Manus 2.0 近期正式推出，在我看来，这给 AI 应用产品经理带来的核心启示是：专注于路由架构的产品设计，才是当前 AI 应用创业中最值得投入的方向。

但遗憾的是，我在国内看到的创业者大多仍在开发单一通路的单体 AI 应用，也就是以某个特定 AI 模型为基础来构建自己的产品。

这种产品架构存在一个问题：如果某个 AI 模型的发展不如其他模型，该怎么办？而且投资人几乎必然会问：

AI 应用的天花板是否会被模型厂商超越？你的核心竞争力是什么？

因此，产品架构直接决定了产品的上层设计、商业模式以及技术壁垒。而 MANUS 的产品架构，正是通过整合不同公司的 AI 基座模型能力来构建产品，这种架构具有无可匹敌的优势。

这就像木桶效应，每个模型厂商都有自己的长处和短板，但在我这里，它们都只是拼图的一部分。我可以将这些拼图组合起来，为用户提供最终的产品体验，从而不必担心某个模型的劣势。

例如，近期备受关注的 5.5 OPS，其中最新版本的 Claude 可以替代许多 AE 视频剪辑师和视频编辑工作。而 ChatGPT Astra 则在 3D 构建和编码能力上表现出色。将这些能力整合成一个完整产品，才是 AI 应用产品的天花板。

一个在 AE 编辑上更强，另一个在 Astra 操作 Blender 上更优，如果两者结合，至少能打造出一款无敌的 AI 应用产品。

而简单的套壳行为，以 AI 应用的名义进行包装，已经不具备竞争力。

以下是两种不同的 AI 产品架构形态

[图片1]

[图片2]

单体应用架构直接将软件工程与通用模型部署对接，缺少中间的分发和整合能力。

路由架构要求产品经理深入理解各类 AI 模型的优缺点和能力差距。从发展来看，各家的 AI 模型已经有了明显分化，比如 Grok 更注重物理世界，为机器人和特斯拉做准备；ChatGPT 更侧重于文字和编码；Claude 则专注于编码和编辑创作。

懂 Benchmark，是要想融资的 AI 套壳应用产品经理的基本功

不同的 Benchmark 代表了不同领域的领先水平，比如在创作、歌曲或数学方面，这些 Benchmark 各有自己的评测重点。

能够运用路由架构的 AI 套壳应用产品经理，首先要针对自己的用户场景，了解各个模型在评测中的劣势和优势。

[图片3]

因此，如果产品是通用型的，就需要选择各类 Benchmark，让产品经理不仅做 AI 产品设计，还要沉下心来研究学术论文和行业评测方法。这意味着 AI 产品经理必须结合科研学术甚至 Python 能力，才能完成产品工作。

很多 AI 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 产品经理仍停留在 Workbuddy 层面，而不是我之前提到的路由架构？主要是因为这需要深刻理解各模型的能力、评测标准，甚至内部基座和数据集的差异，这要求团队至少有一位科学家。而现在 99% 的 AI 产品不具备这个能力。

或者说，软件工程背景的产品经理无法深入融入科研团队，因为整个思维方式不是做用户需求调研，而是阅读科研文章。

因此，在 AI 应用产品上，即使是套壳产品，AI 产品经理也需要阅读文献。

今天的分享就到这里。

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。开云官方网址