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。