在AI技术快速迭代、新概念层出不穷的当下，产品经理应该如何正确地拥抱AI？是盲目跟风，还是有策略地学习与实践？本文将从系统学习与单点突破的平衡、实践驱动的迭代，以及洞察力作为核心竞争力三个方面，为大家提供拥抱AI的实用建议。
———— / BEGIN / ————
上周，Manus不出意外地刷爆圈儿，据说邀请码在某二手交易平台被炒到5万元，可见其劲儿有多上头。
我在即刻关注hidecloud（Manus创始人、90后）也有段时间了，特别认同他的个人签名：寻找非共识中丨Building something wonderful。
在我看来，这句话可以作为对AI学习态度的注解——尤其在当下火热甚至过热的AI浪潮下，产品同学到底应该如何拥抱AI？
去年我工作太忙，对AI投入的精力远远不足，今年有了些调整，算是All in AI中，但依然觉得逝者如斯夫。
有一说一，咱对自己的精力管理、自律方法还算有自信，但即使这样，面对AI这个新物种，我都时常会有「不知从何处发力」的顿挫时刻，普通初入门者感到各种困惑就不足为奇。
这在我的产品群、公众号私信里得到了反复印证——各类同学求教AI系统方法论、探讨AI产品经理技能点、跪求各类AI资料包等等；
昨天看到 Manus 刷爆出圈儿，我自己也对 AI 学习之路做了一些复盘和思考，尤其是把自己走过的一些弯路分享出来，希望对产品同学正确地拥抱AI能有一些参考。
仍然想再次HighLight：在AI之路上，我也是个小学生，也时常在犯错、复盘，个中经验未必正确，仅供学习参考和启发之用。
是系统学习，还是单点突破？
很多产品同学都问过我这个问题。
当然，在我看来，能做出这样的提问，首先就是有系统思考的具体表现，那么，应该怎么选择呢？
先说我的结论：先系统层面粗糙学习，再用多个单点突破串成新系统。
什么意思呢？
首先，我们还是要对AI有个相对系统的了解，建立初步的整体印象，我一直主张产品经理要有大局观，只有具备更高视野（这个视野，哪怕未经实践、只是听过呢），才能在产品落地时更好地从容不迫。
毕竟，我们都明白：面对新事物，得进语境中去，才能成长更快。
只不过，在擅长“深度学习”的AI面前，我不主张大家先深度学习，很重要的一个原因是——精力有限的情况下，快速找到适合自己的AI匹配点才是最重要的。
这个匹配点，可能是Agent，可能是AI音频、AI视频，也可能是AI编程，甚至还会叠加你的兴趣点。
显然，你作为优秀的产品经理，肯定知道如何快速找到这个匹配点——MVP呀，迭代试错呀。（额，被一个年轻的产品同学上了一课…）
所以，我们一开始学AI，不要深度的系统化，先快速地、粗浅的建立系统认知，然后就结合自己公司的业务、自己的兴趣去深度求索。
最后，再在各个实践中建立自己的系统方法论，不管你相信与否，这类实践出来的方法论要比空洞的所谓干货更实用，后者一不小心还可能将你劝退。
这里，我的经验是：可以以「AI词云图」为主线，进而了解各个主要的AI概念。
比如，什么是LLM，什么是深度学习，什么是卷积神经网络等等。
AI词云图怎么来？
额，你这么懂AI，你肯定有办法。
其次，我推荐两门基础课、两本入门书：
视频课程：一个是吴恩达老师的《AI for everyone》，另一个是李宏毅教授的《生成式AI》。
书籍可以先看这两本——《深度学习革命》、《芯片战争》，其实我还看了Open AI CEO山姆·奥特曼的《这就是 ChatGPT》，书也不错，就是有点太干，可以稍后看。
另外，吴恩达老师的课，可以集中学习下，B站一搜就能搜到，35个章节，3个小时左右；李教授的《生成式AI》可以慢慢看，一般1-2周就可以学完。
以「AI词云图」为抓手，以这两门通识课为基础，我觉得就能帮助大家快速建立粗略的AI框架，这就够了。
接下来，其实就是找自己的匹配点，就可以从hidecloud所说的「寻找非共识」出发，和自身去做融合。
图-⬆️吴恩达《AI for everyone》找个匹配点，在实践中完善
相信我，实践永远是出真知的最快路径，尤其是在遍地AI方法论的当下，愿意实践、善于实践更显得弥足珍贵。
