大讲堂
被电费戳破的落地幻觉
很多人聊自注意力，总拿大模型的生成效果当通用标尺，觉得只要换了自注意力架构，所有场景都能降本增效。但没人算过最基础的账：自注意力的核心计算逻辑，是要算每个输入单元和其他所有单元的关联权重，计算量会随着输入序列长度呈平方级上涨。同样是识别一张1024*1024的工业缺陷图，传统卷积模型的浮点计算量大概是2G，而7B参数的自注意力视觉模型，单张图的计算量是32G，相当于前者的16倍，但是缺陷识别的准确率只提升了7.2%。 这就是最现实的投入产出比。你花16倍的电费、10倍的硬件成本，换回来7个百分点的准确率提升，搁在对成本抠到骨头里的制造业里，根本算不过来账。 顺着供应链往上游摸，才发现这里面的利益盘根错节。杭州某家做AI推理卡的厂商，去年一年卖了12万张加速卡，其中6成是卖给了互联网大厂的大模型训练集群，剩下4成里，有一半是卖给了各个地方政府牵头建的智算中心。我去年下半年跑了6个地级市的智算中心，实测下来平均空转率超过40%——说白了就是服务器买回来了，根本没有那么多真实的推理需求，每个季度光设备折旧，就能亏掉一个中小制造工厂的年利润。上次去一个县级市的智算中心，机房里的服务器嗡嗡转，值班的小伙子在旁边刷短视频，说建了快一年，总共就接了两个小公司的图片处理订单，连电费都赚不回来。 深圳某家做工业AI的公司，本来是靠传统机器视觉方案在长三角珠三角做了十几年的质检改造，2023年开始跟风做自注意力的工业质检方案，去年一年库存压了3000多片推理加速卡，因为下游工厂根本算不过来账，卖不动。现在这家公司开始搞“免费送硬件，按质检效果分成”的模式，说白了就是把之前的硬件成本摊到后续的服务里，赌客户的良率提升能覆盖前期投入。 这就像南方山区种果树，你本来在坡地上种耐贫瘠的老品种，一年收几千斤果子够本，现在非要改种需要大棚、滴灌、恒温恒湿的进口高端品种，产量是上去了，但是投入的成本要卖好几年果子才能收回来，万一碰到个倒春寒，直接血本无归。
藏在招投标文件里的隐形门槛
很多人觉得技术落地是市场自由选择的结果，其实根本不是。现在我手上攒的2026年上半年的智能制造示范项目招投标文件里，已经有近3成的项目，悄悄加了一条隐形条款：“质检系统需采用基于自注意力机制的视觉模型，单类缺陷的小样本标注量不高于500张”。 这一条直接把原来做传统机器视觉的小厂商挡在门外。人家根本没能力研发带自注意力的模型，就算能做，也得养一支几十人的算法团队，光人力成本就扛不住。说白了，这根本不是基于实际生产需求的技术选型，是拿着政府的项目补贴，给那些已经拿了几轮融资的头部AI公司量身定做的准入门槛。 谁在买单？地方政府的智能制造专项补贴，工厂的技改资金，最后流进了卖推理卡的厂商、做算法微调的服务商、帮着写招投标参数的咨询公司口袋。我去年碰到的一个做招投标咨询的哥们，帮某地级市写了一个1200万的智能制造项目的技术参数，光咨询费就收了80万，里面所有关于自注意力的技术要求，全是抄的某头部AI公司的产品手册，根本不管工厂实际用不用得上。被技术叙事推着走的普通人
技术的风吹得再大，最后落地的压力，全砸在最基层的从业者身上。 东莞那家喷涂车间的老线长，在工厂干了8年，原来只要会接摄像头、调检测阈值、重启边缘盒子，就能把整条线管得顺顺当当。现在被要求每个月去总部参加两次算法培训，要学怎么看自注意力模型的注意力权重图，要会排查推理服务器的显存溢出问题，不去就扣20%的月度绩效。他跟我吐槽，说干了一辈子设备，临退休了还要跟20多岁的算法工程师抢饭碗，实在卷不动。 那些原来在珠三角做传统机器视觉的小厂商，原来一年能接个二三十个工厂的质检改造订单，现在因为招投标的门槛抬升，订单量直接掉了4成。要么咬牙花大价钱招人搞自注意力模型，要么就只能去接那些没拿政府补贴的小工厂的散单，利润薄得像纸。上个月碰到一个开小科技公司的老板，说现在已经不打算搞研发了，就等着那些压了满仓库推理卡的厂商打折清库存，收点便宜的卡回来给小客户做基础监控用。 没人提最开始的问题：我们花了这么多钱建智算中心、改质检系统、养算法团队，到底是真的要解决生产里的实际问题，还是只是为了凑够自注意力这个技术叙事的KPI？ 等所有靠补贴堆出来的自注意力应用场景退潮，剩下的到底是能跑通的技术，还是一仓库卖不出去的推理卡？作者|大讲堂
排版|大讲堂
审核|满满