38 岁硬件 PM，在会上听不懂年轻人说话了

关注

原创最新推荐文章于 2026-11-14 14:38:32 发布 242 阅读 AI 写同款· GEO 优化 ›

AI向善实战指南：边缘部署与低资源适配的社区落地方法论 AI for Social Good（AI向善）不是技术炫技，而是面向真实社会场景的可用性工程。其核心在于将大模型能力压缩至边缘设备，在断网、低电量、老年机等严苛条件下实现可靠运行——这涉及模型轻量化、数据在地化采集、人机可信协同等关键技术原理。其技术价值在于突破‘实验室精度’与‘现场实效’之间的鸿沟，支撑医疗辅助诊断、无障碍教育、智慧养老等高价值民生应用。本文聚焦怒江州、定西县等27个一线落地案例，系统拆解边缘部署、低资源适配两大热词背后的工程路径与社区级验证逻辑。阅读详情

一台门锁，毛利八块

我在深圳做智能家居硬件的产品经理，十二年，管过三条产品线：智能门锁、摄像头、传感器套装。年会上老板举着酒杯说，公司要转型做方案商。台下鼓掌，我跟着鼓，心里没底——方案商是什么意思？说难听点，硬件不赚钱了，得靠卖软件和方案续命。

硬件的利润有多薄，外人很难想象。一台卖 699 的门锁，BOM 成本、模具摊销、认证费、产线代工、渠道抽成，一路扒下来，毛利八块钱。八块，不够我在楼下吃碗猪脚饭。有一年双十一备了三十万台货，平台临时改玩法，仓库压了四个月，老板在办公室里转了三天，烟灰缸倒了两次。

但这些都是我熟的世界。我熟到看一眼 PCB 板就知道供应商有没有偷换料，熟到能背出每款产品的认证周期，熟到听产线电话的背景音就知道今天良率正不正常。直到去年，公司接下第一个 AI 软件方案的单子，我发现我熟的那个世界，关门了。

那场会，我一个字没说

转方案商后的第一次项目讨论会，我记忆深刻。会议室坐了一排二十七八岁的年轻人，开口闭口 context window、RAG、幻觉率、微调。轮到我发言，我说：“这个功能的交期，要算上打样和认证时间。”

全场安静了两秒。一个年轻人客气地说：“哥，这是纯软件，不用打样。”

有人笑出了声，又赶紧憋回去。那一刻我脸上烧得慌。会后我做的第一件事，是打开浏览器搜"Token 是什么"。38 岁，干了十二年产品，偷偷摸摸查这个词，像个小学生。

那晚我失眠了。十二年攒下的东西——供应链、打样、认证、产线——在纯 AI 软件面前突然一钱不值。我甚至认真想过认命：回去管硬件那摊，混到退休得了。可硬件那摊，公司只剩两个人守着，回去就是等死。

之后有段时间我特别怕开会。年轻人讨论方案，我假装记笔记，其实在偷偷查词，查到不懂的就标黄，一个会开下来，备忘录里七八个黄条。回家逐个啃，Token、上下文窗口、系统提示词，啃到凌晨一点。老婆问我是不是要考研，我说比考研惨，考研有教材，我这连考纲都没有。

装维师傅的一句话

转机来得特别偶然。公司给一家地产客户做全屋智能方案，我因为懂设备，被派去跟装维，跟着师傅跑了一个星期，装了十几户。

有天收工，师傅蹲在路边抽烟，跟我抱怨：“你们这设备哪都好，就是没人会用。说明书印那么厚一本，谁看？我每天接的报修电话，十个有八个是’网怎么连不上’‘这个键是干嘛的’。跑过去一看，屁事没有，就是不会用。”

我顺口问：“那客服呢？”

"客服？"师傅把烟头一掐，“客服也就照着说明书念，念完人家还是不会。”

回公司我把客服中心的工单数据拉了出来：过去一年，售后来电 81% 是咨询类，一大半集中在"配网"“重置”"这功能怎么用"三个问题上。每台设备的说明书平均 40 页，全家装完七八个设备，说明书摞起来三百多页。三百页，买设备又不是买课，谁看？