不少同学都反馈跟不上AI的变化，各类新概念、新工具层出不穷。
你刚学完coze工作流、智能体，他就进化成能做智能应用了；这边刚学会用Cursor的Claud3.5做个小工具，那边Trae就集成了DeepSeek和Claud 3.7。
学不完，根本学不完。
其实，没必要也不可能全部学完，最好的方式依然是找个场景去实践，真的，你能想到的场景绝大多数都会有解决方案。
所以，期望短期做颠覆性创新很难，最好的AI态度就是日拱一卒的实践。
举个例子：
我和几个小伙伴共同研究AI、学习AI，我发现对AI的理解更深度的总是那两三个同学，他们无一例外地都融入了自家的业务，在垂直领域放大AI的效能。
比如，有同学把自家的供应链业务的客户场景，与AI和飞书表格做了集成应用，嚯，CRM都没有他现在客户分析的全面。
这就是融合的价值。
同时，他的AI功底也进展飞速，学会了coze工作流，也学会了飞书多维表格，更懂得下一步AI的发力点。
再比如，我自己也在用AI做一个小程序，是基于我个人自媒体繁杂、重复工作的自动化应用，所以我通过Trae搭建了一个小程序，无代码那种，而且即将发布上线。
需要特别说明的是，在这个过程中，我自己学会了GitHub的发布与管理，学会了精准调试bug，甚至我都能自己自定义小程序的navigationBar了。
无他，实践驱动迭代而已。
所以，别纠结理论方法论，别在乎先学A会不会让B不高兴，别想太多，就从自身业务出发，去思考AI的结合点，而后坚定不移地接入、拥抱。
对产品同学而言，Insight是终极竞争力
很多时候，门外汉都是看热闹，而只有躬身入局的专业人士才有更多敬畏之心，才知道用户洞察和长期主义才是出圈儿的源动力。
刷爆圈儿的Manus，正是如此。
可能不少同学昨天都看了Manus那“令人发指”的AI能力，可有几个同学知道这个产品历时20个月才问世，而且还是犹抱琵琶半遮面的内测。
嗯，这在2周一迭代的当下，显得十分突兀，但却又十分符合长期主义的叙事逻辑。
前两天，有不少小伙伴在群里讨论AI对产品的影响，大家各自有不同的看法，但在我看来，我们对AI的确不应该「敬而远之」，但也不能「饥不择食」，而是要抓住主要矛盾。
什么是主要矛盾呢？
洞察力。
是的，镜同学觉得，对于产品同学来说，洞察力（业务抽象、场景分析、用户理解等）在AI拉低技术门槛后越发重要，尤其是当长尾需求、差异功能的实现成本被AI无情抹平之后。
所以，在 Manus 发布之前我就发过一个小感叹——未来产品经理分析报告、洞察数据必然会成为必备新技能。
其实我一直觉得，产品的核心竞争力，本就应该在用户洞察上，而不是简单地借助AI做一两个小工具之后就直呼AI强大、而变得沾沾自喜。
用户需求的真正满足、高质量满足，从来没有想象中的那样简单，90分和100分，差的不是10分，而是一个数量级，这个数量级就在于对用户洞察是否更加深层次。
未来产品经理的新高地，一定来源于其用户洞察力的造诣。
这似乎有些反常识，但请你仔细想想，过去产品经理所能呈现的、靠专业经验放大的流程设计、高保真原型设计、甚至是0-1的产品技术落地等等，都变得信手拈来、毫无门槛。
当DeepSeek将中文文学发挥与中等作者相差无几时，别高兴，普通人反而更应如履薄冰，因为一个常识是，当内容供应过剩时，具备灵魂的手工匠人又必然重回封神时刻。（就像本文一样纯人工敲打）
那么，顶层竞争力还剩下什么？
这就好比人人手里都拿着一支神笔马良，AI带来的短期是平权欣喜，长期看却是“新式内卷”，「怎么画」不再是竞争高低，而是根据不同场景「画什么」的洞察与想象，才是新擂台。
其实，我自己近期也确实体验了不少AI出圈儿的产品，无一例外，都是基于对其自身业务发展的深刻思考，洞察用户真正的需求去创造有内涵的价值，这才是产品的终极宿命。
这也是产品同学拥抱AI应该具备的姿态。
最后，镜同学想说的是，AI带来的表面看是诸多新变量，但「厉行价值创造」作为产品同学的内涵却从未改变，而且比以往任何时候还都更加突出。
智者无他，善假于万物也。
或许这才是我们产品人拥抱AI的正确姿态。
