前幾天Sora發布，并不僅僅是文生視頻的重大突破，更意味著：生成式AI正在以我們難以想象的速度進化，而且，沒有人能夠預測它的上限！而對產品經理來說，意味著AI產品經理的門檻也降得足夠低了。

前天凌晨，我們睡得正香的時候，OpenAI在沒有任何預兆的情況下發布了Sora，其炸裂效果，馬上就讓整個互聯網一片沸騰。

我一直堅信，未來所有的產品經理都將是AI產品經理，所以針對Sora這件事，我也簡單發表下自己的觀點。

Sora的發布，不僅僅意味著“文生視頻”的重大突破。更重要的是：

它證明生成式AI正在以我們難以想象的速度進化，而且，沒有人能夠預測它的上限！

如果不信，你可以看看OpenAI放出來的Sora效果，就會發現它生成的視頻足以“以假亂真”！

而你需要輸入的，僅僅是一段簡單的文字而已！

關鍵點在于：Sora的核心原理不是對視頻的處理能力，而是對物理世界的學習和理解能力！

即它不僅僅只是視頻的生成，它甚至能夠理解人類世界的規則，比如紙飛機碰到樹會掉下來，這才是視頻“以假亂真”的核心原因。

而且，從ChatGPT發布到Sora問世，僅僅才1年多時間！這1年多，整個世界對AI的認知都在不斷被OpenAI所顛覆！

這種匪夷所思的進化速度，才是生成式AI最可怕的地方！

其實AI并不是一個新鮮的東西，比如以前的圖像識別、語音識別，在SaaS領域也有很廣泛的應用。

但是這些AI能力有個特點，就是上限很低，即只能應用于一些非常狹窄的領域，在整個流程中也只能占據非常短的環節。

而且，這些AI能力的實現成本都相當的高。以至于很難被大規模推廣！

以圖像識別為例，快消品業務員去門店拜訪，主要還是和店主溝通、錄入訂單，對門頭或者貨架拍照只是一個輔助性工作，證明業務員到店拜訪了，或者收集一些市場情報。

對這些輔助性工作進行優化，給企業帶來的價值提升并不顯著。

而且由于圖像識別的模型訓練也是需要成本的，這就導致這個AI能力其實只能應用于少數大企業，更多的小企業其實是用不起的！更不用說C端用戶了！

但是生成式AI就不一樣了，文生文，文生圖，現在又文生視頻，對于個人、企業的很多崗位來說，已經可以輔助優化核心工作了。

就以產品經理來說吧，當我們要快速了解一個新業務，完全就可以利用生成式AI，讓它幫我們整理相關業務知識。

更重要的是，相對于以前的AI技術，生成式AI的使用成本實在是太低了！

而且還在持續不斷的降低！

這個成本既包括支撐模型運行的成本，也包括我們的學習成本。

這除了意味著生成式AI會被廣泛應用于各行各業，還意味著AI產品經理的門檻也降得足夠低了！

以前要成為AI產品經理，是必須要懂算法的！

比如懂DNN、RNN、CNN等神經網絡算法，甚至NLP（自然語言處理）和CV（計算機視覺）領域都有更垂直的算法模型，對垂直領域學習要求非常高。

但是現在，很多AI能力其實通過調用大模型就能實現了，AI產品經理最重要的工作是一方面是理解業務需求，另一方面則是了解生成式AI的能力。

說白了，生成式AI“屏蔽“了復雜的算法，讓我們通過人類語言就能輕松調用算法能力。

當然了，對于很多垂直場景，標準大模型能力可能還不能100%滿足需求，在這種情況下，就需要我們對大模型進行優化，這也涉及到對AI技術知識的學習。

但是，生成式大模型也引發了技術范式和工具的革新，這些大模型能力更強，能夠處理的任務和滿足的需求也更多，但是對技術能力的要求卻降低了。

這就使得AI產品經理不再需要了解垂直領域的傳統AI算法，而是變為理解AI大模型技術即可。

學習難度大大降低。

更重要的是——從長遠的角度來看——由于生成式AI超強的語言理解能力，在未來，產品經理甚至不再需要技術人員參與，就可以獨立生成應用程度。

這一點雖然還沒有完全實現，但是基本上已經是大家的共識。

這就意味著，在未來，一方面是AI產品需求的井噴，另一方面則是AI產品研發成本的大大降低。

未來研發軟件產品的瓶頸，不再是算法人員，甚至不再是技術人員，而是idea，或者說是優秀的產品經理！

未來真正稀缺的能力，不會再是代碼能力，甚至也不會是使用AI的能力——而是熟悉業務場景、洞察業務需求，知道如何用AI賦能業務的能力！

這讓我想起一個案例：一位成功轉型AIGC產品經理的同學總結說：

能拿出優秀的方案文檔和競品報告作品，是我拿到offer的關鍵。畢竟不管是什么賽道的B端產品經理，對于業務的理解才是最重要的！