暖通数智化之路的现状分析

　　在文章开始前，我想先说明两点：

　　第一，我后面所讲的内容主要针对大型暖通空调系统在运营阶段的数智化，所谓数智化是指实现数字化管理和智能化控制，从横向上讲，它既不包含北方集中供暖系统也不含各类中小型暖通空调系统如多联机、单元机以及各类风冷热泵机组，从纵向上讲，它不包含建造验收前的所有环节，如设计、施工、调试等，所以只能说是暖通数智化的一部分，但鉴于一时难以想到一个简短的名字，所以就用了暖通数智化，确实不够严谨，也有哗众取宠之嫌。

　　第二，之所以想动笔写些文章是源于自身在暖通行业浸淫多年，接触了不少从事这方面的公司和专家，但却发现不同人对这件事的理解差异巨大。

　　因此想基于自身理解和经验写一系列文章总结和回答几个关键问题：

　　（1）市场上有哪些人在做这件事以及他们干的怎么样了？

　　（2）暖通数智化的困难到底在哪里，为什么进展缓慢，而非秋风扫落叶？

　　（3）AI在暖通数智化中到底承担什么角色，算法研发要怎么干？

　　（4）暖通数智化路径到底要怎么走？

　　期望能借此为暖通行业数智化尽一点绵薄之力。文章观点均受限于个人认知水平，因此过于武断或不妥之处在所难免，还请见谅。

　　当前这篇文章主要回答第一个问题。

　　近十年来，随着人工智能、云计算、智能硬件的发展，使得一直不温不火的暖通自动化与节能改造市场衍生出一条数智化改造的道路来。这条道路可以说是人满为患，好不热闹，不仅聚集了传统国际自动化集成商、设备制造商以及节能改造服务商，各种互联网厂商、能源服务商以及走资本市场的创业公司也涌入进来。

　　为什么大家会不约而同地往这条道上靠？原因可能很多，我想总体上可概括为5个方面。

　　能耗高应用广定性地认识到暖通空调系统运行能耗高几乎是一件0门槛0成本的事，只需了解一下办公室夏季电费便可。结合一点生活常识便可知它应用很广，不只在办公楼，几乎所有大型公共建筑都离不开它，若稍加调研便知不只是楼宇建筑，轨道交通、数据中心、工业领域的电子/制药/新能源/半导体等等行业都要依靠大型制冷空调系统来维持环境温湿度或满足工艺降温要求，且不管在哪个领域，它都是能耗大户。这个特征使从事或有意愿进能源行业的人很容易看到暖通是源网荷储中的荷的重要组成部分。

　　再考虑到空调负荷高峰与电网负荷高峰有一定重叠，且空调负荷又属于柔性可调控负荷，同时在城市核心城区还具有高度聚集的特征，因而进一步增加了在该领域做数智化的商业潜力和想象空间。

　　总体而言，能耗高、应用广、可调控的特点是让能源服务商、互联网大厂以及各类外行公司进入该领域的重要原因。

　　政策清晰明确自从数字化转型、双碳战略提出以来，从各部委到地方均出台了大量又拉又打的政策，拉主要体现在各种补贴政策以及绿色工厂或灯塔工厂的申报，打则是各种碳配额、碳积分等碳市场建设的政策和试运行。虽然目前仍然以拉为主，但打也给很多终端用能大户造成了压力。

　　再结合近两年终端开源压力大，降本的诉求和优先级提高，这些都增强了终端客户对于数字化转型与节能降碳的动力和决心。诚然，对于有温湿度控制要求或工艺降温需求的终端，制冷空调系统是其数智化转型与节能降碳难以忽略的一部分。

　　显然，终端有诉求便会倒逼大量传统自动化节能技改的公司不得不往数智化方向靠，这是目前大量的传统节能改造公司手头都能拿出各式参差不齐的数智化解决方案的关键原因。之所以参差不齐，是因为大部分公司所拿出的方案都只是应付终端客户，数智化也只是形似而神不似。

