从城乡规划到AI产品经理，看似跨界，实则底层思维相通。本文作者以亲身经历，剖析规划师与产品经理在问题诊断、多目标决策和不确定性应对上的共通之处，并探讨AI时代产品设计从功能到智能系统的转变，为转型者提供独特视角。

当我真正开始学习 AI 产品之后，我才发现，自己并没有离开规划，只是换了一个需要被规划的对象。

几年前，如果有人告诉我，一个学习城乡规划的人，毕业之后会把职业方向转向 AI 产品经理，我大概会觉得这是一条很奇怪的路径。

在传统认知里，城乡规划和人工智能似乎属于两个完全不同的世界。一个研究城市、土地、人口、产业、交通、公共服务和空间关系；一个研究模型、数据、算法、产品、交互和智能体。一个面对的是规划图、规划文本和城市发展方案，另一个面对的是 Prompt、Agent、模型能力、工作流和产品指标。

但真正开始从规划转向 AI 产品之后，我反而越来越觉得，这并不是一次彻底的跨界，而是一次“规划对象发生变化”之后的能力迁移。

过去，我规划的是城市；现在，我开始规划的是产品、用户、流程和人与 AI 的协作关系。

过去，我需要回答一个城市未来应该建设成什么样；现在，我需要回答一个 AI 产品应该解决什么问题、为谁解决、如何解决，以及怎样让它真正进入业务和真实世界。

表面上看，这是两个完全不同的职业；但拆解到底层逻辑，它们其实都在做同一件事情：在复杂、不确定、资源有限的条件下，通过系统分析理解问题，定义目标，组织资源，设计解决方案，并让一个更好的系统逐渐形成。

这也是我从城乡规划走向 AI 产品之后，最大的一个认知变化。

一、我为什么从城乡规划转向 AI 产品经理？

作为一个城乡规划专业的学生，我最初学习的是“空间”。

城市总体规划、详细规划、城市设计、乡村规划、城市更新、交通规划、公共服务设施布局……这些知识共同构成了我最初对于“规划”的理解。

规划真正有意思的地方，并不是画出一张漂亮的图，而是面对一个复杂系统，判断它现在的问题是什么，以及未来应该往哪里走。

比如研究一个城市，我们不能只问“这里缺什么”，还要研究人口结构、产业结构、交通网络、公共服务、土地利用、财政条件以及未来的发展动力。老城区为什么衰退？居民为什么不愿意回来？产业为什么没有形成集聚？一个公共空间为什么建出来却没有人使用？这些问题表面上彼此独立，实际上往往存在复杂的因果关系。

因此，规划真正训练我的，并不是某一种软件，也不只是某一种图纸表达能力，而是一种系统性解决问题的能力。

而当我开始学习 AI 产品时，我逐渐发现，产品经理面对的其实也是一个复杂系统。

用户希望解决什么问题？为什么会产生这个问题？现有方案为什么不好？AI 为什么适合介入？技术能不能实现？成本能不能接受？不同用户之间是否存在冲突？产品未来应该往哪里走？

这些问题听起来很像互联网产品，但如果把它们和规划放在一起比较，我发现它们拥有非常相似的问题意识。

所以后来我开始重新理解自己的职业转型：我并不是从“规划”跳到了“产品”，而是从空间系统的规划，转向了数字系统和智能系统的规划。

二、规划师和产品经理，最相似的其实不是方法，而是思维方式

很多人认为规划师转产品最大的优势是“会做 PPT、会画图、会写方案”。

我以前也有过类似的误解。

但真正工作和学习之后，我认为规划专业能够迁移到产品领域的核心能力，其实不是软件和表现，而是下面三种底层思维。

1. 从问题出发，而不是从方案出发

这是规划训练对我影响最大的一件事情。

一个优秀的规划师，不会拿到项目以后马上开始画图。首先需要做的是调查、诊断和判断：这个地方真正的问题是什么？居民的需求是什么？现状为什么会变成这样？哪些问题是根本问题，哪些只是表象？

这个逻辑放到 AI 产品里同样成立。

很多初学者接触 AI 后，很容易直接进入“解决方案思维”：我要做一个 AI 助手、我要做一个 Agent、我要接一个大模型、我要做一个 AI 工作流。

但这些都是技术或产品方案，并不是需求本身。

真正应该问的是：谁遇到了什么问题？这个问题为什么值得解决？现有方法为什么不够好？AI 为什么适合解决？如果不用 AI，原来的方法是什么？AI 到底创造了什么新增价值？

