倍資源在一個關鍵節點上以做出差異化，最終形成獨特優勢。

因此對于創業公司來說，做產品第一要想清楚“哪些事情不做”，避免資源浪費；第二要想清楚“要做的事”并將其做到極致，這樣才能在市場中站穩腳跟。

生成式 AI 下的產品新篇章

本次大會還特別設置了生成式人工智能產品、Agent 智能體產品設計、企業級 AI 產品與應用、AI+ 行業應用落地實踐、具身智能與硬件產品、海外產品實踐、產品戰略與創新、產品管理實踐、產品與服務體驗設計、產品運營與增長、商業模式設計、用戶研究與需求分析等 12 大專題。來自騰訊、智譜、支付寶、百度、網易、字節跳動、快手、科大訊飛、360、金山辦公、京東、vivo、出門問問等領先企業及組織的技術專家進行了深度分享。

除了干貨滿滿的產品技術分享，本次大會也得到了鴻蒙生態服務公司AIGC 軟件 A 股上市公司萬興科技（300624.SZ）聲網人民郵電出版社異步社區清華大學出版社等合作伙伴的大力支持。會場外的展位人氣十足，參觀者興致勃勃地與展商交流互動，深入了解各類創新成果，現場氣氛熱烈、絡繹不絕。

以上，就是此次 2025 全球產品經理大會的首日精彩內容。明天我們將換個角度繼續深挖——技術趨勢、行業應用、未來展望，精彩不停歇，敬請期待！