具身智能浪潮下，产品经理如何转型？唐沐以咖啡机器人为例，强调机器人必须从“造出来”走向“用起来”，回归场景、数据与ROI。本文从设计、产品到硬件创业的实战视角，解析PM如何成为全栈Builder，并重新定义考核标准。

在 2026 AI产品大会现场，影智科技（XBOT）创始人兼CEO唐沐老师从设计、产品、互联网软件和智能硬件的职业经历讲起，讨论产品经理如何进入具身智能领域。他以扫地机器人、咖啡机器人和真实商业点位为例，说明机器人要从“造出来”走向“用起来”，必须回到场景、数据、运营和 ROI，并提出 AI 正在把传统 PM 推向全栈 Builder。

以下内容根据现场音频和演示材料整理，Enjoy：

一、每一次换赛道，都是重新学习产品

我先从自己的经历讲起，因为我后来对具身智能的判断，不是凭空来的，而是一次次换赛道逼出来的。

我大学学的是应用数学，毕业以后却去做设计师。现在听起来很自然，但在 2003 年前后，设计师还常常被叫作美工。我在金山做了两年，后来加入腾讯。当时腾讯还不到 200 人，我也赶上了互联网产品快速生长的阶段。

在腾讯的十年里，我做的一件重要事情，是把交互设计、用户研究这些岗位和方法带进互联网产品团队。那时候很多产品还只关心页面好不好看，但我一直觉得，产品不是只有视觉，还要看流程、逻辑和用户怎样真正完成任务。后来腾讯 CDC 做得越来越大，也带动了很多公司开始重视用户体验。

但做到 2013 年，我也看到一个问题：当一个设计团队太强，大家很容易把所有用户体验问题都交给设计、交互或者调研，产品经理反而离真实判断远了。所以我离开腾讯，去了小米，开始做智能硬件。传统软件、互联网软件、智能硬件的节奏完全不一样。传统软件可能一年一个版本，互联网软件一两个月就能更新，智能硬件则要同时面对软件、硬件、供应链、服务和销售，整个链条长很多。

在小米，我做过小米路由器、小爱音箱、小米 VR 一体机等产品。后来我出来创业，进入机器人领域。每一次换赛道，面对的挑战都变了，但有些底层东西没有变：你仍然要理解用户，理解场景，判断什么值得做，并把它从定义、设计、研发推进到交付和运营。

我在腾讯学到的是“一切以用户价值为依归”，在小米感受更深的是“和用户交朋友”。这两句话看起来都对，但关系不一样。过去我们会用观察室、单面镜、问卷和数据去理解用户，用户像一个被观察对象；到了小米，雷总要求我上微博，甚至给我定粉丝 KPI，我才真正被迫每天面对用户。

这个过程并不舒服。做路由器的时候，用户花钱买了东西，就会直接骂你。可只要你真的去问他为什么骂，他反而会告诉你拆箱哪里不爽、机器哪里有划痕、软件哪里出错、流程哪里卡住。这些是一手信息。它既是产品改进，也是营销和运营，因为口碑、复购、NPS，背后都来自这种真实关系。

所以我后来越来越相信，产品经理不能只停留在写文档和推动排期。真正重要的是判断什么东西值得做，并且把它放到真实关系、真实场景和真实约束里验证。

二、机器人首先是一个产品，而不是一个外形

AI 时代到来以后，大家常说每个产品都值得重新做一遍。

这句话听起来很对，但里面也有陷阱：一个新技术出现，不等于所有东西都值得做；能做、会做和值不值得做，是三件完全不同的事。产品经理必须先回答这些问题，否则很多公司会死在“看起来能做”的冲动里。

机器人也是这样。

我在小米的时候就想过机器人，但一直没开题，因为作为一个古法产品经理，我没有办法去做一个没有场景、没有市场的机器人。如果只是为了营销，做人形机器人、四足机器狗当然也能达到传播目的；但如果真要把它当商品卖，我不想做一个“假产品”。

我现在做咖啡机器人，核心不是它有多好看，而是它的产品定义成立。我们拿到一些设计奖时，对方认可的也不是外壳，而是这个定义：用技术把高水平咖啡师的能力带到更多地方，让用户在不同场景里得到稳定的咖啡出品。这是科技平权，也是产品定义。

所以我想从“人形机器人”这个词说起。到目前为止，我认为最成功的机器人品类之一是扫地机器人。它为什么成功？因为它把机器人框定在一个可交付、符合预期甚至略超预期的场景里。两三千、三四千元的价格，用户知道它买回来就是扫地，它只要把地扫干净，产品预期就成立了。

“人形机器人”这个名字的问题在于：它只告诉你长什么样，没有告诉你解决什么需求。扫地机器人是能扫地的机器人，咖啡机器人是能做咖啡的机器人，人形机器人却只是人形的机器人。名字背后没有清晰任务，也就很容易把用户预期带到科幻电影里：无所不知、无所不能、回家还能什么都帮你做。今天的技术和公司都做不到这个预期，产品最可怕的事情就是低于预期。

