如果想要写AI论文，就需要总结论文核心观点的来源。

最近发现贡献分配是团队合作的一大难点， 产出的商业价值， 在不同场景下如何分配：

1. 年终打绩效时，手底下不同员工负责不同项目，做的事情都不一样，怎么比较来分配。
2. 一个组内的领导或者组织者，和实际手底下干脏活的人谁贡献大；
3. 在一线调试的员工，和在家里负责版本的研发谁贡献大；
4. 负责预埋技术的研究人员，和负责当季度软件版本交付的人谁贡献大。

但是注意：贡献分配不是为了“分高下”，而是为了“定义导向”。如果你希望团队更有创新性，就重赏 SE；如果你希望项目交付更稳健，就必须重赏那些默默把“脏活”干得极其漂亮的人。

SE 的主要工作拆解：

1. 领域内最懂技术的专家，对技术趋势有判断，有未来技术能力有预埋；
2. 引导客户技术方向，达成合作；
3. 技术团队建设，

2025年被说成是Agent元年，

RL 相关的洞察: 算法趋势、热点模型策略、框架优化、实验规律、流派观点

• 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。但是这一方面涉及到老师愿不愿意教、会不会教；也涉及到学生愿不愿意学，学得会吗？就好像清华毕业生也不是能量产一班的清华高考生。

厚重的 IPD 流程 和 AI 创新，如何平衡？

两种范式的对垒

• IPD (集成产品开发 - 华为/IBM)： 强调“确定性”。通过跨部门协同和严格的阶段评审，将研发视为一项低风险的投资，追求一次把事情做对，适合硬件和大型系统。
• 字节跳动模式： 强调“演化性”。依托强大的技术中台和 A/B 测试，通过极致的敏捷迭代和数据驱动决策，在不确定性中快速筛选胜者。

AI 开发的特殊挑战

AI 研发具有高不确定性、高算力成本和极快的技术更迭周期。这导致传统的 IPD 流程在 AI 领域显得过重，而纯粹的敏捷模式在面对大额算力投资时又显得缺乏战略定力。

工作之后，技术其实不是最重要的，如何商业变现才是最重要的（如何多赚钱，持续赚钱，健康增长赚钱），设计好的商业模式是最重要的。

例如，Ascend做什么开源仓，除了考虑社区技术趋势，只要客户买卡，哪怕客户的框架是自娱自乐，我们也会无条件支持。