阿里鹿班AI謝幕：從設計實習生到AI產品經理的五年，看懂AI產品的生死密碼

從阿里鹿班的興衰史中，我們得以窺見AI產品經理的必修課：如何擺脫參數崇拜，深入場景理解用戶需求，并在技術與商業之間找到平衡。本文通過親歷者的視角，剖析了鹿班失敗背后的深層原因，以及這些教訓如何塑造了今天的AI產品思維。

———— / BEGIN / ————

最近買服務器刷到了阿里云公告: “鹿班在2025年6月30號正式下線，所有服務全部停止。”

心里咯噔一下，倒不是意外，就是那種”你看，我說什么來著”的感覺終于落了地。

2020年大二暑假，我在阿里鹿班項目組當體驗設計實習生，那會兒我就跟帶教導師李哥說過，這產品再不轉型恐怕活不長，當時李哥笑我你個做體驗設計的實習生懂個屁，現在五年過去，鹿班真的沒了，我也從那個連Figma都用不利索的學生，變成了天天跟模型打交道的AI產品經理，時間這東西，真挺會開玩笑的

說實話，這五年AI行業變化快得有點離譜。

2020年我們還在討論GAN和VAE哪個生成效果更好，現在滿大街都是大模型；當年”每秒生成8000張圖”還是牛逼到不行的技術亮點，現在用戶只關心”能不能一鍵出圖”。

鹿班的死，不是某個技術路線失敗了，是整個產品邏輯跟不上這個時代了。

作為親歷者，我既有點唏噓，又覺得這一天來得理所當然。

畢竟一個產品的生命周期，從來不由它的技術先進性決定，而由它解決真實問題的能力決定

現在我帶AI產品團隊，每次做戰略評審都會想起鹿班。

我們團隊有個不成文的規定：任何新功能上線前，PM必須親自完成至少三個真實商家的訪談，必須看用戶錄屏，必須自己用產品完成一次完整任務。

這些”笨辦法”其實就是鹿班用死亡換來的教訓。

2020年的我，站在西溪園區的玻璃幕墻前，看著外面商業世界的波濤洶涌，而我們卻在辦公室里為一兩根水草的擺放位置爭得面紅耳赤。

那種割裂感，現在想起來還歷歷在目

臨安老周的第17版海報，把我從參數崇拜里拽了出來

先說說那時候的事兒吧。

2020年7月，杭州西溪園區，消毒水味道重得能嗆鼻子，我戴著口罩坐在工位上，一邊用AliDesign-V1模型給臨安賣堅果的老周生成海報，一邊聽他隔著釘釘嘆氣。

老周那會兒因為疫情，線下批發渠道全斷了，淘寶店成了唯一活路。需求簡單得很——焦糖暖色調，堅果紋理要清晰，促銷文案”買二送一”要夠醒目，就這三點

我興沖沖地輸了一堆提示詞，什么”蜜柚色漸變+柔光濾鏡強度30%””4K紋理采樣+投影權重0.7″，系統唰唰唰給出10張圖，結果老周來一句”你們這AI生成的圖，色彩像消毒水蓋子，堅果紋路比我貓抓的還亂”，我當時那個臉啊，隔著口罩都能感覺到燙。