这其实就是非常典型的规划逻辑：先诊断，再规划。

从这个角度看，城市体检和 AI 产品诊断也存在明显的相似性。住房和城乡建设领域近年来不断强调通过城市体检识别群众反映强烈的难点、堵点、痛点，再将体检结果用于城市更新，形成“发现问题—解决问题—巩固提升”的工作机制。

如果把这个思路迁移到 AI 产品上，它同样可以形成一套完整流程：

产品体检 → 问题诊断 → AI 介入 → 产品迭代 → 持续评估。

所以我后来越来越觉得，产品经理本质上并不是“做功能的人”，而是发现问题并设计系统解决问题的人。

2. 多目标决策

城乡规划还有一个很有意思的地方，就是它几乎从来没有所谓的“标准答案”。

政府希望提高治理效率，居民希望生活品质提升，企业希望降低成本，开发主体希望项目能够盈利，生态部门希望保护环境，不同目标天然存在冲突。

规划师真正做的事情，是在多个目标之间不断权衡，在现实约束中寻找一个相对合理的解。

产品经理其实也一样。

用户希望功能越来越多，研发希望需求越来越少，老板希望项目尽快上线，设计师希望体验更加完善，算法团队希望得到更多数据，安全团队又希望把风险控制在更低水平。

最终产品经理面对的也不是一个绝对正确的答案，而是一个优先级问题：什么现在做，什么以后做，什么不应该做。

规划中有“刚性管控”和“弹性引导”，产品中也有核心能力和探索能力；规划中有近期目标和远期目标，产品中也有 Roadmap；规划中有总体规划、专项规划和详细规划，产品同样存在战略层、产品层、功能层和执行层。

所以从这个角度看，我越来越愿意把产品经理理解成一种新的“系统规划师”。

只不过过去规划师配置的是土地、空间、人口和公共资源，而产品经理更多配置的是用户需求、数据、技术、流程和组织资源。

3. 都是在不确定性中做决策

这一点也是我进入 AI 之后才真正意识到的。

传统城乡规划的变化速度虽然也在加快，但它通常存在相对稳定的空间、制度和建设周期。城市的发展往往按年甚至十年来衡量。

AI 完全不同。

模型能力几个月就可能发生巨大变化；今天需要自己设计的复杂工作流，明天可能已经成为模型原生能力；今天一个产品的核心能力，几个月以后可能就被更强大的模型直接替代。

这意味着，传统规划中的长期确定性，在 AI 产品中必须被重新理解。

AI 产品经理不仅是在规划产品本身，还需要规划产品面对技术变化时的适应能力。

这也是我从规划转 AI 后最大的思维变化之一。

三、真正进入 AI 时代以后，我发现“产品”本身正在发生变化

我刚开始学习 AI 的时候，也曾经把 AI 理解成一种工具。

Excel 是工具，CAD 是工具，PS 是工具，AI 也只是另一种工具。

但现在再看，我越来越觉得这种理解已经不够了。

AI 正在从“功能”逐渐变成“参与者”。

尤其是 Agent 出现以后，这种变化非常明显。

OpenAI 近年的相关研究把 Agent 描述为能够围绕目标进行多步骤任务执行、调用工具并持续完成工作的智能系统，并已经展示了这种工作方式从编程领域向法律、招聘等知识工作扩展的趋势。Anthropic 同样认为 Agent 正在从简单问答逐步走向跨工具、多步骤、长流程任务执行。

这意味着产品经理过去设计的可能是：

页面 → 功能 → 流程。

但未来越来越可能是：

目标 → Agent → 工具 → 数据 → 权限 → 执行 → 反馈 → 评估。

产品经理面对的对象开始变化了。

过去我们设计的是“用户怎么使用产品”，未来越来越多时候，我们需要设计的是**“AI 怎么完成任务，以及 AI 与用户怎么共同完成任务”**。

这也是为什么我认为，AI 产品经理和传统产品经理最大的区别，不是多学几个 AI 工具，而是产品的基本设计单位发生了变化。

四、从“做产品”到“设计智能系统”

