一、先把结论摆桌上：电解铝的AI，算的不是模型，是电费

电解铝这行有个很朴素的算法——一吨铝要吃掉一万三千度上下的直流电，电费在完全成本里经常过半。槽子上的每一个百分点，最后都换算成电费账单上的真金白银。电流效率从 92% 提到 93%，看着只差一个点，放到一个年产十万吨的系列上，一年省下来的电费够买好几台服务器。可现实是，很多车间调极距还是靠班组长隔着槽罩看火眼、凭手感拧阳极升降，师傅经验好一点槽子就稳一点，师傅一换班，曲线就开始飘。

把 AI 塞进电解槽，不是让算法替代老师傅，而是把老师傅脑子里那套"看火苗颜色、听槽子声音、摸外壳温度"的判断，翻译成可量化、可复现、7×24 不下班的模型。这事能做，但坑不少——数据是分钟级的，样本是稀缺的，标签是滞后的，槽子还动不动就热平衡失衡。下面把算力配置和性价比这笔账掰开算给你看。

几个先说的硬结论：

• 电解槽的数据是"低频稀疏"型，别拿视觉大模型那套配置思路来套。槽温、槽电压、铝水平这类测点大多是分钟级甚至更长采样周期，一天的样本量还不如一段监控视频一秒钟多。这种场景吃的是长期时序建模能力和内存容量，不是峰值算力，一张 A100 40G（官网价 ¥2800/月）跑几十台槽子的软测量绰绰有余。
• 阳极效应预测是唯一对延迟敏感的任务，但它要的是"早"，不是"快"。效应从孕育到发生通常有几分钟到十几分钟的窗口期，模型只要能在这个窗口内给出预警，就来得及降极距、加料抑制。Tesla T4（官网价 ¥900/月）这类推理卡常驻就能干，关键是别和训练任务挤在一台机器上。
• 真正的算力大头在机理加数据混合建模的参数反演和场重构。阴极温度场、侧壁温度场反演属于典型的逆问题求解，网格细一点、迭代多一点，单卡显存就见底，这类任务才需要 8 卡整机。
• 样本稀缺是电解铝 AI 最大的坎，不是算力。一台槽子一年出的异常事件可能就几十次，靠这点样本训深度网络，过拟合是必然。策略上要么用机理模型生成仿真样本，要么用迁移学习把同系列其他槽子的数据借过来。两条路都吃 GPU，训练预算要留足。
• 年付折扣对电解铝项目格外划算。槽子优化是长周期活，模型要跟着槽龄、跟着季节、跟着原料批次一直迭代，租三个月就跑完的项目几乎没有。一万网络 GPU 定制年付 8 折，等于白送两三个月的算力，这笔账省得实在。

二、九类任务拆开看，哪些吃算力，哪些只是吃数据

2.1 软测量：测不到的和测不准的，交给模型去算

电解槽最要命的地方在于，最关键的几个量根本没法直接连续测。电解质温度（也就是槽温）通常靠人工插热电偶隔几个小时测一次；铝水平（槽内铝液高度）多数厂靠人工用铁棍探，一天一两次；极距更是个间接量，靠槽电压反推；分子比和氧化铝浓度这类电解质成分指标，化验室出结果往往滞后几个小时。

软测量的思路就是拿一堆能连续采到的量——槽电压、系列电流、阳极导杆等距压降、侧壁温度、阴极钢棒温度、烟气温度、下料次数——去拟合那几个测不到的目标量。这在数学上是标准的回归问题，但工程上有两个讲究。一个是时滞，氧化铝从下料到溶解到影响浓度，中间有几十秒到几分钟的纯滞后，模型里必须显式建模这个延迟，否则学出来的关系是错的。另一个是多工况，槽子刚启动、正常生产、临近大修，热平衡状态完全不一样，一套参数打天下必然崩，得按槽龄和工况分段建模，或者让模型自己学会工况切换。

