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”

Manus 2.0正式面世，我认为其最重要的启示是针对AI应用产品经理：专注于router产品架构，才是最具价值的AI应用创业路径。

遗憾的是，我在国内观察到的创业者大多在做单一通路式的单体AI应用，即把某一特定AI模型作为基础，来搭建自己的产品。

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家，该如何应对？此外，投资人必然会问：

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，产品架构决定了产品的上层结构、商业模式以及技术壁垒。而Manus的产品架构，通过整合不同公司的AI基础模型能力来构建产品，这种架构具备压倒性优势。

这类似于木桶效应：任何模型厂商都有各自的优劣，但在我这里，它们只是拼图，我可以将它们组装成最终提供给用户的产品体验，从而无需担忧某一方的短板。

例如近期爆火的5.5 OPS中，最新版本的Claude能替代许多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。将这些能力完整整合成一个产品，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，至少会形成一个无敌的AI应用产品。

而单纯的套壳，以AI应用的名义进行包装，则不具备竞争力。

以下是两种不同的AI产品架构形态

单体应用架构直接对接软件工程和通用性模型部署，这种模式缺乏中间的分发与整合能力。

路由架构要求产品经理深入了解各类AI模型的优劣及能力差距。从发展来看，各家AI模型已呈现明显差异，例如Grok更注重物理世界，为机器人和特斯拉做准备；ChatGPT偏向文字与编码；Claude则聚焦编码与编辑创作。

懂Benchmark，是想要融资的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，比如创作、歌曲或数学方面，各有其评测重点。

采用路由架构的AI套壳应用产品经理，针对自己的用户场景，首先需要清楚各模型在评测中的劣势与优势。

因此，如果产品是通用型的，就需要选择各类Benchmark，让产品经理不仅要设计AI产品，还要沉下心来研究学术和行业评测方法。也就是说，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。

许多AI产品经理无法胜任router架构，因为不愿学习英文和科研

为什么很多AI产品经理仍停留在Workbuddy层面，而不是我提到的router架构？因为这部分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。而目前99%的AI产品不具备这一能力。

或者说，软件工程背景的产品经理难以深入融入科研团队，因为其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，即使是套壳类产品，也需要AI产品经理去查阅文献。

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。如果你对AI应用架构感兴趣，可以访问九游会官网了解更多相关内容。