传统互联网产品的确定性比较强。

用户点击按钮，系统执行规则；输入数据，程序返回结果；一个页面对应一组确定的功能。

而 AI 产品具有明显的概率性。

同一个问题，不同时间得到的答案可能不完全相同；同一个 Agent 在不同上下文中也可能采取不同的行动；模型的能力边界、上下文长度、工具调用和外部环境都会影响最终结果。

所以 AI 产品经理不能只关注“功能有没有”，而要开始关注另外一件事情：

这个智能系统的成功率到底是多少？

比如，一个 AI 招聘助手如果能够生成一份漂亮的职位描述，并不代表它是一个好产品。真正需要关注的是，它能不能准确理解招聘需求？能不能完成筛选？错误率是多少？什么情况下应该交给人判断？出现异常时能不能被及时发现？

Anthropic 最近对 Agent 评估的讨论也特别强调了这一点：Agent 不是简单的单轮问答，它涉及检索、工具调用、多步骤任务等复杂过程，因此评价方式也需要从单轮输出质量转向更加完整的端到端任务评估。

这意味着，AI 产品经理需要逐渐学会一种新的产品语言：

任务成功率、置信度、失败类型、人工介入率、工具调用成功率、成本、延迟，以及最终业务结果。

这其实让我再次想到了规划。

规划方案从来不是“画出来就结束”，而需要通过实施、监测和评估不断调整。

AI 产品也是一样。

模型输出是方案，Evaluation 是规划评估；Agent 执行是规划实施；用户反馈则是城市体检式的持续反馈。

这两套逻辑，其实比我最初想象的更加接近。

五、如果把 AI 放回城市，规划又会发生什么变化？

这是我从城乡规划专业转向 AI 产品之后，最感兴趣的问题。

过去，我们谈智慧城市，更多讨论的是数字化。

传感器、摄像头、城市数据平台、数字孪生、城市管理系统……这些技术把现实城市转化成数据，把数据汇聚到平台，再通过可视化帮助管理者理解城市。

但 AI 进一步进入之后，城市可能开始发生另外一种变化：

从“数字化城市”走向“智能化城市”。

过去的逻辑大致是：

现实世界 → 数据 → 平台

未来越来越可能变成：

现实世界 → 数据 → 模型 → 智能判断 → 行动 → 反馈 → 再学习

这意味着城市系统不再只是被记录、被分析，而开始具备一定程度的理解、预测和行动能力。

例如过去发现一个社区存在停车难问题，规划团队可能需要进行交通调查、停车调查、居民访谈，再通过分析形成方案。

未来的城市 AI 系统可能持续分析人口、车辆、道路拥堵、停车需求、商业活动、公共交通和居民反馈，再识别潜在问题，生成不同解决方案，并对方案进行模拟比较，最后由人类决策者进行判断。

