交钥匙 AI 项目：固定总价什么时候行得通，以及如何聘请一家公司把你的试点推进到生产环境

停滞的 AI 试点可以作为交钥匙项目来完成，最后交付一套能用的系统。先做一次简短的固定总价评估：用你的文档测量试点，并定下它必须达到的分数。把分数提高到这个目标，是谁都无法事先定价的工作，所以这部分要按工时与材料计费：按小时费率付费，总额设上限。其余部分，也就是能在纸面上描述清楚的工作，按阶段定下固定总价。

对 AI 系统来说，“交钥匙”是什么意思？

对 AI 系统来说，交钥匙指的是公司交付一套拿来就能用的系统，并由合同写明“能用”是什么意思。例如，系统运行在你的边界之内，也就是你公司掌控的服务器或云账户上。它在你的文档上达到目标分数，并把没有把握的情况交给人处理。这家公司撤出之后，你的员工能自己运行它。

在建筑行业，交钥匙承包商负责设计和建造整个设施，建成后交付即可投入使用。国际咨询工程师联合会（FIDIC）为这类项目出版了一套标准合同，通称银皮书。

FIDIC 介绍 2017 年版的页面列出了银皮书不适用的三种情况：

• 投标人没有足够的时间或信息去核查业主的要求、自行开展设计和风险研究，并估算成本
• 大量工程位于地下或投标人无法查勘的其他地方，除非合同对谁都无法预见的情况作了约定
• 业主打算密切监督或控制承包商的工作，或者要审查大部分图纸

对于这些情况，FIDIC 推荐另一种标准合同，即它的黄皮书。在有公司拿你的文档实际跑过一遍之前，一个停滞的 AI 试点符合前两种情况，因为还没有人勘察过现场。下文所述的分阶段合同则符合第三种情况，因为它让你对工作保持密切的控制。所以，要把“交钥匙”理解为交付一套能用的系统，而工作本身按阶段定价。

为什么 AI 工作很难定固定总价？

软件项目的很多部分，都可以在动手开发之前描述清楚。一份报表，或者与另一个系统的对接，都能写在纸面上，而公司可以为写下来的东西定价。

用语言模型读取文档的系统，有一个部分是谁都无法事先描述的：它在你的文档上把每个字段读对的比例有多高。字段就是一项数据，比如一个日期或一笔金额。答案取决于你的扫描件和模板，也取决于那些不出现就没人想得起来的情况。在有人用你的文档测量这个系统之前，没有人知道达到目标分数需要多少工作量。

美国政府的采购规则也做了同样的区分。《联邦采购条例》（FAR）第 16 部分讲的是合同类型。它把工时与材料合同描述为：按固定的小时费率为实际工作的小时数付费，再加上材料的实际成本。它只允许在以下情况使用这种合同：签约时没有人能准确估算工作量，或者无法“以任何合理程度的把握”预测其成本。

按照 FAR，固定总价合同适合规格明确、一开始就能定出合理价格的工作。第 16 部分还要求合同官：一旦经验为更确定的定价提供了依据，就要避免长期使用工时与材料合同。

所以，如果在还没有人拿你的文档跑过一遍之前，就为整个项目报出固定总价，这个价格往往会为未知因素留出很大的余量。另一种做法是列一份除外事项清单，写明价格不包含哪些内容，而每一项都把一份风险交还给你。在方案里，这两样都要找一找。

哪些阶段适合固定总价，哪些适合按工时与材料计费？

本文不构成法律建议。合同由你的律师来写，本文列出合同应当涵盖的内容。把工作拆开，每一部分都按它开始时已知的情况来定价：

• 先以固定总价做一次评估。这家公司阅读试点的代码，在你的边界之内用你的一批真实文档样本运行它，然后写明它为什么停滞。你会收到一份验收集草稿（一组你的真实文档，每份都附有正确答案），以及一份带报价的下一阶段计划。无论你是否继续合作，这两样都归你
• 中间阶段，也就是提高分数的阶段，是不确定的那一段。它适合带上限的工时与材料计费，也就是给这家公司可以开票的总额设一个上限。这家公司对照验收集，尝试不同的提示词（模型遵循的书面指令）和模型，每周把分数拿给你看。进展停滞时，你可以叫停
• 一旦达到目标分数，剩下的就是常规工程工作，按固定总价分阶段定价。这部分包括：把系统安装到你的边界之内、质量下降时的告警、员工核查没有把握的情况所用的复核队列，以及让你的团队转到新系统上来。每个固定总价阶段都以一次验收测试收尾，也就是在验收集上给系统打分，并据此决定这个阶段是否付款
• 上线之后，系统的运行适合按月付费，并附一份书面清单写明月费涵盖哪些内容，因为得有人盯着质量、处理模型升级

FAR 还要求工时与材料合同包含“承包商超出即自担风险的最高限价”。你的合同里也要设一个上限。它限定了你最多付多少钱，但按照 FAR 自己的付款条款，一旦达到上限，除非你提高上限，否则对方公司没有义务继续工作。要事先约定到那时怎么办：叫停、提高上限，还是重新规划工作。

一家公司可能会把整个流程打包成一份合同，并称之为交钥匙。只要每个阶段都有自己的价格和验收测试，而且你可以在阶段之间叫停，这样做也行得通。

合同里的“完成”应当指什么？

“完成”指的是系统通过验收测试，而打分所对照的合格线要在定价之前商定好。合同应当写明：

• 验收集里有哪些文档、每种类型有多少份，以及正确答案是谁写的。阶段一旦定价，验收集就锁定不变
• 每个字段、每种文档类型的合格线，它们合起来构成目标分数；以及无论分数如何都始终交给人处理的字段
• 验收测试在哪里进行、由谁来做。它在你的边界之内进行，针对的是这家公司将要交付的那个确切版本。由你的员工执行，或者由他们在旁看着这家公司执行
• 系统没通过验收测试时怎么办。这家公司有一段规定的期限，自费修复；期限过后，你可以叫停，并保留已经做出来的东西

