優秀PM必備的核心能力是什麼?在騰訊工作時,同事教會我的事
優秀PM必備的核心能力是什麼?在騰訊工作時,同事教會我的事

一個產品設計者最核心的思維能力是什麼?

對於這個問題,也許不同的人會有不同的結論。畢竟從需求分析、戰略制定、方案設計、項目執行,到行銷推廣、數據分析等,所有環節都需要產品設計者深度參與。如果說只需要擁有一種能力就能應付這一切,未免顯得太過大意了。

但就像「一個好的產品只要一句話就能講清楚」一樣,最重要的思維能力只有一個。

我曾在很多優秀的騰訊同事們身上見識過這種思維能力,儘管他們的職責完全不同,卻能以同樣的方式思考問題,在觀察問題時看到冰山下隱匿的真正關鍵。這些傢伙眼光毒辣、直指要害,論述起問題來又邏輯分明、極具說服力,一次又一次令我嘆服:為什麼他們總能提出那些看起來令人眼前一亮的新點子呢?

直到離開騰訊幾年、回顧了很多具體的產品案例後,我才依稀回過神來:所有產品設計,說穿了都是在建構體系,而只有了解這個體系本質上是什麼,才有可能以最高效的方式完成逆向建構。所以, 產品設計者最重要的思維能力,就是洞察問題本質的能力。

在物理學領域,這種思考方式被稱作「第一原理」(First Principle),意思是:從頭算起,只採用最基本的事實作為依據,然後再層層推導,得出結論。那麼,不具有本質思維能力的設計者容易犯什麼樣的錯誤呢?

忽略本質,容易做無謂的堅持

有這樣一個真實的故事:二戰時期,英國空軍規定後勤部門要用駱駝糞來給戰機的皮革座椅做保養。但駱駝糞惡臭難忍、數量短缺,時常有戰機不能及時得到保養,讓空軍後勤兵們著實苦惱不已。直到有一次,一位參加過一戰的老兵前來探望在後勤部門的兒子,看見他忙著用駱駝糞擦拭座椅,便心生疑問:「你們怎麼還在用駱駝糞擦皮革?」

兒子回答道:「我們一直如此,這是規定。」

老兵開懷大笑:「當年我們在北非的沙漠地區作戰,需要用駱駝運輸大量物資。可是,部隊中很多皮具是用牛皮做的,駱駝聞到味道就會賴著不走。所以就有人想到用駱駝糞來擦拭皮具,以便蓋住牛皮的氣味。沒想到30年後,這個方法卻被沿用到飛機上,真是太可笑了!」

心理學上把這樣的模式稱作「路徑依賴」──在某條路上走得太久了,習慣成自然,於是就忘記了最開始為什麼要選擇走這條路。解決這個問題的辦法也很簡單,就是看到任何一樣東西,都清楚地意識到:它背後站著無數個設計者,沒有「本來就該是那個樣子」的產品。只有拋開「別人怎麼做」、「過去怎麼做」的參考,直接回歸初始問題去進行推導,才有可能獲得與眾不同的視角。

連環追問,逼近問題的核心

運用連環追問法不斷地追問「為什麼」,是實踐第一原理的最佳方式。通過對「問題」的連環追問,我們能發現表面問題背後的真正問題是什麼;通過對「人」的連環追問,我們能弄清楚人們的真正需要是什麼。

先來看「對問題的連環追問」。

我們前面已經提到,現存於眼前的所有行業、組織、解決方案、設計模式等,統統都不是本來、天然就存在於這個世界的。它們都經歷了漫長的發展變化,凝聚了很多前人的思路和實踐經驗。

所以,回顧並深入理解這些思路和實踐經驗就是產品設計的基礎。我們可以試著提出下面的問題來釐清過去設計者的思路和發現新問題:

Q1:他們當時為什麼要那樣設計?
Q2:這種設計基於當時的何種前提條件?
Q3:所有前提條件直至現在都還保持不變,沒有發生任何變化嗎?
Q4:隨著時間和環境的變化,有引入新的問題嗎?

