杨植麟、王小川、李彦宏激辩：TPF vs PMF
最近一段时间，极客公园相继访谈了MoonShot的杨植麟、百度的李彦宏、百川的王小川，有关AI-Native、SuperApp的开发范式有不少讨论，欢迎大家阅读文末的参考链接查看这几篇文章。
这里面，王小川创造性的提出了TPF一词，围绕AI2.0时代可能会产生的SuperApp开发范式，我发现一些公司内部也产生了激烈的争论，Super自己想先放出一些基础的思考，也期待和更多朋友的交流，这个思考围绕的问题是：
TPF是大模型时代SuperApp开发的第一性原理么？
会用五个点来展开描述对这一问题的理解：
什么是TPF？ 为什么会出现TPF？ 李彦宏好像有不同理解！ TPF会取代PMF？还是？ One More Thing！（务必看）
在进入正文开始之前，先感谢下几位共创者，他们对于本文也提供了很多认知，也欢迎加我微信，拉到文末：
杨三季 ex 阿里 AI1.0 PM，内容 + AI2.0 产品人。微信 zyjn2012
Sylvia，海外运营，AI剪辑项目0-1，AI陪伴类项目ing。微信 source8pm
Jimmy ex腾讯/字节PM，近半年AI陪伴/agent 创业中。微信maotongxue110
Siyu，ex汽车之家/懂车帝，现负责某厂智能产品的整体运营，微信 siyu409
01 什么是TPF？
Technology Product Fit，技术产品匹配
由王小川在2023.12.16在极客公园创新大会2024上发表。
杨植麟和王小川都在不同场合表达了这一理念的重要性：
但是在今天，技术范式发生了很大的改变。首先是前端变成了对话式的 Conversation UI，未来可能会有越来越多的产品采用这种 UI，后端也被极大程度的统一了，统一到了一个「语言模型」上。这个模型处理的不光是语言，它能处理世界上所有的信息，本质上是对世界上所有信息进行编码和无损压缩。
--杨植麟
这张图展现的更多是Character.ai的端到端的工程栈，底层是数据和模型的搭建与训练等，然后是应用的交互界面，然后形成的用户数据闭环。
我们做进一步简化就能更加清晰的感受到：
当AI Native App的交互界面变成Conversation对话式之后，就可以容纳更多更复杂的指令（自然语言），并直接移交给大模型来做处理，生成结果输出。
技术擅长什么，不擅长什么，怎么去做匹配，这对产品经理就有更大的要求，我把它叫做 TPF。
--王小川
王小川更多想表达的是，当前的大模型有很多的不完美，有技术边界，在定义产品时，我们要很明确技术和产品之间怎么协调。
如果一味的只是盯着用户需求，在推进产品落地过程中，会撞到技术无法实现或实现不好的南墙。
此时对于大模型的边界和如何实现就要有很清晰的认识（对于如何理解大模型边界的问题，我们在下一章节具体展开）。
有些需求在技术层面是暂时不好解决的，这就是当前大模型的边界。知道了边界，能更好的和算法配合，而不是啥也不知道，就要求研发做出App的主题色根据手机壳自动调整的需求了！
怎么说，这个啼笑皆非的故事是真实发生的，可以看出事件的起因就是产品经理不知道技术的边界，胡乱提需求。
从另外一个层面来说，移动互联网时代，也存在TPF：
咦？写到这里，有没有发现其实在移动互联网时代，就提出过产品经理是否要懂技术的问题，因为不这样产品提出的需求就不一定具备可行性，那怎么到了大模型时代，TPF又被重新捡起来强调了呢？
我们接着往下看：
02 大模型时代的产品开发范式变化
要展开讲产品开发范式的变化，我们先回答上一章节遗留下来的问题：
什么是大模型的边界？我们先请Kimi Chat做个总结：
具体来说，幻觉、记忆、数据依赖、泛化能力都会限制当前大模型的输出，具体的表现我们举两个例子：
