AI + IoT 正在重塑 HVAC 的商业模式 / AI + IoT Reshaping HVAC Business Model
暖通系统正从单纯的硬件设备转变为数据驱动的服务，AI 优化和预测性维护成为新竞争焦点。
4.1 五大智能化趋势
AI 驱动优化
机器学习算法通过实时室内人数 / 天气 / 建筑热惰性数据，动态调整供冷/供热设定值，实现 15–30% 能耗节省。
预测性维护 Predictive Maintenance
IoT 传感器监测压缩机、冷凝器、过滤网状态，提前预警故障，降低非计划停机成本。
BMS / BA 系统集成
BACnet、KNX、Modbus 等开放协议逐步统一，暖通与照明、窗帘、供电系统协同控制。
数字孪生 Digital Twin
在云端建立建筑热力模型，模拟不同运行策略效果，支持调试和持续优化。
需求响应 Demand Response
智能暖通系统接入电网需求响应信号，在电网峰值时段自动降负荷。
4.2 商业模式变化
传统模式 数据服务模式
───────── ─────────
设备销售 (一次性) 设备 + SaaS 订阅
制造商 → 经销商 → 用户 制造商 → 运营商 → 用户
收入 = 设备差价 收入 = 设备 + 数据服务费
质保期内被动售后 全生命周期主动运维
4.3 关键技术栈
| 层级 | 技术 / 协议 | 暖通典型应用 |
|---|---|---|
| 感知层 | 温湿度 / CO₂ / 压力 / 流量传感器 | 室内环境监测 |
| 网络层 | BACnet / KNX / Modbus / LoRa / NB-IoT | 设备互联 |
| 平台层 | 云 BMS / 数据湖 / 时序数据库 | 数据汇聚 |
| 算法层 | 机器学习 / 强化学习 / 故障诊断 | AI 优化 + 预测 |
| 应用层 | 远程运维 / 能耗看板 / 故障告警 | 数据服务 |
| 孪生层 | 物理-虚拟同步 / 仿真平台 | 数字孪生 |
4.4 市场信号
全球智能暖通市场年复合增长率（CAGR）约为 10–15%，亚太地区增速领先。McKinsey 指出数据孤岛和系统集成是主要实施挑战。
4.5 与现有 wiki 的对应
Concepts Referenced
Entities Referenced
Notes
- “从设备到数据服务”是 hvac-rd-roadmap 第 8 维”趋势技术”的核心命题之一
- AI 节能 15–30% 是行业平均，先进项目可达 40%+（大金 / 江森自控案例）
- 数据孤岛问题对应 roadmap-6 “跨部门协作”软实力