从赛事策划转型AI产品经理，作者用六次撞墙经历揭示行业残酷真相：痛点、数据、技术必须三者相乘，AI产品的本质仍是解决实际问题，而非技术炫技。那些被忽视的行业数据才是真正的护城河，而AI行业的合规风险与迭代速度远超传统领域。最令人深思的是——只有被骂过的项目，才能真正刻进产品经理的DNA。

我做赛事这个行业有点年头。那种比赛场馆里彩色围挡、指引牌、颁奖台背板、开闭幕式视觉物料，就是我们这行干的活儿。IOC 管它叫 Look of the Games，听起来挺洋气，其实就是把一个空场馆装扮成赛事现场。

最近在转型做 AI 产品经理。这件事还没干完，也还没干好。

下面想说的几件事，不是知识点，也不是清单。就是我最近重新想了一些事之后，落在心里的一些回响。如果对你有用更好，没用就当听一个朋友扯一会儿。

一

我以前立项的时候，脑子里只有一根弦——用户痛点。痛点找得多准、多深、多扎，决定了我对一个产品方向有没有信心。

这是做赛事的时候养成的习惯。业务侧的痛点拍准了，剩下的执行就是”调资源砸进去”。

我把这套思路搬到 AI 这边，连续撞了三次墙。

第一次是想做一个赛事项目变更影响分析的工具——痛点真到不行，我自己每届大赛凌晨熬过的那些夜，全是这玩意儿造成的。立项报告写得漂亮极了。但写到训练数据那一栏，我才反应过来——谁手里有过去那么多届大赛的所有变更记录？没人公开。

第二次是想做现场施工可行性评估，把图纸和现场照片喂进多模态。我试着用 GPT-4o 跑了几张图纸，结果只能看出最表层的几何信息，受力分析一塌糊涂。

第三次连数据都没去拿，写到一半就停了。

后来我自己琢磨——立项判断其实是一道乘法，不是加法。痛点、数据能不能拿到、技术能不能做出来，三件事乘起来。任何一项接近 0，整件事就是 0。不是低，是直接 0。

这道理写出来朴素得不行。但我之前真没认真想过。

六件事撞过来的总览图

二

有一阵子我也跟着信”all in AI”。研究 Agent、研究多智能体编排、研究 Function Calling、研究记忆系统——研究了一阵子，承认有点上头。

直到有一天我把研究过的 Agent 应用列了个表，发现一件让我自己脸有点发烫的事——几乎每一个我都说不清”这个 Agent 到底解决了什么核心需求、谁会真的为它付费、它跟传统工具相比强在哪”。

我研究的不是产品，是 AI 的炫技。

后来我跟自己说一句话——AI 产品本质上还是产品，不是 AI。底子是传统功能产品，AI 是叠加上去的能力。底子不稳，AI 加再多也只是看起来酷而已。

我现在如果让我从”做一个纯 AI Agent”和”做一个普通的 B 端工具型产品”里二选一，我会选后者。

这话跟外面所有声音都是反的。我也不强求别人认同。但我自己真要做的下一步，是先把一个最普通的工具型产品的 PRD 完整写一遍——哪怕里面没有任何 AI 元素。

底子先打扎实，AI 是早晚的事。

AI 需求的乘法关系

底子先打扎实

三

行业里有家做老茶鉴定 AI 的小团队，会员费一年好几千还有大型茶商抢着续费，国内大厂追了两次都没追上。我研究了挺久，一开始最好奇的也是他们模型有什么特别。

后来打听到的细节根本不是模型问题。

这家团队做了一件听起来挺笨的事：花了两年时间，跑了云南福建几十座茶山和私人老茶仓，从茶农和小藏家手里收回来将近一万件不同年份、产区、工艺的实物茶样。然后请了几位退休的省级评茶专家——基本都是茶研所做了三四十年的老人——逐件做盲品标注。

我听完愣了一会儿。

愣是因为这件事直接照进了我自己——我手上有几届大赛的全套设计变更记录、自己整理的行业坑表、几十次跟单项委员会甲方监理的真实对话、一堆只有踩过坑才知道的潜规则……这些东西在硬盘里躺着，我从来没把它们当资产，就当”工作档案”。

但如果我真要做一个赛事行业的 AI 产品——这堆笨东西才是我真正的壁垒。比模型选型重要得多。

那天晚上我打开硬盘翻那些项目文档，第一次有点恍惚——原来我自己抱着金矿当垃圾。

数据是 AI 时代的”土地”。前期看起来不值钱，等模型醒来的时候，它就是金矿。

这话不是我说的，但我现在信了。

数据是水面下的冰山

四

有个做 3D 手办生意的朋友，团队加班两个月搭了一套精巧的 ComfyUI 工作流，从图片生成到模型生成全自动。眼看要上线，Google Nano Banana 2 发布。一调单次 API 的价格，比他们自建还低。