过去两年，行业里有很多演示、Demo、跳舞和武术表演，大家看多了也会审美疲劳。现在趋势已经变了：光讲故事不行了，机器人要真的去做苦活、累活，进入工厂和商业服务场景，面对量产、一致性、可靠性和运营成本。

对产品经理来说，问题不是机器人还能不能翻跟头，而是我承诺它能干的那件事，到底能不能靠谱。它服务谁，解决什么问题，如何交付，如何运营，最后能不能算清楚账。这些问题不回答清楚，外形再像人，也不是一个好产品。

三、从咖啡机器人开始，把机器人放进真实场景

我现在做咖啡机器人，是因为咖啡是一个相对明确的场景。它不是一个什么都能干的通用机器人，而是一个能在点位里独立运营的小咖啡店。我们去年大概做了 500 多台，现在全球落地超过 1000 台，累计大概做了 400 万杯咖啡。400 万杯听起来很多，但我自己不想把它吹得过大；如果拿去和传统咖啡连锁比，其实不算大，有些茶饮连锁一天可能就是数百万杯。真正难的是，这些咖啡全是机器人做的，全是精品咖啡，动作标准化、SOP 执行准确。

我不是买 1000 个机器人回来做遥操作演示，也不是只为了采集素材，而是把它们放到真实商业运营场景里。它们每天面对真实订单、真实顾客、真实付费压力，也暴露真实问题：设备会不会异常，制冰机会不会坏，补给是否及时，杯量是否能提升，出品是否稳定，运营人员如何协同，单点 ROI 能不能成立。

我最近甚至把公司里的中层、产品和运营负责人派到点位去看店，让他们辅助机器人运营，看真实杯量能提升到多少。因为只有站在点位里，才会知道机器人不是一个实验室机器，而是一家小店。它需要 7×24 小时运维，需要处理补给、故障、顾客体验和成本效率。

很多人会问机器人还能做什么，我更关心的是它已经承诺的那件事能不能做好。机器人可以替代人做某一个具体工作，比如咖啡师、调酒师、蛋糕师这些服务业新蓝领里的重复工作，但这不等于它可以替代所有人。它更像是把人从复杂、重复、讨厌的工作里解放出来，让人去做更应该由人完成的事。

这也是为什么我会强调，具身智能 PM 的考核标准和互联网 PM 不一样。

传统互联网 PM 可能看用户增长、DAU、功能上线速度、满意度和迭代频率；机器人开始上班以后，PM 要看机器人稼动率、MTBF、场景适配速度、出品稳定性、一致性、7×24 运维能力和 ROI。这里面每个词都很烦，但进入真实世界以后，你就必须面对它们。

四、运营数据不是训练数据，数据本身也要被当成产品

机器人进入商业场景后，数据的价值才会显现。

我现在真正看重的，不只是那 1000 多个点位本身，而是它们持续产生的数据：客户数据、订单数据、设备运行数据、故障数据、时段杯量数据、运营动作和反馈。这些数据来自真实门店、真实订单、真实付费压力，所以价值最高。

但我也想强调，运营数据不等于训练数据。互联网视频数据对算力要求很高；仿真合成数据有 sim-to-real 鸿沟，液体、湿冰、奶泡这些物理细节恰恰最难仿真；遥操作演示数据动作标签齐全，但按小时付人力成本采集，贵而且难规模化。真实商业运行数据最有价值，但它首先服务的是产品定义、运营改进和商业判断，不能简单理解成“拿去训练模型”的原料。

我希望把数据当产品管。它来自什么场景，反映什么问题，能支持哪个判断，要怎么进入产品迭代，都要被认真设计。大模型今天看起来聪明，是因为过去互联网积累了大量数据；具身智能如果要走到下一步，也要在真实物理世界里积累自己的数据基础。

Agent 也会成为产品经理的第二团队。我们公司里已经有很多 AI 员工，它们会在群里帮助分析经营数据、点位数据、订单热力和运行状态。它们有时会犯错，有时也会问出人没有想到的问题，甚至会暴露出权限和信息边界的问题。所以 AI 不是替你做判断，而是把大量信息拉到你面前。产品经理真正稀缺的，仍然是价值判断：哪些输出能用，哪些不能用，哪些问题值得继续下注。

这背后还有一个硬件商业问题。

智能硬件为什么要智能？因为要连接；为什么要连接？因为连接之后才有持续服务和增值收入。以前做摄像头，可以通过云存储产生软件增值服务；做空气净化器，滤芯是持续消耗；做咖啡机器人，后面的连接是物料，是咖啡豆，是供应链。这也是我们把机器人做成 RAAS，也就是 Robot as a Service 的商业考量。产品定义不能只看机器本身，还要看它后面是否有持续运营和持续收入的结构。

五、AI 让产品经理从 PRD 写手变成全栈 Builder

AI 正在重塑产品经理的工作边界。过去产品经理把一个稍大的需求转化成功能定义、交互稿，再通过逐级评审变成可开发功能，时间是周级别的。现在 Codex 可以做到一天多个版本，Claude Cowork 一天一更，WorkBuddy 三天一更，软件迭代速度正在发生革命性变化。

