IPD Q&A
导言
- IPD 流程在 AI 里过于厚重和低效，所以华为AI产品线的IPD流程已经进化了：工作内容和方向已经支持灵活的随时变化了，但是需求只落小范围的，确定的，快做完的东西，来应付人力分配说明流程。
- IPD流程貌似更强调流程，弱化个人影响。甚至还有三个臭皮匠顶个诸葛亮的说法。在AI研究领域或者其他领域这方法对吗？公司应该花大价钱招一个强人，还是招多个能力稍差的人
- IPD关于培养人才梯队还有独特的观点：高手的能力是可以被拆解复制的，被下面的人继承。
为什么 IPD 思想在 AI 研究里会失效
在 AI 研究（尤其是前沿研究）领域：
“多个一般人”很难顶得上“一个强人”。
在工程化、规模化、长期交付领域：
“多个中等水平的人”往往比“一个强人”更可靠。
所以：
“三个臭皮匠顶个诸葛亮”在 AI 前沿研究里，大多数情况下是不成立的。
IPD 的隐含前提是三点：
- 问题可分解
- 路径大致已知
- 个人差异可以被流程吸收
这三点，在 AI 前沿研究里往往不成立。
1. AI 研究的关键瓶颈不是“执行”，而是“判断”
在很多 AI 突破里，决定成败的不是：
- 实验跑得够不够多
- 文档写得全不全
而是：
- 这个方向值不值得做？
- reward / loss 这样设计对不对？
- 这是不是一条死路？
👉 这种判断能力，极度集中在少数人身上。
流程无法替代判断。
2. 强人的“非线性产出”
AI 研究领域的人才分布，不是线性的。
更像这样：
- 普通研究员：1x
- 好研究员：5x
- 顶级研究员：50x–100x+
一个真正强的人，往往能做到：
- 少做 90% 的无效实验
- 直接跳过错误方向
- 把“隐性假设”显性化
这不是三个中等人“平均一下”能得到的。
3. 流程对探索型工作的副作用
在研究早期：
- 失败是常态
- 方向随时要推翻
而 IPD / 重流程的系统：
- 天然惩罚失败
- 鼓励“看起来合理”的方案
- 压制“直觉型跳跃”
结果是：
流程成功，研究失败。
三、那“只招强人”是不是就对？
也不是。
强人的风险非常真实：
- 不可复制
- 组织脆弱
- 个人偏见被无限放大
- 规模化能力差
所以最优解从来不是极端。
四、一个更真实、在顶级 AI 组织里常见的模式
“强人 + 小团队 + 弱流程”模型
结构是这样的：
1 个非常强的 TL / PI / Chief Scientist
3–7 个 solid（不一定顶级）的研究员 / 工程师
流程只做三件事：
- 记录决策
- 暴露分歧
- 防止明显错误
注意：
流程是护栏，不是方向盘。
五、什么时候“三个臭皮匠”是对的？
下面这些场景里，这句话是成立的：
工程交付
- 推理框架
- 系统稳定性
- 成本优化
已知方向的扩展
- scaling 已被验证
- 架构成熟
- 指标明确
容错率极低的系统
- 金融
- 通信
- 医疗设备
在这些领域：
- 去个性化
- 去英雄主义
- 强流程
是正确选择。
六、换个更精确的说法（比“臭皮匠”好）
探索阶段：放大个体差异
收敛阶段：压平个体差异
IPD 本质上是一个“收敛工具”，
而不是“探索工具”。
七、如果站在“公司决策”的角度
该怎么选？
0 → 1（研究 / 原型）
- 花大价钱招强人
- 给自由度
- 少 KPI
1 → 10（工程化 / 产品化）
- 扩充中等水平人才
- 引入 IPD / 流程
10 → 100（规模化交付）
- 去英雄化
- 强流程
八、最后一句非常现实的话
很多公司失败的原因不是：
- 请不起强人
而是： - 请了强人，却用 IPD 把他“流程化”了
这比没请还糟。