建筑经理并不总是愿意将先进的自动化系统引入他们负责的设施中。但计算机技术的进步、大流行病驱动的要求和不断变化的用户期望，尤其是围绕公共卫生和工作场所体验的期望，正在推动该行业以前所未有的速度拥抱新技术。虽然建筑经理认识到实现前所未有的效率的机会，但所涉及的技术决策远非他们的能力所及。他们的专长通常是暖通空调、照明控制和冷却器，而不是物联网、网络……人工智能。人工智能是一种特别能改变游戏规则的技术，但它也可能特别令人生畏，因为它非常复杂，而且缺乏对其决策方式的可见性。将人工智能用于楼宇自动化的第一个挑战通常是回答一个基本问题：它要去哪里？今天，人工智能被用来让建筑更节能、更健康、更自主、更安全，并对居住者产生更大的影响。应需求，这项技术原本是一种云计算技术。这些系统背后的机器学习算法需要强大的计算能力，既要训练算法又要调用它们以提供见解——这一过程称为推理。直到最近，室内基础设施几乎没有资源来有效地做这些事情。然而，在远程数据中心之外运行智能建筑应用程序有其自身的局限性。连接性、带宽成本、安全性和延迟（将数据发送到云端并返回所需的时间）都会影响系统的效率。如果一台机器或整个楼宇自动化系统即将发生故障，则需要尽可能及时地发出警报和自动响应。新一代边缘计算技术在很大程度上缓解了这个问题：基础设施安装在具有计算密集型工作负载所需处理能力的设施中。七年前成立的FogHorn等公司开发了一种边缘人工智能技术，为建筑运营的数字化转型创造了新的可能性。江森自控于2022年初收购了FogHorn，现已将边缘技术集成到其OpenBlue楼宇自动化平台中。通过弥合本地能力差距，这些边缘设备提供了一个架构组件，对于尽可能高效地运行建筑物的目标很重要。考虑到它们的可用性，考虑实施智能自动化技术的建筑经理现在几乎不可避免地会面临是在本地还是在云端部署AI的问题。对于那些面临这个问题的人，可以考虑一些简单的经验法则。正如我们已经提到的，需要实时或接近实时执行的操作是常见的边缘用例。可以检测操作问题并自动发出警报或响应它们的智能自动化系统往往在延迟尽可能低时发挥最佳作用。任何时候你想要对系统进行本地控制，最好在边缘完成；从云端关闭机器或调整控制系统通常会带来安全和延迟方面的挑战。然后需要考虑数据传输和存储成本。以视频监控系统为例，该系统通过计算机视觉AI模型（一种流行的AI应用程序）分析来自多个摄像头的高保真图像。将所有这些数据发送到云端并将其存储在那里很快就会变得昂贵。其他用例不是那么明确。通常，建筑经理希望基于AI分析更深入地了解他们的运营方式，或者在他们设施的“数字双胞胎”版本上运行模拟练习。这种严格的数据分析通常不需要实时进行，因此最好在云中执行，客户可以利用任何规模的最强大的硬件和软件工具来完成这项工作。如果您负责运行多个建筑物并需要在它们之间关联信息，那么在边缘运行AI可能也不是最佳选择。在这种情况下，云允许一个集中的数据交换所和指挥中心。在实践中，通常采用混合方法，其中一些初始处理由EdgeAI在单个建筑物中完成，然后CloudAI在来自多个建筑物的聚合数据上运行，可能与其他数据源结合使用。重要的是要记住，这些决策不需要建筑经理单独做出——您的技术提供商应该与您合作，以确保将AI部署在最能满足您独特需求的地方。施工经理当然不需要接触人工智能及其底层机器学习算法的复杂性，而是让它在幕后发挥其能力。与许多正在大规模推出“复工”政策的组织一样，甲骨文将大流行的后果视为引入智能建筑系统的独特时刻。经过几年的大流行病停工后，员工坚持在便利设施随处可用、协作工具无处不在、空气质量受到监控、拥挤程度有限且他们的公司正在实现可持续发展目标的实体工作场所工作在能源和水的使用以及减少废物方面。由于建筑物入住率仍处于历史最低水平，关闭不需要运行的系统有助于大大提高效率。这些不断变化的工作场所动态和期望可能是评估对物联网(IoT)技术、连接它们的先进网络以及控制它们的人工智能系统的新投资的机会——基于入住率、员工体验需求、位置所有权及其重要性（例如，研究实验室与办公空间）做出决定。与过去不同，建筑经理将利用率指标优先于时间表作为他们投资自动控制系统的关键考虑因素。他们不能理所当然地认为每个人都会回来：许多公司正在采用混合工作政策，办公室第一次需要与家庭竞争，成为一个有吸引力和高效的工作环境。经验丰富的建筑经理正在争先恐后地学习这些现代运营所需的新技能。他们知道，在人工智能的支持下，无论是在边缘还是在云端，他们都可能在鼓励员工返回办公室方面具有优势，为他们提供一个安全、可持续的环境，与员工面对面交流。同事和客户交流，聚集在真正的饮水机周围，并减少会议上猫和孩子的客串。
