近年來，人工智能 (AI) 與邊緣計算的結合，為當今樓宇的運營和管理帶來了革命性的變革。邊緣人工智能 (Edge AI) 是一種全新的技術，它利用網絡邊緣(例如傳感器、網關和嵌入式控制器等本地設備)的 AI 算法計算能力，而無需依賴云端基礎設施。在樓宇系統中，這意味著更快的響應速度、更高的能源效率、更佳的居住舒適度以及更完善的數據隱私保護。

　　本文探討了用于構建系統的邊緣人工智能的概念、主要優勢、實際應用、技術架構和挑戰，并展望了其美好的未來。

　　什么是邊緣人工智能？

　　邊緣人工智能 (Edge AI) 是指在邊緣設備(物理上靠近數據源的硬件，例如暖通空調設備、照明控制器、安防攝像頭)上運行人工智能算法。與典型的云端托管人工智能系統(依賴于與遠程服務器的持續數據通信)不同，邊緣人工智能 (Edge AI) 在本地進行計算。

　　這種本地化有幾個重要的優點：

　　減少延遲

　　減少帶寬消耗

　　實時決策

　　增強隱私和安全

　　對于建筑系統，Edge AI 可以更快、更智能地管理供暖、通風、空調 (HVAC)、照明、門禁控制和能源管理等運行參數。

　　為什么邊緣人工智能對建筑系統很重要？

　　現代建筑包含數百個傳感器和智能設備，它們不斷收集數據。所有這些數據的云處理帶來了延遲、成本、帶寬限制以及潛在的隱私泄露問題。

　　邊緣人工智能通過以下方式緩解這些挑戰：

　　自主實時決策

　　基于上下文的優化

　　網絡故障恢復

　　閃電般快速處理高頻數據

　　此外，人們對智能、節能和安全建筑的興趣日益濃厚，使得邊緣人工智能不僅有益，而且必不可少。

　　邊緣人工智能在建筑系統中的主要應用

　　能源優化

　　使用邊緣人工智能 (Edge AI) 的智能暖通空調系統可以分析實時占用模式、外部天氣和內部空氣質量。根據分析結果，系統會調整局部供暖或制冷，從而減少能源浪費和水電費。

　　照明控制

　　邊緣人工智能 (Edge AI) 可以根據占用率、日光和使用模式自主控制照明。嵌入 AI 模型的邊緣設備可以確定何時以及如何調整照明水平，以實現最佳舒適度和能源效率。

　　安全與監控

　　邊緣安全攝像頭上由人工智能驅動的應用程序可以檢測異常行為、識別面部，甚至無需將視頻推送到云端即可區分授權和未授權的訪問。

　　預測性維護

　　邊緣人工智能 (Edge AI) 監控電梯、空氣處理器和發電機等設備的振動、溫度和噪音異常情況，預測故障并觸發維護通知。

　　用戶行為分析

　　邊緣人工智能能夠追蹤活動模式和空間占用情況，從而了解居住者如何使用建筑物。這有助于提高空間利用率、提升舒適度并優化清潔計劃。

　　建筑系統中的邊緣AI與云AI

　　可靠性

　　在網絡中斷期間運行

　　依賴互聯網

　　可擴展性

　　依賴于設備

　　更適合大數據分析

　　兩者都有其用途，但 Edge AI 在實時、隱私敏感和關鍵任務建筑運營中的應用最為廣泛。

　　樓宇邊緣人工智能的技術架構

　　用于構建系統的邊緣人工智能最常見的是分層架構：

　　傳感層：原始數據由溫度傳感器、運動探測器、攝像機和智能電表等傳感器收集。

　　邊緣處理層：配備 AI 芯片或加速器的網關或嵌入式控制器負責數據處理。模型會進行預訓練或定期更新。

　　控制層：控制系統根據推理結果啟動加熱或冷卻變化、照明開啟或關閉或警報等動作。

　　可選云層：部分數據被發送到云端，用于模型更新、數據聚合或長期分析。

　　這種分散的設置保持了自主性和連通性的平衡。

　　邊緣人工智能對建筑利益相關者的益處

　　對于設施經理：

　　實時了解運營情況

　　減少人工干預

　　預測性維護警報

　　對于居住者：

　　增強舒適度

　　對請求或異常情況的快速響應

　　定制環境設置

　　對于建筑業主：

　　更少的能源和運營成本

　　延長資產壽命

　　提高租戶滿意度和保留率

　　對于安全團隊：

　　快速事件響應

　　實時監控分析

　　數據主權與合規性

　　在建筑系統中實施邊緣人工智能的挑戰

　　盡管邊緣人工智能前景廣闊，但它仍面臨一些實施問題：

　　硬件限制

　　邊緣設備必須具備足夠的能力來運行AI模型。平衡功耗和性能仍然很困難。

　　模型部署和更新

　　如果沒有適當的編排工具，處理和更新數百個分布式 AI 模型將非常困難。

　　互操作性

　　建筑物內通常安裝著來自不同制造商的傳統設備和裝置。需要標準化并擁有靈活的 API，以便將它們與現有的邊緣 AI 解決方案集成。

　　安全風險

　　邊緣設備暴露在外，因此更容易受到篡改。它們需要受到保護，以防網絡攻擊。

　　過渡成本

　　對 Edge AI 硬件和集成的初始投資可能成本高昂，但未來的成本節約通常可以證明這一點。

　　智能建筑邊緣人工智能的未來趨勢

　　聯邦學習

　　與集中數據相反，聯合學習允許邊緣設備協作訓練模型，同時將數據保存在邊緣設備上并節省帶寬。

　　人工智能驅動的數字孿生

　　Edge AI 將為建筑環境的實時數字孿生提供動力，實現飛行模擬和優化。

　　與5G集成

　　隨著 5G 部署，邊緣設備將享受更高的帶寬和更低的延遲，從而實時實現更先進的 AI 應用。

　　可持續性分析

　　通過實時監控和優化能源消耗模式，邊緣人工智能將有助于實現碳中和目標。

　　即插即用的邊緣 AI 模塊

　　新平臺旨在提供模塊化、即插即用的邊緣人工智能產品，以降低在現有建筑物內實施的復雜性。

　　總結

　　邊緣人工智能正在徹底改變樓宇的監控、控制和優化方式。通過將智能決策推向數據源的邊緣，它消除了傳統云系統的諸多局限性。從提高能源效率和安全性，到提升居住舒適度和預防性維護，其應用范圍廣泛且具有變革性。

　　隨著邊緣人工智能硬件價格越來越低廉，人工智能模型效率越來越高，其在樓宇系統中的應用將進一步提升。富有遠見的設施經理、建筑師和技術提供商如果能夠把握這一趨勢，將更有能力引領未來的智能建筑革命。