AI产品经理 vs AI研发工程师：大厂为什么开始招中学生了？
最近有一个很有意思的现象：网易、腾讯等大厂，已经开始面向中学生招生实习了。
而且这些实习岗位，指向性非常明确——主要集中在两个方向：
AI 产品经理
AI 研发工程师
很多人看到这个消息的第一反应是：中学生？产品经理？开玩笑吧？
但如果我们认真看一眼背后的逻辑，会发现这并不是炒作，而是一个明确的信号：AI 相关岗位的门槛和定义，正在发生结构性的变化。
今天这篇推文，我们就来理清楚两件事：
AI 产品经理和AI 研发工程师到底是干什么的？
为什么连中学生都能参与进来？这对普通人意味着什么？
一、先搞清楚两个角色分别做什么
AI 研发工程师
这个角色相对好理解。他们是“造工具的人”。
具体工作包括：
训练和微调模型（比如让一个通用大模型学会看医疗影像）
处理数据（清洗、标注、增强）
部署和优化推理服务（让模型跑得快、占用资源少）
解决工程问题（显存不够、推理延迟太高、并发上不去）
一句话概括：AI 研发工程师负责让 AI“能用、好用、跑得稳”。
他们需要的能力包括：编程（Python/C++）、框架（PyTorch/TensorFlow）、懂一点底层算子、懂分布式训练。
在过去几年，这个岗位的入行门槛是比较高的——通常需要计算机或 AI 相关专业的硕士及以上学历。
AI 产品经理
这个角色容易被人误解为“画原型的”或者“传话的”，但实际上完全不同。
AI 产品经理的核心工作是“定义问题”和“设计体验”。
具体包括：
发现一个值得用 AI 解决的现实问题（比如客服回复太慢、文档查找太难）
判断当前 AI 能力是否足够解决这个问题（能做 vs 能做好的区别很大）
设计用户与 AI 的交互方式（对话式？搜索式？自动触发？）
定义评估标准（怎么判断 AI 做得好不好？准确率？用户满意度？任务完成率？）
管理模型效果闭环（用户反馈 → 数据回流 → 模型迭代）
一句话概括：AI 产品经理负责决定“做什么 AI”以及“做成什么样”。
他们需要的核心能力不是写代码，而是：
对 AI 能力的边界有清晰判断（知道什么能做、什么暂时做不了）
逻辑和拆解能力（把一个模糊需求拆成可验证的小任务）
数据和评估思维（不依赖“我感觉”，而是“指标显示”）
二、为什么中学生能做？是不是岗位贬值了？
这是很多人最困惑的地方。其实答案恰恰相反。
原因一：门槛从“写模型”变成了“用模型”
过去做 AI，你必须从零训练一个模型。这需要数学、代码、甚至硬件知识。
但现在情况变了。主流大模型（GPT、Claude、通义千问、文心一言）已经足够强，绝大多数应用场景不需要重新训练模型，而是调用 API + 写 Prompt + 做工作流编排。
这意味着：
AI 研发的门槛被大幅拉低（从训练模型 → 调用模型）
AI 产品的核心瓶颈从“能不能做出来”转向“能不能想清楚要做什么”
这恰恰是中学生可能具备的优势：
他们没有被“过去不可能”的经验束缚
他们本身就是新一代 AI 原住民，天然知道怎么和模型对话
他们有时间做快速试错
原因二：大厂在抢“AI 原生思维”的人
大厂现在最缺的，不是会写 PyTorch 的人，而是“知道用 AI 解决什么问题”的人。
这种人不需要十年经验，而是需要：
对 AI 能力的直觉判断（比如：这个任务需要推理几步？模型会不会幻觉？）
快速原型能力（用 Coze / Dify / n8n 半天搭出一个可演示的东西）
迭代思维（不好用就改、就拆、就换方式）
这些能力，和年龄、学历的相关性很低。一个玩了一年的中学生，可能比一个刚转行的程序员更懂怎么用好大模型。
三、那这两个岗位现在还区别在哪？
虽然门槛都在变化，但本质分工没有变：
| 维度 | AI 研发工程师 | AI 产品经理 |
|---|---|---|
| 核心问题 | 怎么把这件事做对 | 要不要做这件事、做成什么样 |
| 产出物 | 模型、API、推理服务 | 需求文档、原型、评估指标 |
| 典型工作 | 微调、量化、部署、压测 | 竞品分析、用户调研、效果评估 |
| 需不需要写代码 | 需要（Python、C++、CUDA） | 不一定（但懂 API / SQL 是加分） |
| 判断标准 | 技术上跑通、性能达标 | 用户愿意用、业务有增益 |
一个简单的类比：
AI 研发工程师像建筑工程师：知道怎么打地基、怎么配钢筋、怎么让楼不倒
AI 产品经理像建筑设计师：决定这栋楼用来做什么、几层、窗户朝哪、人怎么走
一栋好楼，两者缺一不可。
四、对普通人的启示
如果你还在纠结“我要不要转 AI”，或者“我该走产品还是研发”，可以换个角度思考：
研发方向：门槛确实在下降，但底层能力（代码、算法、工程）依然值钱。只是过去人人都在做“造模型”，未来更多人会做“搭系统”。
产品方向：这是本轮 AI 浪潮中增量最大、缺口最大的方向。但前提是——你必须真的懂 AI 的能力边界，而不是只会说“我们要用大模型”。
年龄不是障碍：大厂招中学生实习，不是因为他们厉害到能写分布式训练框架，而是因为他们愿意用最直接的方式去尝试、去犯错、去迭代。这种能力，和年龄无关。
写在最后
AI 产品经理和 AI 研发工程师，不是谁比谁高级的关系，而是一个项目能否成功的两条腿。
没有好的研发，再好的产品想法也只是 PPT
没有好的产品，再强的模型也只能在角落里吃灰
而大厂开始招中学生这件事，其实释放了一个更底层的信号：AI 正在从一个“少数人掌握的技术”，变成一个“人人可用的基础设施”。
在这个时代，重要的不是你几岁、什么学历，而是：
你能不能想清楚一个问题，然后用 AI 把它做出来。希望这篇推文，能帮你理清这两个角色的区别，也看到一些新的可能性。