AI bắt đầu tiếp quản hệ thống điều hòa tòa nhà: Một cuộc chuyển giao thầm lặng nhưng tiết kiệm tiền mỗi tháng

Vào lúc 3 giờ chiều, kỹ sư trưởng cơ điện của một tòa nhà thương mại tại khu Tín Nghĩa, Đài Bắc ngồi trong phòng giám sát, dán mắt vào bức tường màn hình hiển thị đầy các bảng đồng hồ. Nhiệt độ nước lạnh đầu ra, nhiệt độ hồi gió của từng tầng, độ ẩm không khí bên ngoài – các con số nhảy múa từng giây. Làm nghề này đã hai mươi năm, ông nắm rõ tính nết của từng cỗ máy, biết rõ vào buổi chiều những tầng nào sẽ có người kêu lạnh. Kinh nghiệm chính là thứ giúp ông điều chỉnh các thông số.

Vấn đề là, năm sau ông sẽ nghỉ hưu, và người tiếp quản sẽ phải mất từ đầu để tích lũy kinh nghiệm của hai mươi năm đó.

Đây chính là điều mà lĩnh vực AI kiến trúc – một ngách ít người để mắt tới – đang thực sự giải quyết: Không chỉ đơn thuần là tiết kiệm năng lượng, mà là chuyển giao kiến thức vận hành của một tòa nhà từ bộ não con người vào hệ thống.

Bối cảnh sự kiện

Mức tiêu thụ năng lượng của các tòa nhà chiếm tỷ lệ đáng kể trong tổng mức tiêu thụ năng lượng toàn cầu, trong đó hệ thống điều hòa không khí chiếm phần lớn. Tuy nhiên, mức độ tự động hóa trong lĩnh vực này từ lâu vẫn dậm chân tại chỗ ở giai đoạn sơ khai: Hệ thống tự động hóa tòa nhà (BAS) truyền thống thực chất chỉ là một đám các quy tắc dạng "nếu-thì" (if-then) – nhiệt độ vượt quá bao nhiêu độ thì bật máy làm lạnh, đến giờ thì tắt đèn.

Vấn đề của việc điều khiển bằng quy tắc là tòa nhà thực chất là một hệ thống nhiệt động lực học. Tường nhà tích nhiệt, góc chiếu của ánh nắng thay đổi suốt cả ngày, lưu lượng người làm thay đổi tải trọng, điều kiện không khí bên ngoài biến động không ngừng, và các yếu tố này tác động lẫn nhau. Dựa vào các quy tắc cố định chỉ có thể phản ứng sau sự việc, luôn chậm một nhịp, hơn nữa không ai có đủ thời gian để liên tục điều chỉnh.

Chính vì vậy, trong những năm gần đây, bốn hướng công nghệ hoàn toàn khác nhau đã xuất hiện, và những điểm đánh đổi của chúng rất đáng để đặt lên bàn cân so sánh.

Thứ nhất: Trực tiếp tiếp quản điều khiển. PassiveLogic cho rằng các tòa nhà nên tự vận hành giống như ô tô tự lái. Nền tảng này tạo ra một bản sao kỹ thuật số dựa trên vật lý, giúp hệ thống hiểu được hành vi nhiệt động lực học thực tế của tòa nhà, sau đó để các tác nhân suy luận (reasoning agents) đưa ra chiến lược điều khiển và tối ưu hóa liên tục 24/7. Đây là tham vọng công nghệ lớn nhất trong bốn hướng đi, và công ty đã hoàn thành vòng gọi vốn Series C trị giá 74 triệu USD vào năm 2025.

Thứ hai: Đưa ra khuyến nghị, con người thực thi. Nantum AI nghiêng về mảng vận hành – trước tiên thu thập và chuẩn hóa dữ liệu phân tán từ các hệ thống khác nhau, sau đó đưa ra các đề xuất điều chỉnh, đồng thời tổng hợp các báo cáo về ESG và rủi ro khí hậu. Công ty này đã được Johnson Controls mua lại. Về mặt trường hợp thực tế, tòa nhà văn phòng Bentall Five báo cáo mức tiêu thụ năng lượng giảm 11% và phát thải carbon giảm 12% sau khi ứng dụng hệ thống này.

Thứ ba: Phát hiện điểm bất thường, sắp xếp theo mức độ ưu tiên. Enersee của Bỉ hướng đến các khách hàng có mô hình chuỗi – như siêu thị, chi nhánh ngân hàng, những tổ chức sở hữu số lượng lớn cơ sở. Họ sử dụng AI để so sánh mô hình tiêu thụ điện của các trạm, từ đó phát hiện ra những vấn đề ẩn giấu kiểu như "tủ đông của cửa hàng này tiêu thụ nhiều điện hơn 30% so với các cửa hàng cùng loại", sau đó tạo ra một danh sách công việc đã được sắp xếp theo mức độ ưu tiên. Theo thông tin chính thức, hệ thống này đã quản lý hơn 1.000 cơ sở.

