行业核心变革：AI对产品经理角色的重塑 - AI智能体正在压缩产品经理传统的“翻译”角色层级，将工作重心从为工程师翻译需求，转移到将意图打磨得足够清晰以供智能体直接执行[3][4] - 需求文档正在转变为产品本身，与原型合二为一，从“知道该做什么”到“东西做出来”的时间差消失，执行层面的瓶颈被消除[5] - 产品发布的节奏急剧加快，AI公司得益于AI编程智能体，开发周期从季度、月度、周度被压缩成“创意的持续部署”，实现门槛的下降使稀缺资源从工程能力转移到判断“哪些东西真正值得去做”[6] 产品经理新技能组合 - **问题塑造**成为核心技能，要求将模糊的客户痛点塑造为边界清晰、定义良好的问题，以供智能体行动，并识别关键约束与成功标准[7] - **上下文策展**是与智能体协作的关键，智能体产出质量与输入上下文质量成正比，需维护包含真实用户细节、用户原话、成功案例、失败经验等信息的上下文文档[7][10] - **评估能力与品味**变得至关重要，当智能体能快速大量产出时，需能判断产品是否真正解决问题、处理极端情况并达到发布标准，而非仅技术可行[8][9] 产品开发思维模式转变 - **旧模式**为线性流程：PM思考→编写文档→工程师开发→PM评审→迭代[10] - **新模式**转变为快速循环：PM思考→配合智能体开发→PM评估→快速迭代→满意后交工程师上线，PM进行第一轮“氛围编程”并在可运行软件上获得真实反馈[11] - 新思维模式强调迭代思维，允许第一版出错，通过智能体并行尝试不同方案来探索解决方案空间，并对含糊想法容忍更长时间以进行充分探索[11][12] 实践入门与未来价值 - 入门建议从解决一个真实的小问题开始，花30分钟撰写详细上下文，引导智能体并迭代反馈，重复十次以培养新技能直觉[13][14] - 当“翻译层”工作流被自动化后，产品经理的长期价值在于“深刻地理解问题，以至于正确的解决方案会自然浮现”，智能体能将此深刻理解以前所未有的速度转化为上线产品[15][16] - 理解问题、同理心、判断力、品味这些核心能力，正从工作的一部分转变为工作的全部[17]

芯片领域动态 - 谷歌推出TorchTPU芯片 [3] - 苹果研发AI服务器芯片 [3] 大模型与算法进展 - 谷歌发布Gemini 3 Flash模型 [3] - 字节跳动发布Seed1.8模型 [3] - 小米发布MiMo-V2-Flash模型 [3] - 英伟达发布Nemotron 3模型 [3] - OpenAI研究Circuit-Sparsity模型稀疏化技术 [3] - Thinking Machines发布Tinker模型 [3] - OpenAI可能正在开发GPT-5.2模型 [3] - OpenAI建立科学能力基准 [4] AI应用与产品发布 - OpenAI计划推出ChatGPT应用商店 [3] - 阶跃星辰发布Step-GUI应用 [3] - xAI为Grok推出Grok Voice功能 [3] - 行业在开发Agent API [3] - 苹果规划AI眼镜产品 [3] - OpenAI推出ChatGPT Images功能 [3] - Meta发布SAM Audio应用 [3] - 腾讯发布混元世界模型1.5 [3] - Vidu发布Vidu Agent应用 [3] - 谷歌推出Super Gems应用 [3] - 腾讯元宝推出写作模式 [3] - 通义万相推出角色扮演功能 [3] - 字节跳动发布Seedance 1.5 pro应用 [3] - 长安汽车与北汽集团推进L3级自动驾驶 [3] - Manus发布Manus 1.6应用 [3] - 谷歌推出NotebookLM应用 [3] - 通义发布Fun语音模型 [4] - Zoom推出Zoom AI功能 [4] - 行业出现医学版ChatGPT应用 [4] - Gemini推出Deep Research Agent [4] - Runway发布GWM-1应用 [4] - 谷歌将翻译功能融合进Gemini [4] - 拓竹科技与混元合作推出「印你」应用 [4] - 宇树科技推出机器人应用商店 [4] 前沿科技与行业观点 - Harmonic研究Erdos1026问题 [4] - 风险投资机构a16z提出AI泡沫判断标准 [4] - OpenAI研究记忆系统 [4] - 谷歌研究递归自我改进技术 [4] - 多款AI模型面临“AI手指”生成难题 [4] - 媒体披露OpenAI的Sora模型开发内幕 [4] - 行业关注AI生成的成人内容市场 [4] - DeepMind对AGI（通用人工智能）到来做出预测 [4] - 数据分析公司Similarweb揭示AI用户趋势 [4] - OpenAI与迪士尼探讨合作 [4]

开源多模态Deep Research Agent - 首个开源多模态Deep Research Agent整合了网页浏览、图像搜索、代码解释器、内部OCR等多种工具，通过全自动流程生成高质量推理轨迹 [1] - 采用冷启动微调和强化学习优化决策，使模型能自主选择合适的工具组合和推理路径 [1] - 解决跨模态、跨工具、多步骤任务需要具备深度研究能力的Agent [5] 技术方案 - WebWatcher技术方案覆盖从数据构建到训练优化的完整链路，包含三大环节：多模态高难度数据生成、高质量推理轨迹构建与后训练、高难度基准评测 [6] - 多模态高难度数据生成采用全自动多模态数据生成流程，在真实互联网知识分布下生成复杂、跨模态、链路不确定的任务样本 [8] - 高质量推理轨迹构建与后训练采用Action-Observation驱动的轨迹生成方法，通过监督微调和GRPO强化学习提升决策能力 [14] 数据生成方法 - 在多源网页中进行随机游走采样，构建多领域实体图谱，问题解决路线难以预设 [10] - 生成问题时刻意隐藏关键信息并引入模糊指代词描述，迫使模型进行跨模态推理 [11] - 通过QA-to-VQA转换模块将复杂问题样本扩展为多模态版本，依赖跨模态理解能力 [12] 性能表现 - 在HLE-VL多步复杂推理基准上，WebWatcher以13.6%的Pass@1分数领先GPT-4o(9.8%)和Gemini2.5-flash(9.2%) [20] - 在MMSearch评测中Pass@1得分55.3%，相比Gemini2.5-flash(43.9%)和GPT-4o(24.1%)大幅领先 [21] - 在LiveVQA场景下Pass@1成绩58.7%，领先Gemini2.5-flash(41.3%)和GPT-4o(34.0%) [22] - 在BrowseComp-VL基准上以27.0%的平均得分领先GPT-4o(13.4%)和Gemini2.5-flash(13.0%) [23]