解读

面试官想验证三件事：

1. 你是否具备“用算法思维做产品决策”的习惯，能把抽象目标拆成可量化指标；
2. 你是否熟悉国内AI落地真实约束——数据合规、算力采购周期、标注人力成本、政策窗口期；
3. 你能否在“短期现金流”与“长期技术壁垒”之间给出可落地的优先级排序，而不是喊口号。
   因此，回答必须呈现“一个可复用的框架 + 一套本土化指标 + 一段亲身踩坑经历”。

知识点

1. 国内AI项目三大约束
   ‑ 算力：A100/H800受出口管制，租赁价格按小时计费且需提前锁定；
   ‑ 数据：个人信息保护法（PIPL）要求“最小可用+匿名化”，标注团队需持《数据安全官》证书；
   ‑ 合规：生成式AI服务管理暂行办法要求“双新评估”（新技术新应用安全评估），上线前需通过属地网信办前置备案。

2. 适合国情的四象限升级
   传统“影响 vs 难度”矩阵缺少“合规成本”维度，需增加第三轴“合规风险等级”，形成三维评分卡。

3. 动态ROI公式
   ROI =（年增量收入－模型全生命周期成本）/ 模型全生命周期成本
   其中“模型全生命周期成本”需含：
   ‑ 算力租赁或折旧（按GPU小时×市场价×冗余系数1.2）
   ‑ 数据标注（元/条×迭代轮次×3轮回标）
   ‑ 合规评审外部律师费（通常10万起）
   ‑ 延迟上线机会成本（按日活×留存率×客单价×推迟天数）

答案

我会用“3×3×2 快筛-精算-对冲”三步框架，15分钟内完成优先级排序，并输出一张《AI立项作战图》给管理层。

Step1 快筛（3分钟）
用“合规红线一票否决”先过滤：
‑ 涉及生物识别、跨境流动、未成年人的场景直接降权；
‑ 需要上线生成式对话的，先确认企业是否已拿到《深度合成服务备案》主体资格，否则暂停。
过滤后剩余项目≤5个，进入精算。

Step2 精算（10分钟）
建立三维评分卡，每维1-5分，资源池按总分排序：
① 商业ROI（权重40%）：用动态ROI公式计算，>100%得5分，50-100%得3分，<50%得1分；
② 技术难度（权重30%）：以“数据可获取度+算法成熟度+算力需求”三因子平均，
‑ 数据可获取度：已有私有数据且标注成本<0.3元/条得5分；
‑ 算法成熟度：GitHub开源方案可直接复现得5分，需自研大模型得1分；
‑ 算力需求：单卡A100可训练得5分，需64卡集群得1分；
③ 合规风险（权重30%）：邀请法务/数据安全官打分，无敏感数据得5分，需跨省数据出境得1分。
总分=①×0.4+②×0.3+③×0.3，取前两名进入对冲。

Step3 对冲（2分钟）
对入选项目再做“资源冗余度”校验：
‑ 算力侧：检查公司GPU池未来3个月空闲卡时是否≥训练预算×1.5，若不足立即触发“模型蒸馏+国产GPU替代”预案；
‑ 数据侧：若标注人力缺口>30人日，采用“主动学习+弱标注”把标注量降50%；
‑ 合规侧：同步启动“双新评估”材料预演，把律师费拆成两期支付，降低一次性现金流压力。
最终输出一张《AI立项作战图》：横轴时间（0-90天），纵轴资源（万元），用红黄绿灯标识里程碑，管理层一眼可见ROI、技术难度与合规风险的最优平衡点。

过去我在某头部电商做“智能客服情绪识别”时，用该框架把原本需要8张A100、30万人力标注的大模型方案，压缩到2张A100+5万条精标+20万条弱标注，ROI从65%提升到132%，并提前两周拿到网信办备案号，直接复用到三条业务线，年节省客服成本1200万元。

拓展思考

1. 当公司进入“降本增效”阶段，可把框架升级为“零预算版本”：
   ‑ 用“数据飞轮”替代一次性标注——先上线轻量级规则模型，把用户点击行为回流做弱标签，再逐步迭代；
   ‑ 用“算力共享”替代独占——与兄弟部门错峰训练，夜间低价时段跑实验，白天跑推理。

2. 如果未来出口管制进一步收紧，需提前在框架里引入“国产芯片适配系数”：
   ‑ 在“技术难度”维度新增“移植成本”子项，评估PyTorch→MindSpore/OneFlow的算子缺失率；
   ‑ 在“ROI”分母里加入“适配工程师人月×2.5倍系数”，防止低估隐性成本。

3. 对于需要申请政府补贴的AI项目（如经信局“智改数转”专项），可把“潜在影响”维度拆出“政策匹配度”子项，权重临时提升到50%，用政府补贴一次性覆盖30-40%算力成本，从而把原本ROI<0的项目快速扭正，实现“政策窗口套利”。