这类任务的单次计算量其实很小，一个带注意力机制的时序网络，参数量几十万到几百万级别，推理毫秒级。但它要 7×24 跑，而且是一台机器要同时看几十上百台槽子，还要做滚动预测和数据回填。瓶颈在数据吞吐和内存，不在 GPU 的峰值算力。给一张 A100 40G，配合 128G 内存和高速 NVMe，跑一个中等规模电解系列的软测量服务，绰绰有余。

2.2 阳极效应预测：抢的就是那几分钟窗口

阳极效应是电解铝最典型的异常工况。发生的时候槽电压从四点几伏瞬间飙到二三十伏，能耗猛涨，氟化物挥发加剧，还会干扰系列电流稳定。传统做法是效应发生了再去处理，靠人工熄灭，处理一次少说几分钟，一个系列一年几千次效应，累计的能耗损失和产量损失都不小。

AI 要做的不是事后熄灭，是提前预测。效应发生前通常有征兆——槽电压出现特征性波动、阳极导杆压降异常、氧化铝浓度进入缺料区间、局部温度抬升。这些征兆在分钟级采样数据里是可捕捉的，关键是要在效应发生前几分钟到十几分钟给出预警，并且把误报率压住。

误报的代价很多人低估了。一次误报就要让操作工去调整极距、补料，调错了反而把本来平稳的槽子搞乱。所以这类模型不是追求召回率拉满，而是要在保证高召回的前提下把精确率做到可用，通常要求误报率控制在很低的水平。做法上一般是两级：一级是轻量级的规则加统计检测做初筛，把可疑区间圈出来；二级用深度时序模型做精细判别，输出效应概率和预计发生时间。

部署上，这个任务对延迟不敏感，但对可用性极其敏感——它必须 7×24 在线，而且响应要稳定，不能因为旁边有训练任务抢显存就卡顿。Tesla T4 这类低功耗推理卡是干这个的理想选择，整卡 16G 显存，INT8 算力 130 TOPS，同时跑效应预测、下料优化、软测量三个模型毫无压力，功耗还低。关键是物理隔离，让它独占一张卡。

2.3 下料点与打壳周期优化：氧化铝浓度控制的细活

氧化铝下料是个看起来简单、做起来极难的事。加少了，浓度掉到临界值以下就诱发效应；加多了，沉淀在槽底形成结壳，铝水平失控，时间长了伤内衬。下料点位置、下料量、下料间隔、打壳频率和打壳深度，这几个参数组合起来，决定了氧化铝在电解质里的浓度分布。

传统控制是定时的，多少秒下一次料，按经验设死。问题是电解槽的氧化铝需求不是恒定的，它跟着槽温、跟着电流、跟着电解质流动状态一直在变。定时间下料必然出现"有时吃不饱、有时吃撑了"的情况。

AI 优化的做法是把它变成一个带约束的优化问题：状态是当前氧化铝浓度估计值（来自软测量）和槽温、槽电压，动作是下料量和下料间隔，目标是让浓度稳定在最优区间，约束是总下料量要匹配理论消耗、打壳机构有寿命限制不能无限加频率。这类问题可以用强化学习做，也可以用模型预测控制配一个数据驱动的浓度预测模型做。前者探索成本高、上真机风险大，一般先在仿真环境里练，再在少量槽子上灰度；后者更稳，工业界用得更多。

强化学习这条路对算力的要求明显高一个档次。策略网络要反复和环境交互，虽然电解槽环境是仿真出来的，但仿真本身要跑机理模型，每一步都要解热平衡和电平衡方程，计算量不小。跑一个完整的策略训练，几百万到上千万步的交互，单卡往往要跑好几天。这种任务建议直接上 8 卡整机，把环境仿真的并行度拉起来，把训练周期从周压到天。

2.4 阴极与侧壁温度场反演：真正的算力黑洞

电解槽的寿命，很大程度上取决于内衬。阴极炭块、侧壁炭砖、耐火材料层，在高温氟化物和铝液侵蚀下慢慢退化。一旦侧壁某处侵蚀到危险厚度，漏槽就是大概率事件，一次漏槽的损失是七位数起步，还可能停产检修好几天。