　　行业竞争加剧随着新建市场逐年萎缩，行业下行几乎成共识，原本活跃于新建市场的设备制造商、机电工程商和自动化集成商竞争几乎趋于白热化。激烈的竞争促使他们一方面考虑提供数智化解决方案作为差异化竞争的一个优势点，另一方面让他们将目光转向存量市场，想在已有客户上再做点文章。

　　那做什么文章能更有利于他们跟原本就长期在存量市场耕耘的节能改造服务商竞争？显然，提供数智化解决方案是一个很好的切入点，因为大部分传统节能改造服务商公司规模普遍不大，脚踏实地有余，仰望星空的能力却不足，论做项目的综合成本控制有优势，但要谈AI智控和数字化运维则非他们所长。

　　这就进一步加剧了存量市场节能改造的竞争激烈程度，所以不管是为应对终端要求，还是提高自身在市场上的竞争力，传统节能改造服务商都不得不弄一套数智化解决方案，也不得不往数智化方向转型。

　　AI确有用武之地简单来看，大型制冷空调系统可以认为是由多类机电设备所组成的系统，在同一类机电设备中由于数量有多个且个体有差异，因此就存在同一类机电设备开几台和怎么设参数的问题，而不同类机电设备之间又存在强耦合强制约关系，因此就存在不同类设备之间的优化问题。

　　其次，制冷空调系统的第一目标还是保障温湿度要求或工艺需求，而每一个机电设备又有其工作边界，这些便可看成制冷空调系统的约束条件。

　　再次，制冷空调系统的负荷需求实时变化，因此便有在满足实时变化的末端需求下求能耗最优解的科学问题。显然，这是一个很典型的只能用AI解决的问题。

　　用哪种AI算法去求解？学术界研究了二三十年，集中式的启发式算法、分散式对偶分解的算法以及其它算法都做了深入研究，只是一直难以真正大范围工程化应用，至于原因和解决方案，本文先不展开，留在后续专题讨论，但方向清晰明确的是只能用AI来解决大型制冷空调的系统级优化问题。

　　自动化控制普遍不如预期尽管自动化发展多年，但直到今天，我们依然可以认为目前绝大部分制冷空调系统的控制水平和运维管理水平比较差。这里所说的控制水平差不是说没实现系统层级的实时最优，而是自动化系统的控制逻辑不合理或不符合现场实际情况。

　　事实上，制冷空调系统随着年限增加，设备性能、数量甚至用途都可能发生改变，改变后便使得原有控制逻辑不再适用，进而致使现场运维师傅弃用或埋怨。

　　这个问题在自动化架构体系几乎是无解的，因为自动化工程师对制冷空调系统的理解深度受限，而熟悉系统的现场师傅或暖通工程师往往没有能力改PLC/DDC程序，其次两者在时间维度上错开，前者的工作在建设阶段，后者的工作则在长期运营阶段。

　　总之，熟悉现场或专业的人与写控制逻辑的人是割裂的，而通过数智化软硬件，有望大幅度降低底层控制逻辑的编写门槛，让专业的人和熟悉现场的人随时可以去设计或更改控制逻辑，由此可大幅度提高底层控制水平。在运维管理上，当前水平较低的直观结果是目前很大比例的制冷空调系统都存在或多或少的毛病，而且有些毛病藏得很深，现场师傅甚至难以察觉而需要专业团队做诊断咨询。

　　AI在暖通空调系统的另一个用武之地就在于可通过数据做一些异常检测和诊断，实现预防性维护，进而有望提高运维管理水平。值得一提的是用AI算法做暖通行业的故障检测和诊断近十几年都一直是行业研究热点之一，但由于故障数据不全或对现场数据要求苛刻导致工程应用不广泛。