这会让传统“文档 PM”消失。过去老板讲一个想法，产品经理回去写 PRD，研发再看 PRD；现在我有时会直接让研发用 AI 做一个原型。一个录音、一段需求，AI 很快就能扫出 Demo，拿来一看好像还真是那么回事。那产品经理的价值就不能停留在需求翻译上。

但 AI 做东西很快，也会让人抓狂。它可以生成一个看起来完整的东西，却不一定理解真实产品上下文。你让它改一个小细节，它可能把整个系统改得面目全非。所以到目前为止，我会把 AI 产物更多放在独立模块、原型和评测里，而不是直接当作最终交付。

新的 PM 要变成全栈 PM，不是说每个人都要亲手写完所有代码，而是要能整合 AI 工具、管理产品上下文、建立评测集、做价值判断，并在技术可行性边界内做产品决策。Demo 的意义不是直接商用，而是把抽象问题变具体，让内部用户先试用，让讨论围绕一个可以触摸的东西展开。尤其在具身行业，机器不动起来，讨论就是抽象的；原型构建过程里会发现很多意想不到的情况，能否解决、如何解决，才是真正的考验。

我还想补充一个产品判断：不要因为新技术火，就把它硬塞进所有场景。做智能硬件时，大家曾经都想争“家庭中心”。我们做路由器时，会觉得路由器是网络连接中心，所有硬件连在上面，还可以通过 App 控制；后来有人说电视才是中心；再后来做智能插座的人也说自己才是中心，因为不给供电，其他设备都没法工作。

每一方听起来都有理由，但这件事很容易阶段性入魔。VR、人形机器人、各种智能硬件风口都会一阵一阵地来，产品经理不能只跟着“中心”这个词跑，而要看本质：它到底解决什么问题，值不值得做。

小爱音箱火的时候，曾经有人想把“小爱同学”装进智能马桶，让用户蹲在马桶上喊它冲水。我当时觉得这就是错误的产品定义。智能马桶最好的体验，应该是时机合适的自动冲水，而不是为了跟风上语音交互。

所有新技术都是这样。AI 也好，机器人也好，产品经理要看的不是能不能接上，而是接上以后是否真的改善了场景。现在用户给你的时间越来越短，可能只有两三秒。美学负责抓住头两秒，用户体验再支撑三秒，后面才可能有转化。技术只是手段，产品要能被一句话说明白，并且让用户用了之后回不去。

六、造出来是能力，用起来才是价值

具身智能的下半场，技术不再是唯一稀缺资源，落地才是稀缺资源。机器人要从“能不能跑、能不能跳”，转向“能否稳定工作、跨任务泛化能力如何”。造出来是能力，用起来才是价值。

如果要定义一个新产品，我会看几个非常直接的条件：

1. 要跨界，不要只在自己当前行业里找参考和标杆。
2. 要选增长型大市场，否则在小市场、下降市场里做，会事倍功半。
3. 要有对标。对标不是简单抄，而是给用户一个价值锚点，让他快速理解这个产品为什么有价值、为什么值这个钱。
4. 最好是高频刚需，而不是买回去一年只用一次。
5. 要有新技术带来的升维竞争，或把成本降得足够低。
6. 一句话能说明白，最好还能做到“用了就回不去”。

这些条件听起来都是大白话，但其实是对产品的最高要求。很多时候，产品经理真正要做的，就是把风口、技术、资本故事，重新压回到一个真实问题上：谁用，为什么用，多久用一次，值多少钱，能不能交付，能不能复购，能不能持续运营。

我也希望大家不要执着于追风口或技术优先，而是回到解决问题本身。一个产品如果足够创新，当然会有机会；但如果只有自己一个人在做，反而要警惕是不是方向错了。

对我来说，有竞争对手不是坏事。我们把咖啡机器人这个行业做出来，吸引了很多人跟进，只要我还能持续创新、一直跑在前面，就会获得更多市场和机会。

对想进入具身智能的 PM，我的建议很简单：

• 把 AI 纳入每天的工作流，不只是试试看；
• 走出 PRD 舒适区，用 AI 完成从需求到原型的闭环；
• 深入现场，去工厂、门店、仓库看真实工作；
• 学会算账，理解 ROI；
• 最后，破除执念，聚焦解决问题，而不是追风和技术优先。

相关阅读：

小度AI智能孙浩：从能力涌现到产品成立，大模型硬件的四道门槛

https://www.woshipm.com/ai/6453494.html

京东物流李亚曼：当AI进入物流全链路，产品经理要重新定义自己的价值

https://www.woshipm.com/ai/6455237.html

声网姚光华：企业级Agent的关键，不是自治，而是可控的结果生意

https://www.woshipm.com/ai/6453622.html

千问办公余航：AI 真正有用，不是会得多，而是能把事情办成

https://www.woshipm.com/ai/6452306.html