“节能 30%”的 AI 方案,我算了三个数,物理上不成立

“节能 30%”的 AI 方案，我算了三个数，物理上不成立

原创

上个月，一个厂长拿着一份方案书来找我。

对方是一家做智慧水务的公司，方案里写得很漂亮：AI 智控，综合节能 30%，投资回收期两年半。

他问我：这个能不能签。

我没看方案。我问了他三个问题。

问到第二个，他把方案书合上了。

第一个问题：这 30%，分母是什么？

厂长愣了一下，说：就是 30% 啊。

我说不是。你去翻方案书的附录，看看它写的是哪个 30%。

我把今年能查到的十几个案例抄在一张纸上，一条条对分母。结果发现：四川某厂说鼓风电耗降 14.78%；广西南宁说鼓风机能耗降约 10%；上海一家环保集团说曝气电耗降 10%–20%；广西覃塘区说生化曝气单元降 15%；成都一家公司宣传册上写曝气能耗降 30%–50%。

看明白了吗。

鼓风机的电、曝气单元的电、全厂吨水的电——这是三本账。

市政污水厂，曝气一般占全厂电耗一半上下。拿这个折算一下：

鼓风降 14.78%，落到全厂吨水电耗，其实只有 7% 到 9.6%。鼓风降 30%，落到全厂，是 15% 到 19%。

那反过来呢？如果一家公司说，他帮你把全厂吨水电耗降了 30%——那意味着鼓风得降 46% 到 60%。

这个数，物理上不成立。

只比百分比不比绝对值，是小厂和大厂之间的另一种障眼法。

小厂降 20%，一年省几万；大厂降 8%，一年省几十万。两个数摆在一起比，谁也没说假话，但看的人全被带偏了。

我抄这张表，本来是想挑几个吹牛的。

抄完发现，没几个在吹牛。绝大多数只是没告诉你分母。

可这件事比吹牛更值得警惕——它不需要撒谎，就能让你得出错误的结论。

第二个问题：那块刨不掉的气，你算进去了吗？

厂长这时候反问我：那你说，什么样的厂不该做？

我说，你先别问哪个厂不该做，你先问哪个账不该这么算。

有个做智能控制的厂家，自己的技术文章里写得很实在——列了四种“这活不好干”的情况。第一种就是 AAO + MBR。

MBR 厂的曝气，账要分两本记。

一本是给微生物供氧的，这本能优化。

另一本是给膜擦洗吹扫的——这本跟膜通量、膜面积、膜污染控制绑死。进水少一半，它也不减。而且这部分气压根不参与生化反应，冒个泡就走了。

所以 MBR 厂不是“不能优化”，是同样省 20%，落到全厂总能耗上可能只剩个位数。再加上膜池那部分高溶解氧混合液回流到前端，占掉一部分好氧段的需氧空间，可调的余量更薄。

第二种：进出水本来就很稳的厂。固定曝气量完全够用，一个月调不了两次。上智能控制，系统一天到晚在“优化”——优化的对象，是一个本来就不需要优化的东西。

第三种：仪表数据差，又不做预处理的。第四种：只卖软件，不参与现场调试的。

前两种，占了多少存量项目？我没做过精确统计。但你去问任何一个跑过现场的调试工程师，他会告诉你：不低。

第三个问题：哪个数，是我今天就能验的？

这个问题最要命。因为“节能 30%”这个数，能验，但太贵了——要有基线期、对照期，要把水量、水质、季节、负荷全归一化，一套走下来两三个月。

问题是——大部分合同里压根没写清怎么验。

于是它就从“能验”，变成了“只能信”。

一个能当场验的数，和一个只能事后信的数，是两种东西。前者是产品，后者是话术。

所以当我翻到绍兴柯桥那家厂的材料时，我坐住了。

江滨水处理，印染废水，52 万吨/日，光二厂 12 万吨/日，服务集聚区 66 家企业。去年 8 月上了个 AI 数智运营项目。

真正让我坐住的不是它用了什么大模型。是它挑的第一个落地场景——精准排泥。不是曝气。

全行业都在抢曝气，因为故事好讲、数字好看。它偏偏去啃排泥。

泥排多了，泥里裹着大量污水一起走，处置成本哗哗涨；泥排少了，出水悬浮物顶上来，生化系统跟着出问题。以前全靠一句话：“看泥位，凭手感。”

