多数人以为"学 AI" = 学神经网络 + 训模型 · 花 6-12 个月。
3 位真的在做 AI PM 的讲者给出完全不同的答案：会 code 但不学神经网络 · 每天读 paper · 亲身过 pain of learning。
✨ 反直觉一击 · 3 位讲者综合
Marily Nika（Meta AI Lead · ML PhD）明确说 AI PM 要会 code 但不学神经网络；Hidecloud（光年之外）说 90% 场景调 API + 会看 pandas 就够 · 但每天读 2-3 篇 paper 是关键差异；Aishwarya 说 pain is the new moat · 光看不做没用。你打算学的深度学习课 · 3 个月够 · 6 个月是浪费——除非你要做 PhD。
"pain is the new moat" · AI 时代 leader 要 unlearn 15 年直觉 · 每天早 4-6 点亲自 catch up AI · Rackspace CEO 亲身实践。没有 pain 就没有护城河。
💬 原话 · 01:29
"Pain is the new moat. Successful companies right now building in any new area, they are going through the pain of learning this, implementing this and understanding what works and what doesn't work."
走 Hidecloud 路径（深度 vs 广度）· 每天 2-3 篇 paper + 跑 OpenAI/Anthropic/Mistral demo · 一周出一个 MVP。目标：能判断模型可行性 · 推翻形而上讨论。 关键：你的 edge 不是"知道 ML 原理"（你已经知道）· 是"把 paper 转成 1 周能跑的 demo"的速度。
10+ 年资深 PM / Director
走 Aishwarya 路径（pain is the new moat）· 不是学 ML · 是 unlearn 过去 15 年的产品直觉。亲自跑一次失败的 AI 产品 / 亲自做一次 prompt engineering · 比看 10 本书有效。 参考：Rackspace CEO 每天早 4-6 点亲手试 AI 工具 · 不让下属代做。
什么时候 · 学 ML 就是浪费时间
⚠️ 这 4 种情况 · 别系统学 ML · 学 API + prompt 够了
你的产品不碰模型层：你是在 OpenAI API 上做产品 · 不是训模型 · 学 API 文档 + prompt engineering 比学 PyTorch 有效 100 倍。
你是 engineer-manager：技术栈你同事能解决 · 你的时间应该花在 AI 产品 UX、用户研究、产品决策——这些**没人替你做**。
你在传统 SaaS 加 AI feature：产品路径不涉及 AI 核心能力 · 学到"调 API + 评估 output" 层级就是上限。
你是销售 / 营销 / 运营转 AI：你的 moat 是场景理解和落地 · 不是技术。学 AI 工具应用（Cursor · v0 · Claude Code）比学 ML 回报高。
—— 核心判断：问自己"是不是真的要做模型可行性判断"· 不是 · 就不深入学 ML。
AI PM 3 个月实战清单（Marily + Hidecloud 综合）
这是"从 0 到能对齐 AI engineer" 的最短路径 · 不是教科书。每周 10-15 小时投入可以完成。