情感陪伴里用户经常提及的OOC（Out Of Character），本来一开始给角色设定的很好，但聊着聊着，多轮对话后，大模型会丢失自己的人设，从而导致用户觉得莫名其妙的“咦，怎么AI忘了自己是谁了！”。 再比如某汽车垂直大模型推荐车的话术会生成这样的文案：
这款紧凑型SUV车型配备了2升排量，12.9kWh电池容量，118Ps的电动马达总功率，官方公布的0-100公里加速时间为8.3秒，续航里程达到71公里，综合油耗仅为2.87升/100公里。此外，其时尚的外观设计和智能化配置非常适合90后人群使用，让驾驶者摆脱频繁充电的困扰，快速便捷的充电方式让出行更加轻松愉快。无论是应对城市通勤还是进行长途旅行，这款车都是您理想的选择，成为您出行的完美伙伴。
这么一个笼统的推荐语，很难打中准购车群体的购车痛点，因为并没有任何针对性的场景描述。但其PM也反馈，即使能拿到用户的登录状态和一些相关信息，短期内也很难输出针对性很强的推荐语。
导致新的时代重提TPF，整体还是和移动互联网时期一样，产品在提出需求时，仍然需要了解技术的边界，如果不理解模型可以实现的上限，会导致在具体实现出现无法符合预期的情况。
基于这个角度，我们展开聊几个大的要点：
第一. 广泛应用
设计好了之后再去做，有点像以前的种树，找地方找半天，种一棵树，「我靠成了！」有点这个意思。
现在，不用那么细，大概看一下，「诶，这块地不错」，有个「神枪手」划一块地，AGI 是你的主力军，直接开过去整块推品，这里面有什么机会，哪些地方能种树，都能找出来。
--杨植麟
大模型技术具有很强的通用性，可以应用于多个领域和场景，如情感陪伴、自动驾驶、医疗、娱乐、法律、金融等等。
这就要求产品需要具备跨领域的知识和视野，能在不同行业中找到创新的应用场景，并将这些场景转化为有价值的产品。
通用大模型的通用，对产品经理带来了更高的要求，根据了解到的信息，很多大模型公司都已经换了一波应用侧的产品团队，就是原有招聘的大厂产品经理，并不能快速找到可落地的AI产品方向。
第二. 技术更复杂
现在大模型技术相较于移动互联网时代的技术具有更高的复杂性。确实建议产品经理投入更多的时间和精力去学习这些新技术，了解它们的工作原理、优势和局限。
这样才能确保在产品设计和开发过程中，能够充分利用技术优势，避免技术陷阱，从而实现产品目标。
当然，产品经理也需要和技术团队保持紧密沟通，在遇到问题时能够迅速找到解决方案。在这个过程中，产品经理的技术理解和协同能力至关重要（特别是对于端到端做应用的团队）。
第三. 变化莫测
大模型时代技术发展迅速，每隔一段时间都有新的算法、模型和技术框架问世。在移动互联网期间，并没有如此剧烈的技术变化。
这为产品经理带来了巨大的挑战，产品经理需要保持对新技术的敏感度和好奇心！
李彦宏：我认为将来真正的成功的 AI-Native 产品经理，很可能不是某一类人，而是各类人的综合。
...学习能力才是最重要的。
第四. 数据至关重要
在大模型时代，在算法和算力之外，就是数据了。
产品经理需要理解数据在大模型中的重要性，特别是应用端要清楚微调数据集的重要性。
当然，更重要的还是产品经理要对业务更理解，比如用户实际会问大量的自然百科知识，那微调就要找更大比例的对应数据，并精挑来保证数据集的质量和分布。
再比如，情感陪伴产品，必须要很清楚用户怎么问，AI会怎么回答，从而造出更合理的数据集。
产品经理要懂业务，数据从业务中来，这也是杨植麟和王小川都在说的数据集的重要性~
以上，Super本人非常认同在大模型时代，产品经理还是要懂得大模型的一些原理，不用知道具体如何实现，但大致什么机制还是要明白的，GPT1-3、Clip、Transformer等论文还是要精读的。
最近也确实想再系统的补一遍基础知识和主流的实现方法，有机会出一些学习心得文章：）
TPF被提出的另外一个角度，也有可能是提出者本身对于技术的依赖度很高，MoonShot和百川都是强技术驱动的公司，当前提出TPF我们也非常的能够理解。
