這個問題關鍵要看你怎麼來看，如果只是從產品測試角度來思考，其實和網際網路測試思路差別不太大。無非是我們更加關注於定製化場景的給使用者的體驗和服務質量。從語音、影象等感知層面的使用者輸入，到最終能夠使使用者更便捷、準確的得到他想要的一個反饋結果，並從認知層面執行相應的命令，真正讓使用者獲得解放，體會萬物互聯帶來的便捷。

但如果更進一步，人工智慧的核心是什麼？是模型，我們需要對模型的各項指標（如準確率、效能、召回率等）進行測試，同時需要在整個業務流程中對模型預測使用的情況進行測試評估，檢視各種型別資料喂進模型後的響應是否達到預期。還有，模型引擎的外部介面對接是否恰當，是否能夠無縫銜接各個工作流，這些細節點對產品終端使用者的真正使用落地都會產生深遠影響。

舉個簡單案例，例如對標註平臺類產品，我們希望在標註資料的時候能夠提供預標註功能，主要是為了減輕標註工的標註工作量，那這個預標註功能其實就和模型的準確率、效能有著很直接的關係，如果模型各項指標不佳，不僅沒有減少標註工的工作量，標註工反而要對自動預識別的結果進行反覆修改，得不償失，這個功能就變成了雞肋，還不如直接進行手工標註來得快。

所以，在AI產品測試的時候，模型的優劣直接影響到終端使用者的體驗，直接影響到功能的真正使用和落地。