AI 能力变成收入要过五道手 AI与具身智能公司的岗位纵深
作者:CGL 集团,中国领先的高管寻猎与领导力咨询集团 同步自:微信公众号「侠客乔治」
作者:郭雁冰(George Guo),CGL 集团高级副总裁、浙大创业导师、原风投机构合伙人、AI 原生组织研究院联合发起人
关联标签:AI 猎头 · 首席科学家 · AI 产品线负责人 · Agent 工程 · 具身智能 · 机器人量产 · 数据标注体系 · AI 人才战略
核心判断
AI 公司最容易犯的错,是把技术能力当收入能力。中间隔着五道手,每一道都可能把能力耗光。
第一道是判断,路线对不对;第二道是定义,做哪条产品线;第三道是工程,能不能在客户环境里稳定跑;第四道是量产,能演示的能不能卖;第五道是数据,底座能不能持续供。五道手要的人完全不同,而且通常不是同一种人。
见过技术很强的团队卡在第三道:模型效果好,交付到第七个客户时,每个客户一套定制,毛利归零。也见过倒在第四道的机器人公司,实验室里跑得漂亮,量产时装配要四个人、节拍两小时。
| 道 | 岗位 | 这一道要解决什么 | 缺了会怎样 |
|---|---|---|---|
| 一 · 判断 | 首席科学家 | 路线对不对、方向值不值得投五年 | 技术强但方向错,越努力越远 |
| 二 · 定义 | AI 产品线负责人 | 做哪几条线、砍哪条、投多少 | 每条线都做不深,资源摊薄 |
| 三 · 工程 | Agent 工程负责人 | 能不能在客户环境里稳定跑 | 每次交付都变成定制项目 |
| 四 · 量产 | 机器人量产产品负责人 | 能不能从样机走到可卖 | 能演示,卖不出去 |
| 五 · 底座 | 数据与标注体系负责人 | 数据能不能持续、便宜、合规地供 | 迭代一次重采一遍,成本失控 |
一、大模型公司招首席科学家 为什么要一号位亲自谈
这个岗位管三件事:技术路线的判断、研究方向的组织、对外的学术声誉。第二件常被低估。他带的不是一个部门,是一群各自有判断力的人,管理方式更接近同行评议,不是上下级。不会带这种人的人,招进来半年团队就散。
这个层级的人选,具备完整履历的本来就不多。三个特征决定常规招聘无效:可动性极低,他们大多已经在做自己想做的问题,没有找工作的动机;不由薪酬驱动,决定去留的是”这件事值不值得我投入五年”;判断链很短,只见一号位,中间隔一层基本谈不成。
所以正确做法不是发 JD,是先把名单列准,再由一号位自己去谈。外部能提供的价值是名单、判断和节奏,谈本身替不了。
判断这类人,先问这几个问题。你判断过哪条技术路线是对的,后来被验证了吗,这一问测的是判断力,知识量在论文里看得到,判断力只能问出来。你带出来的人现在在哪,真正带过的人能说出五六个名字和去向,说不出的多半是被团队带着走。你为什么做这件事,动机不清的人遇到第一个技术瓶颈就动摇。如果三年后你的路线被证明是错的,你怎么知道,这一问看他有没有给自己的判断设观测指标。
另有一个常被忽略的区别:大模型公司和 AI 芯片公司要的不是同一种首席科学家。前者判断模型能力边界、训练方法论、算力效率,成功标志是模型在关键任务上领先;后者要把算法需求翻译成芯片架构,在软硬协同上做取舍,成功标志是芯片在真实负载上跑得比别人快且省。AI 芯片这一侧,判断标准里必须有一条:他有没有把算法需求翻译成硬件约束的经验。只有论文没有流片侧经验的人,会持续给团队提出做不到的需求。
二、AI 产品线负责人和 AI 产品经理差在哪
分水岭是砍需求的权力。
AI 产品经理对功能负责,这个功能能不能用、体验好不好、模型边界在哪。产品线负责人对营收和资源分配负责,做哪几条线、砍哪条、投多少、什么时候推。
产品经理的工作是把需求做出来,产品线负责人的工作是决定哪些需求不做。前者要把事做成,后者要忍住不做。
AI 产品经理不必会训模型,但必须能判断模型能力边界在哪。因为 AI 产品的需求天然模糊,客户说我要它能自动处理合同,这句话背后可能是抽取、可能是审核、可能是改写。判断不了边界的 PM,会答应一堆做不到的需求,交付时全部返工。问他三句:怎么判断一个需求是模型能做到还是看起来能做到;需求做不出来的时候怎么跟客户解释;怎么给一个 AI 功能设体验验收标准。
产品线负责人除了产品能力,还要有组合思维,知道哪条线是现金牛、哪条是期权、哪条该关掉。问他两句:砍过哪条产品线,为什么砍,砍完团队怎么安置;你负责的产品线,收入怎么构成。说不出构成的人,管的其实是项目。