接下來兩天，我跟算法同事調了17版參數，最后還是老周自己用手機修圖APP磨了20分鐘才勉強能用。

這事兒讓我第一次意識到：AI產品不是參數越牛逼越好，用戶要的是能直接用的東西，不是看你炫技。

后來我看到數據，老周反饋的色彩偏差值ΔE=20，堅果邊緣模糊度6px——這種精度在技術人員眼里可能算進步，在商家眼里就是完全不能用。

這個案例后來成了我產品方法論里的經典反面教材。

我們當時犯了好幾個致命錯誤：

首先是需求理解偏差，我們把”生成一張海報”理解成了”調優視覺參數”，但老周的真實需求是”快速出圖賣貨”。

其次是評估標準錯位，我們內部用PSNR、SSIM這些指標衡量生成質量，但商家只關心”一眼看去有沒有食欲”。

最后是迭代路徑錯誤，我們陷入了”提示詞工程”的泥潭，而沒想過用模板化、可視化來降低使用門檻。

這三個錯誤層層疊加，最終讓鹿班在用戶面前節節敗退。

同期我還調研了20家商家，才發現他們更愿意用Canva可畫，拖拽幾下5分鐘搞定，誰跟你在這兒調參數玩。

騰訊云后來有數據說傳統設計流程40%時間耗在重復繪圖上，AI能把這環節效率提升75%-85%，但鹿班倒好，活生生把AI用成了高精度麻煩制造器，技術自嗨得厲害。

那次調研我用的是最笨的辦法，加了商家微信，看他們怎么用手機做圖；結果發現90%的操作發生在晚上10點后——那是他們忙完一天生意，終于有時間打理店鋪的黃金時段。

這個發現讓我意識到，鹿班的PC端-heavy、參數-heavy的設計，從一開始就違背了用戶的使用場景

那些我們引以為傲的參數，在商家眼里一文不值

那會兒鹿班組里天天吹AliDesign-V1模型”8000萬參數””每秒生成8000張圖”，我聽著就犯嘀咕，你跟商家說這些，他們關心嗎？他們只關心圖能不能用，能不能賣貨。

后來我整理了一份商家需求標簽體系發給李哥，里面寫了句挺刺兒的話：體驗設計能優化按鈕位置，但解決不了AI該幫商家做什么。

這句話現在看，就是我職業轉型的起點。

這份需求標簽體系我花了整整兩周整理，把20家商家的需求拆解成200多個標簽，從”色調偏好”到”字體大小”，從”促銷文案位置”到”目標人群年齡段”。

最讓我震驚的是，這些標簽里80%都是”場景化需求”，比如”中老年用戶要看清””送禮場景要喜慶”，而鹿班的模型根本不知道這些場景意味著什么。

我們的技術團隊沉迷于在COCO數據集上刷SOTA，卻沒人想過在淘寶商品圖上做領域適配。

這種技術與業務的脫節，是鹿班走向衰亡的第一步。

參數崇拜這個詞現在聽起來很諷刺，但在2020年，它卻是整個AI行業的通病。

我們總認為更大的模型、更多的參數、更高的指標就等于更好的產品，卻忽略了”產品-market fit”這個最基礎的商業邏輯。

老周要的不是一個能在ImageNet上拿高分的生成模型，他要的是一個能讓他放心去睡覺、醒來就能看到訂單的自動化工具。

這個認知差距，不是技術能彌補的，是產品經理的責任。

0.1元/次的定價，暴露了最致命的商業短視

再說說商業化這事兒。

參與V4.3版本評審時，團隊提了個”0.1元/次”的計費方案，我拿20家商家的調研數據直接懟回去，18家明確拒絕付費，就2家愿意付99元年費還要定制化服務，鹿班這標準化模型根本做不到。

李哥當時私下跟我說，達摩院已經在秘密搞多模態內容生成，資源都在往大模型傾斜，鹿班所在的智能生態事業部研發投入占18%，營收不到2%，完全不符合集團降本增效的要求。

四年后阿里用2.5億美元可轉債綁定美圖，放棄內部孵化鹿班，其實從2020年那個夏天就能看出征兆了——不服務核心生態的產品，技術再炫也白搭。

那次評審會我印象特別深：會議室白板上的公式寫得密密麻麻，產品經理算著”全淘寶千萬商家×每天3張圖×0.1元=日流水百萬”的賬，卻沒人算過用戶心智和替代成本這筆賬。

我當時提了個現在看來很初級但很關鍵的問題：商家為什么要為一張圖付費？他們付費的動機是什么？是節省了時間？還是提升了轉化？還是獲得了獨家版權？這些價值主張一個都沒說清楚。

后來我在做AI產品定價時，總會先問自己三個問題：

1. 用戶愿不愿意為這個問題付費？

2. 用戶愿付多少錢？

3. 我們有沒有護城河？

鹿班在這三個問題上全部答錯。

市場層面更是慘不忍睹。

Canva可畫在我們調研商家里滲透率30%，人家海量模板加拖拽操作，門檻低得不能再低。鹿班呢？要求用戶掌握提示詞技巧、參數調整邏輯，這相當于給中小商家設了道技術門檻。

