新建筑开始出现重大变化。主要驱动力是从降低成本转变为增强用户体验并改变用户与建筑物交互方式的功能。我们开始看到用户体验的组合，而不是单一的“杀手级应用”。
这些用例利用物联网、传感器和连接性，可以根据入住率和居住者偏好、整个建筑物内的高效移动性来定制办公室和会议室的空间，并帮助居住者进行定位和寻路——所有这些都可以通过移动平台进行控制。最重要的是，他们能够预测性地了解个人需求。
这种自动化取决于与楼宇管理系统(BMS)的集成，后者可以远程处理来自多个传感器的信息并控制楼宇功能。大型商业建筑使用IT应用程序连接运行期间独立运行的各种BMS，使它们能够共享信息并优化整体建筑性能。
在COVID之前，大多数大型和混合用途建筑依靠日常工作时间来指导BMS系统为照明和暖通空调等耗能系统进行调度——通常预计周一至周五上午7:00至下午5:00会有人入住，这本身就是一种浪费。现在，随着员工以不同程度的入住率返回办公室，设施经理的任务是适应这些不规则的时间表。
在许多方面，对于建筑管理人员来说，当前重返工作场所比疫情最严重时更加棘手——当时，由于公共卫生法规的存在，大楼的入住率变得可预测且一致较低，几乎没有什么其他选择，只能让所有员工留在家里。现在，越来越多的人返回工作场所，但以零星和不可预测的方式，这给设施人员和他们的BMS架构带来了敏捷性的挑战。
由于大流行引起的全球供应链中断可能导致库存水平波动以及需要通过电力和暖通空调维持多少仓库空间来容纳它，不可预测性甚至扩展到仓库能源成本，这可能占近10%公司的年收入。虽然这些供应链中断预计是暂时的，但作为混合工作模式永久趋势的一部分，不规则的办公时间很可能会在大流行之后继续成为“新常态”。
尽管存在这些现实，但当今很少有建筑物配备超出观察或预编程范围的BMS资产。手动跟上不一致的占用水平可能既费时又昂贵，而且对环境造成浪费。为了让组织保持高效、竞争力和可持续发展，这种情况必须改变。
幸运的是，由于越来越多的数据驱动选项可以通过更实时的可见性和控制动态调整建筑条件，BMS敏捷性变得更加容易。这些系统提供高级分析功能，可以跟踪和调整办公室时间表、入住率、天气预报、每小时能源费率和HVAC机器健康状况——所有这些都为业主创造了运营效率和更高的利润。
一些最强大的系统涉及支持人工智能的边缘计算或边缘人工智能，其中数据在数据源处或附近进行处理。特别是随着物联网设备和传感器在智能建筑中的激增，边缘AI避免了收集数据和将数据来回传输到异地云服务进行处理所带来的成本和延迟。额外的节省来自这样一个事实，即建筑运营商可以将新的边缘AI安装到现有系统上，而无需昂贵的拆除和更换旧组件。
由边缘AI提供支持的智能BMS架构可以将效率提升到能耗系统的实时管理之外，并进入节省收入的预测分析和预防性维护领域。例如，来自高频振动传感器的运行数据可以检测用于冷却的建筑物冷却器中的异常情况，并应用分析来预测未来的故障点。这提供了主动解决问题的机会，避免了会对租户体验产生负面影响的昂贵的故障维修和服务中断。
无论用例是暖通空调、照明还是其他一些建筑系统，支持边缘AI的预测功能都可以延长昂贵设备的最大有效资产寿命。考虑到混合工作模式会因响应不断变化的占用因素而进行更频繁的操作调整，从而增加了系统的磨损和撕裂，这一点尤其正确。作为奖励，对这些不断变化的占用模式的分析还可以帮助确定进行计划维护和计划服务中断的最佳和最少中断时间。
最后，由于医疗卫生事件仍然是一个问题，边缘AI甚至可以通过使用机器视觉、红外传感器和流视频分析来验证居住者的PPE使用情况(例如戴口罩)，从而增强建筑物的健康安全状况；或检测体温升高，这可能是感染的迹象。这些只是增强的BMS功能可以为设施经理带来的一些优势，以应对医疗卫生事件之后面临风险的劳动力的复杂占用时间表。
在许多方面，对于建筑管理人员来说，当前重返工作场所比疫情最严重时更加棘手——当时，由于公共卫生法规的存在，大楼的入住率变得可预测且一致较低，几乎没有什么其他选择，只能让所有员工留在家里。现在，越来越多的人返回工作场所，但以零星和不可预测的方式，这给设施人员和他们的BMS架构带来了敏捷性的挑战。
由于大流行引起的全球供应链中断可能导致库存水平波动以及需要通过电力和暖通空调维持多少仓库空间来容纳它，不可预测性甚至扩展到仓库能源成本，这可能占近10%公司的年收入。虽然这些供应链中断预计是暂时的，但作为混合工作模式永久趋势的一部分，不规则的办公时间很可能会在大流行之后继续成为“新常态”。
尽管存在这些现实，但当今很少有建筑物配备超出观察或预编程范围的BMS资产。手动跟上不一致的占用水平可能既费时又昂贵，而且对环境造成浪费。为了让组织保持高效、竞争力和可持续发展，这种情况必须改变。
幸运的是，由于越来越多的数据驱动选项可以通过更实时的可见性和控制动态调整建筑条件，BMS敏捷性变得更加容易。这些系统提供高级分析功能，可以跟踪和调整办公室时间表、入住率、天气预报、每小时能源费率和HVAC机器健康状况——所有这些都为业主创造了运营效率和更高的利润。
一些最强大的系统涉及支持人工智能的边缘计算或边缘人工智能，其中数据在数据源处或附近进行处理。特别是随着物联网设备和传感器在智能建筑中的激增，边缘AI避免了收集数据和将数据来回传输到异地云服务进行处理所带来的成本和延迟。额外的节省来自这样一个事实，即建筑运营商可以将新的边缘AI安装到现有系统上，而无需昂贵的拆除和更换旧组件。
由边缘AI提供支持的智能BMS架构可以将效率提升到能耗系统的实时管理之外，并进入节省收入的预测分析和预防性维护领域。例如，来自高频振动传感器的运行数据可以检测用于冷却的建筑物冷却器中的异常情况，并应用分析来预测未来的故障点。这提供了主动解决问题的机会，避免了会对租户体验产生负面影响的昂贵的故障维修和服务中断。
无论用例是暖通空调、照明还是其他一些建筑系统，支持边缘AI的预测功能都可以延长昂贵设备的最大有效资产寿命。考虑到混合工作模式会因响应不断变化的占用因素而进行更频繁的操作调整，从而增加了系统的磨损和撕裂，这一点尤其正确。作为奖励，对这些不断变化的占用模式的分析还可以帮助确定进行计划维护和计划服务中断的最佳和最少中断时间。
最后，由于医疗卫生事件仍然是一个问题，边缘AI甚至可以通过使用机器视觉、红外传感器和流视频分析来验证居住者的PPE使用情况(例如戴口罩)，从而增强建筑物的健康安全状况；或检测体温升高，这可能是感染的迹象。这些只是增强的BMS功能可以为设施经理带来的一些优势，以应对医疗卫生事件之后面临风险的劳动力的复杂占用时间表。
