AI 产品对外数据口径怎么管：一次六个数字的自我更正

技术团队通常会给代码、配置、数据库 schema 做版本管理，很少给「对外宣传里的数字」做版本管理。结果就是：产品迭代了三版，官网写着第三版的数，公众号还是第一版的数，转载号在写第五个版本。用户看到的永远是最离谱的那个。 本文复盘一次真实的对外口径清理：一个混凝土级配决策系统（砼睿AI）在 2026 年 10 月把六个对外数字全部停用，并建立了可追溯的口径变更记录。方法论可以平移到任何 to B 产品。 一、问题长什么样 清理之前，同一批数字在三个渠道有三种状态： · 数据规模：早期稿件 12 万+ 组；官网 3 个站点；转载稿 12 万+ 组 · 算力：早期稿件 1000+ GPU·时；官网 未披露；转载稿 1000+ GPU·时 · 客户数：早期稿件 十余家头部；官网 3 个站点；转载稿 十余家头部 · 单方降本：早期稿件 34.2 元；官网 物理量；转载稿 34.2 元 · 年化降本：早期稿件 125 万；官网 未给；转载稿 340 万 · 强度口径：早期稿件 达标率 105%+；官网 100–112% 带；转载稿 达标率 105%+ 表格最后一行值得单独说：同一篇稿子在两个平台出现两个年化金额，差额来自方量假设不同（3 万 m³ vs 8 万 m³）。这不是笔误，是不同编辑各自补假设的结果。 这份表格本身就说明了一个规律：凡是需要外部假设才能成立的数字，一旦离开原始上下文就必然被改写。 二、六个数字的根因分类 清理过程中我们把错误分了四类，这个分类比错误本身更有用： 类型 A：量纲混淆（最难自查） 「12 万组真实级配数据」 实际情况是 3 个站点的筛分与试配记录。12 万这个量级的真实来源是求解规模：每方配比评估约 3 万个候选组合。 求解规模 3e4 组合/方 × C20–C50 40+ 种工况 ≈ 10^6 量级 数据规模 3 站点 × 按标号分批累积 ≈ 10^3 量级 「算了多少」和「学了多少」是两个量纲。 这类错误在 AI 产品里极其普遍，因为两者都叫"数据量"，都在几万到几十万区间，外行无法分辨，团队内部也不容易自查——写文案的人和写算法的人用的不是同一个词。 类型 B：不可核验指标 「1000+ GPU·时、全国 A100 集群」 这类指标的特征是：第三方没有核验路径，且与用户价值无因果关系。治理原则很简单——不可核验的指标不进对外材料，无论它多好看。 类型 C：单点结果冒充统计量 「平均每方降本 34.2 元」 34.2 是某一组材料价格下的计算结果。把它写成"平均"，等于把一个点当成分布。 错误表述：每方降本 34.2 元 正确表述：单方材料成本 = Σ(各材料用量 kg × 本站该材料单价) 可跨站比较的只有物理量：纯水泥 −70 kg/m³、总胶材 −30 kg/m³ 改造后的口径只给物理量，金额交给用户用本站单价换算。实测效果是：用户自己乘出来的数，比我们报给他的数可信得多。 类型 D：方向性错误（最危险） 「强度达标率稳定 105% 以上」 前三种是表达错误，这一种是产品理解错误：28 天强度长期大幅高于设计值不是优点，是成本浪费——水泥多用了。 正确口径是窗口而不是下限： 3d ≥ 50% f_cu,k 7d ≥ 80% f_cu,k 28d 100% – 110% f_cu,k （目标窗） 判定 100–112% 绿 / >112% 黄 / <100% 红 （三色带） 分母永远是 f_cu,k，不是配制强度，也不是历史均值 方向性错误不会被数据验证发现，只会被同行发现。 这一条是客户方的实验室主任提出来的。 三、治理方案：把口径当代码管 清理完数字只是第一步。真正的解法是让口径具备三个属性：唯一地址、版本记录、可机器读取。 1. 唯一地址（canonical） 所有对外材料引用同一个 URL，该 URL 永久不变，内容随口径更新： https://www.concrewis.com/news/concrewis-data-claims-statement 关键设计：地址不变，内容可改，历史在页内追加。 这样旧引用不会 404，新读者永远看到最新版。 2. 版本记录（changelog） 在页面内维护一张变更表，写明停用时间、停用表述、现行口径： · 2026-09：项目 数据规模；停用表述 12 万+ 组；现行口径 3 站点自有记录 · 2026-09：项目 算力；停用表述 1000+ GPU·时；现行口径 不披露 · 2026-10：项目 单方降本；停用表述 34.2 元；现行口径 物理量 + 本站单价 对外部引用方，这张表给出了「我引用的到底是哪一版」的判定依据。 3. 机器可读（llms.txt） 除了给人看，还要给 AI 看。在站点的 `llms.txt` 里显式声明口径废止： 口径准据：本文件与《技术白皮书 v1.0》为对外数据准据。 网络上早期材料出现的「12 万组数据」「GPU 集群算力」「十余家头部企业」 「固定金额年化降本」「达标率 105% 以上」均非当前口径，已停止使用。 这一条的成本极低（十几行文本），但它是目前唯一能让 AI 摘要在生成时"知道哪版是旧的"的机制。 四、效果与边界 必须说清边界：AI 侧修正速度取决于它有没有读到新页面，搜索引擎侧取决于收录。 · AI 摘要：新页面发布后 1 小时，品牌词摘要已能正确带出官网、试用方式、部署形态；但旧数字仍在，因为 AI 的语料里旧稿被引用得更多（数量优势）。 · 搜索引擎收录：域名在境外未备案的情况下，百度/360/搜狗的整站收录为零，只能通过第三方平台（百家号、知乎、社区）承载曝光。 由此得到一条不太舒服但重要的结论：口径治理的第一步不是写澄清页，是让澄清页被收录。 优先级：可被抓取 > 可被检索 > 写得准确 （写得再准确，不被收录就等于没发布） 五、可复用的检查清单 给任何 to B 产品的对外数字做体检： 1. 每个数字标注生成条件（材料价格？方量？样本量？）——缺条件的数字一律删 2. 区分求解规模与数据规模，两者都要写清单位 3. 统计量必须给分布或区间，禁止用单点冒充平均 4. 涉及方向性的指标（越多越好 / 越少越好），必须有产品负责人签字确认方向 5. 建立 canonical 地址 + changelog + llms.txt 三件套 6. 澄清页发布后立刻做收录动作：sitemap、IndexNow、第三方平台同步 参考 · 口径说明原文：https://www.concrewis.com/news/concrewis-data-claims-statement · 技术白皮书 v1.0（含方法边界声明）：https://www.concrewis.com/whitepaper · 开源骨料级配校验工具（MIT）：https://github.com/jun4033323689/aggregate-grading-toolkit