我還協助對接過某美妝品牌，要國潮風+口紅肌理還原，鹿班生成準確率45%，專業團隊能做到90%，這差距不是優化幾個模型能追上的。

這個案例讓我深刻理解了”漸進式創新”和”顛覆式創新”的區別——鹿班只是在優化設計流程，而Canva是在重新定義誰可以當設計師。

部門墻比技術瓶頸更可怕

最讓我心寒的是跨部門協作。

商家反饋說生成圖得手動上傳淘寶太麻煩，我設計了”一鍵同步”原型，自動匹配商品ID、適配主圖尺寸。結果呢？對接淘寶技術部，人家說”要智能生態事業部出函”，找事業部接口人，又說”V4.3優先保模型穩定性，同步功能排到明年Q2″。

這種部門墻把產品進化能力活活憋死了，競品都實現生成發布無縫銜接了，鹿班還在內部流程里耗著。

這個現象在阿里內部不是孤例，它反映的是KPI驅動下的局部最優陷阱。

每個團隊都有自己的核心目標：算法團隊要準確率，產品團隊要DAU，商業化團隊要GMV，但沒人對”商家最終能否用起來”這個結果負責。

我當時提出的”一鍵同步”功能，從技術上講就是調用幾個API的事兒；但從組織上講，它需要跨事業部的資源協調、安全審核、數據權限開通，這些隱性成本遠超技術實現本身。

后來我管產品，特別重視”端到端owner”這個概念，哪怕是個實習生，也要對需求的完整落地負責，不能讓好想法死在流程里。

更深層的問題在于：鹿班在阿里生態里的定位一直很尷尬——它既不像支付寶那樣是基礎設施，也不像淘寶直播那樣是戰略高地，它是個”工具”，而工具在巨頭生態里天然弱勢。沒流量扶持、沒戰略資源、沒話語權，最后只能在邊緣慢慢失血。

這讓我明白一個鐵律：在大廠做AI產品，要么做核心，要么做獨立，千萬別做邊緣工具，那是最消耗人的位置。

實習結束前，我寫下的三個”烏鴉嘴”預判

實習結束我離開鹿班時，在實習總結里寫了三個預判方向，現在看全中了。

第一，垂直場景深耕會贏，全行業泛化必死。

我當時覺得聚焦電商美妝、服飾的AI工具才有出路，后來美圖設計室2022年上線，專攻電商設計，2025年服務200萬賣家，日均處理需求超百萬次，淘寶商家滲透率48%，鹿班的全行業覆蓋反而成了包袱。

第二，生態依附變現比獨立收費靠譜。

鹿班獨立收費后失去流量扶持，用戶又抵觸付費，而淘寶內置的AI設計工具，嵌入”設計-發布-成交”鏈路，免費基礎功能加付費增值服務，轉化率是鹿班的4倍。

第三，低門檻交互才是未來。

我2020年就覺得可視化操作會替代提示詞輸入，Canva可畫靠拖拽操作月活820萬，Midjourney也通過Figma插件降低門檻，在品牌設計團隊滲透率達35%。

寫下這三個預判時，我才大二，剛從體驗設計轉產品，純菜鳥沒什么方法論支撐，全靠直覺和一線觀察。

第一個預判源于用戶畫像的清晰度——我訪談的20家商家里，美妝和服飾類目的需求最集中、付費意愿相對最高、審美標準也最明確，其次是3C和食品，其他類目需求太零散。

第二個預判來自對阿里戰略的理解——當時集團已經開始提”大中臺小前臺”，基礎設施肯定要內化，收費工具必須獨立，但獨立又需要極強的產品力，鹿班顯然不具備。

第三個預判則純粹是被用戶吐槽逼出來的——提示詞學習成本太高了，而可視化拖拽是人性所向

這些預判后來都成了我面試AI產品經理時的核心案例。

面試官總問”你如何看行業趨勢”，我就把鹿班的故事講一遍，用真實經歷證明我的判斷力不是憑空而來。

現在帶團隊做戰略分析，我也要求每個人必須深入一線，因為只有在真實場景里泡過，才能聞到風向的變化。

辦公室里的戰略討論再激烈，也抵不過商家一句”這東西我用不上”

