大模型的热度依然还在继续，不断有新的公司冒出，和“新”的模型发布，所谓的“百模大战”正在上演；AIGC则是当前人工智能应用的重要方向，但是作为一名产品经理，在AIGC产品中扮演的什么角色，AIGC产品经理每天的工作内容又包含哪些具体工作，作为AIGC产品经理需要具备哪些不同于之前产品经理的能力呢？带着这些问题，作为一个新人，尝试去找找答案。
第一步：BOSS上查找AIGC产品经理的招聘信息和JD
发现BOSS上AIGC产品经理的岗位确实还不少，并且相对普通互联网产品经理的薪资待遇要高上一级，但是无论是大厂还是不曾知名公司的招聘信息上，对岗位的要求描述与普通产品经理的要求却并无二异，最多是提到需要有AIGC产品经验，智能对话等项目经历。
第二步：直接问大语言模型产品
所谓大大语言模型回答的结果与BOSS上得到的答案也并没有太大区别，甚至还有些不如，也许是AIGC这个产品岗位还算比较新，或者是我的提问方式不对吧
第三步：阅读行业报告
作为一个新人，阅读市面上大公司的完整行业调研报告，我认为最直接最有效的一种方式，虽然有时报告可能带着机构或作者的偏向性和局限性，但是多读多看最后通过自己的辨别最终总是会形成自己的认知，无论是正确还是错误的。
经过一个星期工作之余时间的搜集，最终收集到100多篇关于AIGC的报告（绝对高质量），又经过一天的快速翻读，将报告进行了一个等级划分（A-B-C），选出近30分报告进行精读，个人脑子不太好使，所以边看边做笔记和重点摘抄，最后绘制了下图：
1. AI
AIGC是相对PGC和UGC而言，AIGC可以分为AI+GC，所以在了解AIGC前需要先对AI进行一个初步了解
1）AI的发展阶段：AI 的发展阶段大致可以分为三个阶段
决策式AI：
- 定义：是基于规则、知识或经验，通过对输入数据进行分析和推理，从而做出决策或推荐的人工智能系统。
- 应用：用于专业领域，例如医学、金融、法律等，其目的是为了支持决策过程和提高决策效率。
生成式AI：
- 定义：基于机器学习或深度学习等技术，从大量数据中学习并生成新的数据或内容的人工智能系统
- 应用：用于自然语言处理、图像处理、音频处理等领域，其目的是为了生成高质量的内容和实现自动化创作
通用型AI：
- 定义：具有类似人类智能的广泛能力的人工智能系统
- 应用：可以像人类一样进行感知、推理、学习、决策、规划等多种任务，能够在不同的领域和情境中灵活地应对和适应。
2）AI的知识体系
AI主要包含六大学科知识体系：机器视觉、自然语音、认知推理、机器人学、博弈理论、机器学习等
3）AI的能力体系
AI在完成任务的过程中大致需要具备以下七种能力：感知、认知、决策、执行、交互、学习、情感
4）AI的三大要素
所有AI产品和应用的顺利运行都离不开数据、算法和算力
5）AI模型的部署
算法模型的生成和部署主要包含七步：数据准备、提取特征、选择算法、模型训练、模型评估、模型调优、模型部署
2. AIGC
1）AIGC的发展阶段
- 智能数字内容孪生：建立现实世界到数字世界的映射，将现实世界中的物理属性和社会属性高效、可感知地进行数字化
- 智能数字内容编辑：建立数字世界与现实世界的双向交互。在数字内容孪生的基础上，从现实世界对虚拟数字世界中内容的控制和修改，同时利用数字世界高效率仿真和低成本试错的优势，为现实世界的营业提供快速迭代能力
- 智能数字内容创作：让人工智能算法具备内容创作和自我演化的能力，形成的AIGC产品具备类似甚至超越人的创作能力
2）生成内容
AIGC可生成内容类型不限于：文本、音频、图片、视频、三维结构、策略逻辑、代码呈现、基因序列等
3）AIGC产品的商业
目前AIGC产品主要以MaaS（模型即服务）服务进行收费，收费渠道主要包含：按模型训练收费、按具体属性收费、按软件订阅服务收费、按产出内容收费、作为底层平台收费等
4）AIGC产业组成
- 基础设施层：AI芯片、AI计算集群、AI云服务
- 算法模型层：生成式通用大模型、行业小模型
- 场景应用层：文本、图像、视频、三维结构….
5）AIGC产品的底层技术
- 基础生成算法模型：支持 AIGC 用于生成文字、代码、图像、语音、视频、3D 物体等各种类型的内容和数据。
- 预训练模型：引发 AIGC 技术能力的质变，能够适用于多任务、多场景、多功能需求
- 多模态技术：将不同类型的数据进行互相转化和生成的技术，以及多模态生成模型等，进一步增强了 AIGC 模型的通用化场景应用能力。
3. 生成类容类型：AIGC中C的类型
1）文本生成
发展路线（模型）：循环神经网络-Transformer-ChatGPT
生成方式：根据问答生成、根据关键词生成、根据图像生成、根据视频生成、根据文本生成
产品应用场景：智能对话、语言生成、内容推荐、辅助写作、语音翻译
产品代表：ChatGPT
2）音频生成
发展路线：拼接合成阶段-参数合成阶段-端到端合成阶段
生成方式：根据文字信息生成、根据音频信息生成、根据肌肉震动生成、根据视频内容生成
产品应用场景：语音识别、语音合成、语音交流、语音转换、语音增强、语音修复、音乐生成
产品代表：DeepMusic
3）图像生成
发展路线：GAN生成阶段-自回归生成阶段-扩散模型阶段
生成方式：根据文字信息生成、根据图片信息生成（二值图、灰度图、索引图、RGB图）
产品应用场景：图像分类、图像分割、图像生成、图像风格转换、图像修复、图像超分辨率
产品代表：Midjourney
4）视频生成
发展路线：图像拼接生成阶段-GAN/VAE/Flow-base模型阶段-自回归和扩散模型阶段
生成方式：剪辑生成、特效生成、内容生成
产品应用场景：视频内容识别、视频编辑、视频生成、视频增强、视频风格迁移
产品代表：Make-a-Video
5）三维图像生成
发展路线：显性数据驱动型-隐性数据驱动型
生成方式：自然语言生成、二维图像生成
产品应用场景：游戏开发、建筑设计、电影动画制作、虚拟现实、工业制造、医疗医药、教育培训
产品代表：Make-a-Video
总结
耗费了两周的时间，最终文初提到的问题还是没有找到答案，AIGC产品经理的工作内容具体包含哪些，转行AIGC产品经理到底需要具备何种能力，提到最多的即是需要有AIGC产品经验，懂算法技术，对算法模型有深入兴趣和了解，这对大多数不懂技术的产品经理来说可能就撇掉大部分呢，不过从收集并阅读的100多分报告中，至少是有了些模糊的方向和概念，接着学习吧
微信扫一扫 
支付宝扫一扫 
