已往一年，中国大模子赛说念承诺，无数迁徙互联网家具司理（PM）堕入了深深的“手段畏怯”。当机器领有了接近东说念主类的逻辑推理才略，以致运转长出由电机和液压驱动的“行动”时，PM的护城河究竟还剩下什么？画原型？写PRD？照旧调Prompt？

这是一个面向全中国300万迁徙互联网从业者的阴毒拷问。要是我们还停留在“在办公室憋需求”的阶段，那么在行将到来的具身智能（Embodied AI）海浪中，我们必将被淘汰。

媒介：冰与火之歌——被困在“伪智能”里的硅基人命

试想这么一个场景：

在硅谷和中关村的无际上发布会里，老本与极客们正在为一段“东说念主形机器东说念主流通炒菜、圆善拉花、以致空翻”的Demo视频而狂欢。他们高呼着“AGI已来，具身智能将透澈重构东说念主类社会”。这是猛火烹油的“火”。

关联词，当你走启航布会，走进试验生涯中最普通的市集、餐厅和养老院，你看到的是什么？

是市集导览机器东说念主被一群熊孩子围住调戏，最终死机停在路中央；是餐厅午岑岭时，送餐机器东说念主和端着热汤的工作员在短促的过说念里“物化提拔”，临了被不平稳的店长一把按下急停开关，像推小推车不异强烈地推回后厨。这是冷情冷凌弃“冰”。

当手艺（大模子的大脑、天真的机械臂）不再是全皆的壁垒时，具身智能走进千门万户的瓶颈究竟是什么？

谜底很阴毒：是枯竭果真懂场景的“翻译官”和“承接者”。

现时的工作机器东说念主行业，充斥着一种令东说念主提心吊胆的“手艺自嗨”。大厂和创业公司拿着作念Web 2.0和APP的“买量想维”与“功能堆砌想维”来作念硬件，导致市场上出现了多数几万、几十万一台的“东说念主工智障”。他们赋予了机器东说念主最顶级的大模子，却让它在东说念主类复杂的物理宇宙中寸步难行。

在这个AI原生的时期，懂大模子的PM仍是烂大街了。粗率合手一个应届生，皆能跟你大谈特谈Transformer架构和Agentic Workflow。可是，果真懂得深切真实场景，懂得通过深度定性调研去“剥洋葱”、去洞悉东说念主性的PM，却万里挑一。

这篇著作，我们将撕开工作机器东说念主的“伪需求”外套，商量在具身智能时期，家具司理怎样通过重塑我方的“三大身份”，完成从“绘画机器”到“场景翻译官”的致命跃迁。

01 盲区与罗网：为什么用“作念APP的想维”作念不好具身智能？

在迁徙互联网时期，家具司理最迷信的武器是什么？是“数据（定量分析）”。

日活、月活、留存率、滚动漏斗、A/B测试……只消有满盈大的流量池，我们就能通过数据面貌盘“跑”出最优解。

但在具身智能落地的初期，这条铁律失效了。

致命的“定量”依赖

正如用户调研表面中指出的：定量分析只可告诉你“发生了什么”（What），而定性分析智力告诉你“为什么发生”（Why）。在工作机器东说念主赛说念（如养老伴学、餐饮配送），我们根柢莫得千万级的DAU供我们去跑A/B测试。更要命的是，软件改一个Bug只需要发布一个热更新，而硬件机器东说念主要是场所错了，开模、供应链、量产的试错成本动辄几百万以致上千万。盲方针“试错迭代”在具身智能限制等于“自戕”。

掉入“轻信用户言论”的深坑

许多PM在转型作念机器东说念主时，依然沿用着提问卷、开焦点小组的退步路。雇主一拍脑袋：“我们要穷苦养老赛说念，给茕居老东说念主作念一个奉陪机器东说念主！” 于是PM跑去问老东说念主：“大爷，您想要个什么样的机器东说念主啊？” 大爷乐呵呵地说：“我想要个能长得像东说念主不异，陪我下象棋、能跟我聊历史的。”