不是技術不行，是價值邏輯崩了

鹿班之死，不是技術淘汰，是價值淘汰。

2023年后阿里電商轉向全域經營，要的是短視頻、直播、圖文多模態內容工具，鹿班的技術基因還停留在平面設計。

2024年阿里啟動輕資產工具生態戰略，投資美圖整合外部能力，內部重運營的鹿班自然成了收縮首選。

這三重矛盾絞在一起，神仙也救不了

全域經營這個詞現在聽起來很虛，但放在2023年的背景下，它意味著阿里終于清醒過來：流量不能只在淘寶APP里打轉，必須滲透到微信、抖音、小紅書等所有內容場域。

這對設計工具的要求從”生成一張主圖”變成了”生成一套全渠道素材”，包括3:4的淘寶主圖、16:9的抖音短視頻封面、1:1的小紅書筆記圖、9:16的直播背景等等。

鹿班的架構當初是為”電商主圖”這個單一場景設計的，要擴展到多模態、多尺寸、多場景，相當于推翻重來；而美圖和Canva這些外部工具，天生就是多場景思維，它們從第一天就要適配各種社交媒體，所以轉型更快

再說輕資產戰略，這是阿里在降本增效壓力下的必然選擇。

內部孵化一個AI工具，養著算法、工程、產品、運營一整套團隊，每年燒幾千萬，產出卻有限。

相比之下，投資美圖，用2.5億美元換來一個成熟團隊、成熟產品和200萬商家用戶，這筆賬怎么算都更劃算。

鹿班的悲劇在于：它生在一個”要規模還是要利潤”的轉折點上，既沒做出規模，也沒賺到錢，最后被戰略放棄不是偶然，是命中注定。

那個叫”啞鈴型”的死亡陷阱

用戶結構上鹿班是典型的啞鈴型，92%中小商家只想免費用基礎功能，付費意愿不足3%，8%品牌商家要定制化，鹿班又滿足不了。

某美妝品牌需求準確率45%對90%，這種差距不是功能優化能解決的，是產品路線根本錯誤。

2022年后AI設計工具進入多模態加交互式階段，鹿班還在提示詞生成單維度打轉，交互門檻高、場景覆蓋不足、生態協同差，效率比競品低80%，不死才怪。

這個啞鈴型結構是我后來做用戶分層時最常引用的案例。

中小企業（SMB）和品牌客戶（Enterprise）的需求本質上是兩個物種：前者要的是”省心”，后者要的是”專屬”。鹿班試圖用一套標準化產品服務所有人，結果兩頭不討好——SMB覺得付費不值，Enterprise覺得能力不夠。

正確的做法應該是：用免費+增值服務抓住SMB的長尾，用定制解決方案服務Enterprise的頭部，中間用模板市場或插件生態填補縫隙。

美圖設計室就是這么干的：基礎功能免費，高級模板收費，企業版提供品牌定制，三層架構清晰得很

技術代際差這個問題更致命。

2022年Stable Diffusion發布后，整個行業進入了”開源模型+微調”的時代，鹿班這種自研大模型的模式瞬間失去了性價比。你能想象的任何風格，開源社區一周就能復現，還能針對特定品類優化。

鹿班要保持競爭力，必須持續投入海量算力做模型迭代，但ROI越來越低。反而是那些基于開源模型、專注場景工程化的小團隊，跑得更快更靈活。

在AI領域，技術領先是暫時的，場景深耕才是護城河。

從畫界面的到定義產品的，我被鹿班推了一把

鹿班的實踐給了我轉行AI產品經理最直接的刺激。

——體驗設計只能優化已有功能，AI產品經理要定義該做什么功能。

2020年GPT-3發布我意識到自然語言交互會替代關鍵詞指令，阿里家裝城3D試裝說明多模態內容是剛需。AI的核心價值不是替代設計師，是解放設計師，讓商家不懂設計也能出圖，讓設計師聚焦創意而非繪圖。

