Manus 2.0 近期正式上线，我认为它带给 AI 应用产品经理的最大启示在于：聚焦路由型产品架构，是当前最值得投入的 AI 应用创业方向。

但遗憾的是，我在国内见到的创业者大多在做单一通路的单体 AI 应用——也就是以某一款 AI 模型为基础，搭建自己的产品。

这种架构存在一个问题：如果所依赖的 AI 模型发展不如其他家，该怎么办？此外，投资人必然会问：

AI 应用的天花板是否会被模型厂商突破？你的核心竞争力在哪里？

因此，产品架构决定了产品的上层设计、商业模式以及技术壁垒。而 MANUS 的产品架构，是通过整合不同公司 AI 基座模型的能力来构建产品，这种架构具有无可匹敌的优势。

这就像木桶效应——任何模型厂商都有自己的长处和短板，但在我这里，它们都只是拼图的一部分。我可以将它们组装成最终提供给用户的完整产品体验，从而不必担心某个模型的弱点。

例如，最近爆火的 5.5 OPS 中，最新版本的 Claude 可以替代许多 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。将它们整合成一个完整产品，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，至少能形成一个无敌的 AI 应用产品。

而简单的套壳——仅仅以 AI 应用为外壳——就不具备竞争力了。

以下是两种不同的 AI 产品架构形态

[图片1]

[图片2]

单体应用架构直接对接软件工程和通用模型部署，缺乏中间的分发与整合能力。

路由架构要求产品经理深入理解各类 AI 模型的优劣势和能力差异。从发展来看，各家 AI 模型已经有了明显区分，比如 Grok 更注重物理世界，为机器人和特斯拉做准备；ChatGPT 更侧重文字与编码；Claude 则偏重编码与编辑创作。

懂 Benchmark，是想融资的 AI 套壳应用产品经理的基本功

不同的 benchmark 代表不同领域的领先水平，比如在创作、歌曲或数学方面，这些 benchmark 各有自己的评估重点。

能够采用路由架构的 AI 套壳应用产品经理，会针对自己的用户场景，首先了解各个模型在评测中的劣势和优势。

[图片3]

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，还要沉下心研究学术文献和行业评测方法。也就是说，AI 产品经理必须兼具科研学术甚至 Python 能力，才能完成产品工作。

很多 AI 产品经理做不了路由架构的产品，是因为不愿学英文和科研

为什么许多 AI 产品经理仍停留在 Workbuddy 模式，而不是我之前提到的路由架构？主要是因为路由架构需要深入了解各自模型的能力、评测结果，甚至内部基座和数据集的差异。这要求团队中至少有一位科学家，而目前 99% 的 AI 产品不具备这种能力。

或者说，软件工程出身的产品经理很难深度融入科研团队，因为他们的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，即使是套壳产品，也需要 AI 产品经理去阅读文献。

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。