Thứ四 (Thứ tư): Xem xét tổng thể cả lớp vỏ tòa nhà. Joulea sử dụng máydrone tự hành bay dọc theo các bức tường ngoại thất để chụp ảnh nhiệt, sau đó AI sẽ phân tích các cầu nhiệt và vị trí rò rỉ. Điều này đã lấp đầy mảnh ghép bị bỏ quên bởi hầu hết các giải pháp khác: dù hệ thống điều hòa có được tối ưu hóa đến đâu, nếu tường và khung cửa sổ bị rò rỉ nhiệt, năng lượng vẫn sẽ liên tục thất thoát ra ngoài.

Trọng tâm lần này

• Điểm phân định nằm ở chỗ "đưa ra khuyến nghị" hay "trực tiếp điều khiển": Điều này quyết định ngưỡng tâm lý khi áp dụng. Đa số các đơn vị quản lý bất động sản vẫn giữ thái độ thận trọng trong việc bàn giao quyền kiểm soát điều hòa không khí.
• Các con số hiệu quả cần nhìn vào mốc cơ sở (baseline): Mức giảm năng lượng 11% nghe có vẻ bình thường, nhưng đối với một tòa nhà thương mại quy mô lớn, đó là một khoản tiền điện thực tế hàng năm. Ngược lại, những con số "tiết kiệm năng lượng trung bình 31%" trên trang web chính thức phần lớn đều đi kèm với các điều kiện tiên quyết.
• Nền tảng cảm biến quyết định tất cả: Nếu không có đủ các cảm biến phân vùng và thiết bị có thể điều khiển từ xa, thì dù mô hình có mạnh đến đâu cũng thành vô dụng. Chi phí cải tạo các tòa nhà cũ có khi còn cao hơn cả bản thân phần mềm.
• Sự hội nhập ngành diễn ra rõ rệt: BrainBox AI đã được Trane Technologies mua lại, Nantum bị Johnson Controls thâu tóm. Các "ông lớn" trong lĩnh vực điều khiển tòa nhà truyền thống đang bù đắp mảng phần mềm AI thông qua các thương vụ M&A.

Phân tích tác động thị trường

Đối với người dùng tại Đài Loan: Người dân thông thường sẽ không cảm thấy thay đổi gì trong ngắn hạn, nhưng nếu bạn làm việc trong một tòa nhà văn phòng, thay đổi trực tiếp nhất sau khi các hệ thống này trở nên phổ biến là "vào lúc 3 giờ chiều sẽ không còn cảm giác lạnh cóng đến mức phải mặc áo khoác" – khi việc dự báo tải trọng được làm tốt, nhiệt độ sẽ ổn định hơn rất nhiều.

Đối với ứng dụng doanh nghiệp: Yêu cầu về báo cáo phát triển bền vững đối với các công ty niêm yết tại Đài Loan đang tăng nặng theo từng năm, và điều hòa không khí chính là mảng dễ định lượng cải thiện nhất. Cơ hội ở đây không chỉ là tiết kiệm tiền điện, mà là tiền điện tiết kiệm được có thể đưa thẳng vào phần công bố ESG. Suy luận tương tự cũng áp dụng cho thiết bị công nghiệp, việc giám sát trạng thái máy móc như của MOVUS đưa khái niệm "bảo trì dự đoán" tiến thêm một bước nữa thành các khuyến nghị mang tính chỉ định được sắp xếp theo mức độ ảnh hưởng đến sản xuất; trong khi các công ty kỹ thuật cơ điện có thể tham khảo cách BuildOps tích hợp các phiếu dịch vụ (service orders) và dự án kỹ thuật vào một hệ thống duy nhất.

Đối với các nhà phát triển: Ngưỡng cửa của lĩnh vực này không nằm ở mô hình, mà nằm ở giao thức truyền thông. Hệ thống điều khiển tòa nhà của rất nhiều tòa nhà tại Đài Loan mang tính khép kín và các nhà sản xuất không muốn mở giao diện, việc liệu có trích xuất được dữ liệu ra ngoài hay không chính là cửa ải đầu tiên. Những đội ngũ có khả năng giải quyết bài toán "giao tiếp với hệ thống BAS cũ kỹ" sẽ khan hiếm hơn rất nhiều so với những đội ngũ chỉ biết tinh chỉnh mô hình.

