DeepSeek这种级别的技术变革，给产品经理带来了哪些机会？

华夏中医人         来源 ：摘星狐狸  2025-02-13

很多年以后，你要是想起2025年这个蛇年春节，肯定忘不了在高铁上、机场里，还有去景点的路上，到处都能听到有人在聊一个叫DeepSeek的AI应用。不论你是否产品经理，应该都能感受到，这个对标顶尖大模型的国产AI引擎，正在引发新一轮的技术变革：高性能、低成本、完全开源的AI大模型及其应用。产品经理们的机会，正藏在这三重交响中。

新产品开发与创新

当下，AI原生的产品越来越多，它们大都是基于自然语言交互的零门槛产品，比如AI法律顾问、AI智能客服等等。如果离开了AI，它们的产品逻辑就不成立。我们要讨论的主要就是这类产品。

DeepSeek的出现对这类产品意味着什么呢？

首先，DeepSeek的性能很强。作为对标GPT-o1的模型，这里的性能主要指的是推理能力。有了推理能力，我们在处理逻辑分析、因果推断、多步骤推导或复杂信息整合的任务时，就更有底气。

比如临床诊断辅助，过去，当我们面对患者主诉（咳嗽3周）、检验结果（白细胞增高）、影像特征（肺部阴影）这些分散的信息时，非推理模型很难对其进行整合。而像DeepSeek-R1这样的模型则可以做到因果链推理，同时把所有的中间思维步骤都展现出来，这样我们在决策时就更加从容了。

类似的场景还有很多，产品经理在判断时可以采用”问题分解测试法”，将任务拆解成3个以上的逻辑步骤后，如果人工完成需要超过1分钟的思考时间，则该任务通常更适合使用推理模型。

除了性能，DeepSeek还将大模型的训练成本降低至GPT-4的1/20，推理成本仅为OpenAI的5%，这使得产品经理能探索以往因成本过高而无法落地的场景，比如小微企业服务、边缘设备应用等等。

像是过去的AI客服定制服务，通常费用都比较高，小微企业用不起。但如果采用DeepSeek作为后台，则可以通过本地部署大大降低成本，哪怕是继续通过云端API调用，成本也要远低于现在的模式。

另外，结合R1模型的小体积特性，我们还可以开发各种离线版的AI助手，并将它们嵌入智能硬件。这意味着DeepSeek可以和更广泛的设备结合，由此衍生出更多的AI应用需求（最近有个段子说结合了DeepSeek的鼠标和键盘卖的爆火….）。

最后也是最关键的，DeepSeek的完全开源策略会催生出两大机会：

如果团队的技术能力很强，可以尝试工具链开发。也就是围绕模型微调、部署监控等环节，设计可视化调参平台（类似Hugging Face的Spaces）；或者通过强化场景绑定，开发行业专属的微调工具链形成粘性。技术型团队在这一领域大有可为。

而如果团队的行业经验很丰富，则可以做垂直领域适配，尤其是那些对成本比较敏感的行业。例如，在智能教育领域，家长们通常会限制学生使用手机，那么产品经理就可以结合DeepSeek，开发出成本更低的，能够为学生提供AI辅导服务的智能硬件产品。

现有产品优化

除了开发新产品，DeepSeek也可以对现有产品进行优化。比如在制造业中，像设备故障预测与维护建议这类的系统，也可以借助DeepSeek降低成本。

那这个降低的成本到底有多大呢？

之前看到一个“Get笔记”应用的例子，里面有个功能是润色，开发这款应用的得到app联合创始人快刀青衣就曾表示，要是用GPT-4o，一天光润色就得花2000美元！但要是用当时DeepSeek的V2（就是R1前面的V3的上一个版本），一天只要120美元，算下来，一年能省450万人民币！

这可不是小数目啊，对于很多中小公司来说，说不定因为换了DeepSeek这个模型，公司就能从赔钱变成赚钱了呢！

当然，我们在削减成本的同时也不能降低用户体验，否则就是舍本逐末。而DeepSeek的技术可以显著提升现有产品的性能，改善用户体验。

我们以本地知识库问答，这样一个常见应用举例。过去的做法基本上是让应用去调用云端模型的API接口，然后再结合本地内容进行回答。那为什么不直接用本地模型呢？因为本地模型通常都是小模型，回答问题主要依赖检索，模型只有总结润色的作用。但如果使用了DeepSeek-R1模型，则有可能在同样的甚至更少的参数规模下，借助模型的推理能力给出质量更高的回答。

虽然DeepSeek对新旧产品都有着巨大的影响力，但我们在设计解决方案的时候，除了模型还有很多方面需要考虑。比如DeepSeek的开源协议是MIT，也就是说它的技术是易被模仿的，在设计解决方案的时候就需要考虑怎样应对技术可复制的风险，比如构建数据飞轮、强化场景绑定等等。另外，DeepSeek虽然大大降低了模型的训练成本，但是复杂推理的费用（尤其是时间成本）仍然昂贵，这个时候怎样找到成本控制的平衡点就很重要，可以采用混合推理策略或者设计分级服务体系等方法。这些内容只有通过真实的案例才能了解和掌握。

产品经理工作流增强

DeepSeek引发的技术变革，对于产品经理自身的职业发展，也带来了更多的机会。

且不说像多模态交互设计师、AI伦理合规经理（解决生成内容的版权归属问题）等新兴职业，传统产品经理的工作流也正在发生改变。可以预见，DeepSeek将带来AI辅助产品管理工具的大量涌现。

比如需求洞察工具。过去，我们有用户反馈系统，可以自动提取App Store或者社交网站评论中的高频诉求，生成需求优先级矩阵；或者竞品监控系统，能够抓取行业动态并生成SWOT分析报告。那么在DeepSeek的加持下，这些系统都可以引入推理分析功能，我们不仅可以搜集需求，我们还可以对它进行推演和评估。

在这种场景下，DeepSeek展示出的中间思考过程，可能比最终的答案更有价值。因为它可以启发我们思考，还能帮我们找出思考的漏洞，这在需求确认环节会非常有效。

当产品进入开发流程之后，DeepSeek也能发挥作用。比如PRD自动生成，我们可以通过与AI对话式交互提炼用户故事，输出包含流程图的原型草图（参考Figma AI）；或者优化AB测试流程，用AI预测不同方案的用户留存率，减少实际测试轮次（DeepSeek的低成本特性可以支持高频迭代）。

写在最后

DeepSeek带来的技术变革，正在重新定义产品经理的机遇版图。从零门槛AI产品的创新孵化，到传统服务的成本优化，再到工作流中AI辅助工具的涌现，这场变革的触角已延伸至行业的每个角落。

开源生态将催生工具链与垂直场景的繁荣，而推理能力的强化则让产品从“功能堆砌”转向“智能决策”，推动用户体验的升维。

未来的竞争，将属于那些既能驾驭技术红利，又能洞察行业本质的产品经理。正如文中案例所示，一次模型替换可能挽救企业的盈亏线，而一个优秀的AI解决方案或许能开辟全新的市场。

作者：摘星狐狸

链接：https://www.zhihu.com/question/11444086699/answer/99615140143

来源：知乎