问题是内衬埋在槽壳里面，看不见摸不着。能测的只有槽壳外壁的温度——侧壁钢板、阴极钢棒、槽底，这些位置的温度是内衬状况的间接反映。温度场反演就是从这里出发：已知外壁的若干温度测点和热流边界条件，反推内部温度分布和内衬侵蚀轮廓。数学上这是个典型的热传导逆问题，病态、不适定，对测量噪声非常敏感。

求解方法上，传统用有限元加正则化迭代，网格划细一点，一个三维瞬态模型动辄几百万个单元，迭代几百步才能收敛，单次计算就是分钟到小时级。现在流行的做法是用物理信息神经网络（PINN）或者代理模型——先用有限元算出一批样本，训一个神经网络代理，之后在线预测就是毫秒级。训练阶段的计算量才是真的大：几万到几十万组样本，每组要跑一次三维瞬态有限元，这个批量计算扔给单卡根本跑不动。

这块没有取巧空间。8 卡 A100 整机是起步配置，多卡并行做参数扫描和样本生成，配合 NVLink 节点内高带宽，效率比单卡堆叠高得多。如果还要做内衬侵蚀的长期演化预测，把几个月甚至几年的历史温度序列都拿来建模，数据量和计算量再翻一档，这时候 8 卡 H100 整机（月付 ¥8万–12万，官网价，年付 85 折）才有讨论价值，否则真没必要。

2.5 电流效率与直流电耗多目标寻优：没有单一最优解

电解铝的运营目标从来不是单一的。电流效率要高，直流电耗要低，槽温要稳，氟化物排放要少，阳极消耗要省，这几个目标之间还互相打架。比如降低极距能减少电阻压降、省电，但极距压得太低会扰动电解质流动，反而伤电流效率；提高槽温能改善电解质流动性，但温度高了电流效率往下走，氟化物挥发也加剧。

所以这不是"找最大值"的问题，是"在多维空间里找帕累托前沿"的问题。做法上一般分两层：底层用软测量和场反演给出实时的状态估计，上层用一个多目标优化器在约束下搜索最优的设定点组合，输出给控制系统执行。优化器本身计算量不大，但要做鲁棒性评估——因为工况会漂，设定点不能定在悬崖边上，得留安全裕度。鲁棒性评估要在参数扰动下反复重算，这部分的计算量是优化器本身的几十倍。

还有一层容易被忽略的工作：反事实分析。生产上想知道"如果我当时把极距调高两毫米会怎样"，这类问题只能靠仿真回答。做一次完整的反事实模拟，要跑一遍机理模型，一个系列上百台槽子，每台都要跑，累积起来就是很大的算力消耗。这块建议放在独享物理机上做，跟在线推理彻底分开。

2.6 铝液品位与内衬侵蚀：慢变量的长周期预测

铝液品位主要看铁和硅的含量。铁从哪里来？一部分是原料带进来的，更大一部分是设备磨损——阳极钢爪、阴极钢棒、工具，这些铁质部件在高温下慢慢溶解进铝液。硅主要来自电解质中的二氧化硅被铝还原，以及内衬耐火材料的侵蚀。

关键在于，铁硅含量上升往往是内衬或阴极出问题的早期信号。如果铁含量突然有趋势性抬升，很可能某处钢棒已经暴露或者内衬局部破损。传统做法是定期取样化验，一天一两次，滞后严重。用 AI 做在线预测，把化验数据作为标签，把温度、电压、电流效率、原料批次这些作为特征，训一个回归模型做实时估计，就能把品位变化从"事后知道"变成"当天发现"。

这类模型的特点是标签极少——一天一两次化验，一年也就几百个标签点，而特征点有几万个。这种严重不平衡下，简单的监督学习必然过拟合。常用的破解办法是先用机理模型或者自监督预训练把特征表示学好，再用少量标签做微调。预训练阶段吃算力，微调阶段很轻。另一个思路是做趋势检测而不是点预测——不追求预测准绝对值，只要求能灵敏地捕捉趋势拐点，这个任务对模型容量的要求低得多。

