AI产品经理在亏损中挣扎，这背后确实有不少值得深挖的原因。先说几个核心观察：当前绝大多数AI产品经理都在做现有产品的功能迭代，真正从0到1构建AI产品的少之又少。这引出一个经典的产品框架问题——到底是让用户去找AI，还是让AI主动找用户？前者是在现有产品里嵌入AI能力，后者则是用户一进入产品就依赖AI模型完成基础操作。遗憾的是，无论哪种框架，目前都在亏钱。最现实的困境是：工作不稳定，波动性大。除了底层的商业逻辑不赚钱，还有几个技术性原因值得关注。

Transformer并非AI的最优架构

Transformer模型最早来自谷歌那篇著名的论文《Attention Is All You Need》，它的核心思想是通过自注意力机制处理序列数据，让模型在分析每个元素时，同时考虑序列中的所有其他元素。这种全局注意力使得Transformer能捕捉长距离依赖关系，这是之前的RNN、LSTM极难做到的。DeepMind团队也在早期做了不少相关研究。

OpenAI基于此先搞出了ChatGPT-1、ChatGPT-2，后来才有了ChatGPT本身。直到ChatGPT爆火，大量学者才开始认真关注Transformer，并衍生出MOE等多种变体，后续又开发了各种算法，最终催生了今天我们熟悉的各种大模型。

不过，除了Transformer，还有一个模型最近很火——扩散模型，比如生成图像的Stable Diffusion就是基于扩散模型。它走的是非Transformer的路径，但目前仍然停留在图像生成领域，要扩展到文字生成还有很长路要走。

国内也有非Transformer的探索。比如早期做搜索的团队就发现了Transformer的幻觉问题和训练成本高的缺陷，转而开发了一个被称为“yan模型”的架构。这个架构资源需求极低，适合在手机等终端上运行。

为什么说Transformer不一定是AI最好的架构？关键在于大模型幻觉问题。目前常见的解决方法是通过强化学习做反馈纠正，但离100%解决还很远。这就像AI创始人杨立昆说的：“这就像给一辆破旧的汽车不断补漆，只做好了表皮，却不关注内部，这样是修不好的。”基于此，未来你正在使用的ChatGPT这类基于Transformer的模型可能都会被彻底推翻。对AI产品经理而言，影响的将是整个产品AI功能设计都要重新来——因为底层的原理变了。从注意力机制变成其他机制，这条路仍有待验证。

AI微调成本依然过高

如果只是接入API做AI产品，不考虑RAG甚至知识库，那严格来说只能算一个API产品经理。API产品经理就是别人给你什么能力就用什么，不会考虑修改或优化，最多通过前端交互或文案来改善使用体验。

（来自AI生成）

这就像木桶效应：API选得不好，AI产品竞争力就弱。因为不同模型厂商的AI能力迭代极快，比如五月份阿里刚出的Qwen3.0就成了超越DeepSeek R1的最强开源模型。2025年1月时用DeepSeek的API还可能很有竞争力，用户也愿意付费；但到了5月还在用DeepSeek，就显得落伍了，毕竟国内最强的开源模型已经换成了阿里Qwen3.0。

所以，真正的AI产品经理不仅要用API，还要自己部署模型、配合Agent、知识库、RAG等，跑通整套流程的同时做产品设计。以此为底座，再下一步就是模型微调。微调意味着需要一个开发团队，至少匹配20万以上的服务器。现在虽然已有国产方案通过算法优化将成本降到10万左右，但这类GPU服务器仅限于跑通Transformer架构。如果要尝试其他模型架构，H100是刚需，成本就奔几十万去了。成本很难降下来，这还没算上电费、人员工资。而一个AI产品的盈利周期，少说也要从用户获取、运营推广开始，几个月下来，成本轻松几十上百万。这期间还得提防模型厂商自己来抢生意——曾经就有做ChatGPT套壳的应用，因为OpenAI自己做了应用商城，瞬间死掉一大片。

AI产品的获客门槛仍遵循互联网海盗模型

在海盗模型里，经典的转化步骤包括用户获客、转化、激活等。AI产品经理和其他产品经理一样，上线的APP只能通过常规社交平台、内容传播或线上广告投放来获取用户。虽然全新的交互设计和更高效的性能可能让获客成本比传统功能性APP略低，但最终依然离不开手机、电脑、iPad这些终端。而终端上的应用下载必须经历打包、上架、审核、分发等流程。所以你会发现，几乎所有AI产品经理首先做的是网页端产品形态，APP客户端很少。但从付费率看，客户端粘性更高。

接入海外AI模型的产品，早期种子用户会借助各类新媒体和社交平台传播；国内则主要依靠小红书、微信公众号。海盗模型的产品与运营策略也就成了AI产品经理的考核指标来源——付费前看注册率、登录频率、会话数；付费后看复购率。做微调的AI产品经理还会涉及AI能力的基准线测试（比如数学、推理等），作为KPI奖励。但这类KPI和赚钱没有直接关系，这导致很多AI产品经理其实在亏损。要知道，以前产品经理的考核目标是离不开商业化的——商业化就是赚钱与盈利。但现在，AI产品经理可能不完全遵循这个逻辑。

从娱乐到工具，AI还没成为“刚需”

AI产品经理亏损的另一个原因，抛开模型架构不谈，就是AI的生产力还不够明显。比如现阶段的图片、视频、音乐生成，要真正替代UI设计图、视频特效或真人二创，仍有相当距离。

比如，用AI生成的图片顶多能做成HTML可编辑文件，但想生成PSD文件让设计师直接二次编辑，还需要工程化系统开发才能实现。视频生成则因为时序和前后帧精准度问题，最多只能作为素材供人工合成。总的来说，AI能帮你干活，但审核工作量的增加，从总成本考虑不一定是节约时间。就像写公众号，让AI生成一篇文章后，还得逐段核查、删除不合适内容，就像批改作业，并不一定能减少多少时间精力——这都是为了让文章符合个人口吻和真实风格，同时核实信息正确与否。即使是每月200美元的ChatGPT模型，也照样会犯错。

AI娱乐一下可以，或者帮你省时间做点简单工作，但这些工作本质上都是碎片化的价值。持续的生产力、让人放心的能力还没达到。结果就是付费能力较差——身边不少博士从业者都在用ChatGPT，但愿意每月掏20美元的少之又少，更多人从不同套壳或节点去找其他竞品模型来完成自己的任务。这才是AI产品经理亏钱的本质。