我看到“±0.2%”这五个字符，愣了一下。

因为这是我这几个月翻的案例里，少见的一个甲方能当场拿量筒验、也能原样写进合同验收条款的指标。

但这儿有个坑，我必须说。

含固率是“控制精度”指标。它证明的是排泥排得准，不等于这套系统创造了价值。人工仔细操作，配一台在线污泥浓度计，做到 ±0.5% 并不难。

更要命的是第二个坑：排泥量降 50%，本身不是好事，也不是坏事。

泥排得少，如果 SRT 跟着拉长，短期省的是泥处置费，长期可能是污泥老化、SVI 抬头、生物除磷掉效率，再严重一点就膨胀了。

排泥量掉下去、SVI 爬上来，那不叫优化，那叫把问题往后拖。

我特意把这段写出来，是因为我自己见过这样的项目——验收报告很漂亮，第二年污泥膨胀，回头一查，当时没人看过 SVI。

那 AI 到底栽在哪儿？

栽在输入端。

有家做工业废水 AI 诊断的公司，入选了今年江苏省的人工智能典型应用场景。它的公开材料里有一句话，我看了三遍：AI 生成的诊断报告，“有效内容占比”从初期的不足 10%，提升到了 70%。

注意这个起点。10%。

也就是说，这套系统刚上线的时候，它写出来的十句话里，有九句是废话。这不是黑它——敢把这个数写出来的公司，比那些一上线就“效果显著”的可信得多。当然，这只是这一家的自评口径，样本就一个，代表不了行业。但它至少说明：这类系统的输出质量是随时间爬坡的，不是上线即达标。

爬坡靠什么？靠学。而它学得怎么样，取决于一件事——这个厂给它的数据，到底靠不靠谱。

AI 在污水厂最大的敌人不是算法，是化验室一天只出两次数据。

COD 一天测两回，氨氮一天测两回，总磷有时候隔天才出。而进水负荷是按分钟在变的。模型拿到的是两天前的答案，去解今天的题。

所以柯桥那个“黑灯实验室”我才觉得有意思——每 2 小时自动取样、检测、出报告。外人看这是“机器换人”，内行看这是在给模型补标签。没有高频、可信的真值，再大的模型也是在猜。

他们设备缺陷识别准确率从 65% 提到了 95%。为什么能提 30 个点？不是因为模型突然变聪明了，是因为喂进去的样本终于对了。

所以我现在的做法，是反过来的

先不谈算法。先花两周，把这个厂“量”一遍。

第一步：把基线抠干净（3–5 天）

调 12 个月的电费单、药耗台账、进出水日报。如果厂里只有总表、没有分项计量——这种情况很常见——就按设备铭牌功率乘运行小时估算，或者装几只临时电表跑两周。这一步的精度，直接决定后面所有结论的精度。

拿到数，别急着看平均值，先看波动。波动越大，智能控制的发挥空间越大；波动越小，你上系统就是把一个稳定工况再稳定一遍。检修月、调试期、异常进水的月份，全剔出去。

第二步：测活性（5–7 天）

先把话说清楚：OUR 不是精确曝气的必要输入，成熟的控制回路靠 DO 反馈加前馈就能转起来，不用神话仪表。

但那条回路能调出多少东西，取决于这池泥的活性。同样 4 g/L 的 MLSS，活性差一截，同样 DO 设定下能吃的负荷就差一截。活性低了，你把曝气调到最优，也只是让一个病人呼吸得更省力。

所以 OUR 回答的不是“怎么调”，是“这个厂到底有多少可调的空间”。

为什么非要测，不能算？

因为绕不开一个数：氧转移效率，专业上叫 α 值。市政污水，α 通常 0.4–0.7；含表面活性剂的印染、化工废水，能低到 0.2–0.4。α 差一倍，同样需氧量下，风量就差一倍。这个数图纸上算不出来，只能实测。

再测进水 VFA——它回答：进水里的碳，有多少是菌能马上用的。但 VFA 只是一环，反硝化能不能进行，还得看硝酸盐负荷、缺氧区停留时间、内回流比。

第三步：出一份“改造前诊断”（2–3 天）

三页纸，只回答三个问题：这池泥还能干多少活？氧到底该给多少？碳源到底缺不缺？

然后带着这三页纸去跟方案商对数。能跟你对着数往下聊的，是真做过项目的；开始讲“影响因素比较复杂”的，你就知道他那个 30% 是怎么来的了。

说句公道话

我不反对 AI 进污水厂。曝气优化和智能加药，确实是目前落地最扎实的两个场景——吨水电耗降 10%–30%、药耗降 20%–40%，这些数在不少项目上是站得住的。

我反对的是另一件事：用一个分母都没说清的数字，去换一个要签字的合同。

这行干了这么多年，我见过太多“效果显著”的项目，三年后回到人工操作。不是技术不行，是当初没人把“怎么算成功”说清楚。

柯桥那个“±0.2%”，看着一点都不性感。但它是我今年看到的，一个真正像工程的数。

最后提醒一句：这套东西不是免死金牌。如果你厂里的仪表本身就不准——DO 仪三年没校、MLSS 探头糊了一层生物膜——那这两周测出来的东西，精度也是可疑的。这种情况，第一件事不是测活性，是先把仪表修好。

上一套 AI 之前，先给你的感知层做个体检。这个顺序不能反。

三个问题问完，成色你自己就有判断了

问分母 · 算刚性气 · 找能验的数

#污水处理 #智慧水务 #AI落地