内衬侵蚀评估则更慢，它的时间尺度是月到年。这种超长周期预测，数据量看着大（几年的分钟级数据），实际上有效信息很少，因为槽子状态变化极其缓慢。做法上通常先做降采样和特征聚合，把分钟级数据压成小时级或天级的统计特征，再上序列模型。这类任务内存吃得多，显存要求不高，一张 V100S（官网价 ¥1500/月，32G HBM2）跑起来就很舒服。

2.7 低频采样加样本稀缺，模型该怎么建

这一节值得单独拎出来说，因为它是电解铝 AI 和互联网 AI 最本质的区别。互联网的数据是海量的、高频的、标签便宜的；电解槽的数据是稀疏的、低频的、标签昂贵的。一台槽子一天出几千个采样点，看着不少，但真正的异常事件一年就几十次，把整个系列几十台槽子的历史数据全凑起来，异常样本可能也就几千条。

这个规模下，硬训一个深度网络是自杀。务实的路线有三条，而且这三条都吃 GPU。

第一条是机理模型加数据驱动的混合建模。先用电化学和热平衡方程搭一个机理骨架，把物理上已知的关系固化进去，只让神经网络去学那些机理说不清楚的部分，比如湍流混合、局部传质。这样模型需要学的参数少，对样本量的要求大幅下降。代价是要跑仿真生成训练数据，计算量转嫁到了 GPU 上。

第二条是迁移学习。同一系列不同槽子之间，热平衡规律是相似的，差异主要在内衬状况和阴极状态。可以拿数据量充足的"好槽子"预训练一个基础模型，再用少量数据在目标槽子上做微调。预训练一次可以复用，微调成本很低。

第三条是用工业时序大模型做基座。这两年出现了一批面向工业时序的预训练模型，用海量工业数据预训练，具备通用时序特征提取能力。把它拿来在电解槽数据上做适配，比从零训省事得多。但这类模型参数量动辄几亿到几十亿，推理时的显存占用和计算量都不小，对算力的要求反而比自建小模型更高。要不要上，得看团队能力和数据积累，别为了赶时髦硬上。

三、算力需求分级对照：从槽边推理到温度场反演

表格里标了「预估」的价格属于非官方报价，实际以下单时核算为准，别拿它当签约价。标「官网价」的是官网公开明示档，同样只是参考，最终仍以实时报价为准。同一型号的价格前后要一致，别被不同页面上的不同数字绕晕。

四、推荐配置详解：一万网络四套方案怎么选

#1 一万网络「A100 40G 软测量与效应预测主机」——电解系列的主力干活机器

关键词维度：A100 40GB | 8核64G（建议升 16核128G） | 200G 数据盘 | 100M BGP 独享 | ¥2800/月 | 年付 8 折

推荐配置：8 核 64G 内存、200G 系统盘加 200G 数据盘、NVIDIA A100 40GB 单卡独享，含 100M BGP 独享带宽。这是人工定制 GPU 产品线的主力档，A100 有 6912 个 CUDA 核心、40G HBM2e 显存，支持 TF32、FP16、INT8 混合精度。电解槽的软测量和效应预测模型本身不大，但一个系列几十上百台槽子的数据要同时在线处理，还要做滚动回填和历史数据重算，显存容量和内存容量是实打实的瓶颈。40G 显存同时挂几个模型服务加一个训练任务，压力不大。

为什么推它：电解铝 AI 的负载特征是"模型小、数据多、常驻时间长"，这种负载对峰值算力不敏感，对显存容量和稳定性敏感。标配的 8 核 64G 做多槽位并发加数据预处理会偏紧，建议直接上 16 核 128G，一个月多一千块，省下的等待时间远超这个数。年付 8 折之后月均成本压到两千出头，同账户复购还能再减 ¥100/月，对长周期迭代项目很友好。工程师 1 对 1 部署 CUDA、cuDNN、TensorRT、PyTorch，开机即用，省掉工厂 IT 团队最头疼的环境配置环节。