Xu hướng phát triển tương lai

Dạng đưa ra khuyến nghị sẽ phổ biến trước, việc tự chủ điều khiển sẽ cần nhiều thời gian hơn. Đây là vấn đề lòng tin chứ không phải vấn đề kỹ thuật. Hãy để dữ liệu được nhìn thấy trước, để số tiền điện tiết kiệm được chứng minh bằng thực tế, rồi sau đó mới bàn đến chuyện có bàn giao quyền kiểm soát hay không. Những dự án vội vã nhảy cóc sang tự chủ toàn diện hầu hết đều vướng lại ở chỗ đơn vị quản lý tài sản không dám đặt bút ký.

Công bố ESG sẽ trở thành động lực chính. So với các mục tiêu như "tiết kiệm tiền điện" vốn đòi hỏi phải tính toán ROI (tỷ suất sinh lời trên vốn đầu tư), "yêu cầu pháp lý phải công bố" là một nhu cầu cứng. Tôi nhận định rằng trong hai năm tới, động lực mua sắm tại Đài Loan sẽ dịch chuyển từ việc tiết kiệm năng lượng sang tuân thủ quy định.

Thị trường ngách ít người cạnh tranh vẫn còn dư địa. So với thị trường AI chung vốn đã chật chội, các sản phẩm SaaS theo ngành dọc như kiến trúc, công nghiệp, tiện ích công cộng có ít đối thủ cạnh tranh hơn rất nhiều, hơn nữa mức độ gắn kết của khách hàng rất cao – một phần mềm đã được đưa vào hệ thống điều khiển của tòa nhà thì hầu như sẽ không bao giờ bị thay thế.

Tổng kết và bình luận từ TheAI Academy

Sức hút của lĩnh vực này đối với tôi đến từ một quan sát rất thực tế: Tại Đài Loan, âm lượng bàn về AI hầu như đều tập trung vào các ứng dụng tạo sinh (generative AI), nhưng AI thực sự tạo ra doanh thu có thể định lượng được mỗi tháng lại chính là những phần mềm SaaS công nghiệp ít ai nhắc tới này. Tiết kiệm được 11% tiền điện cho một tòa nhà, một năm đã là một con số có sáu chữ số thực tế, và năm nào cũng tiết kiệm được như vậy.

Bình luận: AI kiến trúc không hề mang lại cảm giác hào nhoáng, quyến rũ, nhưng nó là một trong số ít các ứng dụng AI có "tỷ suất sinh lời (ROI) tính toán được một cách chính xác" – và trong giai đoạn mà hầu hết các dự án AI vẫn đang phải chứng minh giá trị hữu ích của mình, việc tính toán rõ ràng các con số bản thân nó đã là một con hào bảo vệ.

Gợi ý cụ thể cho độc giả: Nếu bạn phụ trách mảng quản lý tài sản hoặc vận hành nhà máy, đừng vội đi tìm các nhà cung cấp AI, hãy tự hỏi mình ba câu hỏi trước – Thiết bị của tôi có đọc được dữ liệu từ xa không? Định dạng dữ liệu có xuất ra được không? Dữ liệu tiêu thụ điện của năm qua có được lưu giữ lại không? Nếu bất kỳ câu hỏi nào trong ba câu này có câu trả lời là "không", hãy giải quyết phần này trước, hiệu suất đầu tư sẽ cao hơn nhiều so với việc mua phần mềm. Nếu bạn là bên B đang đi đề xuất dự án, việc quy đổi hiệu quả thành "mỗi năm tiết kiệm được bao nhiêu tiền điện, mấy năm thì thu hồi vốn" sẽ hữu ích hơn gấp trăm lần so với việc nói về kiến trúc mô hình. Nếu muốn tìm kiếm thêm các công cụ tương tự, bạn có thể ghé thăm chuyên mục Phân mục Năng lượng & Tiện ích công cộng AI trên trang web, hoặc xem các tình huống ứng dụng doanh nghiệp trong Hướng dẫn tác vụ AI.

Nguồn dữ liệu

• Trang web chính thức của PassiveLogic (Giải thích về nền tảng điều khiển tự động)
• Trang web chính thức của Nantum AI (Dòng sản phẩm và các trường hợp ứng dụng)
• Trang web chính thức của Enersee (Giải thích về mô-đun và số lượng trạm)

Được tổng hợp dựa trên thông tin công khai, lấy thông tin chính thức làm chuẩn. Tỷ lệ tiết kiệm năng lượng trong bài viết được công bố bởi nhà sản xuất hoặc các trường hợp khách hàng của họ, chưa qua kiểm chứng độc lập.