继续，除了上面这些要点，还发现一件很有意思的事：
李彦宏并没有TPF的观点！他的核心理念是什么呢？继续往下看！
03 从李彦宏的视角，TPF好像不是第一性原理哦
张鹏：这个也引发一个话题，你看过去移动互联网的时候，我们要做一个开发，大概知道是个什么流程——要有产品经理画出原型，前端、后端实现。在 AI 时代，基于大模型做 AI-Native 的开发，我们到底开发的是什么？
李彦宏：我觉得从应用的角度来讲，倒没有什么特别的，就是你要解决什么问题、给别人带来什么样的价值，这个跟过去时代的开发相比是一样的。
但是使用的方法确实不一样，对产品经理的要求，对于研发人员的要求，对于一个公司的组织能力，可能都是跟以前不太一样的。
--李彦宏
李彦宏的观点和杨植麟、王小川非常的不同，他还是认为用户的需求、价值的挖掘是更为重要的，不管是什么SuperApp，还是AI-Native，归根到底还是回到原点：用户价值！
当然，我们也知道，百度算是互联网时代一直延续至今的巨头（尽管和巅峰时期相比有所不如），杨植麟和王小川的公司都是新崛起的独角兽，所以他们对于AI2.0时代的理解，就有可能是所在位置的差异：
有原有业务的大模型厂（百度） vs
无传统业务的新模型厂（MoonShot、百川）
回到业务领域，李彦宏很关注的是，大模型能不能帮助百度原有的业务关键指标发生有效变化：
做业务的人真正要关心的是业务核心指标，他提出来的需求导致文心大模型按照真正符合市场需求的方向去演进迭代。
可以看到，李彦宏并没有脱离原有的业务场景、用户需求去提AGI、TPF等概念，是什么导致了这一点？
其实从下面这句话我们就能看出立场不同，导致的观点也不同：
张鹏：现在还不能下一个结论，未来像文心一言这样的大模型，会成为一个 Super App？
李彦宏：现在没有这样的结论。甚至，大模型最大的价值创造到底是全新的 Super App，还是对现有应用的改造，现在我觉得也没有定论。不仅在搜索领域，在很多领域都是这样。
接着他举了Microsoft 365 Copilot的一年营收50亿美元的例子。。。
也很好理解，对现有业务做AI改造，是低垂的果实，对于有积累的大厂来讲，他们第一下是不需要去琢磨，到底场景在哪的~
是吧，百度有海量的用户每天做着大量的Query搜索，这充分说明了用户的需求！
这就是地主，新势力来了，只需要积极的拥抱，也举起革命的大旗，不用像一穷二白的创业者，拼了命的去掘地三尺挖果子，自然是充满信心的。
所以，说了那么多TPF，问一个问题：
大模型时代，有TPF就够了？移动互联网时期强调的PMF不重要了么？
04 TPF完全取代了PMF？
No！我先给出自己的结论。
上面的内容，其实我们也充分感受到了，不管是TPF，还是PMF，都是观点之争，立场不同，看法也不一样。
但这里面有一个极其有意思的点：
TPF和PMF并不是二选一的关系！
我们画一张图来阐述当前阶段两者的关系：
首先呢，需求来源于市场，产品经理在接触到需求后，会结合对大模型的理解，协调出技术实现方案，包括寻找到测试集给到技术，并协同寻找数据集，包括其他的手段一起来定义产品。
接着呢，还是要把产品丢到市场上，不断的迭代，来从MVP迈到PMF，并开始放量增长。
所以，在大模型时代：
TPF是为了内部落地正确的做事，PMF是最终对用户做正确的事
为了帮助大家理解，我们再来一个视角：
产品可以理解成一个承载，将大模型能力以某种应用形态把服务传递给用户
大模型的能力传递到应用侧，就是TPF
将应用更好的服务到用户侧，就是PMF
只不过在过去技术门槛相对较低，每一种技术策略认知成本低，效果有保障。现在大模型是一个综合性技术方案（复杂度确定认知成本更高，幻觉导致效果一定程度没办法评估）。
所以现在TPF这个思路被重新提出来，让PM重视。
以上，我们可以理解为：
AI2.0时代，TPF+PMF才是完整的产品开发范式~