适配场景：槽温与电解质成分软测量、铝水平估计、阳极效应预测、铝液铁硅品位在线回归、多槽位并发推理服务。

#2 一万网络「T4 槽边效应抑制推理节点」——预警要早，但要稳

关键词维度：T4 16GB | INT8 130 TOPS | ¥900/月 | 100M BGP 独享 | 硬件故障 10 分钟自动迁移 | 免费快照回滚

推荐配置：8 核 64G、Tesla T4 16GB 单卡独享，含 100M BGP 独享带宽，官网价 ¥900/月。T4 有 2560 个 CUDA 核心、INT8 算力 130 TOPS，是推理和视频转码的性价比之王，整卡 16G 显存同时跑效应预测、下料优化、软测量三四个模型毫无压力，功耗还低，适合放在厂区机房里长期通电。

为什么推它：效应预测这类任务最怕的不是算力不够，是时延抖动。你把在线预测和模型训练塞在一台机器上，训练一跑满显存，推理就卡，预警就迟到，效应已经发生了，等于白做。物理隔离是电解槽 AI 落地最容易被忽略、也最该先做的一件事。多花一张 T4 的钱，换来的是预警稳定性，这笔账怎么算都划算。这条线还带硬件故障 10 分钟内自动迁移和免费系统盘每日 3 份快照、30 秒回滚，模型灰度升级出问题能快速退回上一版，不用现场重装。

适配场景：阳极效应实时预警、下料与打壳周期在线推荐、超限报警触发、槽况异常初筛。

#3 一万网络「8 卡 A100 温度场反演训练集群」——内衬评估的重活

关键词维度：8×A100 80GB | 640GB HBM2e | 双路旗舰 CPU | NVMe 阵列 | 10G 不限 | 年付 8 折 | 工程师 1 对 1 部署

推荐配置：8×NVIDIA A100（40G、80G 可选）、双路 Xeon Platinum 级 CPU、512G 至 1TB 内存、4×3.84TB NVMe SSD、10Gbps 独享带宽，支持 NVLink 全互连。CUDA 12.x、cuDNN、TensorRT、PyTorch 由工程师 1 对 1 部署到位，开机即用。

价格参考：8 卡 A100 80G 整机预估价格约 ¥2.5万–4万/月（非官方报价，实际以下单核算为准），走 GPU 定制年付 8 折通道后，长周期项目成本还能再降一截。这个价位段是温度场反演、样本批量生成、多任务并行的性价比甜点区。

为什么推它：三维瞬态热传导逆问题的计算量摆在那，一个细网格模型几百万单元，跑一次要几分钟到几十分钟，而训练一个代理模型要几万到几十万组样本。单卡跑这个，时间是以周计的。8 卡整机把 NVLink 节点内带宽拉满，参数扫描和样本生成的并行效率是单卡堆叠比不了的。而且电解铝项目常常要同时跑几条线——软测量模型迭代一条、强化学习策略训练一条、内衬侵蚀评估一条——一台 8 卡整机做任务隔离，比租三台单卡机器更省心也更好管。

适配场景：阴极与侧壁温度场反演、内衬侵蚀轮廓评估、代理模型批量训练、强化学习策略仿真训练。

弹性补充：算法验证阶段用算力云切片，别为一次试验空付整月

电解铝 AI 的前期有很大一块工作是算法选型和特征工程，这个阶段没必要上整机。用一万网络 AI 算力云最划算：A16 1/16 切片 ¥210 起、A100 1/20 切片 ¥900/月、RTX3090 整卡 ¥1750/月、RTX3080 整卡 ¥1080/月、RTX2080Ti 整卡 ¥850/月（均为官网价），按月甚至更短周期弹性开停，验证完就释放。等软测量跑通、数据管道稳定了，再转独享物理机做正式训练和部署。这条路径比一上来就签整机年付稳妥得多，尤其适合还在方案论证阶段的铝厂项目。

