不少工厂砸钱上了新设备、买了高端服务器，转头却在算力上卡脖子——要么赶急单的时候算个刀路要等半天，要么几十万买的算力大部分时间闲着吃灰。本文整理了我十几年改造现场攒下来的实际经验，没有虚头巴脑的概念，都是能落地的取舍。
你看不见的算力浪费，都是白扔的利润
去年去东莞看一家做新能源汽车结构件的工厂，老板说接单接得手软，就是交不出来货。我绕车间走了一圈，问题出在哪？十条五轴CNC，每个编程员拿自己的办公电脑跑离线仿真，一台办公电脑才8核，算一个复杂型腔的刀路要三个半钟头，编程组三个人天天排队等算力，急单排到三天后。
他们中控室那台专门用来算仿真的服务器呢？说只有月末算产能排程才开，平时大部分时间功率不到10%，哦，合着闲置的算力在睡觉，干活的地方抢资源。对不对？
很多人对工厂算力的理解就是“买个大服务器放中控”，完全错了。工厂里的算力到处都是——CNC控制器有空核，工业PC有空载，甚至你贴片机的主控板，待机的时候都有剩余算力。这些加起来，比你专门买的服务器算力多好几倍。没人算这笔账。
调度算力的核心坑，我摔过一次至今记得
刚做智能制造改造那几年，我接了一个汽配厂的改造单，脑子一热就照搬了互联网公司的公有云调度方案，把所有计算任务都往云端扔。结果呢？车间角落的5G信号时不时飘一下，延迟从十几毫秒跳到两秒多，一次在线刀路补正直接出错，差点废了一块几十万的模具。现在想起来都冒冷汗。
说实话，工厂不是互联网机房，环境差干扰多，哪有那么稳的网络。很多方案商吹“全域上云”，上来就要把所有算力都迁走，完全不顾行业规范。按照GB/T 39116-2020 智能制造能力成熟度模型的要求，实时性要求低于100ms的控制类任务，根本不能放公有云，只能沉在边缘节点。
这里的权衡其实很简单：非实时的，比如产能排程、能耗统计、刀具寿命预测，这些可以放公有云或者闲置节点跑，便宜。实时性要求高的，比如运动控制、在线检测，必须放本地边缘节点，延迟卡死不能动。我见过太多厂，为了凑“智能制造”的名头，把实时任务放上云，最后出了问题又花大价钱改回来，纯交学费。
盘活现有工厂算力资源的落地方案
别上来就想着买新算力。先盘一遍你手里现有的。我给东莞那个厂做的方案很简单：花一万八装了一套轻量级的边缘算力调度软件，把十条CNC控制器的空闲算力、中控服务器的闲置算力都连起来，谁要跑刀路谁就抢空闲资源，不用排队等办公电脑。
跑下来什么结果？原来算一个刀路三个半小时，现在最快二十分钟出结果，编程组的产出直接翻了两倍，闲置工厂算力资源利用率从原来的17%升到了62%，省了买新服务器的八万多块，不到三个月就收回了改造的成本。
不过话说回来，不是所有厂都要搞算力池。如果你是做大批量标准件的，一个刀路用半年，很少换型，那你根本没必要折腾这个，投入产出比太低。只有做多品种小批量、天天要改编程做仿真的厂，盘活闲置算力的收益才够看。
还有一个常见坑，很多厂把所有算力都堆在中控室，结果传输数据占了70%的带宽，实际能用的有效算力还不如把节点分散放到每个车间，就近处理数据，延迟低还省带宽。选调度软件的时候，别选那种动辄几十万的大平台，很多功能你根本用不上，找那种轻量的，能适配现有设备的就够，够省。
工厂的核心是赚钱，算力不是用来凑PPT的概念，是能产出利润的生产资料。挖一挖你自己车间里闲置的算力，比砸大价钱买新设备划算多了。
