为什么大模型领域更稀缺的是文科生

01
目前，业界评判一个大模型“好不好”的主流方式，是让它运行各种评测基准（Benchmark）。无论是MMLU、HumanEval还是其他各种榜单，它们大多围绕数学、代码、逻辑推理和客观知识问答来设计题目。这些评测集追求的是客观、可量化、可重复，即使存在一些主观评测集，为了效率和成本，也常常采用更强大的模型（比如GPT-4）来进行自动化评估。
在这种评判体系下，当我们说一个模型“更强”时，实际上往往是在说它更擅长做数学题、写代码，或者掌握了更多可验证的客观知识。这就像我们用一套标准化的“智商测试”来衡量模型的“智力”。
但吊诡的地方在于，当你跳出科技互联网圈的自嗨，去看看普通人真正在用这些模型做什么、讨论什么的时候，画风就完全变了。还记得春节 R1 的刷屏吗？大家津津乐道的，很少是它解开了哪个 IMO 或 ACM 难题，反而是一些充满人情味儿的回答，一些抖得恰到好处的机灵，或者干脆就是能把天聊舒服了的那种感觉。说白了，用户在社交媒体上晒出来的，更多是模型的“有趣”和“懂我”，而不是它智商有多高。
这就很像一个悖论：我们用一套极其“理工科”的标准去锤炼和衡量一个目标是服务于形形色色人类的工具。我们希望它能写诗、能共情、能理解笑话里的潜台词，但我们的考试卷上却主要是数理化。结果就是，我们可能在无意中，把模型往一个“高智商低情商”的纯粹工具方向上推。

02
为什么会这样？我觉得根子可能还是在于这个领域目前的话语权结构。大模型这波浪潮，冲在最前面的、定义游戏规则的，主要是算法工程师和科研人员。他们的思维范式天然就倾向于可量化、可验证、逻辑清晰的东西。这在技术攻坚阶段当然是核心优势。但当技术开始需要面对真实世界里那些模糊的、感性的、充满文化差异的需求时，这种单一视角就可能变成一种局限。就像你让一群最顶尖的结构工程师去设计一座歌剧院，他们能保证它绝对安全、结构优化到极致，但未必能保证它的声学效果和艺术美感同样顶级，因为那需要不同的知识体系和感受力。
那么，模型要变得更“好用”、更“像人”，光靠算法和算力这两把刷子，是不是就够了？看起来未必。模型的进化，很大程度上也依赖于喂给它的“精神食粮”——也就是训练数据。而高质量的数据，绝不仅仅是事实正确那么简单。它需要包含语言的韵味、情感的层次、文化的背景、审美的取向。
这些东西，恰恰是“文科生”（学文学、历史、哲学、艺术、社会学等等的）们日常浸淫和研究的对象。他们对语言的细微差别更敏感，对人类情感的复杂光谱更有体察，对不同文化语境下的“雷区”和“G点”更有意识。让他们来参与定义“好内容”、筛选和标注体现人类智慧与情感的数据，甚至设计更符合人类交流习惯的交互方式，可能比单纯依赖工程师的理解要靠谱得多。
所以，现在说大模型领域缺“文科生”，可能不只是一种黑色幽默，或者某种“政治正确”的呼吁。而是真的指出了这一技术在走向成熟、走向更广泛应用时，一个亟待弥补的结构性短板。我们投入了巨大的资源去提升模型的“左脑”（逻辑、计算能力），现在可能需要同样，甚至更多地关注如何健全它的“右脑”（情感、直觉、创造力、同理心），以及如何让这两个“半脑”更好地协同工作。
这当然不容易。感性的东西很难量化，人文的价值很难在短期内直接换算成利润。但如果我们想要创造的，不只是一个更强大的信息处理工具，而是一个能真正融入人类社会、提升我们生活品质的 AI，那么，让那些研究“人”是怎么回事的智慧，更深度地参与到塑造模型的过程中来，恐怕就是无法回避的下一步了。

