AI 会替代产品经理吗？答案藏在这份白皮书里
AI 会替代产品经理吗？答案藏在这份白皮书里清华互联网产品研究协会（五道口产品观察）联合特工宇宙，从现状痛点到落地实践，再到职业进化路径，万字白皮书拆解 AI 与产品工作的适配方式，助力突破 AI 使用困局。
来自主题: AI技术研报
8270 点击 2025-09-26 11:22
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
清华互联网产品研究协会（五道口产品观察）联合特工宇宙，从现状痛点到落地实践，再到职业进化路径，万字白皮书拆解 AI 与产品工作的适配方式，助力突破 AI 使用困局。
两项最新研究更新了Brynjolfsson最初提出的生产力悖论，揭示企业和入门级岗位所面临的危机——以及初创公司的机遇。20世纪90年代，Erik Brynjolfsson及其同事提出“生产力悖论”：尽管信息技术快速进步、电脑在工作场所普及，生产率增长却依旧乏力。该悖论指出，仅拥有新技术不足以推动生产力，还需组织变革、技能提升和业务流程创新等补充因素。
医学研究迎来“零人工”时代了？！清华大学自动化系索津莉课题组，发布首个专为医疗信息学设计的全自主AI研究框架——OpenLens AI。首次实现从文献挖掘→实验设计→数据分析→代码生成→可投稿论文的全链条自动化闭环。
其实大语言模型的“教育”问题也差不多。研究者在训练和使用这些模型时，离不开提示词。这就像一份人生剧本，告诉模型“你是谁？”“你要做什么？”“你能做到哪里？”但问题是，提示词到底应该像家长一样，
搜集整理了Top15的投资人在AI领域的代表性投资案例。希望能给关注AI的读者朋友提供有价值的参考。基于我们的观察和整理，Top15的天使投资人押注的项目，并非散点式的“随缘下注”，而是呈现出高度一致的共性和清晰的趋势。
抢滩6G前夜，AI加物理正在重塑无线电地图产业格局。香港科技大学（广州）等机构联手重磅发布PhyRMDM框架，打破认知盲区，将物理约束与生成模型能力融合一体，显著提升高精度无线电地图的生成质量与稳定性。这一成果已被顶会ACM MM 2025接收。
对于提升AI能主动发现问题、提出假设、调用工具并执行解决方案，在真实环境里闭环工作，而不只是在对话里“想”的智能体能力（Agency）。在这篇论文之前的传统方法认为，需要遵循传统语言模型的“规模法则”（Scaling Laws）才能实现，即投入更多的数据就能获得更好的性能。
随着 AIGC 图像生成技术的流行，后门攻击给开源社区的繁荣带来严重威胁，然而传统分类模型的后门防御技术无法适配 AIGC 图像生成。
2030年的人工智能将会是什么样子？受谷歌DeepMind委托，Epoch发布新报告，从算力、数据、收入等方面进行了详细剖析。
本论文第一作者张勇为北京理工大学医学技术学院计算机技术专业硕士生，主要研究方向为联邦学习，多专家大模型，多任务学习和并行代理。通讯作者是深圳北理莫斯科大学人工智能研究院梁锋博士和胡希平教授。梁锋博士毕
文章探讨了人们识别和反感的文本“AI味”，分析其特征（如三段式结构、晦涩用词、密集修辞），并通过与人类文本对比实验（高考作文）发现实际差异主要在修辞偏好（高频对偶、排比、比喻）和套路化表达，但刻板印象不完全准确。研究同时指出人类通过反复修改与AI协作，在应用中去除“AI味”并保留“人味”。
近期，a16z 的研究团队发布了一篇博客文章《Retention Is All You Need》,在分析了数百家 AI 企业的情况后发现：将衡量用户留存率的基准点从第 0 个月（M0）后移至第 3 个月（M3），反而能更清晰地评估 PMF 和 GTM 策略。
行业首个具备“高刷”视频理解能力的多模态模型MiniCPM-V 4.5的技术报告正式发布！报告提出统一的3D-Resampler架构实现高密度视频压缩、面向文档的统一OCR和知识学习范式、可控混合快速/深度思考的多模态强化学习三大技术。
自 Sora 亮相以来，AI 视频的真实感突飞猛进，但可控性仍是瓶颈：模型像才华横溢却随性的摄影师，难以精准执行 “导演指令”。我们能否让 AI 做到： 仅凭一张静态照片，就能 “脑补” 出整个 3D
AGI时代或将带来前所未有的繁荣：算力推动经济狂飙，但人类工资却被钉死在「算力成本」上，与增长彻底脱钩。耶鲁学者Restrepo的研究指出，劳动份额将归零，财富全面流向算力资本。人类或许仍被需要，却只停留在护理、陪伴等附属岗位。在这样的未来，工作还有意义吗？