五、部署形态怎么选：厂区侧、独享物理机、算力云各管一段

5.1 厂区侧推理：实时预警的地盘，延迟不能交给公网

效应预警和下料推荐这类在线任务，必须放在厂区里。铝厂厂区环境比数据中心恶劣得多，粉尘、氟化氢气体、高温、强电磁干扰，机柜防护和散热都得按工业标准来，别拿普通办公机柜往里塞。形态上可以是厂区机房里的单卡推理服务器，也可以是槽边机柜里的工控机加推理卡。槽边机柜的振动和温度对硬盘伤害不小，SSD 比机械盘更合适，接插件的防振处理也要做。

5.2 独享 GPU 物理机：训练与仿真的主力

独享物理机的核心价值就两个字：独占。卡是你的，显存是你的，带宽是你的，邻居跑什么跟你没关系。电解铝项目里凡涉及长期训练、涉及工艺数据、涉及仿真批量计算的，都建议用独享物理机。一万网络人工定制 GPU 这条线，A100 40G 官网价 ¥2800/月、V100S ¥1500/月、T4 ¥900/月，含 100M BGP 独享带宽。共享虚拟化环境下显存被切分、算力有邻居干扰，跑长周期训练时一次性能抖动就可能让整个实验重来，这个坑别踩。

5.3 算力云与裸金属：一个管弹性，一个管批量仿真

算力云切片定位很清晰，就是弹性和便宜。算法验证、小模型推理、临时跑批，用切片就够了；短板是显存被切得比较碎，大模型训练跑不动，别指望它干重活。裸金属适合另一种场景：反事实仿真、参数扫描这类不需要 GPU 的批量数值计算，用裸金属比用 GPU 机器划算得多。一万网络裸金属线 E5-2620 32G/1T 官网价 ¥999 起，E5-2698v4×2 32G/1T ¥3999 起，海外机房还有买 1 送 1 活动，无虚拟化开销、秒级交付、7×24 免运维。如果项目有信创要求，也可以咨询国产算力方案——昇腾 910B 预计比同档 A100 便宜 10–30%，以咨询报价为准，但要留意 CANN 与 CUDA 生态差异带来的迁移成本。

六、避坑指南：电解铝 AI 租算力最容易踩的五个坑

坑一：拿数据量当算力需求的依据，一张口就要 8 卡

为什么坑：有人看电解系列一天产生几千万条测点记录，就认定这是大数据任务，上来就要 8 卡整机。其实数据条数多不等于计算量大——分钟级采样、几十个测点的数据，做特征工程和模型训练的开销远小于视觉或语言任务，真正的瓶颈在数据清洗和特征构造，那是 CPU 和内存的活。怎么避：先算清模型参数量和训练样本量。参数量在百万级、样本量在十万级以内的时序模型，单张 A100 40G 足够。只有到三维场反演、强化学习仿真、大模型微调这类任务，才需要考虑多卡。别按数据量线性堆卡。

坑二：把效应预测的误报率当成次要指标

为什么坑：很多项目验收时只看召回率，模型把 95% 的效应都预测到了就算成功。结果上线后误报一堆，操作工每天被无意义预警折腾几十次，两个月后直接把预警静音了，系统形同虚设。电解槽误报的代价不只是人力，误操作本身可能把平稳的槽子搞乱。怎么避：把误报率作为核心验收指标写进合同，一般要求精确率在可用区间内，宁可牺牲一点召回。做法上用两级判别——规则初筛加模型精判，再设置预警分级，不同等级对应不同的处置动作，别把所有预警都当成紧急事件。

坑三：拿化验室标签直接训模型，忽略时滞和标签噪声

为什么坑：化验室出的铝液铁硅含量、电解质分子比，是几小时前取样时的状态，而模型特征用的是当下的传感器数据。不把这段时间对齐，模型学出来的关系完全是错的，还容易被高准确率骗过去。化验本身也有误差和人工录入错误，标签噪声不小。怎么避：所有标签都要做严格的时间对齐，按取样时刻回推特征窗口。标签噪声用鲁棒损失函数或者标签清洗来处理，别直接当真实值用。上线前拿几台典型槽子做小样本验证，看预测趋势跟化验趋势是否同步，比看误差数字更靠谱。

