很多工厂做智能制造升级，算力部署要么堆钱买硬件造成浪费，要么算力不够拖垮生产。本文结合实际项目踩坑经验，讲透需求测算、部署架构选型、隐性成本控制三个核心问题，给中级工程师做落地参考。
别上来就堆服务器：先算清楚你的算力需求账
上个月整理旧项目文档，翻出去年东莞汽配车间改造的资料，一脑门子冷汗。当时客户听了厂商宣讲，直接预算拉满订了四台8卡A100服务器，准备上加工仿真、视觉质检、设备预测性维护三套系统。
结果我们进场做需求拆解，一下子就看出问题。错把训练峰值当日常负载，是这个行业最常见的坑。
按照GB/T 39116-2020《智能制造能力成熟度模型》的算力分级要求，不同生产场景的算力需求天差地别：单路2D外观质检单帧推理只需要0.8TOPS，12路同时在线也才不到10TOPS；单工位三维装配仿真的实时路径规划，需要32FP32 TFLOPS；只有预测性维护模型的每周增量训练，才需要128FP16 TFLOPS的峰值算力，而且这个峰值每周只跑4小时，其余时间都是闲置。
原来客户的需求加总下来，日常稳定运行只需要不到100TOPS的推理算力，峰值训练只需要128TFLOPS，厂商给的方案整整多出了三倍的冗余。成本多花了近两百万，利用率还不到20%。
说实话，很多工厂升级都犯这个错，觉得算力多多益善。其实真没必要，适合自己的才对。
边缘还是云端？这里的权衡没几个人说透
不过话说回来，就算需求算对了，部署架构选错了，照样出问题。那个汽配项目一开始，客户还想全上公有云，说省本地硬件钱。
测试的时候出了啥问题？跨网做加工仿真，延迟最高到两秒，机床试切的时候，仿真更新跟不上实际运动，差点撞刀。真的吓出一身冷汗。
实时性要求低于10ms的场景，必须放本地边缘。这条是我踩过坑之后刻在脑子里的铁则。像视觉检测推理、机床实时运动补偿、生产线AGV调度这类场景，一丁点延迟都可能出大问题，绝对不能往公云上放。
那什么放云？非实时的模型训练、批量历史数据分析、全厂级的ERP算力调度，这些对延迟不敏感的，完全可以放云，或者放厂级私有中心节点，按需调度就行。
我们后来给客户改了分层方案：每个加工单元旁边放一台盒式边缘算力网关，单节点带24TOPS推理算力，单价不到八千，负责本地的质检推理和仿真实时计算；厂级中心机房放两台GPU服务器，只承接每周一次的模型增量训练和全车间的算力调度。改完之后，总成本降了62%，算力平均利用率提到了72%，高峰时候也没不够用。
容易被忽略的隐性成本：电力和散热坑死人
我见过太多项目，硬件选对了，架构也对，最后栽在电力和散热上。
前年给苏南一个老机床厂做改造，客户自己先买了两台8卡GPU服务器放车间旁边的备用仓库，结果开机半小时，直接跳了全厂的母线零序保护，停了三条生产线，损失十几万。
怎么回事？原来老工厂的配电还是十年前设计的，那个仓库的回路只留了10A的容量，两台8卡服务器，单卡满载350W，一台就2800W，两台快6kW，远远超过回路负载，不跳闸才怪。
还有散热。车间夏天不开空调的话，室温能到40度，很多图便宜用消费级显卡，温度一高直接降频，算力直接砍三成，本来刚好够的算力一下子不够用。
按照ANSI/TIA-942数据中心基础设施标准，厂级算力中心的功率密度要按每机柜8kW预留散热和配电，就算是边缘节点，也要按每平方米1.2kW算容量。老工厂改造一定要提前算配电容量，别等开机跳闸了才后悔。
选型上也有讲究：放在恒温中心机房的，用数据中心级显卡就行，性价比高；放在车间旁边缘柜的，一定要选宽温工业级显卡，-10到60度都能满负荷运行，贵个一两百块钱，换全年稳定，太值了。
做了快十年的工厂自动化改造，我最大的感受是，工厂算力部署从来不是比拼硬件参数，也不是追什么新概念，核心就是贴合自己的生产场景，把每一分钱都花在刀刃上。踩过一两次坑，自然就知道该怎么选了。