這種認知躍遷，讓我從”給AI畫界面”轉向”讓AI落地”。

這個轉變過程其實挺痛苦的。

我本科學的是產品設計，擅長畫原型、做動效、優化用戶路徑，但鹿班的經歷，這些技能在AI產品面前顯得蒼白無力。

當算法生成結果不可控時，你優化界面毫無意義；當整個產品價值主張都錯了時，你調整按鈕顏色就是自嗨。

我開始自學機器學習基礎，研究GAN和擴散模型的原理，不是為了變成算法工程師，而是要知道技術的邊界在哪里，能做什么不能做什么。

這種”技術翻譯”能力，后來成了我作為AI產品經理的核心競爭力。

現在帶團隊，我面試設計師時總會問一個問題：”如果AI生成的圖永遠達不到100%完美，你如何通過產品設計讓用戶接受85分的成果？”這個問題沒有標準答案，但它能篩掉那些只在理想狀態下做設計的候選人。

鹿班教會我，AI產品不是追求極致，而是追求”足夠好”和”可控性”。用戶要的不是完美，是確定性。

他們想知道，這次生成如果不好，下次怎么改進，有沒有Plan B。

這種思維方式，傳統設計師很少具備。

鹿班”尸解”之后，阿里生態里的新棋子

現在回頭看，鹿班就像一本AI產品的生死教科書，它用死法證明了幾個鐵律：

場景定位必須垂直深耕，別想著全行業通吃。

美圖設計室聚焦電商美妝服飾，針對商品修圖、妝容還原優化模型，最終站穩腳跟，印證了寧做垂直專家不做全能庸才。

商業邏輯必須依附生態，獨立變現死路一條。

鹿班收費后既失流量又遭抵觸，淘寶內置工具嵌入交易鏈路，轉化率直接翻倍。

用戶價值在于降低操作成本而非提升技術精度。

鹿班把邊緣分割誤差從5px降到2px，卻沒解決提示詞復雜的痛點，競品用可視化操作把設計時間從15分鐘縮到3分鐘，精度稍低照樣贏用戶。

鹿班的功能拆解后融入阿里三大模塊，淘寶商家后臺智能設計日均使用120萬次，超過鹿班巔峰期80萬次，阿里云智能主播服務500多個品牌，年營收1.2億，阿里媽媽營銷素材中心點擊率提升22%。

外部替代者分食市場：美圖設計室占電商垂直場景，Canva可畫占全場景泛化需求，Midjourney加Figma插件服務專業團隊，三梯隊格局清晰得很。

這個”尸解”過程其實很有講究。

阿里不是簡單地關掉鹿班，而是把有用的功能拆解吸收，沒用的直接砍掉。

• 主圖生成并入淘寶后臺，變成基礎設施；

• 數字人能力并入阿里云，服務品牌商家；

• 營銷素材并入阿里媽媽，直接變現。

這種”器官移植”式的處理，最大化保留了技術資產，最小化了對商家的沖擊。

反觀有些公司直接關停產品，導致用戶數據丟失、商家投訴，高下立判。

這讓我學到一個產品哲學：產品的死亡不是終點，有價值的能力應該被繼承和轉化。

那句”能用上的圖才是好圖”，我寫在了工牌上

我2020年在鹿班工位上改第17版海報時，老周那句”能用上的圖才是好圖”讓我記到現在。

技術再先進，解決不了真問題終會被淘汰；能精準擊中用戶痛點的產品，即便起步技術不完美，也終將成為行業標桿。

鹿班留給我最珍貴的啟示就是這句話，樸素得像廢話，卻是AI產品的生存本質。

這句話后來成了我團隊的”第一性原理”。

每當技術團隊糾結模型指標時，我就會問：”這個優化能讓用戶少操作幾步？能讓商家多賣幾件貨？”如果答案是否定的，那就先放一放。

AI產品最怕陷入”技術自嗨”，為了提升1個百分點的準確率，投入10倍算力，用戶卻感知不到。

真正的用戶價值，往往藏在那些技術人看不上的”小細節”里：比如自動識別商品類目、智能推薦配色方案、一鍵適配多平臺尺寸。這些功能背后沒有復雜的算法，但對商家來說就是”能用”。

