Manus2.0上线，AI应用产品经理最终是路由架构，而不是“单体AI应用”

最近Manus 2.0上线了，我认为最大的启示是针对AI应用的产品经理，就是专注在router产品架构是最值得做的AI应用创业方式。

不过遗憾的是，在国内我看到的创业者都是做的是唯一通路单体AI应用，就是将某一个AI作为基座，来构建自己的AI产品。

这个产品架构有个问题就是如果一个AI模型发展不好没有其他家好，怎么办呢。以及投资人必然会问的：

AI应用的天花板是否会被模型厂商超越？你的竞争力是什么？

所以，一个产品架构就决定了产品上层建筑以及商业模式、以及技术壁垒，而MANUS的产品架构就是通过吸取不同家公司的AI基座模型能力，来完成构建一个产品，这个产品架构是所向无敌的。

类似于木桶效应，任何模型厂商都有自己的优劣势，但是对不起在我这里你们都是我的拼图，我可以拼装成为我提供给用户的最后产品体验，从而不用担心你的某一个劣势。

比如最近爆火的5.5 OPS，其中最新版本的Claude可以替代很多AE视频剪辑师以及视频编辑时。而CHATGPT Astra则体现在现在的3D构建上与编码能力上，能够将其完整成为一个产品才是AI应用产品的天花板。

一个更强在AE编辑一个是在Astra操作blender上，如果2个组合起来，那么至少是一个无敌的AI应用产品。

而简单的套壳，以AI应用来套壳就不具备竞争力了。

如下是两种不同的AI产品架构形态

单体应用架构就直接是软件工程与通用性模型部署对接，这种就缺少中间的分发与整合能力。

路由架构需要产品经理吃透各类AI模型的优劣势以及能力差距，当然从发展来说现在各家的AI模型已经有明显的区别，比如GROK更加注重物理世界为机器人与特斯拉做好准备，而CHATGPT更多的是文字与编码，Claude更多的是编码与编辑创作。

懂Benchmark，是要想融资的AI套壳应用产品经理基本基本功

不同的benchmark代表了不同的行业领先，比如在创作上、还是歌曲上还是数学上，这些不同的benchmark会有自己的评测点。

能够用路由架构的AI套壳应用产品经理，针对自己的用户场景首先就知道各自模型在评测上的劣势与优势。

所以自己的产品如果是做通用性的，就要选择各类benchMark，去让产品经理不仅是做AI产品设计还要真的沉下心来去看一些学术研究和行业里面评测方法，也就是AI产品经理是一定要科研学术甚至是Python能力结合才能够完成产品工作。

很多AI的产品经理做不了router架构的产品经理，不愿意学英文和科研

为什么很多AI产品经理还是停留在workbuddy上，而不是做我刚刚提到的router架构呢，主要是因为这部分需要深刻了解各自模型的能力与各自的评测、甚至是内部基座、数据集的区别，这部分要求团队至少有一个科学家的团队，而现在这部分99%的AI产品是不具备这个能力的。

或者说软件工程的产品经理是没有办法去深刻融入科研团队，因为整个思考方式就不是做用户需求调研，而是看科研文章。

所以在AI应用产品上，哪怕是套壳的，都需要AI产品经理要去看文献

今天的分享就在这里

本文来自微信公众号“Kevin改变世界的点滴”（ID：Kevingbsjddd），作者：Kevin那些事儿，36氪经授权发布。