MVP 的目标是回答关键风险
AI MVP 不是完整系统的压缩版，也不是临时拼接的展示页面。它应该围绕一个或几个关键问题设计，例如数据能否支撑模型、算法能否达到最低指标、系统接口是否能闭环。
验证目标越清晰，MVP 越能帮助客户控制后续投入。
适合先做 MVP 的项目
- 客户有业务方向，但数据质量和样本覆盖不确定
- 算法或大模型效果需要在真实资料上验证
- 现有系统接口、权限或流程改造风险较高
- 模型需要部署到边缘设备或嵌入式环境
- 验收指标、人工复核方式或错误边界尚未明确
MVP 结束后应形成决策依据
MVP 的输出应包括验证原型、测试记录、风险清单、技术路线建议和下一阶段范围判断，而不是只交付一个演示链接。
如果验证结果显示条件不足，也应明确是补数据、改目标、调技术路径，还是暂时停止投入。