整套 ComfyUI 砍掉，所有相关设计师和设备遣散，改接 API。

两个月白干。

听完这事我楞了好一会儿。因为我之前做产品判断的时候，几乎从来没认真想过”持续时间”这件事——我看的是用户痛不痛、市场大不大、竞争激不激烈。

“持续时间”对传统行业是个伪命题。一个赛事现场的物料管理痛点，过去十年没变，未来十年大概率也不会变。所以我把它当成默认值。

但 AI 行业不是这样。AI 行业的”持续时间”是按月算的。

你今天搭一套精巧的工作流，下个月可能被一个新模型直接抹平。你今天做一个 AI 改写工具，三个月后大模型本身就把这个能力内置了。

我后来用这个维度把脑子里的几个产品方向重排了一遍。比如我之前最看好的”用 AI 帮赛事公司自动生成方案 PPT”——估能扛 12 个月就被通用模型吞掉。比如”赛事行业智能客服 Bot”——更短，半年。倒是那个我之前觉得”不太性感”的”变更关联分析工具”，因为需要大量私有领域知识，能扛 3-5 年。

这是我之前完全没看见的一个维度。看见之后，整个优先级翻了一遍。

几个方向的”预计持续时间”

五

做赛事的时候我有一种本能——任何品牌相关的物料，哪怕甲方点过头，都得自己再跑一趟版权确认。

这本能是踩坑踩出来的。我以前犯过一次，赞助商法务赛前一周抓出来一个 LOGO 违规使用，30 万返工，加上人工和时间损失，五十万往上走。

那次以后，我做任何品牌相关的活儿，本能都会多跑一趟版权这一步。

但你猜怎么着——我转 AI 之后，这本能反应几乎消失了。

我下意识觉得 AI 项目都是”自己做、自己验证、自己上线”。直到我看到行业里好几个项目栽在合规上——B 站智能封面那个我印象最深，团队分析头部 UP 主的封面风格做训练，做了两三个月，上线前一周被法务砍掉。理由：训练用的素材属于他人版权资产。

我突然意识到——AI 项目的合规风险，比传统项目大得多。

训练数据的来源合不合规？输出内容会不会侵犯他人版权？用户数据怎么处理？AI 决策出错了责任归谁？这些事在医疗、金融、保险已经在打官司了。

之前我做赛事时养成的版权敏感度，转到这边反而成了空白。

这是个我没想到的事。

六

最后这件事是我留到最后才想的，因为它对我后劲最大。

我对自己最近最大的不满意是——太顺利了。

不是”做的东西成功了”——恰恰相反，我立项过的方向砍掉了一大半。但这些”砍”的过程都是我自己关起门来想的——没有真正被一个真实业务方拒绝过、没有被一个产品总监指着 PRD 当面骂过、没有被一个评审会的八个人围着追问”这数据从哪来”。

我做赛事的项目几十个。能在脑子里清晰复盘流程的，就是那两三次被骂得最惨的。

某届大赛因为一个图层颜色没改对，印出来 200 块物料颜色不一致——被甲方在群里骂、被老板单独叫到办公室骂、被同事在背后议论——这事我现在闭着眼能讲出每一步在哪儿出的问题。

某次现场搭建突然下雨，我没提前确认防水措施，三个小时损失了六位数——这事我连下雨那一刻自己脑子里想的什么都记得。

反观那些一切顺利的项目，我现在只记得”哦那个我做过”。流程、反应、决策，全都模糊。

这个对比让我想了挺久——能记一辈子的项目，都是被骂过的。骂得越狠，记得越清楚。

我最近没被骂过，所以我学到的东西，大部分是漂的。

我下一步想做的事，是主动把自己丢进会被骂的环境。找一个真实的产品总监给我的方案当面拍砖。不是矫情，是因为我意识到——只有真实的反馈才能磨出真实的产品判断。

这一点最让我心里不踏实。

不算结尾的尾巴

写到这儿想说的差不多说完了。

我自己重新画了一遍这个清单——

我以前只想用户痛点，没认真测过数据能不能拿到、技术能不能做出来；我以前差点 all in AI，忽略了底子；我以前不当回事的那堆赛事档案，可能才是我最值钱的东西；我以前选方向只看市场大不大，没看持续时间能扛多久；我以前没把法务当成第一象限的事；我以前不敢让自己进入”会被骂”的环境。

转型这件事最让人栽跟头的不是”不会”，是”觉得自己已经会了”。

写完这篇我没有什么”接下来要做的清单”。就是把这几件事掏出来，放在桌面上，每天看着它们提醒自己。

如果你也在转型路上，希望这六件事里至少有一件能让你也想点什么。

如果你跟我一样，最近也有过那种”想清楚一件事之后、之前一堆想法被自己撕开”的体验——评论区聊聊。

比起一篇文章本身，能找到一两个真实的同路人，可能是更值钱的事。

我贴在桌面提醒自己的几张便签