解读

面试官想验证三件事：

1. 能否把“商业数字”翻译成“算法任务”，并给出可验证的里程碑；
2. 是否理解国内AI项目常见的资源瓶颈（数据、算力、合规、客户付费意愿）；
3. 有没有一套可复用的“节奏感”方法论，让公司在6个月内先活下去，3年后还能领先。
   回答必须体现“算账”能力（ROI、算力成本、标注成本）和“算势”能力（技术壁垒、政策窗口、生态位卡位）。

知识点

1. 双轨路线图（Dual-Track Roadmap）：商业轨用OKR，技术轨用TRL（技术成熟度等级），每季度做“交叉点”复盘。
2. 数据飞轮密度=单条数据带来的边际收益/标注成本，决定先攻“高密场景”还是“长尾场景”。
3. 算力现金流模型：训练成本摊销≤当年新增ARR的15%，否则必须降级方案（蒸馏、小样本、SaaS化调用）。
4. 合规红线倒计时：算法备案、安全评估、数据出境审批三条时钟并行，任何一条先响即触发“技术刹车片”。
5. 技术负债利率：如果为了赶单点指标而跳过数据闭环、可解释性、监控埋点，未来每延迟一个季度修正，成本指数+1.4。
6. 国内甲方“先验收后付费”惯例，导致回款周期6-12个月，路线图必须预留“可演示里程碑”来解锁下一笔回款。

答案

我会把路线图拆成“三段六里程碑”，用一张“双轨甘特图”对齐董事会、算法团队与一线销售：

阶段1 现金流里程碑（0-6个月）
目标：用最小可用模型（MAM）拿到首单收入≥300万，验证PMF。
选场景逻辑：找“数据飞轮密度>3”且“合规摩擦<2个月”的细分，例如银行流水OCR替代人工录入。
技术方案：直接调用通用预训练模型+轻量微调（≤8卡A100，训练3天），故意留20% Bad Case 给阶段2做升级钩子。
商业节奏：合同里设置“精度≥92%即验收”，但把92%拆成“80%基线+12%可用规则补丁”，让销售可以当期回款。

阶段2 壁垒里程碑（6-18个月）
目标：把模型精度提升到97%，同时把竞品复制周期拉长到9个月。
技术布局：

1. 自建标注闭环，接入银行内部私有数据，数据飞轮密度从3提升到8；
2. 上线“模型+规则”双引擎，规则部分申请软件著作权，形成 IP 壁垒；
3. 启动蒸馏+量化，把推理成本降60%，为价格战留余地。
   商业节奏：按“精度每提升1%，新增ARR 100万”签对赌，既绑定客户也绑定公司资源。

阶段3 平台化里程碑（18-36个月）
目标：把单点模型抽象成“金融文档理解平台”，横向复制到保险、证券。
技术布局：

1. 预训练领域大模型（10B级），拿下当地发改委“AI示范专项”补贴，摊销30%算力成本；
2. 完成算法备案、通过中国信通院“可信AI”评测，拿到投标加分资质；
3. 数据与模型分层解耦，输出Data API+Model API，让ISV替我打市场，形成生态杠杆。
   商业节奏：平台版按调用量计费，把一次性收入变成可持续流水，给资本市场讲“SaaS故事”，为C轮估值做铺垫。

风险缓冲机制

1. 算力红线：训练预算占当年新增ARR比例>15%时，自动触发“降级开关”，改用云端按需训练；
2. 合规红线：任何政策变动导致备案周期>6个月，立即把路线图中“平台化”推迟两个季度，先深耕已签约行业，保证现金流；
3. 技术负债池：每个迭代预留20%人力做数据清洗、监控埋点和可解释性，防止“精度幻觉”导致客户拒付尾款。

用这套“三段六里程碑”方法，既让销售在6个月内拿到可验收的“子弹”，也让算法团队在3年内攒下“护城河”，实现短期商业目标与长期技术布局的动态平衡。

拓展思考

1. 如果公司当前账上现金只够12个月，阶段1的MAM精度门槛是否敢降到75%？如何设计“灰度上线”让客户仍愿意付费？
2. 当地方政府出台“公共数据授权运营”细则，能否把阶段3的平台提前到阶段2，用政府数据替代私有数据，降低标注成本？
3. 面对大厂“模型即服务”降价90%，阶段3的平台化故事如何重构？是把大模型当成本中心，还是直接转售大厂API做渠道？