03
那么，我们需要什么样的“文科生”？
在我看来，一个理想的文科生至少需要具备几种关键特质：首先，这个人得有独立的审美和判断力。对什么样的语言是好的、什么样的内容是有价值、有吸引力的，得有自己的一套成熟的见解和标准。这不仅仅是抽象的“品味”，更是对语言文字、叙事逻辑、情感表达、文化内涵的深度理解。但光有判断力还不够，他/她还需要懂得如何与模型有效沟通，能将这种近乎直觉的判断，转化成大模型能够理解和执行的指令，也就是现在常说的提示工程（Prompt Engineering）的能力。这就像一个优秀的导演，既要有艺术眼光，知道想要什么样的画面和表演，也要懂得用演员能明白的语言去指导他们实现。
其次，需要具备对文字高度的敏感度和辨识力。能够敏锐地捕捉到不同模型、甚至同一模型微小迭代下，其输出在风格、语气、价值观乃至微妙“个性”上的差异。这种敏感度使得他们能快速摸清一个模型的表达习性及其能力的边界，有效地识别出哪些是值得学习和发扬的“闪光点”，哪些又是需要修正或规避的“坏毛病”。这有点像经验丰富的调音师，能听出乐器最细微的音准偏差和音色瑕疵。
更进一步，理想的人选还需要具备对模型宏观理想态的定义和拆解目标的能力。也就是说，能够清晰地构想并描绘出，我们期望模型最终呈现出的理想“人格状态”或“对话风格”应该是怎样的。这涉及到定义模型的“性格”基调、需要遵循的“价值观”原则，或是要模仿的特定“风格”。并且，更关键的是，要能将这些相对宏观和抽象的目标，拆解成在模型训练、微调或评估时可以操作、可以衡量的具体特征和规则。这无异于为模型精心设计“人设”，并规划出达到这个人设所需遵循的路径图。

04
被低估的护城河：高质量数据及其生产体系
最后抛出一个个人的暴论：在当前大模型的激烈竞争中，对于大多数并非处在绝对领先地位的公司而言，将核心资源过度倾斜于追赶算法本身的迭代，其长远战略价值可能不如深耕“数据”本身。
这听起来似乎有些反直觉，毕竟算法是驱动引擎。但现实情况是，顶尖或接近顶尖的模型架构，往往会因为开源、技术扩散等原因，逐渐演变为某种程度上的公共基础设施。你可以看到，强大的底座模型会不断涌现，供行业选用。然而，开源的通常只是模型架构，真正能体现差异化、决定模型实际表现“血肉”的——那些高质量、有特色、经过精细加工和标注的数据集——往往是各家机构最核心的、从来不会开源的资产。
这意味着什么？如果你无法确保自身算法始终保持在世界第一梯队，那么随着时间的推移，你大概率会（无论是主动选择还是被动接受）基于某个强大的开源模型来构建你的应用。在这种场景)下，即使你在算法层面投入巨大精力进行优化，可能几个月后，随着基础模型的又一次重大迭代，你之前的努力很容易就被“代差”所覆盖，难以积累起可持续的竞争优势。这就像在一条飞速奔跑的传送带上做雕刻，你的技艺再精湛，传送带本身的前进也可能让你的作品很快显得过时。
相比之下，高质量、有特色的数据集，以及——这一点可能更为重要——一套能够持续生产、迭代和管理这种数据的成熟体系、方法论和专业团队（这正是前面提到的“理想文科生”可以发挥巨大价值的地方），才是真正能够沉淀下来、穿越模型迭代周期的核心资产。无论底层的模型架构如何演变，优质的“燃料”以及高效“提炼燃料”的能力，其价值是恒定的。
因此，数据工作的价值，尤其是在定义“什么样的数据是好的”以及如何系统性地获取这些数据方面，可能被远远低估了。它不仅仅是基础性的“标注”工作，更是一种结合了领域知识、人文理解和战略眼光的系统工程。或许，在大模型时代，对很多参与者而言，真正的护城河并非来自算法上的微小领先，而更多地源于你所拥有的、独特的、高质量的数据资产，以及你创造这些资产的独特能力。

比起边想边搜，更应该实现的功能应该边聊边想，在思考的每一个节点用户都能参与进来进行交互，防止模型进行一些不必要甚至是错误的思考，今天高强度体验 autoGLM 沉思版时候的最大感受就是，很多时候模型的思已经考脱离正确轨道了，我却无能为力，最终看他在浪费二十分钟后输出一堆废话🥲