我現在做產品規劃，會先畫一張”用戶價值地圖”，橫軸是用戶需求強度，縱軸是我們滿足能力，優先做那些需求強且我們能做好的，堅決不做需求弱但技術能實現的。

鹿班當年就是做了太多”技術能實現但用戶不需要”的功能，比如那個華而不實的”風格遷移”，能把堅果海報變成水墨畫風格，有什么用呢？

老周需要的是賣貨，不是藝術欣賞。

現在帶團隊，我還用著鹿班留下的”笨辦法”

現在作為AI產品經理，我天天面對的問題和鹿班時代本質上沒區別，還是那三問：用戶到底要什么，技術能不能落地，商業怎么閉環。

只是現在我會更警惕技術自嗨，更強調用戶訪談，更堅持快速迭代。

鹿班的死不是終點，是整個行業從野蠻生長走向精耕細作的轉折點。

2025年的AI產品，不能再靠參數堆砌和資本輸血活命，必須找到真實的場景、清晰的盈利模式和可持續的生態位。

最近團隊做新產品規劃，我總會講起鹿班的故事，講老周的堅果海報，講那17次失敗的迭代，講部門墻如何憋死創新。

年輕同事聽著像聽遠古傳說，但對我來說，那是職業生涯的起點，也是最重要的警示牌。

AI行業變化快得嚇人，五年前的明星產品五年后就能消失得無影無蹤。但有些東西不變，比如用戶要的是解決問題而不是看技術表演，比如產品必須活在生態里而不是飄在天上，比如工程師文化再強也得聽市場的聲音。

這些”笨辦法”包括：每周必須訪談三個真實用戶，必須看至少十分鐘的完整用戶錄屏，必須親手用產品完成一個真實任務。

聽起來很原始，但效果奇佳。

上周我們新上線了一個”智能摳圖”功能，技術團隊說精度已經達到95%，但我自己試用時發現，處理毛發邊緣時效果很差，而這正是服飾商家最在意的場景。

如果我沒親手用，只看數據報表，根本發現不了這個問題。

鹿班當年就是活在數據報表里，看著生成量、準確率、用戶停留時長都還不錯，但沒人知道商家拿到圖后還要花多少時間二次處理。

一個錯誤路線的終結，總比繼續燒錢強

鹿班死了，我一點不傷感，反而覺得心安。

一個錯誤路線的終結，意味著更多正確路線的開始。

我現在負責的垂直場景AI工具，就是當年我在實習文檔里寫下的方向，服務200萬商家的美圖設計室證明這條路走得通。

有時候我會想，如果2020年鹿班真的聽進去一個實習生的牢騷，會不會結局不同？

大概率不會，組織慣性太強，戰略轉向太慢，一個產品的命運從來不是由個體決定的。但個體的價值，在于看清趨勢后選擇正確的隊伍。

所以我從體驗設計轉到AI產品，從阿里跳到創業公司，每一步都在遠離鹿班的陷阱。

從組織行為學角度看，鹿班的失敗幾乎是注定的。

它誕生于阿里”新零售”戰略狂飆突進的年代，集團需要各種創新故事來支撐市值，鹿班就是那個”AI賦能設計”的故事載體。

但當故事講完了，業績兌現不了，戰略收縮時它就成了第一批被優化的對象。

2024年阿里啟動”輕資產工具生態戰略”，本質上是承認自己不需要也不擅長做垂直工具，把專業的事交給專業的公司，自己專注平臺。

這個決策很殘酷，但很正確。

我更能體會這種殘酷。我們沒有阿里那樣的試錯空間，每一分錢都要花在刀刃上，每個決策都要押上全部身家。

這種壓力反而逼著我們更接近用戶，更快迭代，更清醒地做取舍。

鹿班要是當初有我們這種”不轉型就死”的緊迫感，或許能殺出一條血路。

但大廠的舒適區太舒服了，直到船沉了才發現自己不會游泳。

老周，你的吐槽現在是我的評審標準

對了，那個臨安的老周，如果他的堅果店還活著，如果他還記得當年有個實習生給他改了17版海報，我想告訴他：你當年吐槽的消毒水蓋子色彩，現在已經成了我做產品評審時的標準測試用例，你那句”能用上的圖才是好圖”，我刻在了工牌背面。

