產品經理 AI 轉型指南 01｜你要轉的，到底是哪一個「AI 產品經理」

騰訊 2027 校園招募 8 月 11 日啟動，面向 2026 年 1 月到 2027 年 12 月畢業的學生。

公告裡列了一批 AI 原生職缺：AI 全端工程師、Agent 開發工程師、AI 應用工程師、AI 演算法工程師、AI 產品經理、AIGC 藝術創作。

同一份公告裡還改了另一樣東西。騰訊原來的用人觀是「有志者、好學者、能幹事」，這次後面接了三條更具體的：主動發現和定義問題、評估和驗證 AI 產出、把能力轉化為看得見的成果。

三條裡沒有一條講大模型技術。

而且這三條不是寫給「AI 產品經理」這一個職缺的。騰訊這次開放的是技術、產品、設計、市場、職能五大類，標準是給這五大類所有人的。

我在這兒卡了一下。因為這一年多我讀到的所有「轉型指南」，講的都是另一套東西。

「AI 產品經理」這五個字，同時指著兩件事

搜「產品經理 AI 轉型」，出來的內容高度一致：一張學習路線圖，Prompt 工程 → RAG → Agent → LLMOps；一張薪資表；末尾一個 QR code。

我一開始也是奔著這條路去看的，看了幾個月才發現自己要的東西不在那張圖上。

卡住的地方在於，這五個字被拿來指兩件不一樣的事：

騰訊那三條標準，描述的是右邊這列。市面上賣的課，教的是左邊那列。

左邊不是假的。左邊是真的，而且確實在漲。

智聯那份報告的數字，要連著看才看得出意思

智聯招聘 7 月 16 日發了《2026 年人工智慧產業人才發展報告》，口徑是平台 2026 年上半年資料。

單看職缺增速，AI 產品經理確實亮眼：

• 智慧體相關技術人才：同比 +244%
• AI 產品經理：同比 +87.7%
• 資料標註 / AI 訓練師：同比 +30.3%
• AI 工程師：同比 +19.3%

這個數還在往上走。同一家機構，副總裁李強今年第一季給的口徑是同比 +81%，半年報變成 87.7%。他那次的資料基數是平台上 4.04 億求職者和 1549 萬家企業。

但同一份報告裡還有一組數，得擺在旁邊一起看：整個 AI 產業的招募職缺數，同比只漲了 10.6%；求職人數漲了 10.5%。

AI 產品經理這個職缺漲得快，但它是在一個只漲了 10.6% 的池子裡漲的。

87.7% 是增速，不是體量。基數小的職缺翻一倍，絕對數量可能仍然不多。而且漲得比它快得多的是智慧體開發，+244%，那是技術缺，產品經理轉不過去。

職缺數漲 10.6%、求職人數漲 10.5%，這兩個數字幾乎貼在一起——門在變寬，門外排隊的人也在同步變多。

AI 職缺增長最快的地方，不在大模型公司

同一份報告裡還有兩個數，是按產業拆的：

• 新能源產業的 AI 工程師職缺數：同比 +38.2%
• 航空 / 航太 / 船舶製造的 AI 工程師職缺數：同比 +23.5%

這兩個數都高於 AI 產業整體的 10.6%。

也就是說，增量有相當一部分不在「做大模型的公司」，而在拿 AI 去改造自己業務的傳統產業。招募企業數同比漲了 24.8%，比職缺數的 10.6% 漲得快——進場的公司比新開的缺多，說明是更多公司各開了幾個口子，不是少數幾家在大規模擴招。

這件事對「該往哪轉」的影響挺直接：如果 AI 的活正在滲進新能源、製造、航空這些產業，那需要的人未必是「懂大模型的產品經理」，更可能是「懂這個產業、又能把 AI 用起來的產品經理」。

後面那種人，產業知識是原來就有的，缺的是做法。

那扇門到底有多窄，54 份 JD 裡能看出來

有人拆過 54 份頭部企業的 AI PM 職缺 JD，高頻要求集中在這些：Prompt 工程、RAG、Function Calling、資料對齊、SFT / RLHF、自動化評測體系、Coze 和 Dify 這類低程式碼平台，還有論文閱讀和程式原型能力。

企業最看重的那條是有沒有真實的 AI 落地經驗。原因不難理解：AI 專案落地會撞上一堆跟技術無關的事——資料拿不到、部門不肯配合、使用者壓根不信任 AI 給的結果。這些坑只有真做過的人知道。

那份拆解裡有個反直覺的結論：沒有 Agent 專案經驗，不等於沒機會。 企業願意認低程式碼平台上的實踐，也認重度使用者的背景。

所以這條路不算封死，它只是要你拿出點東西來，而不是拿出一張聽課證明。

區別在於，「東西」這個詞，學習路線圖給不了你。

「評估和驗證 AI 產出」這條，沒有職缺門檻

回到騰訊那三條，中間那條我盯了最久：評估和驗證 AI 產出。

它的特別之處是不需要你換職缺、換公司、換賽道。你手上現在這個活，只要開始用 AI 做，這件事當天就發生了。

而且它比看上去難。AI 會把沒做完的東西說成做完了——它不是說謊，是它自己也不知道哪兒沒做完。你要麼自己有本事看出來，要麼就等上線之後讓使用者告訴你。

去年我開始試著把東西自己做到能交付，有兩個能查到提交紀錄的：一個證件照工具，21 個提交，6 月 13 日到 6 月 30 日，進了 App Store；一個 PDF 工具，43 個提交，7 月 5 日第一個、7 月 11 日最後一個，出了 iOS 和 macOS 兩個版本。

拿出這兩個數不是想說它有多難。恰恰相反——難的部分大多被 AI 接走了。真正花時間的是另一頭：判斷它給的東西能不能用，以及哪些地方必須我自己上手改。

騰訊那句叫「把能力轉化為看得見的成果」。看得見，是這句裡最實的三個字。履歷上寫「熟悉大模型」，對面沒法驗證；給一個能點開的連結，對面三十秒就知道了。

這兩條路怎麼選，我給不出答案

如果你在的公司正好在做大模型產品，或者你想去這樣的公司，那條職缺路是實的，87.7% 也是真的，JD 裡要什麼寫得清清楚楚，照著補就行。

如果你手上是個跟大模型沒直接關係的活——而按那份報告，增量正大量流向這種活——那先啃一遍 RAG 和 SFT，收益可能還不如把一個想法真做出來一次。

也可能這兩條路本來就不該分開看。騰訊把「AI 產品經理」列進職缺表的同一天，把「評估和驗證 AI 產出」寫進了全部五大類職缺的標準。同一份公告，同一天。

我自己還沒想明白的是另一件事：如果公司沒人要求你交付這種東西，績效也不看這個，你靠什麼持續做下去。我是靠做自己的產品硬撐過來的，但這個辦法顯然不是每個人都能用——它要占掉你晚上和週末，而且很長一段時間裡沒有任何人會因此給你發獎金。

這個問題我還沒有解法。如果你有，我想聽。