AI PM 是一个暂时性的岗位吗？

01
要回答这个问题，我认为实质上就是在回答以下一个问题：什么是 AI PM 真正的、区别与其他 PM 的核心能力？
如果是一年半前，我的回答大概是 prompt engineering 水平，毕竟当时我做的第一个产品，就是靠着一个自己写的高度复杂的PE完成的；如果放在半年多前，我的答案大概是搭建 workflow 的能力，任何高度复杂的 pe 完全可以通过拆分为一套 workflow，通过引入多个节点和 function calling 的方式既可以避免模型在不擅长领域（比如计算）的幻觉，还能极大扩展模型的 context（比如联网），让模型的能力大大扩展。
然而站在一年多后的今天，曾经那些 pe 的奇技淫巧，99% 已经成为历史；在现有模型的智能水平下，清晰表达需求比任何prompt 的魔法都管用。workflow 现在确实依然重要，然而最近 4o 文生图能力对于 ComfyUI 的碾压无疑证明了，只要承认GPT5级别的智能是必然到来的，那么绝大部分 workflow 显然都只是当前智能水平下过渡产物，就如同 pe 是 3.5-4 时代的过渡产物一样。
那么我们可以问的是，站在今天或者更长远一些视角——三年以后，有什么是 AI PM 真正的、区别与其他 PM 的核心能力吗？
02
所有 ai 产品抽象来看，都可以看作是对模型智能的调用，用户给出一个输入（可以是任何模态），调用智能后得到一个输出结果（这个结果也可以是任何事物），即 Input-AI-Output 的结构，如果这个 input 和 output 的场景需求是过去就有的，只是效果没有 ai 做得好，那就是 ai+产品（类似于 ai 翻译）；如果这个需求场景过去没有办法满足，只有 ai 能满足，那就可以算是 ai native 产品。
如果我们用这个结构去理解所有的 ai 产品，并且接受以下预设：模型智能水平的发展还远远没有到停滞的时候，在三年内模型水平至少还能够提升一代到两代。那可以得出的一个显而易见的结论是，AI PM 所有围绕这一结构中 AI 层做功的工作某种程度都带有临时属性，都是在可预期的将来会被淘汰的工作，它们随时都可能会在模型厂商的一次更新里成为历史。
03
那么在 input 和 output 阶段 PM 能够做什么？
在 input 阶段，我个人的体会是，本质都是为了一个目标服务——如何更低成本地获取更多更高质量的 context。成本反映在两个方面，一方面是用户成本，用户永远是懒惰的，能点击绝不打字，能打三个字绝不打一句话，怎么让用户在输入端尽可能少做功的前提下，获取更多的 context 是一个很重要的课题，memory/api 获取时间地理位置搜索记录都是目前比较成熟的解决方案；
但这其实导致了另一个方面的成本，隐私成本。前面提到的解决方案本质都是通过获取更多的用户隐私信息来降低用户的使用成本的，但即使不谈隐私的获取是有成本，元宝协议带来的舆论风波也证明了在 ai 时代用户对于自身隐私用于模型这件事实际是相当敏感的，所以如何低隐私成本地，或者说，如何在用户感知中低隐私成本的获取 context 也是很重要的问题。
更多更高质量这个很好理解略去不谈，但是在 input 阶段还想谈谈个人认为很重要但是似乎至今都还没有什么比较亮眼的解决方案的问题——人和 AI 如何协作的问题，现阶段几乎所有 ai 产品几乎都采取了完全相同的协作方式，即用户给出指令--模型完成指令，这在任务可以被封闭定义的问题上当然是一个好的解决方式，然而在例如创意写作这样的任务当中，如何让人和 AI 能够真正意义上的合作显然还是一个问题。
在 output 阶段，核心目标实际是——寻找到什么是用户真正需要的是什么。Chatbot给我们的最大教训就是：用户要的从来不是文本本身。一段代码、几句安慰或者文字解决方案都不是终点，用户真正需要的是项目成功运行、孤独无助时的陪伴、工作真正完成。
因此重要的是找到用户真正需要什么，然后让 output 离前者尽可能的近。所以比起给出一段代码文本，cursor 直接应用代码更改到项目里显然距离用户的真正需求更近。
04
也就是说在这个结构下，AI PM 真正重要的工作，实际是两件事 1.更低成本地获取更多更高质量的 相关 context；2.让产品的输出离用户的真正需求尽可能的近。
如果这还看不出什么，不妨让我们对 Input-AI-Output 这一结构做一个改写（更准确地说是泛化），变为 Input-I（intelligence）-Output，无论这个 intelligence 是 artificial 还是 human 的，我们会发现上面讨论的问题依然都成立，也就是说即使我们没有 AI，而是有着同等智能水平和量级的别的什么东西（例如一千万牛马大学生），我们依然可以实现这个产品（而且对于 PM 而言，这两者的输入和输出实际没有本质区别）。
这让我们不得不回到最初的问题：究竟什么是 AI PM 真正的、区别与其他 PM 的核心能力？

