摘要：国内大量制造工厂推进数字化转型的过程中，普遍忽略了已有算力资源的盘活，要么过度采购造成浪费，要么算力分配不合理堵死核心生产任务。本文结合近五年在十多家离散制造工厂做改造的实际经验，聊聊工厂算力资源优化的落地思路和踩过的真坑。
别拿闲置的边缘节点算力不当资源
去年在东莞给一家汽配零件厂做机联网改造，进车间转了一圈我就发现不对。12台刚换了一年的进口数控车床，每台都带四核工业主控，带4G运行内存，平时待机的时候，CPU占用率不到10%，就这么空转。
很多工厂老板甚至负责信息化的工程师，都默认算力就是机房那几台机架式服务器，买过来放在那用就完了。不对。车间里每一台带智能主控、带联网模块的设备，都是可调度的算力资源。
说实话，我一开始也踩过坑。刚接这个项目的时候，上来就给客户报了一台20万的8卡边缘服务器，用来跑零件外观缺陷检测。后来对着设备清单算闲置算力的时候我才拍脑袋反应过来，12台车床加起来的闲置算力，顶得上半台我报的服务器，白白浪费钱。
改完方案之后，我们把剪枝后的轻量缺陷检测模型，直接部署到每台车床的主控上，加工完零件拍了照，本地直接算，只有识别存疑、概率低于90%的图片才上传到服务器复检。改完之后原来服务器峰值负载87%，直接掉到21%。整个项目省了快10万的硬件成本，客户开心，我们也少了很多后期维护的麻烦。
很多方案商上来就推新硬件，赚差价多香谁都知道，可工厂赚的都是一分一厘的辛苦钱，能盘活的资源为什么要浪费？
工厂算力资源的调度核心：按生产场景分级分配
把所有闲置算力攒一块就能用？想的太简单。不做分级分配，该快的任务快不起来，该跑的大任务跑不动，最后全乱。
之前深圳那家做3C手机外壳的工厂，原来就是把所有任务不管轻重缓急全堆在中心服务器，一到白班生产高峰，服务器CPU直接跑满，质检任务卡三五秒，整条流水线就堵在那，一天少出两三百个零件，损失不小。
我们给他们做了三级算力池划分，逻辑很简单：
一级算力池：车间近场边缘节点，只跑所有要求延迟低于100ms的实时任务，包括加工触发控制、实时在线质检、设备工况采集预警，绝对不安排非实时任务占资源。
二级算力池：厂区本地边缘服务器集群，跑半小时到两小时内出结果的批次任务，比如整班产量统计、小批量工艺参数迭代调整、批量不合格品复盘。
三级算力池：厂区中心机房或者公有云，跑天级、周级的大计算任务，比如全工厂数字孪生仿真、月度能耗优化建模、AI模型迭代训练。
这里说一个必死的坑，绝对要记牢。很多人做分配的时候，为了榨干每一分算力，给边缘节点分配超过预留额度的任务，按照GB/T 39116-2020《智能制造 工业云计算参考架构》的要求，工业边缘节点必须预留不少于40%的算力给核心生产任务，换句话说，你最多只能用不超过60%的闲置算力。我之前在浙江一家小五金厂试过，老板说省点钱，拉到70%，结果赶订单的时候，设备加工插补运算算力不够，卡了两秒，出了三个不合格的模具镶件，一个镶件成本小一千，老板脸都绿了。这个亏，别吃。
中小工厂算力资源优化：低成本落地的几个实用技巧
说实话，大部分中小工厂没那个预算一次性采购几十上百万的新算力，那怎么盘？说几个我亲测好用的办法。
第一个，错峰调度。把大算力消耗的非实时任务，全放到夜班非生产时段跑，也就是晚八点到早六点这个区间。这个时候大部分设备待机，闲置算力多，电网还是低谷电价，算下来，任务运行成本直接降六成不止。之前帮东莞一家做注塑模具的小厂，他们每周要迭代一次注塑缺陷检测模型，原来放白天跑，中心服务器卡的连MES系统都登不进去，改到晚上跑，一分钱额外硬件都没加，问题直接解决。
第二个，能用轻量模型就别用大模型。很多工程师觉得大参数模型精度高，就一定要往工厂里塞，你一个外观缺料、划痕检测，要什么几个G的大模型？现在YOLOv8n剪枝完才十几兆，大部分普通工业主控都能跑，精度只比大模型低一两个百分点，工厂应用完全够，非得占着一大块算力，纯纯浪费。
不过话说回来，轻量模型也要测精度，别为了挤算力砍到不能用，平衡很重要。
第三个，淘靠谱的二手工业服务器做二级算力池。很多大厂升级改造，换下来的工业服务器，大多只跑了两三年，硬盘没坏，性能足够用，价格只有全新的三分之一。只要提前做72小时满负载稳定性测试，完全能用，别迷信全新原厂，工厂要的是稳定性价比，不是堆参数好看。我之前贪便宜收过一台没测的，跑了三天才出死机故障，折腾了一周才换掉，浪费时间又赚不到人情，这个小细节别忘了。
现在人人都谈工厂数字化，谈AI落地，张嘴就是要买多少算力，搭多少集群。其实你工厂的车间里，已经躺着一大堆没被盘活的算力资源。盘好手里现有的工厂算力资源，比花几百万买新硬件，对中小工厂来说实用多了。毕竟，每一分钱都要花在能产生效益的地方，这才是做工厂的本分。
