樓宇經(jīng)理并不總是放心地將先進的自動化系統(tǒng)引入他們負(fù)責(zé)的設(shè)施。但是，計算機技術(shù)的進步、流行病驅(qū)動的任務(wù)和不斷變化的使用者期望，特別是圍繞公共衛(wèi)生和工作場所的經(jīng)驗，正在推動該行業(yè)以前所未有的速度接受新技術(shù)。

雖然建筑管理者認(rèn)識到實現(xiàn)前所未有效率的機會，但涉及的技術(shù)決策與他們的能力相去甚遠(yuǎn)。他們的專業(yè)知識通常是在暖通空調(diào)，照明控制和制冷機，而不是物聯(lián)網(wǎng)，網(wǎng)絡(luò)……人工智能。

人工智能是一項特別能改變游戲規(guī)則的技術(shù)，但由于其復(fù)雜性和缺乏對其決策方式的可見性，它也可能特別令人生畏。采用人工智能進行樓宇自動化的第一個挑戰(zhàn)通常是回答一個基本問題：它將走向何方?

如今，人工智能被用于使建筑更節(jié)能、更健康、更自主、更安全，并能對居住者的需求做出反應(yīng)，這種技術(shù)最初是一種云計算技術(shù)。這些系統(tǒng)背后的機器學(xué)習(xí)算法需要強大的計算能力，既要訓(xùn)練算法，又要調(diào)用算法來提供見解——這個過程叫做推理。直到最近，室內(nèi)基礎(chǔ)設(shè)施很少有資源有效地完成這些事情。

但是，在遠(yuǎn)程數(shù)據(jù)中心之外運行智能建筑應(yīng)用有其自身的局限性。連通性、帶寬成本、安全性和延遲(將數(shù)據(jù)發(fā)送到云端和返回所需的時間)都可能影響系統(tǒng)的效率。如果一臺機器，或整個樓宇自動化系統(tǒng)即將發(fā)生故障，報警和自動響應(yīng)需要盡可能及時。

新一代邊緣計算技術(shù)在很大程度上緩解了這個問題：基礎(chǔ)設(shè)施安裝在具有計算密集型工作負(fù)載所需處理能力的設(shè)施中。

七年前成立的 FogHorn 等公司已經(jīng)開發(fā)出一種 Edge AI 技術(shù)，為建筑運營的數(shù)字化轉(zhuǎn)型創(chuàng)造了新的可能性。江森自控2022 年初收購了 FogHorn，現(xiàn)已將邊緣技術(shù)集成到其 OpenBlue 樓宇自動化平臺中。

通過縮小本地能力差距，這些邊緣設(shè)備提供了一個架構(gòu)組件，對于實現(xiàn)盡可能高效地運行建筑物的目標(biāo)很重要。隨著它們的可用性，考慮實施智能自動化技術(shù)的建筑管理人員現(xiàn)在幾乎不可避免地要面對一個問題：是在本地部署AI還是在云端部署AI。對于那些面臨這個問題的人，有一些簡單的經(jīng)驗法則可以考慮。

正如我們已經(jīng)提到的，需要實時執(zhí)行或接近實時執(zhí)行的操作是常見的邊緣用例。當(dāng)延遲盡可能小的時候，能夠檢測操作問題并自動發(fā)出警報或作出響應(yīng)的智能自動化系統(tǒng)往往工作得最好。

任何時候您想要對系統(tǒng)進行本地控制時，最好在邊緣進行；從云端關(guān)閉機器或調(diào)整控制系統(tǒng)通常會遇到安全和延遲挑戰(zhàn)。

然后還要考慮數(shù)據(jù)傳輸和存儲成本。以一個視頻監(jiān)控系統(tǒng)為例，該系統(tǒng)通過計算機視覺AI模型分析來自多個攝像機的高保真圖像，這是一個流行的AI應(yīng)用。將所有數(shù)據(jù)發(fā)送到云端并將其存儲在云端很快就會變得成本高昂。

其他用例并不那么明確。通常，建筑經(jīng)理希望根據(jù) AI 分析更深入地了解他們的運營方式，或者在其設(shè)施的“數(shù)字孿生”版本上運行模擬練習(xí)。這種嚴(yán)格的數(shù)據(jù)分析通常不需要實時進行，因此最好在云中執(zhí)行，客戶可以在任何規(guī)模利用最強大的硬件和軟件工具來完成這項工作。

如果您負(fù)責(zé)運行多個建筑物并且需要關(guān)聯(lián)它們之間的信息，那么在邊緣運行 AI 也可能不是最佳選擇。在這種情況下，云允許一個集中的數(shù)據(jù)交換所和指揮中心。實際上，通常采用混合方法，其中通過 Edge AI 在單個建筑物中進行一些初始處理，然后在來自多個建筑物的聚合數(shù)據(jù)上運行云 AI，可能會結(jié)合其他數(shù)據(jù)源。

重要的是要記住，這些是建筑經(jīng)理不需要單獨做出的決定——您的技術(shù)供應(yīng)商應(yīng)該與您合作，以確保將 AI 部署在最能滿足您的獨特需求的地方。并且建筑經(jīng)理當(dāng)然不需要接觸人工智能及其底層機器學(xué)習(xí)算法的復(fù)雜性，而是讓它在幕后發(fā)揮它的能力。

與許多正在大規(guī)模啟動“重返工作崗位”政策的組織一樣，甲骨文將大流行的后果視為引入智能建筑系統(tǒng)的獨特時刻。在經(jīng)歷了幾年的疫情導(dǎo)致的關(guān)閉后，員工堅持在一個觸手可及的實體工作場所工作，那里的便利設(shè)施隨處可見，協(xié)作工具無處不在，空氣質(zhì)量受到監(jiān)控，擁擠程度受到限制，他們的公司在能源和水的使用和減少浪費方面正在實現(xiàn)可持續(xù)發(fā)展目標(biāo)。由于建筑物的占用率仍處于歷史最低水平，關(guān)閉不需要運行的系統(tǒng)有助于大幅提高效率。

這些不斷變化的工作場所動態(tài)和期望可能是評估對物聯(lián)網(wǎng) (IoT) 技術(shù)、連接它們的先進網(wǎng)絡(luò)和控制它們的人工智能系統(tǒng)的新投資的機會——根據(jù)入住率、員工體驗需求、所有權(quán)地點及其重要性(例如，研究實驗室與辦公空間的比較)做出決策。

與過去不同，建筑經(jīng)理將利用率指標(biāo)置于時間表之上，作為他們投資自動化控制系統(tǒng)的關(guān)鍵考慮因素。他們不能想當(dāng)然地認(rèn)為每個人都會回來：許多公司正在采用混合工作政策，而且辦公室第一次需要與家庭競爭，因為它是一個有吸引力且高效的工作環(huán)境。

經(jīng)驗豐富的建筑管理人員正在爭先恐后地學(xué)習(xí)這些現(xiàn)代化運營所需的新技能。他們知道，有了人工智能的支持，無論是在邊緣還是在云端運行，他們可能會在鼓勵員工回到辦公室方面占據(jù)優(yōu)勢，為他們提供一個安全、可持續(xù)的環(huán)境，讓他們與同事和客戶面對面交流，聚集在真正的飲水機周圍，讓更少的貓和孩子在會議上客串。