謝謝你，老周，謝謝你當年沒給我留面子，讓我提前五年，聽到了用戶真實的聲音。

我一直在想，為什么老周的吐槽這么有效？

——因為它夠具體、夠真實、夠有畫面感。

”消毒水蓋子”這個比喻，比任何用戶滿意度評分都更有沖擊力。后來我要求團隊收集用戶反饋，必須原汁原味，不許翻譯成產品語言。比如”生成的圖有點糊”這種反饋沒用，”胡子像貼紙一樣浮在臉上”才有價值。

真實用戶的語言里，藏著最真實的痛點。

上周我們做用戶訪談，一個美妝品牌老板說你們的AI生成的模特”眼神很空洞，像AI”，團隊想辯解說是技術限制，被我攔住了。我說別解釋，先記下來，下次迭代重點優化眼神。

這就是鹿班給我的教訓：用戶不關心你為什么做不到，只關心什么時候能解決。技術債可以慢慢還，用戶信任丟了就回不來了。

老周當年要是沒那么毒舌，而是客客氣氣地說”還不錯，再改改”，我可能現在還沉浸在參數優化的幻覺里。

真正的戰場不在論文里，在商家的手機屏幕里

鹿班死了，但用戶還在，需求還在，那些真實而具體的痛點還在。AI產品的生死局，從來不是技術局，而是用戶局，商業局，生態局。

看懂這個，才算真正從鹿班的尸體上，學到了點東西。

而我，還在學，還在錯，還在跟團隊一起，試圖在這個瘋狂的行業里，找到一條能活下去的路。

這條路不好走，但比鹿班那條死路，總歸是強了太多。

最近我在思考一個問題：為什么中國AI產品總在C端率先爆發，而B端特別是SMB（中小企業）市場總是做不起來？

鹿班的經歷給了我答案：SMB要的不是最先進的AI，而是最省心的解決方案。

他們的核心訴求排序是：能用>好用>便宜>先進。

鹿班恰恰是反著來的，先進>便宜>好用>能用，所以注定失敗。

現在我們做產品，首要目標是”降低用戶決策成本”，而不是”提升技術天花板”。

生態局這個層面更有意思。

鹿班當初如果甘心做淘寶的基礎設施，不追求獨立品牌、獨立營收，今天可能活得很好。但它既要又要，既想享受阿里生態的流量，又想有獨立產品的自由，最后兩頭落空。

這讓我想起現在很火的”超級APP vs 獨立工具”之爭。

我的判斷是：在中國，獨立工具必須找到超級APP覆蓋不到的場景，或者比超級APP做得好10倍，否則只能被收編或消亡。

美圖能活得好，是因為它先在外部把產品做成熟了，再反向輸出給阿里，這叫”先獨立后生態”，路徑完全不同。

寫到這兒，也該收尾了。

鹿班的故事講完了，但AI產品的故事才剛剛開始。

我們這些從業者，都是拿著前人的地圖，在未知的海域航行。地圖會過時，經驗會失效，唯一不會失效的，是對用戶需求的敬畏，對商業本質的尊重，對技術邊界的清醒。

記住這三點，或許下一個五年，我們不用給任何產品寫悼詞。

天快亮了，合上電腦時我在想什么

合上電腦，腦子里全是2020年那個夏天，消毒水味道，老周的嘆氣，還有李哥那句”實習生懂個屁”。

現在我懂了，懂太多，懂到不敢輕易說懂。

鹿班用死亡教會我的，我會用整個職業生涯去消化，去實踐，去避免下一個鹿班的誕生。這可能就是，一個AI產品經理，對那段實習經歷，最好的紀念吧。

現在凌晨兩點，窗外是北京的夜景，遠處幾點燈光像極了我2020年在西溪園區加班的樣子。那時候我不知道未來會怎樣，只知道鹿班不對勁。現在我依然不知道未來會怎樣，但至少知道，怎樣才能不死。