验收集要留出一部分，在验收测试之前不让这家公司看到。如果公司见过每一份测试文档，它就能针对这些文档专门调整系统，分数也就会高估系统读取新文档的能力。上面链接的那篇关于始终没能投入生产的 AI 试点的文章，讲了如何建立验收集。

日后有哪些事会打乱一份固定总价的 AI 合同？

事先约定以下事件会如何改变价格：

• 验收集里没有的新文档类型或新模板。把它们当作变更来处理，定价方式与各阶段相同
• 提供方停用系统所用的模型。例如，OpenAI 的弃用页面规定：正式发布的模型至少提前六个月通知，其专门版本至少提前三个月。预览模型的停用通知期可能短得多，而安全或合规方面的顾虑也可能缩短上述任何一个期限。要写明由谁出钱在验收集上测试替代模型，并完成切换
• 你方造成的延误，比如对这家公司访问你方系统的审批迟迟不下，或者对方所需的文档和正确答案交付得晚。固定总价的前提是你方负责的部分按时到位，所以要列出你方必须交付什么、最晚什么时候交付
• 你们自己的规则发生变化，例如风险团队决定某一类文档不能再发给外部模型。这样一来，这些文档就必须在你的边界之内处理，工作内容和价格都会随之改变

除非合同另有约定，运行成本不包含在开发价格之内。模型使用费，或运行模型的服务器成本，会随文档数量增长。要商定在开发期间和上线之后由谁支付这些费用，以及价格是按每月多少份文档测算的。

如何把付款与结果挂钩？

每一笔固定总价付款，都要与系统在你的边界之内通过验收测试挂钩，任何一笔都不要仅凭到了某个日期就该付。在工时与材料阶段，你按工时付费，直到上限为止，而每周的分数会告诉你要不要继续。

尾款中留出一部分暂不支付，直到系统在生产环境中运行满约定的期限，且分数始终没有低于目标分数。留存的比例和期限要在签约之前商定。

保留这样的权利：在任何一个阶段结束后都可以叫停，并带走到那时为止做出来的一切，包括代码、提示词、验收集，以及用它给系统打分的脚本。下方链接的那篇文章讲了代码所有权在合同里是怎么落实的。

怎么考察一家提出要完成我们试点的公司？

写一页纸的需求说明：试点做什么、读取哪些文档、每天读多少份、数据可以去往哪里，以及你需要的分数。把它连同同样的问题，发给候选名单上的每一家公司：

• 你们要先看到什么才能定出固定总价，又会为哪个阶段定固定总价？
• 给我们看看你们以往一份类似工作的合同是怎么构成的，价格和客户名称可以删去
• 如果某个阶段结束时验收测试没有通过，会怎样？
• 你们团队里谁把 AI 系统投入过生产，这个人会参与我们的项目吗？
• 你们的工程师能否按照我们的访问规则，在我们的边界之内工作？

上面链接的那篇关于外包 AI 开发而数据不出公司的文章，详细讲了最后一个问题。

方案里的哪些内容应该让我们提高警惕？

• 这家公司还没看过你的任何一份文档，就报出了整个项目的价格
• 方案承诺了一个正确率，却没说要在哪些文档上测量
• 方案里出现了“交钥匙”这个词，却没有验收测试，也没有在阶段之间叫停的权利
• 没有列出运行成本，或者只写着“另行商定”
• 合同草案把提示词或验收集列为这家公司的财产

amBrain 在其中处于什么位置？

amBrain 公开描述的唯一一个语言模型项目是：“我们已在一家客户的金融科技边界之内，将一项 LLM 集成投入生产：把非结构化的经纪商与交易场所通知——公司行动、金融工具与保证金变更——抽取并规范化为交易系统所消费的结构化记录。”

本文不是案例研究。它并没有说上述项目起初是另一个团队停滞的试点。上文的各种付费模式，包括交钥匙和固定总价在内，都是一般性建议，本文也没有说 amBrain 是否提供其中任何一种。本文不给出 amBrain 的任何价格或工期。

amBrain 接手在其他团队手里停滞的项目，并把它们推进到生产环境。

amBrain 自 2019 年起开发软件。关于所有权，amBrain 的说法是：“客户拥有产品与代码的全部所有权，我们的可复用组件除外。”签约之前，请像对待其他任何公司一样，要求 amBrain 逐项列出这些组件的名称。

如果你的试点停滞了，就把发给其他每家公司的同一份需求说明和同样的问题也发给 amBrain，然后把各家的回答放在一起比较。

常见问题

• 我们的试点已经有了准确率数字，为什么还要花钱做评估？如果试点是在虚构数据上，或者在有人手工清理过的文档上测试的，这个数字对你的真实文档几乎说明不了什么。评估是在你的边界之内，用一批真实文档样本来测量试点，而它产出的验收集草稿无论如何都归你
• 我们是不是应该改为自己招一支 ML 团队？如果 AI 就是你出售的产品，那多半应该，上面链接的那篇关于自建 ML 团队的文章讲了这个选择。如果这个系统只是你业务运营中的一个工具，那么可以由一家公司完成试点，同时你去招将来负责运行它的人
• 我们必须把文档给候选名单上的每家公司都看吗？不必。需求说明只描述你的文档，并不附上文档本身。只有你选来做评估的那家公司才会看到真实文档，而且它是在你的边界之内工作