恶果呢？公司花了几千万研发出了一款东说念主形机器东说念主，搭载了最强的棋战算法和常识图谱。但当它果真走进大爷的卧室时，大爷却把它关机了。

为什么？因为在真实的物理环境中，机器东说念主的电机杂音吵得大爷睡不着觉；大爷老花眼，根柢看不清机器东说念主胸前的屏幕；更因为大爷晚上起夜时，被渺茫中阿谁有着机械概述的“东说念主形物体”吓得犯了腹黑病。

不行轻信用户的言论！调研不是听用户说了什么就作念什么。用户说的不一定是真实想法，以致他们我方也不知说念我方潜坚忍里的怯怯和阻力。头痛医头、脚痛医脚，是具身智能家具司理的大忌。

要破局，家具司理必须扬弃坐在办公室看数据的骄横，深切充满油污、杂音、唠叨的物理宇宙，去饰演好三个不可替代的变装。

02 第一层身份：精密的“导演”（排雷避坑，突破伪需求）

一台工作机器东说念主在落地前，最大的风险不是手艺无法竣事，而是“作念出了一个没东说念主好意思瞻念用的工业垃圾”。家具司理的第一层身份，等于掌控大局的“导演”。导演的中枢任务在准备与招募阶段：定方针、选武器、找对东说念主、写对脚本。

找对东说念主：突破“幸存者偏差”

在作念浪掷级电子家具时，我们可爱找“极客”、“早鸟用户”来作念调研。但在工作机器东说念主限制，这是一个浩瀚的罗网。

以餐厅送餐机器东说念主为例，要是你调研的对象是“来吃饭的科技发热友年青顾主”，他们会告诉你：“这机器东说念主太酷了，我但愿能跟它语音对话点单。”

但这是伪需求！

作为导演，你必须精确界说“真实痛点东说念主群”（用户画像）。在餐厅场景里，机器东说念主果真的利益联系者是谁？是在午岑岭跑断腿的工作员，是存眷翻台率的店长，是端着热菜怕被撞到的保洁大姨。 你需要向这些典型方针用户进行邀约。只好他们的反馈，智力决定这个机器东说念主能不行在这个场景里“活下去”。

写对脚本：绽开式提问的艺术

准备阶段必须明确调研场所。假定我们要调研养老院里的“助行机器东说念主”，千万不要问带有招引性的阻滞问题：“您难说念不以为我们这个自动侍从功能很好吗？” 这种问题除卓绝到一句依稀的“好”，莫得任何价值。

导演需要编写严实的“绽开式大纲”。你需要参议：

最近情景：了解老东说念主日常出行的频次、遭遇的困难一会儿。无谓原因：要是以前试过辅助开荒，为什么废弃了？是因为太重、太复杂，照旧因为以为“推着轮椅显得我方很老，伤自重”？（小心，临了这小数频频是定量数据长期测不出来的心境痛点）。改良淡薄：咫尺用什么替代有瞎想（手杖、护工搀扶）？替代有瞎想有什么不爽的地方？

导演的价值，在于用极其细巧的逻辑，将几十上百万的硬件决策风险，消弭在家具立项的泉源。

03 第二层身份：冷凌弃的“树洞”（直击最真实的痛点）

脚本写好后，参加施行阶段。在这里，家具司理必须收起“蜕变宇宙”的精伟貌态，化身为一个极其克制、冷凌弃的“树洞”。

深切唠叨旯旮，作念“影子不雅察者”

作念APP调研，你不错把用户请到亮堂辽远的会议室，给他们倒杯咖啡。但在具身智能时期，调研现场必须在“案发地”。

你需要换上护工的衣着，在养老院里待上整整三天；你需要站在浓重的后厨通说念里，不雅察午岑岭的兵荒马乱。

树洞的第一原则是营造安全感与破冰。在一线工东说念主和工作员眼中，你带来的高技术机器东说念主是来“抢他们饭碗”的。他们防护心艰苦。你必须在开局就施展配景，承诺隐蔽：“衰老，您别病笃，我们今天等于闲话。这些纪录仅用于我们里面改良，毫不告诉你们雇主。要是您以为这机器确乎是个废料，您径直骂就行。”

多不雅察，少辅导，纪录“千里默的真相”