這可能就是鹿班留給我的，最珍貴的遺產吧。

對了，關于AI產品經理這個崗位，我想多說幾句。

現在市場上充斥著各種”AI產品方法論”，什么LLMOps、Prompt Engineering、RAG編排，聽起來很高大上。

但這些都不是本質。

真正的AI產品經理，首先得是一個好的”用戶翻譯官”，能把技術語言翻譯成用戶語言，也能把用戶痛點翻譯成技術需求。其次得是”商業價值守門員”，知道什么該做什么不該做，不被技術潮流帶偏。最后得是”組織推動者”，能調動算法、工程、設計、運營各方資源，把idea變成reality。這三點做到了，方法論自然長出來；這三點做不到，背再多概念也沒用。

鹿班的故事，說到底是一個關于”傲慢與偏見”的故事。

技術傲慢讓我們癡迷參數，商業偏見讓我們忽視用戶，組織慣性讓我們錯失時機。

而作為產品經理，我們的價值就是對抗這些傲慢與偏見，在技術的理想主義和市場的現實主義之間，找到那個微妙的平衡點。

這個平衡點，我找了五年，還在找。

可能整個行業還要再找五年、十年，才能找到AI產品真正的PMF（Product-Market Fit）。

最后，回到開頭那則公告。

阿里云說鹿班停止服務是”戰略收縮”，這個表述很體面。

但對我們這些親歷者來說，它是一個時代的結束。

那個AI技術剛起步、資本瘋狂涌入、所有人都在講故事畫大餅的時代，結束了。接下來是拼落地、拼盈利、拼用戶價值的時代。

鹿班沒有做錯什么，它只是沒能及時進化。

但這也給了我們后來者一個警示：在AI這個高速變化的賽道，不進化就是死，慢進化也是死。只有保持對用戶的敬畏、對商業的敏感、對技術的清醒，才能活過下一個五年

寫完這篇文章，我準備發給李哥看看。

他去年從字節跳到了一家AIGC創業公司，想來也經歷了類似的掙扎。

我們都曾是鹿班這條船上的人，現在各自在新戰場上繼續挖坑、填坑、避坑。

有時候我想，或許五年后，我會寫一篇新的文章，講我現在負責的產品如何又死在了新的技術浪潮里。

但那也沒關系，因為這就是產品經理的宿命——不斷學習、不斷試錯、不斷從失敗中提煉認知，然后用這些認知，為下一個產品續命。

行業就是這樣，一代新人換舊人，一代新產品換舊產品。

鹿班死了，但由鹿班引發的行業思考還在，我們這些被鹿班”教育”過的產品人還在。

從這個角度看，鹿班雖然下線了，但它的影響還在延續。

就像那個臨安老周，他當年吐槽的每一句，都成了今天我們做產品的金科玉律。

這種傳承，比產品本身的壽命更重要。

好了，真的該睡了。

明天還要早起看用戶訪談錄像，還要跟技術團隊撕模型迭代的優先級，還要跟老板匯報商業化進展。

這就是AI產品經理的日常，瑣碎、真實、充滿不確定性。

但比起2020年那個夏天，在鹿班組里對著參數調優卻看不到未來的感覺，我更喜歡現在這種狀態。

至少我知道，我在為真實用戶的需求而忙，而不是為技術自嗨而忙。

鹿班，安息吧。

你的故事，我們會繼續講下去。

你的教訓，我們會繼續用下去。

而你用死亡換來的行業認知，終將在新一代AI產品身上，長出新的生命。

這可能就是技術浪潮里最殘酷，也最浪漫的事吧。

本文來自作者：五藝SUN

2025AI產品大會，將于12月20-21日在深圳開幕！

聚焦“AI+行業”的落地實踐，分享AI在物流、音視頻、內容、數字化、工業制造、大數據、協同辦公、出海、具身智能、智能硬件等等領域的具體案例。