这个变化真正重要的地方在于：

规划师的工作会从“生产方案”逐渐转向“定义问题、建立规则、设计评价体系和做出价值判断”。

而这其实越来越接近 AI 产品经理。

六、为什么我特别看好 AI × 城市更新？

在我看来，城市更新可能是 AI 与城乡规划结合得最自然的场景之一。

因为城市更新本身就是一个数据密集、利益关系复杂、问题高度异质化的系统工程。

一个老旧社区背后可能同时存在居民诉求、产权关系、基础设施、交通组织、公共空间、商业活力、历史保护、财政能力和土地价值等多重变量。

过去，规划团队需要投入大量人力进行资料收集、现状调查、政策整理、居民意见归纳和方案比选。

未来，AI 很有可能首先进入这些环节。

它可以帮助规划团队快速整理大量政策文件、历史规划和项目资料，也可以对居民诉求进行分类，对空间数据进行初步分析，对不同更新方案进行指标比选。

当数字孪生、空间数据和生成式 AI 进一步结合之后，它甚至可能参与到方案模拟与辅助决策。

这并不意味着“AI 替代规划师”。

恰恰相反。

AI 越能够完成信息整理和方案生成，规划师越需要把精力放在公共利益、价值判断、空间关系、社会协调和最终决策上。

所以我现在越来越认为：

AI 真正改变的不是规划师要不要存在，而是规划师把时间花在什么地方。

过去大量时间用于“理解信息”，未来可能有更多时间用于“判断信息”。

过去大量时间用于“生成方案”，未来可能有更多时间用于“选择方案”。

这其实是一种职业价值的上移。

七、数字乡村可能也是 AI 下一阶段的重要场景

如果说城市更新是 AI 与复杂城市系统的结合，那么数字乡村可能是 AI 降低专业能力门槛的一个重要场景。

过去讲数字乡村，更多强调网络基础设施、智慧农业、电商、数字治理和公共服务等内容。近年来相关政策也持续强调数字技术与乡村产业、治理、公共服务以及城乡融合的结合。

但 AI 进一步进入之后，我觉得一个非常值得关注的变化是：

AI 可能开始把过去昂贵而稀缺的专业能力，逐渐变成普通人可以获得的能力。

比如，一个小型乡村未必有专门的品牌策划团队，但可以使用 AI 辅助农产品品牌设计；未必有成熟的文旅运营团队，可以用 AI 分析游客画像和设计旅游线路；未必有专业招商团队，也可以借助 AI 完成产业研究、项目包装和招商材料准备。

这其实是一种很重要的变化。

过去的数字化主要解决“连接问题”，而 AI 开始进一步解决“能力问题”。

它不仅让乡村接入数字世界，还可能把部分专业能力下沉到乡村。

从这个角度看，AI 并不只是生产工具，也有可能逐渐成为一种新的公共服务能力。

八、所以，规划专业转 AI 产品，究竟应该学什么？

这是我在转型过程中反复思考的问题。

刚开始学 AI 时，我也很容易陷入“工具焦虑”：今天学习 Prompt，明天研究 Agent，后天换一个模型，再去体验一个新的 AI 产品。

问题在于，工具永远学不完。

真正能够长期沉淀的，是自己的能力结构。

现在回头看，我认为规划专业的人转向 AI 产品，至少需要补齐五个层次的能力。

首先是 AI 基础认知。需要理解大语言模型、Embedding、RAG、Agent、多模态、Context、Tool Calling、Memory、Evaluation 等基本概念。不是为了成为算法工程师，而是为了知道模型能够做什么、不能做什么，以及什么情况下应该采用什么方案。

第二是 产品基本功。包括需求分析、用户研究、产品设计、信息架构、流程设计、原型、PRD、指标体系以及项目协作。这部分传统产品经理的方法依然有效，AI 并没有让产品基本功失效。

第三是 AI 原生产品能力。这是传统产品经理与 AI 产品经理真正拉开差距的地方。你需要理解 Prompt、RAG、Agent Workflow、Tool Calling、Memory、Evaluation、Human-in-the-loop、权限、安全以及成本控制。最重要的是知道，AI 产品为什么能够工作，以及为什么有时会失控。

第四是 领域能力。这一层恰恰可能是规划专业人的优势所在。AI 人才很多，但真正理解城市更新的人不一定多；规划师很多，但真正能够把城市更新问题转化为 AI 产品的人同样少。未来真正有价值的竞争力，很可能来自二者的交叉。

最后是 系统设计能力。未来的 AI 产品不会只是一个聊天框，而可能是由用户、Agent、模型、工具、数据、知识库、权限、工作流和业务系统共同构成的复杂系统。从这个角度看，规划专业训练出来的系统思维，反而可能成为 AI 产品经理的重要基础。