接著,我們需要意識到:這些某種程度上已成定式的思路和經驗並不一定是問題的唯一解決路徑。尤其隨著時間推移、環境變遷、技術變革,解決同一個問題的最佳方案有可能已悄然改變。

例如,矽谷鋼鐵俠伊隆.馬斯克(Elon Musk)就成功運用了這一思維方式,將特斯拉(Tesla)汽車電池組原來高達每度600美元的成本,縮減到了每度80美元。如果試著模擬馬斯克和特斯拉同事的對話,大概會是這樣的:

Q1:特斯拉電動汽車的成本為什麼不能再降低呢?
A1:因為各個組成部分的成本都似乎不能再降低了。

Q2:那麼電動汽車有哪些重要的組成部分呢?
A2:電池、電機、電控⋯⋯(進行分組追問,以電池組的追問為例)

Q3:電池的構成材料都是些什麼?
A3:電池是由碳、鎳、鋁、其他用於分離的聚合物以及一個金屬罐構成的。

Q4:這些材料在倫敦金屬交易現貨市場的價格如何?
A4:在現貨市場的價格只有現在電池組的1/10左右。

Q5:那我們為什麼不能想辦法自己改進電池組,使它的價格降下來呢?
A5:看來我們可以試試!

一旦拋開了「別人」以及「過去」這些參照物,另一種可能就自然而然地浮現了。

再說說「對人的連環追問」。

古希臘最智慧的哲人蘇格拉底(Socrates)就把對人的連環追問法運用得爐火純青,通過一個又一個的肯定──「Yes」和詢問──「Why」,不斷探詢、確認對方的觀點,進而徹底了解到那些隱於源頭的想法。

產品設計者在工作中也常用這種方法來確認用戶的真實需求。我們往往「無法」通過連環追問法,直接確認用戶最本質的需求,這就像馬車時代的用戶不可能提出想要一輛汽車的訴求,而是會表達為需要一匹更快的馬──事實上用戶想要的無疑是更快地到達目的地,但它能夠幫助你更清晰地看到用戶提出某種需要背後的真實動機。

過去我擔任QQ同步助手(騰訊開發的手機備份管理軟體)的產品經理時,曾有一個用戶的回饋讓我留下了深刻印象。

當時,我們正在設計產品的新版本,嘗試將雲端備份的通訊錄與手機通訊錄保持一致。但是我們發現,有些用戶並不想要雲端備份和手機存載的通訊錄一模一樣。

於是,針對這一類型的用戶回饋,我們做了進一步溝通,下面大致還原這一溝通過程:

Q1:為什麼你認為備份的通訊錄和手機裡的保持一致是無法接受的呢?
A1:因為我備份就是為了讓雲端上的通訊錄盡可能完全,不然我為什麼要備份?

Q2 :好的,我理解你的意思是手機裡存的聯絡人要比雲端通訊錄更少、更精簡,這樣用起來才覺得方便,對嗎?
A2:是的。

Q3:為什麼這樣更好用呢?因為通訊錄聯絡人太多了嗎?還是出於其他的考慮呢?
A3:是的。我是做大客戶銷售的。第一,我不希望手機通訊錄一打開,所有客戶資料都能看到;其次,我存的聯絡人數量很多,但有些人我聯絡的頻率極低,只希望有個備份,不希望他們一直留在我手機裡。

Q4:好的,你看我這麼理解對不對?有一部分通訊錄資料你不想讓它顯示在手機裡;但同時,在某些情況下(偶爾)可以快捷地把它們找回來。
A4:是的,想找的時候通過你們軟體能看到就行。

通過這樣一番追問,我們了解到了用戶的真實意圖,並將這一特殊情況納入到後續設計之中。,運用第一原理,站在用戶立場上進行追問,往往能獲得比較深入的洞察。全面「看到」,才是通往解決方案的第一步。

本文整理、摘錄自:《騰訊產品法:微信、QQ的互聯網行銷戰略》,Smart智富出版

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