纯软件交付 · 零硬件改造 · 先测试后付费 · 数据驱动的暖通节能新范式
摘要
暖通空调系统是建筑能耗的第一大来源，但长期受制于"重资产改造"与"人工经验控制"两大瓶颈，系统普遍运行在"能运行但非最优"的亚稳态，能耗浪费高达 15%-30%。拉孚暖通节能智能体以纯软件形态切入，在不更换主机、不加装传感器、不改造管路的条件下，通过 AI 智能体对既有控制策略进行数据驱动的深度优化，将节能能力以"工具"而非"工程"的形式交付——让任何规模的项目都能以极低的门槛享受 AI 节能红利。
一、行业背景与核心痛点
1.1 暖通系统：建筑能耗的"主战场"
建筑运行能耗占全社会总能耗的 20%-30%，而暖通空调系统又是建筑能耗中的绝对大头，占比普遍达到 40%-60%。对于商业综合体、写字楼、酒店、医院、工厂等用电大户而言，冷源系统的电费往往是运营成本中占比最高、也最容易被忽视的一项支出——它每天都在发生，却很难被精细管理。
1.2 传统 EMC 模式：重资产下的三重困境
传统暖通节能领域长期由 EMC（合同能源管理）模式主导，其本质是把节能做成"工程项目"，由此带来三重困境：
- 前期投入重：硬件改造、传感器加装、控制系统升级动辄数十万至数百万元，资金占用大；
- 实施周期长：从方案设计、施工改造到系统调试往往耗时数月，见效慢、回收慢；
- 回报不确定：节能收益依赖分成协议，改造风险与合同纠纷风险并存，中小项目几乎被挡在门外。
1.3 人工控制：经验依赖下的"亚稳态"困局
即便不进行改造，现有冷源机组的日常运行也高度依赖运维人员的经验判断。暖通系统本质上是多变量、非线性、大滞后的复杂系统——负荷随天气与人流动态变化，设备能效随工况漂移，供水温度、压差、风机频率之间存在复杂的耦合关系。面对这种动态工况，人工控制几乎不可能实现全局最优，系统长期处于"能运行但非最优"的亚稳态。行业实践表明，这种状态下的能耗浪费普遍在15%-30%之间。
1.4 破局思路：不改造硬件，改造"控制方式"
拉孚的核心判断是：大量节能潜力并不在设备本身，而在设备的控制策略之中。与其投入重金更换硬件，不如用 AI 智能体把既有控制策略做深做透——将经验驱动的人工控制，升级为数据驱动的自动控制，在不改变任何硬件的前提下，释放被忽视的节能潜力。
二、产品定位：纯软件智能体工具
拉孚的定位非常明确：只输出智能体工具，不做 EMC。
我们摒弃传统 AI 节能公司的重资产投入方式，将节能能力以纯软件形式交付给运营方：
| 运营方不需要做 | 运营方只需要做 |
|---|---|
| 更换主机 | 提供项目的历史运行参数 |
| 加装传感器 | 将参数批量导入或通过 API 接入智能体 |
| 改造管路 | 接收最优控制策略建议并执行 |
系统基于内置的暖通优化算法模型，自动分析当前工况并输出最优控制策略建议。联系拉孚厂家可免费测试，运营方可用真实数据验证节能潜力，确认效果后再进入正式合作。
三、技术架构总览
拉孚暖通节能智能体采用"数据输入—智能分析—输出执行"三层架构：
┌─────────────────────────────────────────────────────────────────┐ │ 拉孚暖通节能智能体 │ ├────────────────┬──────────────────────────────┬─────────────────┤ │ 数据输入层 │ 智能分析层 │ 输出执行层 │ ├────────────────┼──────────────────────────────┼─────────────────┤ │ 主机运行参数 │ 负荷预测模型 │ 