后记：本文的写作目的并不是对 AI PM 这一岗位进行批判，相反本文的写作缘由是起于最近思考中认识到的一个事实，对于绝大部分人而言，AI 并不是一个有太高技术门槛的事物（激进一点说是对除基模侧外的所有人）。现实却是大部分人将其渲染为一个有非常高技术门槛，艰深难懂需要系统性学习的事物，然而事实上对于应用层，完全只需要自然语言就能进行交互，几乎没有学习成本。
如果说互联网的革命性在于让信息可以以近乎无成本的形式进行复制和分发，那么 AI 真正的革命性就在于能够使智能以近乎无成本的形式进行复制和分发。在这个意义上长期来看， AI PM 真正需要关心的应该是如何使用这些智能满足过去无法满足的需求或创造新的需求，而不是期待通过对于人工智能本身的深入研究而获得深刻的 insight。
当然在这种理解下，AI PM 确实要求某些区别于一般 PM 的能力，例如：能够很好把握当下主流模型在不同领域的能力水位、能够根据场景需求定义理想态数据。

依然认为ai搜索只是过渡产品形态的原因，因为只要以下两个基本点不改变，ai搜索一定会被取代:

（1）交互的基本结构依然是text2text，和Chatbot没有本质区别
（2）搜索仍然依赖的是搜索引擎。

（1）意味着只要模型足够强，ai搜索一定会被并入其中。如果ai搜索只是为了解决消息质量不够高的问题（ai+搜索），那么如果大模型本身就可以解决了为什么要额外的产品？

（2）意味着传统搜索遇到一切问题，ai搜索也必须全部经历一遍（重点是商业化问题），而传统搜索之所以难用，恰恰是因为这个问题，并且如果ai搜索是为了提高搜索的准确度（搜索+ai），那么传统搜索引擎完全可以内嵌ai能力，为什么需要一个额外产品？

那为什么现在ai搜索火了？因为它恰好匹配了目前的模型能力，因为现在恰恰大模型能力不够强，同时传统搜索体验又过于糟糕（搜索到需要的高质量信息已经事实上成为一种专业能力），因此它能爆

“商用级水准，PDF布局与公式识别达到SOTA！”

欢迎大家体验我们新开源的PDF文档提取工具MinerU，顺手给个star支持一下吧；如果有合作意向，也欢迎来撩👈🏻

github.com
github.com

非常准确，太多人是不被看见的了

chat交互是对于前百分之一的人群最好的交互之一（可能白板思维导图式的交互会更好，但使用难度实际比Chat更高），而这部分人群恰恰是目前使用ai的主要人群。但一旦ai开始转向前百分之三十乃至五十，chat一定会被抛弃，因为绝大部分人根本没有办法用语言精确地表达自己的需求（正如同从搜索到推荐）

越来越觉得信息茧房不是一个好概念，事实上在如今如何快速搭建一个领域的信息茧房成为已经成为了互联网时代获取信息的基本能力。

传统的搜索（指仅仅通过搜索引擎）几乎无法满足获取高质量信息的需求，回顾自己最近的半年，除去一些学术论文的搜索外，在搜索引擎上检索的目的只有事实性知识的确认以及寻址，几乎所有高质量的信息和深度思考内容都是通过订阅或者推荐获取的。

而管理订阅和驯化推荐本质上就是搭建信息茧房的过程，信息茧房在揭示出茧房内的人无法接受茧房之外的消息的同时，也意味着茧房之外的人很难获取到茧房之内的信息。

互联网时代一个不可辩驳的事实是，海量的信息已经被算法泾渭分明地分割为了无数个平行层，绝大部分信息只在同一层次流动，在这个意义上搭建信息茧房已经成为了为数不多的低成本穿越不同信息层的方式。

因此比起信息茧房，信息花圃是一个更为恰当的称呼，只要通过恰当的修剪（管理订阅）和特定信息的投喂（推荐驯化），它几乎可以长出任何想要的花卉与果实。

真正的关键在于，不能只有一块花圃。