数月前，苹果基础模型团队负责人、杰出工程师庞若鸣（Ruoming Pang）离职加入 Meta。扎克伯格豪掷两亿美元招揽庞若鸣加入超级智能团队。根据庞若鸣的领英信息，他已在 Meta 工作了大约三个月的时间。
在 AI 辅助编程领域，Anthropic 推出的 Claude Code 命令行工具已成为开发者常用的助手。它允许从终端直接调用 Claude Sonnet 等模型，处理脚本编写、代码调试和系统命令执行等任务。
浙江大学与港大团队推出「Prior Depth Anything」，把稀疏的深度传感器数据与AI完整深度图融合，一键补洞、降噪、提分辨率，让手机、车载、AR眼镜都能实时获得精确三维视觉。无需额外训练，就能直接提升VGGT等3D模型的深度质量，零样本刷新多项深度补全、超分、修复纪录。
浙江大学与通义实验室Mobile-Agent团队在UI-R1的基础上，推出全新研究成果——UI-S1，提出了一种名为半在线强化学习（Semi-online Reinforcement Learning）的创新训练范式。
谷歌云刚发布了一篇《Google Cloud Startup technical guide: Al agents》（Google Cloud 创业公司技术指南：AI 代理）这是一份非常详尽和全面的手册，这篇文档要解决的问题：原型到生产之间最大鸿沟，Agent的非确定性、复杂推理轨迹如何验证、如何部署与运维等。初创公司业务负责人或开发者看完后能获得一个系统性的、
OpenAI携手APOLLO的新研究发现，大模型会对指令阳奉阴违，为了达成目的故意答错问题、暗中修改数据或者操作记录来掩盖自己的违规行为……比如，o3模型在化学测试中，通过推理得出如果正确率超过50%将不会被部署的结论后，
监督微调（SFT）和强化学习（RL）微调是大模型后训练常见的两种手段。通过强化学习微调大模型在众多 NLP 场景都取得了较好的进展，但是在文本分类场景，强化学习未取得较大的进展，其表现往往不如监督学习。
CBD 算法则是快手商业化算法团队在本月初公布的新方法，全名 Causal auto-Bidding method based on Diffusion completer-aligner，即基于扩散式补全器-对齐器的因果自动出价方法。
近日，Sensor Tower 发布《2025 年 AI 应用市场调查报告》，报告中提到，移动端 AI 产品 IAP 收入在 2025 年上半年半年度环比增长率为 100%，但具体到产品上，全球 IAP 收入 Top10 全部都是 ChatBot，相比于 Web 端的百花齐放，App 端能赚到钱的 AI 原生产品依旧单一。
LeCun 这次不是批评 LLM，而是亲自改造。当前 LLM 的训练（包括预训练、微调和评估）主要依赖于在「输入空间」进行重构与生成，例如预测下一个词。 而在 CV 领域，基于「嵌入空间」的训练目标，如联合嵌入预测架构（JEPA），已被证明远优于在输入空间操作的同类方法。
不用在建模、UV、贴图软件之间反复横跳，一个工作台就能得到：这是腾讯专为3D设计师、游戏开发者、建模师等打造的专业级AI工作台混元3D Studio。
为了回答这一问题，来自牛津大学、Meta 超级智能实验室等机构的研究者提出设想：推理计算是否可以替代缺失的监督？本文认为答案是肯定的，他们提出了一种名为 CaT（Compute as Teacher）的方法，核心思想是把推理时的额外计算当作教师信号，在缺乏人工标注或可验证答案时，也能为大模型提供监督信号。
论文的标题很学术，叫《心理学增强AI智能体》但是大白话翻译一下就是，想要让大模型更好地完成任务，你们可能不需要那些动辄几百上千字的复杂Prompt，不需要什么思维链、思维图谱，甚至不需要那些精巧的指令。
近期，北京大学与字节团队提出了名为 BranchGRPO 的新型树形强化学习方法。不同于顺序展开的 DanceGRPO，BranchGRPO 通过在扩散反演过程中引入分叉（branching）与剪枝（pruning），让多个轨迹共享前缀、在中间步骤分裂，并通过逐层奖励融合实现稠密反馈。
最近，美团在AI开源赛道上在猛踩加速。今天，在开源其首款大语言模型仅仅24天后，美团又开源了其首款自研推理模型LongCat-Flash-Thinking。与其基础模型LongCat-Flash类似，效率也是LongCat-Flash-Thinking的最大特点。美团在技术报告中透露，LongCat-Flash-Thinking在自研的DORA强化学习基础设施完成训练