工厂如何评估 AI 系统新增用电与节能收益

工厂如何评估 AI 系统新增用电与节能收益

工厂上了能耗优化模型，宣称电费降了。与此同时，新增摄像头、边缘服务器和云端推理长期运转，生产规模也变了。若只拿优化前后的总电量相减，AI 到底省了还是多用了，没人说得清。

先划清边界：采集设备、网络传输、边缘计算、云服务、机房制冷、模型训练和维护分别在哪里计量。供应商无法提供细账时，记录估算方法和不确定性。节能收益则按相同产品、产量、天气、工况比较，并设没有启用模型的对照线或分时段试验。

模型可能提高良品率、减少返工，这些收益也值得计入，但不能和设备直接节电混为一个数字。若算法增加产能导致总用电上升，报告应同时写绝对用电、单位产品用电、产量和废品变化。电网碳强度随地区与时段变化，减排估算要与实际用电时间匹配。

企业可设试点退出条件：如果新增算力和设备成本长期超过节能收益，或质量风险增加，就调整模型频率、缩小数据采集范围甚至停用。对服务商按实际验证指标付款，比按“上线功能数”付款更合适。

AI 项目节电的基线要在部署前定。企业记录相同产量、产品组合与天气下的用电，再测模型上线后的变化；同时单独计量摄像头、边缘计算、网络、云服务与新增制冷。没有直接计量时给出估算区间，不随意宣称每次推理的“精确碳排放”。

算法可能减少返工，也可能因产量增加让总电量上升。应同时写单位产品电耗、绝对用电、良品率与工时，分清效率改善和业务增长。若把计算迁到云上，厂内电费下降不是全链条节能。

试点可对相似产线分阶段上线，保留对照；发现模型过于频繁运行、收益很小，就降低调用次数或换小模型。安全和质量指标为硬边界，不能为追求净节电让设备保护失效。

一份可靠的项目账，要能回答“AI 本身用了多少电”“在相同工况下省了多少”“服务和质量有没有变差”。

有些节能算法把计算集中在夜间，电价下降了，电量却未必减少。企业应分别报告财务节省与物理能耗变化；若主张减排，还要考虑实际时段的电力来源。模型训练偶发且能耗较大，日常推理可能更小，不能只用其中一个阶段代表整个项目。算力资源共享或任务降频的收益，也应通过真实账单核对。

同一项目若既省电又增产，报告应分开写净能源收益与新增产能，不把不同目标混成一句“AI 实现减碳”。

算清 AI 自身的资源账，节能承诺才不是把电从车间转到服务器机房。