潜伏独角兽 为宁德时代、国家超算中心做空调节能，这家公司三年迈过企服“生死关”

文 | 吴睿

编辑 | 彭孝秋

很少有人知道，空调节能是件十万里挑一的事。

我们常见的中央空调由冷热源系统和空气调节系统组成，包含冷塔、冷机、冷却水泵、冷水内外循环泵等组件，每一次温度的调节都是由这些组件共同完成。而这些组件搭配的方式、参数的不同决定了，空调系统控制有数十万种运行实现路径。而空调能耗常占到工业与建筑能耗的20%-50%，最节能的那个路径不过是其中之一。

在写字楼、商场、地铁等公共建筑中，空调系统相对简单，对温湿度控制的要求不高，空调节能还不算是件难事。但精密工厂与数据中心对环境的温度、湿度、压力往往有严格的控制要求，比如温度控制范围在±0.5℃内、保证稳定的房间气压以避免气流污染等。这样的要求需要复杂的中央空调系统控制来完成，也就带来了高能耗。

当碳中和的目标横亘在每个企业面前，如何能精准高效地实现空调系统的低碳运行？36氪发现，一家成立三年的初创公司正在解决这个问题——深度智控，通过AI数据驱动+机理模型的优化控制算法，让宁德时代、京东方、国家超级计算中心等工厂和数据中心的空调系统，在主流节能控制系统的基础上再节能10%-40%。在一个大型工厂中，深度智控通过系统控制软件优化，一年就为客户节省800多万度电。

空调节能SaaS生意，让这家成立三年、没有一位销售人员的公司即将实现软件合同年收入近亿——这是多少成立6、7年的企服公司跨不过的生死关。目前，深度智控已获得某互联网战投、红杉中国种子基金、源码资本的投资。

别小看空调运行控制

人类对于空调的运行控制经历过几次迭代。

应用最早、最普遍的方式是设定一套「IF-THEN」的固定规则，比如IF-要调整到某个温度，THEN-开5台冷机。这些规则往往是依据专业师傅的经验设定，不同的厂家、不同的产品线所使用的规则各不相同，由专业人员case by case地编程，标准化程度低，数据也难以互通，最重要的是没法提供实时节能最优解。国内外的空调运行控制系统，九成以上都是采用这种基于专家经验的调控方式。

AI出现以后，Google、国内互联网大厂开始推出AI节能算法产品，即将空调系统过往所有调节过程的数据，输入AI训练算法系统，最终算出一个最优解。这个方式的BUG在于，算法得出的结果是从过往“老师傅”式的调节行为总结训练出来的，是一种受限于历史运行数据与历史运行工况好坏的被动算法，天花板就是全体老师傅的智慧——如果系统历史运行中本身就没有最优解，AI也没法无中生有。

「能不能结合机理模型与AI数据驱动，找到系统真正的最优解？」2018年，还在美国劳伦斯伯克利国家实验室做研究的李辉博士找到了答案。

所谓「机理模型」，以冷机为例，它的性能有着固有的特性，李辉要做的是找到既不损失冷机特性又可用AI训练的高精度模型建模方法，基于高精度模型遍历寻优计算得到系统实时运行的最优解。

在一些项目中验证过算法后，李辉带着几位研究生成立了深度智控，开发出了产品「DeepCtrls」。DeepCtrls先对空调系统设备进行高精度仿真建模与预测，基于实时的空调负荷，在仿真环境中计算出此刻的数十万种运行组合各自对应的系统能耗，从而找到能耗最低的控制参数，并将它下发到设备控制器中，实现系统实时的最优运行。

「DeepCtrls」由三部分组成：

首先是硬件DeepBox边缘服务器，所有的数据采集和输出指令工作基于DeepBox在本地下发执行。DeepBox包含许多通讯协议，可以实现与第三方设备及系统的采集与对接。

其次是DeepLogic算法模块开发平台，也就是建模与AI运算的平台，负责核心的数据处理、模型建立与预测、调度、诊断、报警等。值得一提的是，DeepLogic是个无代码平台，通过拖拽就可以搭建系统适用的各种算法模块。

最后是DeepSight功能可视化平台，客户可以实时观察产品的节能效果，同时可积木式搭建与扩展各种功能及可视化模块。

简单来说，工作过程就是DeepBox采集数据，DeepLogic算出最优控制指令交还给DeepBox下发至控制器并执行，在DeepSight上查看并验证节能效果。

李辉告诉36氪，基于高精度仿真模型，DeepCtrls对每个工况要对比计算数十万次才能找到系统能耗最低的最优控制指令，这个是专家经验规则所没法实现的。

赚钱的企服公司长什么样？

相比较很多公司过度强调核心技术但没法商业落地，深度智控的特点在于通过核心技术的产品化实现了良好的商业模型。李辉告诉36氪，深度智控成立一年后就已经实现盈利，今年的软件合同收入即将突破亿元大关。

总结而言，深度智控的商业能力来自几点：让产品标准轻量化、让落地跨行业规模复制、让客户看见效果。

李辉告诉36氪，DeepLogic和DeepSight都是低代码平台，最大好处是标准化。DeepCtrls部署调试的标准工期是两个人月，给客户带来的却是数百万的节能收益。深度智控定义DeepCtrls是PaaS+SaaS平台，不需要研发人员进行项目定制，只需要进行项目配置即可。

同时，DeepCtrls产品可跨行业应用，比如工厂、数据中心、医院、商业建筑、园区、地铁等，看似应用场景纷繁，但实际上都是基于同一套系统实现的——吃透一套系统，规模化重复应用。

深度智控试图在多场景中提供比节能更多的能力。常规AI产品一直以来都有在安全管理、运维方面应用，但实际上更多做的是管理建议。而结合了机理模型的DeepCtrls则可以对安全管理、预防性诊断运维等进行更精准的预测，并执行指令。

节能、安全管理、运维等效果，都可以在DeepSight上实时看到。李辉告诉36氪，DeepLogic对设备性能的预测值和实际值之间的误差普遍做到3%以内，即系统可在3%误差范围内去逼近系统运行优化的节能极限。客户在DeepSight上看到的节能数据，可以切换到改造前进行对比，切换过程只需要3-5分钟，客户就可以自行验证系统的节能效果。李辉表示，实际项目销售中，节能效果可实时验证是客户复购的重要原因。

商务变现方面，深度智控主推两种模式。一种是合同能源管理，即基于节能收益，深度智控从中分享一定比例的实际节能收益；第二种是年订阅费，即双方约定节能目标，客户按软件licence付固定年费用。

公司成立三年，深度智控产品与解决方案已在全国的110多个项目应用，典型案例包括国家超级计算中心、腾讯数据中心等数据中心，京东方、宁德时代、宁德新能源、国博电子等精密工厂，以及多地轨道交通、能源站、三甲医院及地标性商业建筑项目。这些行业中，工厂和数据中心的系统最为复杂、要求最高、减碳需求也迫切，深度智控正向这两个行业发力。

仔细观察这家公司，会发现它的业务和产品都并不复杂，但或许简单正是其优势所在——锁定一个真实需求，提供的确创造价值的解决方案，并可轻量化、规模化复制推广。企服生意向来盈利困难，而在极为垂直的赛道中，我们看到了企服的另一种可能。