在这个进程中，你要作念到两点：闭嘴和如实纪录。

濒临复杂的物理宇宙，用户的真实响应频频藏在肢体语言和下坚忍的动作中，而不是嘴里。

场景A：当你的送餐机器东说念主围聚一桌顾主时，你不要听顾主何如夸机器东说念主，你要死死盯着顾主的躯壳响应——他们是削弱地坐着，照旧下坚忍地把椅子往里拉了拉？要是是后者，施展你的机器东说念主底盘太大，或者延缓刹车的动作过于突兀，带来了强烈的“物理压迫感”。

场景B：当货仓布草机器东说念主在走廊里遭遇保洁大姨的布草车时。大姨莫得言语，仅仅无奈地叹了语气，然后戮力地把我方的小车推到墙角给机器东说念主闪开。你必须把这一声“太息”和“闪开的动作”纪录下来。

这等于定性调研的精髓。作为树洞，你不需要在现场反驳，更不行去教用户何如用家具。你只需要平稳倾听，纪录用户原话、盘桓一会儿、动作以及那些直击灵魂的“金句”（比如工作员怀恨：“这铁疙瘩一到饭点就像个大爷不异挡路！”）。

04 第三层身份：破壁的“翻译官”（承接碳基与硅基）

拿到了海量的原始灌音、视频和不雅察札记后，家具司理将迎来最中枢的挑战——参加分析与讲究阶段，化身“翻译官”。 这等于我们在标题中强调的“剥洋葱”才略。

要是说大模子和硬件工程师是硅基宇宙的开荒者，那么普通环球等于碳基宇宙的原住民。这两种生物的语言是欠亨的。大模子听不懂什么是“烦东说念主”，它只懂Token、Reward Model和传感器参数。

翻译官的责任，等于将碎屑化的厚谊和吐槽，滚动为家具能听懂的需求。

绘制“死活体验舆图”

你需要把几十个小时的灌音和札记打平，索求高频词，给问题打标签（如：避障笨拙、语音识别率低、交互压迫感强）。

接下来，绘制一张极其注目的“用户体验舆图（User Journey Map）”。

以“机器东说念主送餐到桌”这个短短30秒的进程为例，归附工作员和顾主的厚谊升沉：

机器东说念主围聚餐桌：顾主得意（厚谊值+2）。机器东说念主刹车泊岸：刹车太猛，汤汁洒出小数，顾主颦蹙（厚谊值-1）。顾主取餐：屏幕反光看不清教导，顾主不知说念拿哪一盘，工作员不得不跑过来维护（厚谊值-3，跌入谷底）。机器东说念主离开：机器东说念主不会后退，只可原地掉头，差点撞到傍边途经的小孩（厚谊值-5，产生安全畏怯）。

在这个体验舆图中，你精确地找到了阿谁最痛的“坑”——取餐阐明交互和原地掉头的空间挤压。

剥洋葱：将厚谊翻译成算法和硬件规格

找出了痛点，你需要像剥洋葱不异，追问“为什么”，直到找到手艺解法。

用户的吐槽（上层景象）：“这铁疙瘩总是挡路，像个智障，真烦东说念主！”

翻译官的拆解（剥洋葱）：

为什么挡路？ 因为它遭遇拦阻物只会坐窝急停。

急停为什么让东说念主烦？ 因为在东说念主类的外交礼节中，过说念狭路再会时，两边会有想法疏导，并侧身靡烂。但机器东说念主急停后像一堵墙不异杵在哪里，突破了东说念主类的外交潜章程。

翻译给研发的“家具需求”（底层内核）：“咫尺的旅途权略算法是不足格的。我们需要在高动态环境中，引入‘具有社会属性的避障算法（Socially Aware Navigation）’。当机器东说念主在短促过说念遭遇东说念主类时，不仅要停驻，更要在空间允许的情况下主动向后倒退半米，并同期触发语音播报：‘您先请’。”

看懂了吗？这等于万里挑一的PM智力作念出的洞悉！

不懂剥洋葱的PM，只会跑去跟手艺说：“算法部门，你们把行驶速率调快点，别老挡路。”