来源上,产品经理多从算法工程师、行业解决方案、传统 PM 转来,转岗的缺商业感,传统 PM 缺模型边界感。产品线负责人多从优秀 PM 晋升、创业公司产品负责人、行业解决方案负责人来,最常见的缺口是没有资源分配经验,容易只做加法。
产品只有一条线、客户不超过十家的时候,不必设产品线负责人。一个资深 PM 加一号位直接管更有效。
三、AI 公司招 Agent 工程负责人 看什么
这个岗位不是调模型,是让 Agent 在客户的环境里稳定跑起来。编排、工具调用、评估、可观测、成本,这五件事里,前面两件面试时人人会谈,后面三件很少被问到。崩得最惨的恰是后三件:一个没人测过成功率、没人看得到线上发生了什么的 Agent,上线第一天就已经在裸奔。
判断一个 Agent 做得好不好,行业里现在看三件事,不看模型分数。任务成功率,在真实客户任务上一次做对的比例;失败恢复能力,做错之后能不能自己发现并补救;上下文成本,把任务做完要花多少 token、多少钱。这三件事决定客户会不会续费。模型排行榜上的名次跟续费率没有直接关系。
来源三类。后端与平台工程,工程能力和稳定性意识好,缺对模型行为的直觉,容易把模型当确定性组件。算法工程,懂模型、知道边界,缺工程规范,容易写出跑得通但维护不了的东西。解决方案架构,懂客户场景、知道怎么落地,缺产品化思维,容易做成一个个定制项目。
可以这样问。上线过几个 Agent,任务成功率多少,怎么测的,说不出测量方法的多半没真上线过。失败的时候怎么恢复,好答案会说清哪一类可以自动重试、哪一类必须转人工。上下文成本怎么控,答不出成本的,做出来的东西客户用不起。客户数据很脏,怎么让 Agent 在脏数据上还能用,这是真实场景里最常见的失败原因。
常见的误判是把这个岗位当高级算法工程师招,招来的人只会做模型侧优化,不会做工程侧稳定性。分界线很实在:他有没有为一个七乘二十四不能停的系统负过责。负过的知道可观测性和降级方案值多少钱,没负过的会持续低估这一块。
只是把模型接口接进一个内部工具、用户不到一千人、出了问题可以停机重跑的,不必设这个岗。这个位置是被两个条件逼出来的:不能停,和客户看得见。
四、机器人公司为什么要设一个懂量产的产品负责人
因为 demo 能跑和量产能卖是两件事。
一家机器人公司最容易犯的错,是把实验室里跑得最好的那个人提成产品负责人。这个人懂技术,但往往不懂三件事。BOM 成本,每降一块钱,量产十万台就是十块钱乘十万。可制造性,这个结构能不能装配、装配要几个人、节拍多少。售后与维护,坏了怎么修、备件怎么供、现场怎么诊断。这三件事决定产品是能演示还是能卖。
他真正管的是产品定义、成本目标、可制造性、量产爬坡和售后体系,五件事串成一条线。
来源三类。消费电子产品负责人,成本与量产能力强、节奏快,缺机器人特有的可靠性要求。汽车零部件产品负责人,体系严谨、功能安全意识好,节奏慢,容易把机器人做成车。工业设备产品负责人,懂现场、懂售后,缺消费级体验思维。
几个问题就分得出层次。做过什么产品从样机走到量产,爬坡期遇到过什么,爬坡期的故事最能看出真实水平。BOM 成本降过多少、怎么降的,只讲换供应商的是新手,能讲改结构、减零件、换工艺的才是老手。产品坏了怎么修,答不出售后方案的说明没管过量产后的产品。研发说做不到、销售说必须要,怎么裁,这是这个岗位每天的场景。
还在做原型验证、没有明确量产计划的阶段,不需要这个岗。那时候要的是系统架构师。
五、数据与标注体系负责人 模型的底座
这个岗位不是买数据,是建闭环。采集、标注、成本、回流,四段里前三段都能外包,只有第四段外包不了:线上表现怎么变回训练数据,决定这家公司迭代一次要花多少钱。
模型能力趋同之后,差异在数据。而数据的难点不在有没有,在能不能持续、便宜、合规地供。一个只会上外包标注团队的负责人,做半年就会发现三件事同时来:成本降不下来、质量不稳定、模型迭代一次要重新采一遍。
来源三类。大厂数据平台负责人,体系完整、工程能力强,缺成本意识,习惯有大预算。标注服务公司出身,懂成本、懂质量管控,缺甲方视角,容易只做执行。算法工程师转,懂模型要什么数据,缺运营与合规经验。
我会先问这几句。管过多大的标注规模,单位成本降过多少,说不出成本曲线的没真正管过。标注一致性怎么保证,好答案会讲多人标注加仲裁机制,差答案讲培训。线上表现怎么变成训练数据,答不出回流机制的,做的是一次性项目不是体系。数据合规怎么过,这一问在当下的重要性已经超过技术。