优化策略建议 │ │ 水泵运行参数 │ 能效映射模型 │ （独立模式） │ │ 冷却塔参数 │ 多目标优化算法 │ │ │ 环境参数 │ 控制策略生成引擎 │ 自动控制指令 │ │ │ │ （对接群控模式） │ └────────────────┴──────────────────────────────┴─────────────────┘ │ ┌───────────┴───────────┐ ▼ ▼ DeepBasic Folar 人工确认执行 物联基础平台- 数据输入层：汇聚主机、水泵、冷却塔、环境等关键运行参数，是智能体分析的"原材料"；
- 智能分析层：以负荷预测、能效映射、多目标优化、策略生成为核心算法链，输出全局最优控制策略；
- 输出执行层：策略既可作为建议供人工确认执行（独立模式），也可转化为自动控制指令下发至现场（自动控制模式）。
四、核心输入参数体系
智能体的分析能力建立在全面、准确的运行数据之上。运营方需输入以下关键参数：
4.1 冷源主机参数
| 参数类别 | 具体指标 | 作用 |
|---|---|---|
| 设备属性 | 位置、主机类型（离心式/螺杆式） | 建立设备画像，匹配对应优化模型 |
| 功率参数 | 额定功率、实时功率、电流 | 评估实际负载率与能效偏离度 |
| 温度参数 | 出水温度、回水温度、蒸发温度 | 判断换热效率与系统匹配性 |
| 压力参数 | 蒸发压力、冷凝压力 | 识别系统运行边界与优化空间 |
4.2 冷冻水循环系统参数
| 参数类别 | 具体指标 | 作用 |
|---|---|---|
| 循环泵 | 频率、电流、出口压力、压差 | 评估水力输送效率，优化变频策略 |
| 管网特性 | 供回水温差、流量估算 | 识别水力平衡问题 |
4.3 冷却侧系统参数
| 参数类别 | 具体指标 | 作用 |
|---|---|---|
| 冷却塔 | 风机频率、电流、进回水温度 | 优化冷却效率与风机功耗平衡 |
| 冷却泵 | 频率、电流、进出口参数 | 协调冷却水侧整体能效 |
说明：接入参数越完整，能效映射越精准，优化策略越贴近现场实际。对于数据缺失的部分，智能体将基于行业模型库进行合理补全，并在策略报告中标注置信度，确保每条建议可追溯、可验证。
五、双模式运行架构
模式一：独立智能体模式（建议模式）
运营方将历史参数批量导入或通过 API 接入智能体，系统自动完成四步运算闭环：
- 负荷特征识别：分析建筑冷负荷变化规律，识别日、周、季节及气候驱动因素；
- 设备能效映射：建立各设备在不同工况下的能效曲线，量化每台设备的运行效率；
- 多目标优化求解：在舒适度约束下，求解总能耗最低的控制参数组合；
- 策略建议输出：生成可执行的优化控制策略报告，明确参数调整方向与预期收益。
联系拉孚厂家可免费测试，运营方通过实际数据验证节能潜力，确认效果后再进入正式合作。
模式二：自动控制模式
若运营方已完成DeepBasic Folar 物联基础平台的部署，并与原有群控系统完成对接，智能体可直接将优化策略转化为自动控制指令，下发至现场执行机构，实现从"给建议"到"自动控"的闭环。
该模式无需人工干预，系统根据实时工况持续迭代优化控制策略，真正实现无人值守的智能节能运行。
模式演进路径
| 阶段 | 模式 | 价值 |
|---|---|---|
| 第一阶段（验证） | 独立智能体模式 | 免费测试，用真实数据验证节能潜力 |
| 第二阶段（深化） | 独立模式 + 人工执行 | 逐步落地策略建议，建立信任 |
| 第三阶段（闭环） | 自动控制模式 | 无人值守，持续优化，节能收益最大化 |