　　以上基本就是导致暖通行业数智化道路上比较热闹的原因。那主要都有哪些竞争者？归纳起来，大致可分为六类：

　　（1）传统节能改造与自动化转型的公司；

　　（2）大型国际自动化集成商；

　　（3）国内大型设备制造商；

　　（4）国内中小型设备制造商；

　　（5）各类外行公司，如能源服务商和互联网公司；

　　（6）专业的数智化创业公司。

　　这几类公司因基因、认知水平、公司实力差异大，所走的路径和面临的问题也各有不同，下面我就妄议一下每类公司的总体路线和面临挑战。

　　传统节能改造与自动化转型的公司这类公司数量众多，普遍规模不大，其数智化转型的方向和路径往往取决于创始人的认知水平。由于这类公司创业已久，保守固执基本是创始人的共性。

　　一般有两种情况：

　　（a）创始人既没有再折腾的体力，也没有自我革新的勇气和决心，还是信奉过往成功的项目和商务运作经验，自身不投研发，叫嚷的数智化转型只是东拼西凑而形成用于应付终端客户需求的方案。由于暖通是个慢行业，这种形式的生存之道，我想依然还会持续多年。

　　（b）创始人市场敏感性强，看到了数智化的趋势，愿意投入研发提高公司的竞争力，也能清晰看到自动化的局限性。但由于自身思维比较保守，且公司实力有限，往往只能根据自身情况适当投入研发。当前所研发的产品往往只能解决一部分自身以往做自动化系统时所面临的问题和较大程度上满足客户需求，而无法解决行业问题，也不是行业数智化的最终方案。

　　总体上讲，暖通行业的传统节能技改公司往往只懂暖通，却不懂AI和互联网，能清晰地看到自动化系统的局限性，却不知道数智化能解决什么问题。深入骨髓的项目制思维和保守严谨的基因既是过往成功的法宝，也是其在数智化时代最大的障碍。这类人能认识到自动化与智能化的联系，却认识不到自动化与智能化的区别，往往更倾向于看到实际现场的特殊性和复杂性，当看到或谈及AI实际落地时，更倾向于去寻找AI暂时难以解决的实际个性化问题或解决问题时的片面性和局限性，而看不到AI应用时的相对普遍性和通用性。的确，在目前阶段，对于专业做暖通的人来讲，想找到实际落地的数智化项目中的AI算法缺陷和鸡肋之处，几乎不费吹灰之力。

　　因此，他们往往容易对研发的投入举棋不定，一方面担心被市场淘汰，另一方面又对这事充满疑虑。本质上来讲，他们内心依然信奉过往经验，而非引领时代的AI。很多时候，过多的经验往往只是创新的阻力，而非创新的助力，也更容易陷入经验主义的沟壑之中。为消除内心焦虑，抓住手头的客户，发挥自己在经验上和服务能力上的优势，他们会倾向于给客户做更长期的服务，因而会大力推动与客户签订像EMC、托管或售冷类的长期合同（这几种商业模式本身都有较深的历史渊源，本文不赘述）。

　　大型国际自动化集成商客观上讲，国际自动化集成商几乎拥有得天独厚的条件，他们是自动化时代的领跑者，几乎没人比他们更熟悉自动化在暖通行业应用的局限性，而且也能清晰地看到数智化的趋势，自身研发实力也强劲。那为什么他们没能在数智化这条路上领跑？

　　我想原因主要有两个：

　　（a）数智化尤其是AI智能化要实现价值需与底层场景和自动化体系深度细致的融合，绝不是一群既不懂场景又不懂自动化的AI算法工程师弄一个通用算法等着被调用就完事了，它需要跨专业和领域的密切配合，但部门墙、跨国交流所带来的组织隔阂是其干这事的障碍，几乎可以抵消其它所有优势。

　　（b）要让一个高级管理人员离开舒适圈或许不难，但要让一群基层员工离开舒适圈却很难，试想市场对公司现有的的自动化软硬件或楼控产品接受度极高，也容易卖，销售为什么要去选择给客户卖那些自己都一知半解客户理解成本也高的数智化软硬件？