九、我现在越来越觉得，规划师真正需要改变的不是专业，而是时间尺度

传统城乡规划最典型的思维是目标导向和长期建设。

五年做什么，十年做什么，空间怎么布局，人口如何变化，设施配置多少，土地如何利用。

这种思维在稳定环境中非常重要。

但 AI 时代最大的特点之一，是变化速度正在显著提高。

因此，我认为 AI 时代的规划不能只强调“长期目标”，还应该更加重视“动态调整”。

换句话说，我们不仅需要回答“未来十年应该建设什么”，还需要回答：

如果未来发生变化，我们有没有能力及时调整？

这其实也是 Agent 很有意思的地方。

Agent 并不是一开始就知道全部答案，而是会根据目标不断观察、判断、行动、获取反馈，再重新规划。

从这个角度看，未来的规划可能逐渐从一次性规划走向动态规划。

我们不只是预测未来，更重要的是建立一个能够持续感知未来变化并不断修正自己的系统。

这可能是 AI 对传统规划思维最大的启发之一。

十、我重新理解了“规划”这两个字

过去我认为，规划就是规划空间。

后来我觉得，规划应该是规划资源。

再后来，我认为规划真正规划的是系统。

而进入 AI 时代以后，我开始意识到：规划可能还需要进一步走向“规划智能”。

城市未来不只是物理空间，它还是数据空间、数字空间、服务系统和智能决策系统。

当 AI 真正深入城市以后，我们甚至需要开始讨论：

• 一个城市应该把多少决策交给 AI？
• 什么事情必须由人决定？
• AI 应该拥有多大的权限？
• AI 的决策如何被监督？
• 数据如何被治理？
• 智能资源如何公平地服务不同地区、不同人群？

这些其实都是“规划问题”，只不过规划对象已经从传统的土地和空间，扩展到了数据、算法、Agent 与智能系统。

国务院 2025 年发布的“人工智能+”行动提出推动人工智能与经济社会各领域深度融合，并提出到 2027 年人工智能与重点领域广泛深度融合、智能终端和智能体应用普及率超过 70%，到 2030 年超过 90% 的目标。

这意味着，AI 已经不只是科技行业内部的问题。

它正在成为经济、城市、产业、教育、医疗、治理以及公共服务共同面对的问题。

而一旦 AI 开始进入这些复杂系统，“谁来规划 AI 怎么进入系统”，就会成为一个越来越重要的问题。

十一、所以现在回头看，我并没有离开城乡规划

这是我最近对自己职业转型最大的一个重新认识。

我曾经觉得，转向 AI 产品意味着我要把过去的专业知识放下，重新开始。

现在我反而越来越觉得，这可能是一个错误的理解。

我过去研究人口，现在研究用户；过去研究产业，现在研究业务场景；过去研究公共设施，现在研究 AI 服务能力；过去做规划目标，现在做产品目标；过去做近期和远期建设安排，现在做产品 Roadmap；过去考虑规划实施，现在考虑产品落地。

以前我画的是城市道路和空间结构，现在我设计的是用户流程和智能工作流。

于是我突然发现：

我其实一直都在做规划，只是规划对象发生了变化。

从空间规划走向系统规划，再从系统规划走向智能系统规划，这可能正是我这次职业转型真正的意义。

十二、最后，我对“AI 时代规划”的一个判断

我越来越认为，人工智能真正改变的，不只是某一个行业，而是人类组织工作的方式。

过去，一个复杂任务往往意味着需要一个团队，由不同专业的人共同完成。

未来，一个人可能调度多个 Agent 去完成其中大量的信息搜集、数据分析、内容生成、软件操作和流程执行。

过去，一个规划团队可能需要大量时间进行资料整理、现状分析和方案生成；未来，其中越来越多环节都可能由 AI 协助完成。

但这并不意味着人的价值会越来越低。

恰恰相反，当执行成本不断降低以后，真正稀缺的东西可能会变成：方向、判断、价值、责任和审美。

• AI 可以生成十个规划方案，但谁决定什么是好方案？
• AI 可以分析一百万条居民意见，但谁来判断什么才是公共利益？
• AI 可以模拟不同的城市更新策略，但谁承担最终决策责任？
• AI 可以自主完成一个复杂任务，但谁决定它应该被允许做什么？

这些问题可能才是 AI 时代真正值得关注的问题。

所以，从城乡规划转向 AI 产品经理，对我来说最终并不是从“规划”走向“不规划”。

而是让我重新理解：

规划的终点从来不是一张图、一份方案，也不是一个功能。

规划真正解决的问题，是面对一个复杂系统和一个充满不确定性的未来，我们想让它变成什么样，以及应该怎样让它逐渐变成那个样子。

过去，这个系统叫城市。

后来，它叫产品。

而未来，它可能叫：

“人 + AI + 城市”。

也许有一天，我们真正需要讨论的已经不再只是“城市应该如何规划”，而是：

当 AI 开始参与城市运行之后，我们应该如何规划人与 AI 共同生活、共同工作、共同创造的世界？

对于一个从城乡规划专业出发、又走向 AI 产品的人来说，这可能就是我现在最想寻找的答案。

因为到了 AI 时代，我越来越相信：

未来最有价值的规划，不只是规划空间，更是规划智能；不只是规划城市，更是规划人与智能系统共同构成的未来。