博锐尚格发了一个案例:一处超高层综合体,总建筑面积50余万㎡,两栋塔楼加大面积地下空间,办公、酒店、商业都有。2026年业主启动智慧运营系统建设,目标写了五个数:设备运行节能10%、人效提升30%、成本节约20%、空间环境品质达标率95%、告警响应效率提升30%。文章注明这些是设计目标,实测值要等系统运行后沉淀。
我觉得最有意思的是一个限制条件:这栋楼没有自建冷站,用的是区域集中供冷,冷量从集中冷源站来、按冷量计费。冷源那头没有控制权,能动的只有末端设备,也就是按楼层租赁区域独立调节的变风量空调。租户分得越细、入住率越高,各区域需求越分化,靠人工调就越琐碎。
他们的做法是把末端调节交给AI:接入气象、室内环境、人员密度、能耗、历史冷量和设备与空间的对应关系,对每个空间预测未来24小时的冷负荷,每15分钟滚动一次,多目标寻优后直接下发指令;再定期复盘,在本地微调模型,让预测越用越准。

另外两个场景是预测性维护(识别故障征兆、预测能源负荷)和智能诊断(报警后用故障知识图谱做根因分析,推荐处置预案)。前提是数据底座:先按运维口径交付设备、空间、点位的关系数据,做一个和现场对得上的数字孪生,再部署智能体。
文章里有一句话我认同:五个数里,节能是楼的回报,人效和人力成本两项是组织的回报。物业运维AI卖给业主,节能那笔账大家都会算,真正拉开差距的是能不能减人、能不能改岗位。这一项要等运行数据出来才知道。
资料来源
本文为 AI4ELAB 编辑或原创,作者:Connor 秦明。转载请注明出处:https://ai4elab.com/12413.html