而懂剥洋葱的PM，能洞悉到物理宇宙中碳基生物的“外交礼节”，并将其滚动为具体的算法指示和家具界说。

05 落地武器谱：具身智能时期的《用户调研活动指南》

当这一切分析完了，我们怎样将洞悉落地，鼓动那群桀骜不恭的算法大牛和硬件众人去修改家具？

你需要一份一槌定音的《用户调研讲究呈文》。这份呈文决不行是毫无道理的数据堆砌，它必须是一把机敏的手术刀。

作为录用给读者的中枢次第论，请熟记以下“调研呈文五身分”结构。当你拿着按照这个结构写出的呈文走向研发团队时，你将领有不可驳倒的话语权：

1. 配景与方针 (Background)忌讳：“为显著解用户对机器东说念主的看法。”正确示范：“针对V2.0底盘在午岑岭高动态场景下通过率低、导致门店退货率高潮15%的问题，考据‘主动让行计谋’是否能缩小东说念主机冲突。”

2. 样本描写 (Sample)忌讳：“调研了50个路东说念主。”正确示范：“深度跟车调研3家一线城市暖锅店，深度访谈5位工龄1年以上的大堂司理，采集灌音600分钟，索求典型交互案例42个。”（强调样本的代表性和顶点场景）。

3. 关节发现与用户原声 (Key Findings & Quotes) —— 中枢灵魂！

不要只给干瘪的论断，一定要用夺方针“金句”佐证！研发频频对抽象的需求不伤风，但对用户最径直的怀恨相配明锐。

论断呈现：“机器东说念主在东说念主流密集区急停，会激励强烈的空间压迫感和安全畏怯。”加入原声(Quotes)暴击：“（附上灌音二维码）暖锅店王工头原话：‘它一停在那，红灯一闪一闪的也不出声，我端着滚热的锅底皆不敢动，惟恐它陡然撞上来，这哪是帮我，这是要我的命啊！’ （这种真实的痛点，能一会儿击穿手艺东说念主员的“自嗨”防地）。

4. 问题归类与优先级 (Priority)

将发现的问题按照严重进程（影响安全的、影响中枢功能的、体验优化的）陈列。在具身智能硬件迭代中，优先级等于人命线。

P0级别：经管渺茫环境/玻璃墙面导致的阴灵刹车（波及东说念主身安全）。P1级别：加多后退闪开动作及拟东说念主化语音致歉（经管说念路拥挤核肉痛点）。P2级别：UI界面的适老化字体放大（体验优化）。

5. 活动有瞎想 (Action Plan)

针对发现的问题，家具层面准备何如改？这决定了你这个PM的最终价值。

软硬件协同有瞎想：“联动硬件组在前后加多ToF传感器排斥近地盲区；联动算法组在一个月内上线‘退缩避障’分支；联动本色组更新语音包。”最终产出物：更新后的《家具需求池 (Backlog)》比肩期跟进。

结语：作念具身智能的“水电煤”，作念长期不被淘汰的PM

当ChatGPT刚刚爆发时，许多东说念主惊呼：“AI不错一键生成PRD，家具司理要休闲了！”

但今天，当我们看着那些在大街上迷途、在餐厅里添乱的具身智能机器东说念主时，我们应该感到行运。

因为真实宇宙的物理摩擦力，是AI长期无法在云表计算出来的。东说念主性的幽暗、物理环境的复杂、粗疏群体的怯怯、一线工东说念主的困顿……这些皆是大模子长期无法直构兵及的“黑盒”。

岂论AI进化到什么进程，它仅仅冰冷的手艺底座。而粗略深切泥泞的现场，去饰演精密的“导演”、冷凌弃的“树洞”、破壁的“翻译官”；粗略在一团乱麻中剥洋葱找轨则，将东说念主性的狭窄翻译成机器的代码——这套深度用户调研的内功，才是我们在AI时期立足立命的终极护城河。

大模子的API会越来越低廉，算力会像自来水不异进步。但阿谁能承接硅基与碳基宇宙，作念具身智能生态里最不可或缺的“水电煤”的家具司理，长期万里挑一。

别在办公室里狂躁大模子要取代你了。合上电脑，去最乱的现场，去找阿谁正在对着机器东说念主太息的保洁大姨聊聊吧。哪里，藏着你下一个爆款家具的黄金屋。

本文由 @梦迹 原创发布于东说念主东说念主皆是家具司理。未经作家许可，不容转载

题图来自Unsplash开yun体育网，基于CC0公约