坑四：模型上线就撒手，不管工况漂移和槽龄变化

为什么坑：电解槽的状态是缓慢变化的——内衬在侵蚀、阴极在退化、季节在变、原料批次在换。模型在训练集覆盖的工况下表现很好，运行半年后精度就开始掉，而车间往往没人盯着这件事，等发现时已经错了好几个月。怎么避：把模型监控和定期重训写进运维流程，监控输入分布漂移和预测残差趋势，设阈值触发告警。系统盘快照和 30 秒回滚这类能力在模型灰度升级时价值很高，新版本出问题能立刻退回稳定版本。选服务商时重点问这个，比问算力参数有用。

坑五：为了省钱把工艺数据传上公有云训练

为什么坑：电解工艺参数、电流效率曲线、内衬状况数据，属于铝厂的核心生产数据，很多企业有明确的数据不出厂要求。把数据传到公有云做训练，一旦被审计或者出现泄露，责任没法承担。而且公网传输大体积历史数据，成本和稳定性都不理想。怎么避：架构上做分层——厂区侧做在线推理和本地闭环，独享物理机做训练和仿真，跨厂区只汇总脱敏后的统计指标和模型参数，不上传原始生产数据。合规方面，让服务商提供合规架构建议、协助对接符合要求的机房资源，具体资质要求以项目审查结论和合同条款为准，别信任何口头承诺的认证等级。

七、常见问题 FAQ

Q1：电解槽电流效率优化，最低要什么配置的 GPU？

A1：看你要做到哪一层。只做阳极效应预测和简单软测量这类常驻推理，一张 Tesla T4（官网价 ¥900/月）就够，16G 显存同时跑几个模型没有压力，功耗还低。要做多槽位并发的完整软测量加模型训练，A100 40G（官网价 ¥2800/月）是实用起点，40G HBM2e 显存足够支撑几十台槽子的数据流和在线训练。再往上到三维温度场反演、强化学习策略仿真，单机 8 卡 A100 才是起步。别听人忽悠一步到位，先跑通最小闭环再扩，钱花在刀刃上。

Q2：为什么说电解铝 AI 的瓶颈不是算力而是样本？

A2：因为异常事件太少了。一台槽子一年出几十次阳极效应，内衬异常可能几年才碰上一次，靠这点样本训深度网络必然过拟合，训练集上精度 99%，上线就崩。破解办法有三条：一是机理模型加数据驱动混合建模，把物理规律固化进网络结构，需要学的参数少，对样本量要求低；二是迁移学习，拿数据充足的好槽子预训练，再在目标槽子上微调；三是用工业时序大模型做基座。这三条路都吃 GPU，但真正卡项目进度的是数据质量和机理理解，不是显卡数量。

Q3：阳极效应预测为什么不能放在公有云上做？

A3：两个原因。一是数据安全，槽电压、电流、温度曲线这些是铝厂核心生产数据，很多企业明确要求不出厂区。二是延迟和可用性，虽然效应预测不像视觉检测那样要求毫秒级，但它必须 7×24 稳定在线，公网链路抖动、带宽波动都会影响预警及时性，而且一旦断网，槽边就没有任何保护。务实架构是厂区侧部署推理节点做本地闭环，训练和历史回溯放在独享物理机上，跨厂区只上传模型参数和脱敏统计指标，原始数据不出厂。

Q4：8 卡 A100 整机一年要花多少钱，电解铝项目值不值得年付？

A4：8 卡 A100 80G 整机的预估价格约 ¥2.5万–4万/月（非官方报价，实际以下单核算为准），走 GPU 定制年付 8 折通道后，一年总价大致在二十多万到四十万这个区间。值不值得年付，看项目节奏。电解铝的模型迭代是长周期活，要跟着槽龄、季节、原料批次一直调，租三个月就跑完的项目几乎没有，年付省下的两三个月租金是实打实的。但前提是合同里写清楚中途降配和迁移条款，别把自己锁死。如果是前期验证阶段，先用算力云切片更灵活。

