Gemini 产品负责人 Tulsee Doshi 谈前沿模型怎么做:PM 在实验室里的角色与 60-20-20 框架
来源Lenny Newsletter查看原文
速览
- 访谈主角是 Google Gemini 产品负责人 Tulsee Doshi
- 覆盖 Gemini、Nano Banana、Genie、Veo、Lyria 等模型线
- 核心议题是前沿模型开发中的产品管理角色
- 提出 60-20-20 框架分配当下与未来的投入
- 讨论 Google 全栈式前沿 AI 策略
- 涉及 eval 的写法这一实操话题
- 主张优秀 PM 在 AI 时代的价值在上升
- 现有正文仅为节目提纲,无实质访谈内容
这是 Lenny's Podcast 的一期访谈,嘉宾是 Google 前沿 AI 模型产品负责人 Tulsee Doshi,她负责 Gemini 以及 Nano Banana、Genie、Veo、Lyria 等多模态模型。节目页面给出的讨论提纲包括:模型开发不只是工程问题,还像《哈利·波特》里 Snape 的魔药课;Google 的全栈前沿 AI 策略;PM 在前沿 AI 实验室里具体做什么;她用来平衡「现在能用」和「快要能用」的 60-20-20 框架;如何写第一个 eval;以及优秀 PM 的价值为何在上升。需要说明的是,目前可获取的正文只有节目简介、嘉宾身份、讨论提纲和参考链接,没有访谈的实质内容,因此本摘要不对她的具体观点做任何展开。
关键事实
- 嘉宾 Tulsee Doshi 是 Google 前沿 AI 模型的产品负责人,负责 Gemini 及 Nano Banana、Genie、Veo、Lyria 等多模态模型
- 节目讨论主题之一是 Google 的全栈前沿 AI 策略
- 节目讨论 PM 在前沿 AI 实验室中的具体职责
- Tulsee Doshi 提出 60-20-20 框架,用于平衡「现在能用」与「快要能用」的能力
- 节目涉及如何写第一个 eval,以及优秀 PM 价值上升的判断
- 节目由 WorkOS 与 DX 赞助,发布在 Lenny's Newsletter / Lenny's Podcast
本站视角
这期访谈最值得关注的不是某个模型发布,而是它把一个很少被公开讨论的岗位摆上台面:前沿 AI 实验室里的产品经理到底做什么。对国内做大模型应用的团队来说,这直接对应一个现实问题——当模型能力每几个月就换代一次,产品侧该把资源押在「现在已经稳定的能力」上,还是「下个版本大概率会解决的能力」上。Tulsee Doshi 的 60-20-20 框架如果真如提纲所说用于平衡这两端,那它本质上是一套对冲模型迭代风险的方法论,对做 Agent、做多模态应用的团队有直接参考价值,因为押错节奏意味着产品上线即过时。我们的判断是:Google 这类全栈玩家谈 PM 角色,背后其实是在为「模型能力趋同后,产品定义成为差异化来源」做铺垫,这与国内厂商近一年纷纷设立模型产品岗的趋势一致。但需要指出两点可疑之处:其一,本期内容目前只有提纲,没有任何实质观点,标题「build frontier models 到底需要什么」的承诺在现有材料里并未兑现,读者不应据此形成结论;其二,这类访谈天然带有雇主品牌与产品宣传属性,嘉宾对自家全栈策略的评价需要打折看待。真正值得观察的是,Google 是否会把 60-20-20 这类内部方法论沉淀成公开的 eval 与产品流程规范——那才是对中文开发者社区有复用价值的部分。
背景与影响
Lenny's Newsletter 由 Lenny Rachitsky 主理,其播客长期采访产品与工程领域的负责人,此前也做过 OpenAI 开发者关系负责人 Logan Kilpatrick、ChatGPT 负责人 Tibo Sottiaux、Claude Code 负责人 Boris Cherny 等人的访谈,这期延续了「大模型公司内部怎么做产品」这条线。从参考链接看,节目还提到 Gemini 4 Argon 的官方博客、Google AI Studio、NotebookLM、Antigravity、Flow 等产品,说明讨论范围覆盖 Google 从模型到应用的全栈布局。对中文读者而言,这类内容的价值在于它少见地聚焦「前沿实验室里的 PM 岗位」——这个角色在国内大模型团队中往往由研究员或工程负责人兼任,职责边界并不清晰。但需要提醒:本次拿到的原文只有提纲,没有 Tulsee Doshi 的具体表述,60-20-20 框架如何定义、eval 怎么写、全栈策略具体指什么,都无法从现有材料中还原,读者若关心细节需回到原视频。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。