楼宇经理并不总是放心地将先进的自动化系统引入他们负责的设施。但是，计算机技术的进步、流行病驱动的任务和不断变化的使用者期望，特别是围绕公共卫生和工作场所的经验，正在推动该行业以前所未有的速度接受新技术。
虽然建筑管理者认识到实现前所未有效率的机会，但涉及的技术决策与他们的能力相去甚远。他们的专业知识通常是在暖通空调，照明控制和制冷机，而不是物联网，网络……人工智能。
人工智能是一项特别能改变游戏规则的技术，但由于其复杂性和缺乏对其决策方式的可见性，它也可能特别令人生畏。采用人工智能进行楼宇自动化的第一个挑战通常是回答一个基本问题：它将走向何方?
如今，人工智能被用于使建筑更节能、更健康、更自主、更安全，并能对居住者的需求做出反应，这种技术最初是一种云计算技术。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，又要调用算法来提供见解——这个过程叫做推理。直到最近，室内基础设施很少有资源有效地完成这些事情。
但是，在远程数据中心之外运行智能建筑应用有其自身的局限性。连通性、带宽成本、安全性和延迟(将数据发送到云端和返回所需的时间)都可能影响系统的效率。如果一台机器，或整个楼宇自动化系统即将发生故障，报警和自动响应需要尽可能及时。
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 等公司已经开发出一种 Edge AI 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。
通过缩小本地能力差距，这些边缘设备提供了一个架构组件，对于实现尽可能高效地运行建筑物的目标很重要。随着它们的可用性，考虑实施智能自动化技术的建筑管理人员现在几乎不可避免地要面对一个问题：是在本地部署AI还是在云端部署AI。对于那些面临这个问题的人，有一些简单的经验法则可以考虑。
正如我们已经提到的，需要实时执行或接近实时执行的操作是常见的边缘用例。当延迟尽可能小的时候，能够检测操作问题并自动发出警报或作出响应的智能自动化系统往往工作得最好。
任何时候您想要对系统进行本地控制时，最好在边缘进行；从云端关闭机器或调整控制系统通常会遇到安全和延迟挑战。
然后还要考虑数据传输和存储成本。以一个视频监控系统为例，该系统通过计算机视觉AI模型分析来自多个摄像机的高保真图像，这是一个流行的AI应用。将所有数据发送到云端并将其存储在云端很快就会变得成本高昂。
其他用例并不那么明确。通常，建筑经理希望根据 AI 分析更深入地了解他们的运营方式，或者在其设施的“数字孪生”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，客户可以在任何规模利用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且需要关联它们之间的信息，那么在边缘运行 AI 也可能不是最佳选择。在这种情况下，云允许一个集中的数据交换所和指挥中心。实际上，通常采用混合方法，其中通过 Edge AI 在单个建筑物中进行一些初始处理，然后在来自多个建筑物的聚合数据上运行云 AI，可能会结合其他数据源。
重要的是要记住，这些是建筑经理不需要单独做出的决定——您的技术供应商应该与您合作，以确保将 AI 部署在最能满足您的独特需求的地方。并且建筑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它的能力。
与许多正在大规模启动“重返工作岗位”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。在经历了几年的疫情导致的关闭后，员工坚持在一个触手可及的实体工作场所工作，那里的便利设施随处可见，协作工具无处不在，空气质量受到监控，拥挤程度受到限制，他们的公司在能源和水的使用和减少浪费方面正在实现可持续发展目标。由于建筑物的占用率仍处于历史最低水平，关闭不需要运行的系统有助于大幅提高效率。
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和控制它们的人工智能系统的新投资的机会——根据入住率、员工体验需求、所有权地点及其重要性(例如，研究实验室与办公空间的比较)做出决策。
与过去不同，建筑经理将利用率指标置于时间表之上，作为他们投资自动化控制系统的关键考虑因素。他们不能想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，而且办公室第一次需要与家庭竞争，因为它是一个有吸引力且高效的工作环境。
经验丰富的建筑管理人员正在争先恐后地学习这些现代化运营所需的新技能。他们知道，有了人工智能的支持，无论是在边缘还是在云端运行，他们可能会在鼓励员工回到办公室方面占据优势，为他们提供一个安全、可持续的环境，让他们与同事和客户面对面交流，聚集在真正的饮水机周围，让更少的猫和孩子在会议上客串。
