4006-998-758
3000+课程任你选择
AI大模型驱动的产品深度应用
研发学院 AI 大模型核心能力 产品落地全流程 商业化策略
Tyler

Ø  阿里任职期间后负责阿里云多部门算法工作,操盘过多项国家级产业项目算法工作。曾在多家世界500强企业承担人工智能技术负责人工作,具备深厚的数据智能系统研究和架构经验,实战经验覆盖包括C端B端的用户和商业化产品;

Ø  负责团队内部的技术招聘和面试工作,累计面试千人。作为阿里云内部“布道师”参与多场内部培训

Ø  全国信息学联赛一等奖保送并毕业于哈尔滨工业大学(C9),已发表多篇国际顶会和期刊发表学术论文;申请并已公开的国家发明专利 18 项,国际专利1项;

Ø  中国计算机学会技术前线委员会数据科学特邀讲者;

Ø  中国计算机学会(CCF)技术前线委员会(TF)委员人工智能与模式识别会员会委员

Ø  中国信通院标准化技术专家编委,作为主要作者参与“生成式人工智能”以及“人工智能应用安全”相关行业标准制定,致力于持续提高所负责团队以及行业的工程伦理素养。

查看老师详情
课程内容

课程背景

随着大模型技术的迅猛发展,全球各行业正迎来深刻变革。从个性化数字伴侣到智能化企业管理,从自动化研发到具身智能与空间计算,大模型技术正在快速渗透并重塑各个领域的运作方式。本课程旨在全面覆盖 AI 大模型在 CIO、CTO 线产品视角下的深度应用,系统讲解如何在软件研发管理中提升效能,以及如何 驱动 ToB 和 ToC 产品线的创新与产业化。通过贯穿全程的综合案例、技术解析和实战环节,学员将掌握 AI 大模型的核心能力、产品落地全流程及商业化策略,推动自身业务的创新与发展。


课程收益

1. 理解 AI 大模型的核心能力,掌握模型的多模态融合与技术架构。

2. 掌握 从研发到商业化的完整流程,包括应用开发、用户体验优化与产品推广。

3. 提升 AI技术产品化与商业化的实践能力,应对技术落地和产业化的挑战。


课程大纲

模块一:CIO线AI大模型驱动的软件研发管理与效能提升-对内产品线

目标:理解如何通过 AI 提升研发效能,推动产品迭代提速,优化团队协作。

1. 研发流程的智能化转型

  • 痛点解析:剖析软件开发生命周期中的瓶颈问题,例如需求传递中的“失真”、任务分配不均导致的瓶颈等。

  • AI 能力匹配:分析 AI 在需求管理、进度预测和测试优化中的实际应用价值。

2. 研发效能提升的应用场景

  • 基于大模型的需求分析与系统设计:如何用生成式 AI 快速从模糊需求中生成可落地的技术方案。

  • TDD是更适合大模型驱动的自动化代码生成实践:如何通过智能化自动化工具实现代码质量提升。

  • 智能体驱动的工程平台:讲述智能代理如何减少繁琐的任务切换,提高项目进度。

3. 案例分析

  • 剖析 “AI程序员”类产品的应用流程和商业化影响。

  • 路径:从传统研发模式到自动化研发平台的规划方法,AI自动化评级方法与软件工程自动化设计。

 

模块二:CTO线 ToC产品线AI驱动的消费级产品设计与开发-对外产品线

目标:创意到落地链条,探索如何通过 AI 打造爆款消费级产品。

1. AI 搜索类产品

  • 技术进化:从关键词搜索到语义理解的技术演变。重点分析这些技术如何满足消费者对精准信息的需求。

  • 动态交互案例:结合 Perplexity AI 和 New Bing 的案例,分析多模态搜索如何提升用户体验。

2. AI 陪伴类产品

  • 高转化案例解析:从 Character AI 等成功案例中提取设计原理和用户运营经验。

  • 数字人设计路径:围绕情感识别、交互体验优化和商业变现,讲述从概念到产品化的设计关键点。

3. AI 创意生成类产品

  • 应用领域:从文本生成到多模态内容创作,展示 AI 在媒体、影视、广告中的商业价值。

  • 产品模式剖析:通过豆包、海螺 AI 的案例讲述如何以“轻模式”实现快速市场化。

4.      案例分析

  • 实战演练:从零到一AI 创意生成产品设计(覆盖功能规划、用户测试、商业模式验证)。

  • 技术架构与用户体验优化:解读明星产品背后的关键设计逻辑,理解技术与产品的深度结合。

 

模块三:CTO线 ToB产品线 产业互联网与具身智能应用

目标:设计和管理大模型驱动的行业解决方案,推动企业数字化转型。

1. 具身智能

  • 案例拆解:解析 Figure 机器人如何结合 GPT-4o 形成具身智能解决方案。

  • 应用逻辑:从萝卜打车和Waymo,RoboTaxi 等实例探讨遥操产业逻辑和商业化模式。

2. 空间智能

  • 技术框架:剖析数字孪生与 Real2Sim 和Sim2Real 技术在制造等行业的实际价值。

  • 场景探索:大语言模型的瓶颈和AGI新路线背后的核心技术。

3. 案例分析

  • 具身智能赛道多家创业公司的主要商业化路线分析。

 

模块四:AI产品的商业化策略与未来趋势

目标:掌握 AI 产品的全生命周期管理方法,理解商业化路径。

1. 商业化策略

  • 定价与收入来源:通过真实案例探讨 AI 产品的核心收入模式。

  • 产品优化与迭代:AI原生产品设计流程。

  • 营销路径:探讨如何精准触达 ToB 和 ToC 市场。

2. 技术与产品未来趋势

  • 融合趋势:分析多模态大模型的技术挑战与机会。

  • 协同创新:AI 如何与其他前沿技术结合推动产品创新。

3. 案例与展望:

  • 总结 AI 驱动的商业生态格局和延伸路径分析。

返回上一级