我突然意识到，智能家居喊了这么多年"智能"，最笨的一环恰恰是"告诉用户怎么用"。设备是聪明的，说明书是死的，用户卡在中间。

把三百页说明书灌进音箱

我写了份方案：家庭设备语音问答。用户在音箱上直接问"客厅灯连不上网怎么办"“门锁怎么添加指纹”，AI 直接答，答完还能顺手把事办了——比如帮用户重置配网。

方案能成立，靠几样东西拼起来。把所有设备的说明书、FAQ、历史工单灌进 RAG 知识库，模型只许基于库里的内容答，库里有就有，没有就说"为您转人工"，绝不允许自由发挥——家里的设备，瞎指挥是要出事的。Function Calling 接设备状态接口，用户说"帮我重置摄像头"，模型判断意图后调接口执行，执行前先语音确认一遍，防止误操作。整个流程我在 Dify 上拖了一版原型，跑通后才拉研发进来做工程化。

最花力气的是评测。我把客服录音转写成文字，跟运营一起挑了 1500 条做成评测集，按"答对、答错、该转人工没转、不该转瞎转"四类标注。标注第一天运营就崩溃了，说"不就是对错两种吗，怎么分四类"。我给她看了一条录音：用户问能不能远程给孩子开门，模型答了"可以"，步骤全对——但这个功能那款锁根本不支持。对，但不该答，这就是第三类。用 LLM-as-Judge 跑分，第一版准确率 82%，但"不该答的硬答"占了 9%——这个指标我定成红线，宁可转人工，不能乱答。我把知识库里表述含糊的段落全部重写，加了"置信度不够就转人工"的兜底，三轮迭代，硬答率压到 1% 以下。

Token 成本也算过细账：所有请求先走小模型分类，简单问题小模型直接答，复杂的才上大模型，单次平均成本压到原来的三分之一。这笔账我写进了给客户的报价单。硬件人别的不会，算账是肌肉记忆。

新插座

方案在地产客户的两个楼盘试点三个月，售后咨询来电量降了六成。有个细节我印象深：一位六十多岁的业主，以前每周给物业打三个电话问设备，现在天天跟音箱聊天，问完正事还问天气。物业管家专门跟我们反馈，说大爷现在见人就夸这房子"聪明"。老板把我叫过去，说公司正式成立 AI 方案组，让我负责。

我十二年的硬件经验，一样都没浪费：知道设备在客户家里会怎么死，就知道 AI 该在哪些地方闭嘴；知道一单售后工单多少钱，就知道方案该怎么定价；知道装维师傅骂什么，就知道用户痛在哪。只是交付物从一台台铁盒子，变成了一套问答系统加一个音箱入口。

圈子里一个做扫地机的老朋友，看我转成了，也跟着学，找的是家庭机器人方向的 AI 产品岗，前后折腾三个多月上岸，涨了三成。喝酒时他说了句话：“硬件人转 AI，优势不在技术，在知道东西死在客户手里是什么下场。”

这次转型教会我的事

一，换赛道不是丢掉过去，是给过去找个新插座。我焦虑了半年，以为自己要从零开始。真做了才发现，AI 方案商最缺的不是懂模型的，是懂"模型答错一句，客户家里的设备就会出幺蛾子"的人。纯软件出身的做 demo 漂亮，但十有八九算不清一台设备毛利八块的时候，方案该怎么报价。过去不是包袱，是地基，前提是找到那个能插进去的口。

二，转 AIPM 不用会写代码，但要懂模型能力边界。我还是不会写代码，但我现在张口就来：RAG 在什么情况下会答非所问，Function Calling 执行前为什么要加确认，幻觉率压到多少以下才敢上家庭场景。知道边界，才敢给客户承诺；不懂边界的人，只会给客户许愿。

三，38 岁搜"Token 是什么"不丢人，丢人的是假装自己懂。那场会上我要是端着，就不会有后来跟装维师傅跑的一周，更不会有这份方案。中年转型最大的障碍从来不是脑子，是面子。

评论区聊聊：你上一次承认自己"不懂"，是什么时候？

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