引言
关于产品经理和 AI 产品经理是否需要懂技术及算法，是一个在硅谷与国内同样热门的话题。本文将从硅谷产品经理的观察出发，结合实操观点进行分析。
硅谷产品经理的技术背景要求
在硅谷，产品经理被视为具有 Talent 的人才。对于是否必须具备技术背景，答案并非绝对。
需要技术背景的情况
- 公司文化传统：例如 Google，创始人是计算机系博士，工程师文化浓厚，要求产品经理有技术背景。
- 产品高度技术性：例如自动驾驶汽车产品经理，或亚马逊的 PMT（Technical Product Manager）。
不需要硬性技术背景的情况
大部分公司对技术水平无硬性要求。例如 PayPal、Facebook、LinkedIn 等商务或社交类产品，通常不强制要求技术背景。
AI 产品经理的定义与技能树
AI 产品经理是运用成熟度曲线上的 AI 技术进行商业化应用的人。由于 AI 技术本身是交叉综合学科，AI 产品经理的要求高于普通产品经理。
机器学习（ML）核心领域
AI 产品经理需了解以下 ML 分支：
- 构造间隔理论分布：聚类分析、模式识别、人工神经网络、决策树、支持向量机、集成学习、降维与度量学习、贝叶斯分类器等。
- 构造条件概率：回归分析和统计分类，如高斯过程回归、线性判别分析、最近邻居法等。
- 通过再生模型构造概率密度函数：最大期望算法、概率图模型、Generative Topographic Mapping 等。
- 近似推断技术：马尔可夫链、蒙特卡罗方法、变分法。
- 最优化：大多数上述方法直接或间接使用最优化算法。
算法理解深度示例：SVM
以监督式支持向量机（SVM）为例，AI 产品经理的理解建议如下：
- 明确用途：文本分类、图像分类、手写字体识别、医学蛋白质分类等。
- 知晓定义及核函数：理解 SVM 在高维空间构造超平面以缩小泛化误差的原理，以及核函数 k(x,y) 的作用。
- 协作边界：具体的线性 SVM 间隔计算可由算法专家操作，PM 需明确问题归属并知道何时寻求专家协作。
核心能力与职业建议
AI 产品经理的核心精力在于明确 ML 在数据挖掘、计算机视觉、自然语言处理等领域的广泛应用。
学习路径参考
对于希望转行或入门 AI 产品经理的人员，建议关注以下方向：
- AI 产品经理全局学习
- Python 系统学习
- 机器学习与深度学习
- 热门 AI 产品竞品分析
- AI 产品设计学习
- AI 产品 0-1 实操项目经验
- AI 产品求职与面试
总结
- 懂技术更容易与工程师沟通，更早判断产品可行性。
- 掌握 AI 知识范围是技多不压身，面对数据积累和快速变化的技术环境至关重要。
- AI 是交叉学科，学会学习与转换非常重要。
- 高维知识（AI）能带动低维知识（普通产品），提前准备有助于职业发展。
