8.0
深览指数
科技人人都是产品经理·思敏··AI 生成
黄仁勋力挺K3开源，但模型都一样了，AI产品的差异化从哪来？
文章以黄仁勋联名信和月之暗面K3开源为引子，回答了一个核心问题：当模型能力普遍拉平，AI产品经理的差异化来源是什么。作者明确指出，差异化不在于选模型、调提示词或堆砌功能，而在于“定义什么叫做对的能力”——即对具体业务场景有深刻理解，能构建评测集、进行模型分层、定义人机分工。文章为转型者提供了可操作路径：从构建评测集入手，将业务知识转化为可执行的判定标准，并指出这比技术能力更构成长期护城河。适合正在转型AI产品经理、或对AI产品差异化来源感到困惑的从业者阅读。原文 ↗
核心观点
- ▍当模型能力趋同，AI产品经理的差异化来源不在于选模型、调提示词或堆功能，而在于“定义什么叫做对”的能力——即对具体业务场景有深刻理解，能构建评测集、进行模型分层、定义人机分工。
- ▍黄仁勋联名信护开源，真实目的不是帮中国，而是保护CUDA生态——他怕的是开发者因禁令迁移到非CUDA生态（如华为昇腾），从而绕开英伟达的护城河。
- 017月24日，黄仁勋发出人生第一条推文，联名76家公司（包括英伟达、微软、Meta、Google、OpenAI等），反对对开源模型的过早限制，唯一缺席的前沿模型厂商是Anthropic。
- 02三天后，月之暗面将Kimi K3全栈开源，2.8万亿参数，在GPQA Diamond（93.5对91.0）和FrontierSWE（81.2对66.7）等多项评测上超越Claude Opus 4.8。
- 032026年4月，DeepSeek V4全面迁移昇腾，底层从CUDA重写为华为CANN，这是作者认为真正触动黄仁勋的事件。
- 04作者指出，AI产品功能抄袭快、先发优势短、模型知识追赶不上算法工程师，这些都不是真正的差异化来源。
- 05增量差异化来源包括：场景数据、切换成本、人机分工、评测集（其中评测集是唯一不需要公司、用户、预算、工程团队，个人即可构建的）。
- 06模型分层（用前沿模型处理前沿问题，用小模型处理常规任务）的真实产出不是省钱，而是“多做成了以前做不了的场景”。
- 07作者以“用AI筛AI产品经理简历”为例，演示了五步建评测集的方法：切场景、定义标准、造数据、自标、跑模型。
- 08没有评测集的团队换模型需1-2个月，有评测集的团队只需2天；评测集越用越值钱，因为它记录的是业务踩过的每一个坑，而提示词是模型一换就贬值的一次性资产。
反方 / 局限
- — 作者承认，评测集建设对场景不熟的人不适用，因为评测集的前提是懂业务，不是懂AI。
- — 作者承认评测集过程枯燥、第二步（定义标准）会卡住大多数人、且个人标的标准可能错误，需要行业专家校验。
17 分钟 · 4 卡片 · 10 资料
读原文 →