数据量小、模型靠通用能力就够用、或者训练数据全部来自公开语料的,不必设这个岗。这个位置是在数据成为壁垒之后才成立的,早设只会多一层汇报。
五道手放在一起看
| 手 | 核心一问 | 稀缺度 | 谁该拍板 |
|---|---|---|---|
| 一 · 首席科学家 | 你判断对过哪条路线 | 极窄 | 一号位直接谈 |
| 二 · AI 产品线负责人 | 你砍过哪条线 | 窄 | 一号位或产品负责人 |
| 三 · Agent 工程负责人 | 你上线过几个,成功率怎么测 | 很窄 | CTO 或工程负责人 |
| 四 · 机器人量产产品负责人 | 你做过什么产品从样机到量产 | 很窄 | 一号位或硬件负责人 |
| 五 · 数据与标注体系负责人 | 单位标注成本降过多少 | 中 | CTO 或数据负责人 |
一家公司同时缺产品线负责人和 Agent 工程负责人时,先补工程。产品定义错了可以改,工程能力缺失会让每一次交付都变成定制项目。
这些岗位的 JD 该怎么写
JD 本来是清单,但写 JD 这件事本身有判断。下面每个岗位一条,格式一样:写哪三件事、别写哪一句。
问:大模型公司首席科学家的 JD 怎么写? 答:这个岗位的 JD 里最该写清的是汇报关系:直通一号位。这一条不写,合适的人不会来。另外写他的技术路线主张与验证结果、带出来的人去了哪里。别把论文列表当任职要求,论文看得出知识量,看不出判断力。
问:AI 产品线负责人的 JD 怎么写? 答:写清三样:负责哪几条线、收入怎么构成、需求优先级的最终决定权在谁手上。最后一条最容易被漏掉,也最容易造成产品线负责人和产品经理打架。
问:Agent 工程负责人的 JD 怎么写? 答:写上线过几个 Agent、任务成功率怎么测、失败之后怎么恢复,写他有没有为一个不能停的系统负过责。最后一条是分界线。别写”熟悉某某框架”,框架两年换一轮,判断力不换。
问:机器人量产产品负责人的 JD 怎么写? 答:写三件事:从样机走到量产的完整项目、BOM 成本降过多少靠什么降、售后体系搭没搭过。写”有机器人行业经验”等于没写,这个行业里做原型的人和做量产的人,简历上看起来差不多。
问:数据与标注体系负责人的 JD 怎么写? 答:写标注规模、单位成本降幅、一致性机制怎么设、线上表现怎么回流成训练数据。这四样能问出他是建体系还是接外包。别写”有数据管理经验”,管过标注团队和管过数据平台是两码事。
常见问题
问:AI 产品经理需要会训模型吗? 答:不需要,但必须能判断模型能力边界在哪。判断不了,就会答应一堆做不到的需求。
问:AI 产品线负责人和产品经理最本质的区别是什么? 答:有没有砍需求的权力。产品经理把需求做出来,产品线负责人决定哪些需求不做。
问:Agent 工程负责人和算法工程师有什么不同? 答:算法工程师优化模型,Agent 工程负责人让它在客户环境里稳定跑。分界线是有没有为一个不能停的系统负过责。
问:机器人公司一定要设懂量产的产品负责人吗? 答:进入量产准备阶段就必须。原型验证阶段不必,那时需要的是系统架构师。
问:这五个岗位里哪个最难招? 答:首席科学家最窄,具备完整履历的人本来就少,且不由薪酬驱动。其次是机器人量产产品负责人,要同时懂成本和制造。
联系
这类岗位的寻访,先看清公司走到第几道手,再定要什么人。很多公司说要招产品线负责人,其实缺的是 Agent 工程负责人,两道手的判断标准完全不同。
AI 与具身智能方向(首席科学家、产品线负责人、Agent 工程、量产产品、数据体系)的交流,可以直接找我。请说明公司当前阶段与目标岗位。
微信:synability
邮箱:george.guo@wearecgl.com(48 小时内回复)
郭雁冰 George Guo | CGL 集团高级副总裁 |「AI 管理者」品类定义者 浙大创业导师 | 原风投机构合伙人 | AI 原生组织研究院联合发起人 微信:synability | 邮箱:george.guo@wearecgl.com 公开档案:麦吉尔大学本科 · 滑铁卢大学计算机硕士 https://global.wearecgl.com/adviser/detail/243 公众号「侠客乔治」| 头条/知乎「AI战略官郭雁冰」
CGL 集团,中国领先的高管寻猎与领导力咨询集团