两者必须要结合起来~我们举一个例子来帮助理解：
TPF：某AI助手应用在开发过程中，产品经理需要充分了解大模型的边界和能力，以便在有限的技术条件下为用户提供最佳体验。 PMF：某AI教育应用在推向市场时，产品经理需要关注用户需求和市场反馈，以确保产品在教育领域具有竞争力和吸引力。
So，结论就是，TPF和PMF并没有互斥~反而是需要相互融合！
在大模型还没到AGI的节点时，大家都认同需要找到具体的用户场景切入，此时，PMF仍旧是成立的，TPF更多是对于AI-Native在组织内部构建时的方法论指导。
05 One More Thing
前面更多还是在科普，帮助大家更好的从“单词”层面去理解，接下来我们想拔高一层：
【神性】+【1号位】
现在你要做 Super App，你肯定很关注产品经理，对于产品经理的要求，现在是要「神性」多一些，还是科学性多一些？
杨植麟：本质上，会在「神性」和系统性之间寻找一个平衡。我个人觉得，长期来看，系统可能会以碾压的方式成为主流的开发范式。但并不是说「神性」就不重要了，只是它需要一个很好的系统作为支撑，或者说，系统应该是主力军。
张鹏：你刚刚说的是 Technology - Product - Fit（技术产品契合度），TPF，而不是 PMF 这个概念。
王小川：对，对技术本身要有足够的理解，让技术匹配相关的事情，这个对产品经理是有要求的，或者公司一号位的产品经理要产生这样的认知，大模型擅长什么，不擅长什么。这个过程是造人，而不是造工具。
一号位要带着点神性（或者简单理解为直觉），胸中有沟壑，装着对大模型和市场需求的整体理解，去感受机会点，随后才是具体的落地和验证：
在后期，由于AGI的通用性，确实有可能形成杨植麟口中的推品：
不用那么细，大概看一下，「诶，这块地不错」，有个「神枪手」划一块地，AGI 是你的主力军，直接开过去整块推品，这里面有什么机会，哪些地方能种树，都能找出来。
表面上看有点玄乎，不过大家可以自行感受一下。毕竟AGI某种程度上可以包含大量的feature（这么比喻其实不准确），直接覆盖一部分场景是有可能的。
这一部分就不过多展开了。
总结
通过杨植麟、王小川和李彦宏三位大咖的观点，我们看到TPF和PMF并不互斥，TPF确保内部技术实现，PMF服务外部用户需求。
TPF的诞生确实有一个很强的背景情况是，在新的时代，大模型乍一看似乎是个很厉害的锤子，但在落地过程中发现锤子并没那么好用~
这个过程先行者逐渐发现了TPF的重要性，强调这一概念也是希望大家对这把锤子有敬畏心，要好好学习锤子的知识（了解能力边界）、要多动手尝试（加快锤-钉匹配的搜索与验证效率），才能更好的继续拿著锤子找到合适的钉子。
在当前阶段，TPF+PMF才是完整的AI应用开发范式。它需要产品经理对用户、市场和技术都有全面的理解，相信随着技术的进一步成熟，我们会看到更多令人惊叹的AI原生应用问世。
当然，另外一方面可能也是指出了新时代SuperApp的寻找范式，但无疑这一点也相对模糊，还远未到成熟的阶段。
回答一开头提出的问题：TPF是大模型时代SuperApp开发的第一性原理么？可能不是，也可能是，不重要了，重要的是我们要带着这些感性的认知，持续探索AI时代的新可能！
总之，本人特别坚信2024年一定会有SuperApp在中国本土出现！希望这一天早一点到来，自己也能参与其中！
在进入到我的自我介绍之前（欢迎加我微信），先发个小广告，我联合一位头部大模型公司产品负责人，写了份帮助AI产品经理求职的专栏，只需19.9元，附带的社群已成为共创的且非常活跃的AI产品经理交流社群：
*作者简介：Super黄，广西人，毕业于北京邮电大学，现居北京，11年产品经理，全网10万粉丝。
超爱AI！全力研究AI、AI产品，正在谋求进入AI公司，欢迎连接~微信号：lookforward
长按下面二维码添加好友（备注“AI”，带上自我介绍）：