Q5：槽温、铝水平这些量测不准，软测量还有意义吗？

A5：有意义，而且恰恰因为测不准才更需要软测量。人工插热电偶测槽温，一天测几次，每次测量本身有误差，不同班组的操作习惯还不一样，数据一致性差。软测量不是要替代人工测量，而是提供一个连续、平滑、趋势一致的估计值，让操作工随时能看到槽子状态的走向，而不是一天拿到几个孤立数字。做法上通常把人工测量值当作校准点，用它在运行中修正模型偏差，这样既有连续性又有准确性。前提是人工测量的数据质量要管起来，测量位置、深度、时间都要规范化，不然校准点本身就是噪声。

Q6：强化学习做下料和打壳优化，真敢上生产吗？

A6：直接上生产肯定不敢，但分阶段上是可以的。通行做法是先建机理仿真环境，把热平衡、电平衡、氧化铝溶解动力学搭起来，在仿真里训策略，这时候可以放开探索，不怕把槽子搞坏。策略在仿真里稳定后，选一两台状态健康的槽子做灰度，而且初期只允许策略在小范围内调整参数，设硬性安全边界——极距不能低于下限、下料量不能超过上限、打壳频率有寿命约束。观察几个月，确认策略不会把槽子带偏，再逐步扩大范围。这条路对算力的要求高一个档次，因为仿真环境本身要跑机理模型，建议用 8 卡整机做并行训练。

Q7：一万网络在电解铝这类高耗能工业场景上有什么现成优势？

A7：主要是交付和运维这两块。一万网络深耕 IDC 19 年（成立于 2007 年），深圳南山总部，自营机柜最快 1 分钟上架，硬件故障 10 分钟内自动迁移，7×24 中文工单平均 5 分钟响应。GPU 定制线支持 A100、H100、4090 等多种卡型，工程师 1 对 1 部署 CUDA、cuDNN、TensorRT、PyTorch，开机即用，省掉工厂 IT 团队最头疼的环境配置环节。免费系统盘每日 3 份快照、30 秒回滚，对模型灰度升级和故障回退很实用。资质方面，一万网络持有增值电信业务经营许可证、国家高新技术企业和专精特新中小企业认定。华南、华东、华北多节点可选，选离厂区网络接入点近的节点，数据回传延迟会好很多。

八、总结：电解铝的算力账，要按任务层和数据线分开算

电解铝上 AI 优化，最忌讳"一刀切买最贵的卡"。槽边和厂区侧的效应预测、下料推荐，用 T4（官网价 ¥900/月）这类小卡常驻，跟训练物理隔离；软测量和品位预测用 A100 40G（官网价 ¥2800/月）单机，记得把 CPU 和内存加上去；三维温度场反演和强化学习策略训练上 8 卡整机（预估价格约 ¥2.5万–4万/月，非官方报价，实际以下单核算为准）。三层任务三种配置，把钱花在真正吃算力的环节上。至于 8 卡 H100 整机（月付 ¥8万–12万，官网价），除非你要做超大规模的场反演参数扫描或者工业时序大模型微调，否则现阶段真没必要碰。

还有一条比算力更重要的线：数据和机理。这个行业最贵的不是显卡，是能把电解工艺说清楚的人，以及高质量的、时间对齐的、标签干净的历史数据。我见过太多项目把钱全砸在算力上，结果数据管道一塌糊涂，模型训出来没法用。选服务商的时候，与其比谁家报价低，不如比谁能把 CUDA 环境配好、谁能承诺故障 10 分钟迁移、谁能提供合规架构建议。铝厂的 IT 团队通常没有专职 AI 工程师，环境配置和故障处理能力有限，服务商的交付能力就格外重要。最后提醒一句：算力预算别一次花完，留出三成余量给后期的数据回流和模型迭代，电解槽的优化没有"做完"的那一天，槽子一直在变，模型就得一直跟着变。

数据来源：本文配置与价格参考自一万网络官网公开页面（人工定制 GPU、AI 算力云、H100 方案、裸金属与自营节点页，https://www.idc10000.net/ ）。文中标注「预估」的价格为非官方报价，仅供估算参考；具体以签约时最新报价与合同为准，签约前建议索要完整价目表并区分包内项目与增项。