解读

面试官想知道三件事：

1. 你是否能把“不确定性”拆成可度量的风险因子；
2. 你是否能用中国本土可落地的资源、节奏、合规要求去量化这些因子；
3. 你是否能在项目启动前就给出“可承诺、可滚动、可复盘”的时间表，而不是拍脑袋。
   因此，回答必须体现“算法-数据-算力-合规”四维拆解、缓冲策略、滚动校准机制，并给出可直接套用的估算公式或里程碑模板。

知识点

1. 数据准备阶段的不确定性因子
   ① 数据源可用率：政府/医院/金融客户的数据常需脱敏、走前置审批，平均耗时 2-6 周；
   ② 标注一致性：中文多歧义场景（医疗实体、金融事件）需三轮质检，Kappa≥0.85 才能入模，每轮约 1 周；
   ③ 合规关卡：个人信息保护法下需“最小可用”评估，网信办算法备案平均 20 工作日，可并行但不可压缩。

2. 模型训练阶段的不确定性因子
   ① GPU 供给：国内公有云 A100/H800 需提前 2-4 周锁配额，峰值季（6月、12月）可能翻倍；
   ② 算法成熟度：复用公司基座模型可视为 TRL 6，微调 1-2 周；从 0 预训练视为 TRL 4，需 6-8 周；
   ③ 指标震荡：当验证集提升 <0.5%/epoch 连续 5 epoch 即触发早停，需额外 1 周做超参重搜。

3. 估算方法论
   ① PERT 三点估算法：T_e=(O+4M+P)/6，其中 O 最乐观、M 最可能、P 最悲观；
   ② 关键链缓冲：把数据、算力、合规三条链路上“非关键但高风险”任务各加 20% 项目缓冲（PB），再统一砍半放在末端，防止帕金森；
   ③ 滚动窗口：每两周用 “燃尽率=已完成数据量/总数据量” 与 “GPU 实际利用率/锁配额” 重新预测剩余工期，误差>15% 即升版计划。

4. 国内落地补丁
   ① 标注团队：二三线城市外包标注公司春节返工率仅 70%，需在 1 月前锁定 30% 冗余人力；
   ② 算力备案：生成式算法需在上线前 30 天提交《安全自评估报告》，否则应用商店拒收；
   ③ 甲方决策：国企客户党委会排期固定，需求锁定后仍可能有 1 次“一把手”变更，需在合同里写明“需求冻结点”后每变更 1 次追加 10% 工期。

答案

“我会把 AI 项目拆成四条并行链：数据链、算力链、模型链、合规链，每条链用 PERT 先算最可能工期，再加关键链缓冲，最后每两周滚动校准一次。以某头部券商研报信息抽取项目为例：

1. 数据链
   最乐观 O=3 周（客户已有 20 万篇 clean 版研报），最可能 M=5 周（需补标 5 万篇，Kappa≥0.85），最悲观 P=9 周（客户临时加脱敏流程）。PERT 期望 5.3 周，加 20% 项目缓冲 1.1 周，数据链锁定 6.4 周。

2. 算力链
   需 8×A100 训练 7 天、调优 3 天。最悲观情况云厂商配额紧张需排队 3 周，故 P=4 周，M=2 周，O=1.5 周，PERT=2.1 周，加 20% 缓冲 0.4 周，算力链 2.5 周。

3. 模型链
   复用公司 7B 金融基座，TRL=6，微调+评估最可能 1.5 周，悲观 3 周，PERT=1.8 周，加缓冲 0.4 周，模型链 2.2 周。

4. 合规链
   算法备案与安全评估串行 4 周，无法压缩，加 0 缓冲。

四条链取最长路径 6.4 周（数据链），再把三条链的缓冲总和 1.9 周砍半 0.9 周放在项目末端，总工期 7.3 周，对外承诺 8 周，留 0.7 周管理储备。每两周用实际标注速率、GPU 利用率刷新一次，若燃尽率低于 85% 或排队时长超预期 20%，立即触发升版并同步客户，确保 8 周内上线 MVP。”

拓展思考

1. 当项目从“判别式”升级到“生成式”时，数据链的瓶颈会从“标注量”转为“高质量指令对”，此时可用“主动学习+模型辅助生成”把 PERT 的 P 值压回 M 值，但需提前验证幻觉率，否则缓冲反而要放大。
2. 若客户为政府视频监管项目，数据链里 60% 时间卡在“涉密数据不出域”，可用联邦学习或私有化标注基地替代外包，虽一次性 CapEx 高 30%，却能把 P 值从 12 周降到 6 周，总工期反而缩短。
3. 在 2024 年国产算力替代趋势下，若选用华为昇腾 910B，需额外在模型链加 1 周算子适配缓冲；提前在合同里写明“因国产化替代导致的指标波动不计入延期”，可避免商务纠纷。