　　所以对国际自动化集成商来讲，自家的自动化产品给自家的数智化产品带来的更多是推广障碍。事实上，早在十几年前就有一家头部集成商研发了一些非常好的预测性维护算法，但未能大范围铺开应用，也没能实现其商业价值，我想组织隔阂和破圈障碍可以说功不可没。

　　国内大型设备制造商国内大型设备制造商属于实力强劲且愿意做高投入的一类公司，他们也深知自身缺乏数智化所需的互联网基因，因此均尝试找一波互联网大厂的人员来主导这块业务。

　　然而，传统互联网公司的人虽具有优越的规划能力、市场敏感性和产品思维，但却对暖通领域的业务纵深及应用复杂度认知严重不足。他们只能看到数智化在各行各业应用的统一性和普遍性，却看不到其特殊性和复杂性。

　　在互联网人的主导下，往往规划一张宏大的蓝图，暖通也只是其宏大蓝图中的一小块。他们拥有让传统工科专业人员艳羡的造概念和造势能力，但这终究难以持久，几年折腾下来，最终都没能打造出能广泛应用实现整个行业的智能化产品出来，只是打造了一个架构先进功能全面的数字化平台，虽有一公里宽，却只有一米深。

　　理性来看，国内大型设备制造商几乎拥有把这件事做好的全部能力，既有互联网的创新、抽象和仰望星空的能力，又有大量暖通制冷设备制造和自动化集成的经验和一大群兢兢业业脚踏实地的专业人才，同时拥有这两类顶尖人才可以说是做好这件事的绝对优势。

　　但目前尚未能如愿，核心原因还是组织障碍。传统工科和制造业的严谨、朴素和保守的认知底色与互联网的大胆、开放和跳跃存在天然的语言和沟通障碍，容易不自觉地将对方贴上与自己不是一路人的标签并产生偏见，进而在协作过程中容易相斥而不是相容。再结合大公司固有的部门墙，便使得两类人的深度融合更难。

　　以我看来，若无法将互联网体系人才与传统工科人才深度融合到一起，便只能做到蜻蜓点水，难以把暖通数智化这件事真正做深做透。

　　国内中小型设备制造商该类公司由于自身实力受限，投研发的手笔不如大型设备制造商，其初衷和走的方向也因公司业务特征差异而各有不同，很多都并非针对运营阶段的数智化，而只是用于服务自家产品的研产销服。部分做运营阶段数智化的公司，有些只是期望搭配软件能为硬件创造一个销售差异点，以便更好带动硬件销售，真正初衷想做优质数智化软硬件的公司并不多。

　　总体来讲，这类公司数量众多，业务差异大，侧重点也各有不同，难以一概而论，但大部分公司都看到了数智化的趋势，也不愿错过，只是看不清楚这条道要怎么走，也不愿试错成本过大。

　　因此往往是攒一个小团队摸着石头过河，严谨、严肃、保守、朴素和老实的作风和思想有余，而开放、创新和大胆意识不足，决心和魄力受限。但随着时间推移，这条道路会越来越清晰，我想他们会在暖通数智化浪潮中扮演一个长期角色。

　　各类外行公司各类外行公司如能源公司和互联网公司基本都是因为看到这个行业能耗大、应用广、负荷可调且是AI应用的一个良好场景而涌入进来。他们的路径有两种：

　　（a）自己做平台软件和AI算法，其它均通过生态伙伴实现，初衷是期望可以像互联网一样形成规模效应；

　　（b）自己开发软件和集成硬件，打包卖产品给各类集成商，自己不下场做项目。

　　基本上来讲，他们只想干上层高价值板块的工作，底下的脏活累活交给合作伙伴干，然后把数据握在自己手中。事实证明，这是一厢情愿的。他们只看到了暖通是一块很大的肥肉，殊不知这肉里长满了刺，既不了解行业历史，也不了解现状，如墙边芦苇，头重脚轻根底浅。

