019、AI创业避坑指南：技术、团队与融资的实战经验

---

从一次深夜调试说起

上周团队里新来的小伙子提交了一段推理代码，测试集准确率涨了三个点，大家挺高兴。结果部署到边缘设备上直接崩了——内存溢出。查了一晚上，发现他为了省事用了动态形状的Tensor，没锁死batch size。设备上内存碎片攒到一定时候，直接OOM。这事让我想起三年前第一次创业时犯的错：实验室里的指标再漂亮，到了真实场景里可能连跑都跑不起来。

AI创业这几年见多了类似场景：技术选型拍脑袋、团队结构理想化、融资节奏乱套。今天这篇笔记，就聊聊这些坑该怎么绕。

---

技术栈：别追新，先求稳

很多团队拿到第一笔钱就想着搞大模型微调，上最新框架。去年有个朋友公司，用PyTorch 2.0刚发就全栈升级，结果自定义算子兼容性出问题，项目延期两个月。

框架选型：中小团队别当小白鼠。TensorFlow Lite现在对移动端支持依然最稳，ONNX转换虽然麻烦但生态全。如果是边缘设备，考虑用TFLite Micro或者自家写C++推理引擎——别怕重复造轮子，可控性比方便重要。

模型设计：实验室里刷SOTA那套行不通。真实场景里，多考虑这几点：

• 输入分辨率能不能降？1080p降到720p，推理速度可能快一倍
• 算子兼容性查过没？某些设备上depthwise convolution效率奇低
• 量化方案要早定。训练后量化省事但损失精度，量化感知训练周期长但效果好

# 别这样写（动态shape一时爽...）
input_tensor = tf.placeholder(tf.float32, [None, 224, 224, 3])

# 建议锁死（设备上内存好管理）
input_tensor = tf.placeholder(tf.float32, [1, 224, 224, 3])  # batch_size固定为1
# 这里踩过坑：边缘设备上动态内存分配容易碎片化

数据流水线：很多人忽视数据收集的成本。去年一个农业检测项目，客户说“田里数据随便拍”，结果真去现场发现光照条件复杂，标注成本比算法开发还高。建议：MVP阶段先找开源数据集改造，验证需求真伪再投钱标数据。

---

团队构建：全栈工程师比AI博士好用

早期团队最容易犯的错——堆算法研究员。我见过十人团队七个搞算法的，结果产品连个像样的API都没有。

人员配比：前五个人里，至少两个能写生产级代码的工程师。算法研究员可以兼职，但后端开发、部署运维必须专人负责。很多AI模型效果不错，但QPS上不去、服务不稳定，都是工程短板。

能力要求：别只看论文发表数量。问几个实际问题：

• 有没有模型量化经验？
• 有没有在ARM芯片上部署过模型？
• 处理过数据漂移问题吗？

沟通成本：算法和工程团队容易互相甩锅。我们现在的做法是每周“联调日”——算法同事在服务器上跑完测试，必须到设备上真机验证。工程同事也要懂模型的基本结构，至少能看懂计算图。

---

融资节奏：钱要花在刀刃上

第一轮融资最容易踩的坑：盲目扩团队、买设备。去年有团队拿500万天使轮，先租豪华办公室，再买八卡A100服务器，结果六个月后现金流紧张。

花钱优先级：

1. 保证核心团队18个月工资
2. 验证性硬件采购（先租后买）
3. 数据采集和标注预算
4. 市场验证的小规模试错

技术路线图对齐：投资人不一定懂技术，但知道里程碑。把技术拆解成可验证的阶段：

• 三个月：端到端Pipeline跑通，准确率超过基线
• 六个月：在目标设备上达到实时性要求
• 九个月：完成第一次数据闭环迭代

别承诺做不到的事。有团队说“六个月做到95%准确率”，结果数据质量不行，被迫改指标，信誉受损。

---

那些教科书不会告诉你的细节

芯片选型早接触：别等算法定型才找芯片厂商。提前拿开发板测试，有些芯片的NPU对特定算子支持差，早点知道能避免重构。我们和一家国产芯片厂合作时，发现他们的编译器对transformer支持不好，临时改模型结构费了大劲。

留足技术债偿还时间：快速验证阶段写的脏代码，一定要安排时间重构。有个项目为了赶演示，数据预处理全写死在Python脚本里，后来换数据源要改二十处。技术债越晚还，利息越高。

保持能回退的版本：模型迭代不是每次都能提升。线上服务永远保留一个稳定版本，新模型A/B测试后再全量。有次我们优化了mAP，但漏检率上升，客户直接投诉——幸好快速回退了。

---

写在最后

AI创业这三年，最大的体会是：技术只是门票，工程化能力才是赛场。实验室到生产线之间的距离，比论文里描述的远得多。

给正在路上的团队几个建议：

• 第一个产品选细分场景，别想做通用方案
• 团队里至少有一个见过完整产品周期的人
• 融资时别只讲技术多牛，多讲客户痛点怎么解决
• 保持能活18个月的现金流，比什么都重要

最后送一句我们CTO常说的话：“在demo里能跑叫算法，在客户那儿能跑才叫产品。” 共勉。

---

下一篇预告：020、边缘AI落地实录：从模型压缩到芯片选型的全链路实战