六、实施流程：从接入到见效
| 步骤 | 环节 | 说明 | 耗时 |
|---|---|---|---|
| 1 | 数据接入 | 历史运行参数批量导入或 API 对接 | 小时级 |
| 2 | 模型训练 | 建立负荷预测与设备能效映射模型 | 小时级 |
| 3 | 策略验证 | 输出首版优化策略报告，对比基线能耗 | 小时级 |
| 4 | 落地执行 | 人工确认执行 / 对接群控自动下发 | 数小时至数天 |
| 5 | 持续优化 | 实时工况迭代，策略持续进化 | 长期 |
七、定价与商业模式
7.1 轻量级定价
| 项目 | 说明 |
|---|---|
| 产品定价 | 9613 元 |
| 售前阶段 | 免费测试 |
| 硬件投入 | 0 元（不改变任何硬件） |
| 实施周期 | 数小时至数天（纯软件部署） |
7.2 投入产出示例
以某年制冷电费 100 万元的项目为例，即便按 15% 的保守节能率估算，年节省费用约 15 万元；按 9613 元的产品投入计算，投资回报周期不足一个月。相比传统 EMC 项目动辄数十万至数百万的前期投入，9613 元的定价彻底打破了暖通节能领域的高门槛，让中小项目也能享受 AI 节能技术红利。
7.3 商业模式本质
拉孚将暖通节能从"工程项目"重新定义为"软件服务"：运营方以固定低价获得智能体工具，自主可控、无分成绑定、无长期合同负担，节能收益全部归运营方所有。
八、节能效果预期
| 指标 | 数值范围 |
|---|---|
| 节能率 | 5% - 40% |
| 见效周期 | 策略部署后即可体现 |
| 效果影响因素 | 现场工况复杂度、运维人员对项目的理解深度、历史数据完整度 |
节能率的宽幅区间反映了暖通系统的复杂性：
- 对于运行管理粗放、长期依赖固定设定的项目，优化空间通常可达20%-40%；
- 对于已有较好管理基础的项目，智能体主要在动态工况匹配和精细化控制上挖掘5%-15%的节能潜力。
九、与传统 AI 节能方案对比
| 对比维度 | 传统 AI 节能公司 | 拉孚暖通节能智能体 |
|---|---|---|
| 硬件改造 | 需加装大量传感器、改造控制柜 | 零硬件改动 |
| 资金投入 | 重资产 EMC 模式，前期投入大 | 9613 元轻量级定价 |
| 实施周期 | 数月 | 数小时至数天 |
| 合作模式 | 绑定长期合同，分成复杂 | 工具输出，自主可控 |
| 风险控制 | 改造风险、合同纠纷风险 | 先测试后付费，风险极低 |
| 适用场景 | 大型项目为主 | 大中小型项目全覆盖 |
十、为什么是现在：AI 智能体的时代窗口
过去，"软件化节能"受限于两大瓶颈：一是缺乏低成本、高精度的负荷与能效建模手段；二是优化策略难以规模化生成与持续迭代。如今，AI 智能体技术恰好补齐了这两块拼图——算法模型能够在短时间内从历史数据中学习系统的真实运行规律，并以可解释的方式输出可执行的控制策略。
技术条件成熟、市场需求迫切、交付成本归零，三者交汇——这正是暖通节能进入"软件时代"的最佳时机。
十一、结语：技术改变的不是设备，而是控制设备的方式
拉孚暖通节能智能体的技术本质，是将暖通节能从"工程项目"重新定义为"软件服务"。通过 AI 智能体对现有系统的运行数据进行深度挖掘和策略优化，在不触动任何硬件的前提下释放被忽视的节能潜力。
对于运营方而言，这不仅是成本的降低，更是能力的升级——从依赖个人经验的传统运维，迈向数据驱动的智能运营。当前市场推广阶段开放免费测试，建议有节能需求的运营方尽快接入验证，用实际数据检验 AI 优化效果。
技术改变的不是设备，而是控制设备的方式。