　　同大型设备制造商里的互联网群体类似，他们只看到了暖通数智化方向的普遍性和统一性，却看不到它的特殊性和复杂性。只是一味地蛮干，结果自然是撞得头破血流。

　　由此可见，这是个要脚踏实地和充满烟火味的行业，在自己未能将整个数智化应用的全部环节摸透，就主观地想挑选一些自认为擅长的环节来做是行不通的。其次，在产品或算法未能在大量现场长期反复验证和迭代，就想坐在办公室把这款产品开发出来然后广泛应用也是不切实际的。

　　暖通数智化不是一个能立竿见影的事，而是需要长期积累久久为功。显然，久久为功与这些外行公司的初衷有悖，因此往往是来也快，去也快，终究只是刮了一股风。

　　专业的数智化创业公司从事暖通数智化的创业公司数量众多，有的侧重硬件、有的侧重软件，也有一些只是顺带做暖通。这类公司普遍互联网基因较重，AI和近期火热的智能体基本时时挂在嘴边，他们有两点优势：

　　（a）很擅长跟进热点和舞弄一些高级词汇和概念。

　　（b）很擅长总结故事，不管是商业路径还是AI应用，逻辑极为自洽和周密，基本无懈可击。

　　除少部分原本就是该行业的创始人外，大部分公司也都是一些外行人，因此普遍根底浅，落地能力不如售前能力。虽然其初衷大抵都是研发产品，但最终都被拖入项目的泥潭而无法脱身。这类公司谈不上有行业积累，但还是有些落地实践经验，能看清智能化与自动化的区别，只是看不清智能化与自动化之间的联系。

　　他们了解AI的能力和边界，但对暖通这个行业却既不博古也不通今。虽然成天叫嚷AI，内心却并不清晰AI到底要解决什么具体问题，或者暖通行业有什么问题要用AI来解决，只是主观的从AI角度出发看AI能干哪些事，殊不知暖通是一个理论很完整的工程专业，大部分问题理论就能讲清楚。这种情况硬用AI无异于弃牛顿第二定律而不顾让AI去解决自由落体运动问题，除了增加了复杂性，毫无意义。

　　由于未能深入理解行业现状，导致原本暖通理论框架无法解决且AI能解决的问题却得不到深入研究，进而也就造成实际上AI能带来的产品价值不如预期。

　　此外，这类公司目前所面临的真正挑战是无法找到一条能匹配公司成本的商业模式，基本业态都是产品型公司成本，项目型公司收入。实际上，几十年节能技改的历史证明，项目型公司的毛利只够养活一群传统工程专业的群体，难以额外再养活一个以IT为主体的研发团队。

　　这就是暖通行业在数智化路上的基本现状，都各有各的问题和局限性。

　　那些妄想毕其功于一役的外行公司与急功近利的部分创业公司终是违背了这个行业的基本规律，也没有尊重这个行业的历史，有些已经虎头蛇尾的收场了，有的被撞的头破血流，生存艰难。

　　相比而言，那些因循守旧、被经验制约、对研发的投入总是表现谨慎和忐忑不安的公司，虽在这条道上走的缓慢，却也彰显了其长期形成的生存智慧，我想他们或许走的更远。只是他们虽不会因盲目投入而深陷困境，但节奏终是与数智化的节奏不太匹配。

　　在此我们不免发出一个灵魂之问，为什么暖通数智化方向如此清晰，都能看到彼岸，但当前却都尚未找到一条通往彼岸的路？都未能研发出又有深度又能广泛应用的数智化解决方案？

　　难道在暖通行业，数智化的道路又要重复传统自动化的老路，始终发育不全，只能有客户级别的解决方案，而无行业级别的解决方案？

　　难道这个行业注定又要走分散的路径，要靠如漫天星辰明暗不一的小公司来实现行业的智能化？