最近幾年,AI 幾乎無所不在。
ChatGPT 可以寫文章、寫程式;AI 可以生成圖片、影片;Camera 加上 AI,就可以做影像辨識。
所以當副總說:
「Vicky也來做一個 Edge AI Product 吧!」
當時第一個反應,不應該是:
「好,那我們用 YOLO。」
而應該是:
「為什麼?」
這是我在做 AI Product 時一直提醒自己的事情。
技術團隊很容易從技術出發:
我們有 NPU。
我們可以跑 YOLO。
我們可以做到 30 FPS。
我們可以支援多路 Camera。
這些都很厲害。
但客戶可能只會問一句:
「所以呢?」
因為客戶買的從來不是 YOLO,也不是 NPU。
身為TPM會是痛點分析:
所以真正的問題其實不是:
「我們能不能做 AI?」
而是:
「AI 能不能幫客戶解決一個值得花錢解決的問題?」
這就是我認為 AI PM 和一般 PM 很不一樣的地方。
這次我不想單純介紹一個 AI Model,也不想做一個「看起來很厲害」的 AI Demo。
我想用一個實際的 Edge AI Application,走一次完整的 0 → 1 Product Journey。
最後希望完成的是這樣一個產品:
Camera -> AI Detection -> AI Detection -> Rule -> Event -> Alert -> Edge AI Application-> Conatiner -> AI Agent
簡單來說:
讓 Edge Device 不只是「收資料」,而是可以看懂現場發生什麼事情,並且進一步採取行動。
假設今天工廠有一個區域:
未經授權的人員禁止進入。
傳統做法可能是:
Camera -> 影像送到監控中心 -> Operator 看到畫面 -> 發現有人進入 -> 通知相關人員
但是如果有:
真的有人可以 24 小時盯著所有畫面嗎?
即使有人盯著,又能保證每一次都注意到嗎? 這時候 AI 就開始有價值了。
我希望把流程變成:
Camera -> AI 看影像 -> 發現 Person -> 判斷是否進入禁止區域 -> 產生 Intrusion Event -> Alert ->
Recording(前後N秒) -> Notification (SMS, Email)
這裡其實已經不是單純的:
「AI 辨識到一個人。」
而是:
「AI 發現一個需要被處理的事件。」
這兩件事情差很多。
前者是 AI Capability。
後者才開始接近 Product Capability。
還沒有。
如果今天只有一台 Edge Device,可以跑起來。
那很好。
但是客戶接著會問:
「那我有 100 台設備呢?」
接著又會問:
「AI Model 更新怎麼辦?」
「Application 更新怎麼辦?」
「哪一台設備掛掉了?」
「我要怎麼知道目前跑的是哪個版本?」
「如果我要新增另一個 AI Scenario 呢?」
這時候你會發現:
AI Model 只是開始。
真正困難的是:
如何把 AI 變成一個可以部署、管理、維護、擴充的 Product。
接下來的 30 天,我會用 TPM 的視角,一步一步把這個產品做出來。
第一階段,我們先回答:
Problem 到底是什麼?
接著:
誰是 User?
哪個 Use Case 最值得做?
Product Vision 是什麼?
PRD 怎麼定義?
然後進入 Engineering:
AI Model 怎麼選?
為什麼需要 Edge AI?
CPU、GPU、NPU 怎麼選?
QCS6490 能不能真的跑起來?
YOLO + GStreamer + NPU 怎麼串?
接著再往產品走:
Detection 怎麼變成 Event?
Event 怎麼變成 Action?
AI Application 怎麼 Container 化?
怎麼部署到大量 Edge Device?
最後再挑戰:
AI Agent 能不能幫我們管理 Edge AI?
以及最重要的:
這個產品到底創造了什麼 Business Value?
今天我還沒有寫任何 AI Code。
沒有 YOLO。
沒有 NPU。
甚至還沒有開始做 PoC。
但我認為這反而是最重要的一天。
因為一個 AI Product 的第一行 Code,往往不是 Code。
而是 PM 問的第一個問題: