AI在供热通风与空调工程技术中的应用

20XX/XX/XXAI在供热通风与空调工程技术中的应用汇报人:XXXCONTENTS目录01

行业背景与AI技术赋能价值02

AI核心技术在暖通空调中的应用原理03

系统节能优化与能效提升方案04

智能运维与全生命周期管理05

典型应用场景与技术落地案例CONTENTS目录06

企业技术创新与市场竞争格局07

技术实施挑战与应对策略08

未来发展趋势与前沿技术探索09

人才培养与行业标准化建设行业背景与AI技术赋能价值01暖通空调系统的能耗现状与挑战建筑能耗占比突出建筑用能占全社会商品能耗近30%，其中暖通空调系统占建筑总能耗的50%以上，采暖能耗占比高达25%。传统系统能源浪费严重传统暖通系统因设备能效低、系统设计复杂，且多按"最大负荷"设计，实际运行中多数时间处于"大马拉小车"状态，能耗浪费达20%-30%。自控系统智能化水平不足当前暖通空调系统自控系统往往缺乏整体优化策略，运行参数设置过于依赖人工经验，80%的冷源站仍需人工干预启停，无法实现全自动控制。运维管理效率低下传统暖通需人工巡检，效率低（1人负责1万㎡建筑），故障发现滞后，依赖人工经验导致维护成本高，且难以长期稳定运行。产品智能化：从单一设备到智能系统AI技术推动暖通产品向智能化升级，如海尔大模型AI多联机，将AI贯穿生产到运维全过程，实现30%节能效果，并减少设备用量约10%。格力GMV9智岳多联机搭载AI节能芯片，平均节能率达25%，可在-35～60℃大温差连续运行。制造业智能化：提升生产与设计效率AI技术赋能暖通制造业，例如在换热器设计中，AI通过大数据分析全系统运行状态，下达精准调控要求，推动静态设备向动态响应升级，助力热泵系统稳定运行在最优能效状态。服务过程智能化：优化运维与管理AI技术减少对调控人员依赖，规避人为经验不稳定问题，实现精细化调节与全域协同。如美的SmartControl算法引擎，通过AI预测优化系统参数，在Z机场航站楼应用中使能耗降低24.5%，室内温度达标率从65%提升至92%。竞争焦点转移：硬件到能源管理平台全球暖通巨头竞争从单一产品制造转向系统集成与能源管理平台能力。三星、LG等推出AI能源管理平台，美的承接粤港澳大湾区全液冷智算中心项目，实现暖通技术向“建筑智慧能源节点”跨越。AI技术驱动暖通行业智能化转型政策导向与全球市场发展趋势

中国政策支持：建筑节能与AI应用中国《加快推动建筑领域节能降碳工作方案》等政策明确将AI智慧节能列为重点方向，支持AI技术在暖通空调等建筑设备节能中的应用，为行业发展提供政策保障。

全球暖通市场规模持续增长全球研究咨询机构BCCResearch数据显示，全球暖通市场规模预计从2023年的2636亿美元增长到2028年底的3467亿美元，2023年至2028年的复合年增长率（CAGR）为5.6%。

企业竞争焦点转向系统集成与能源管理平台传统空调与锅炉作为单点设备的价值减弱，融合储能、智能电网与分布式能源管理的综合能源系统成为新的角力点，企业竞争焦点从硬件制造转向软件定义的能源管理平台能力。

全球巨头加速布局暖通新赛道美的、博世、三星、海尔、大金等企业通过并购、合资与技术整合，如美的收购ARBONIAclimate，博世收购江森自控HVAC业务等，加速抢占全球暖通市场新赛道。AI核心技术在暖通空调中的应用原理02LSTM神经网络的应用优势LSTM算法能有效学习和记忆长期依赖关系，缓解梯度消失和爆炸问题，具备高预测精度和动态调整能力，在空调冷水机组能耗预测中，其MAE和RMSE均低于传统模型。负荷预测模型的核心功能基于建筑冷热负荷预测AI算法，实时采集建筑内外环境参数、历史能耗数据及设备运行状态，结合历史负荷数据训练模型，每30分钟生成未来2小时的冷热负荷曲线，预测误差率<5%。强化学习与能耗优化强化学习算法实现压缩机运行效率提升10.9%，通过“数据驱动+机理建模+自主优化”框架，动态优化控制策略，推动制造业能效水平跃迁式提升。混合无模型控制策略融合专家知识与DeepQ-Network算法的混合无模型控制（HMFC）策略，在严寒地区地源热泵系统调试中，制热时段较规则控制节能5.21%，制冷时段节能6.88%。机器学习算法与负荷预测模型物联网感知与数据采集技术架构

感知层：多维参数实时监测部署温湿度、压力、流量、光照强度、人员密度等物联网传感器，实时采集中央空调系统及环境数据，为AI分析提供基础。如达实智能AIoT平台通过传感器网络构建多维度实时数据库。

数据传输层：高效稳定的数据通道采用高度紧凑、多芯片集成的嵌入式低功耗物联网产品，结合通讯翻译软件，实现设备运行状态数据的实时、可靠传输，确保数据从感知层到平台层的无缝对接。

平台层：数据汇聚与初步处理构建AIoT智能物联网管控平台，作为数据中枢，接收并存储来自各传感器的数据，进行初步的清洗、筛选和格式化，为后续的AI分析和智能决策提供结构化数据支持。数字孪生与智能控制策略优化数字孪生重构暖通设备调试范式

通过构建1:1建筑与暖通系统数字模型，可模拟“改变管道流量、调整温控策略”对能耗的影响，为节能改造提供决策依据。杭州中控科技园数字孪生平台完成冷源系统10万种运行方案虚拟预演，将调试周期压缩至72小时，冷机出水温度调控精度提升至±0.3℃，空气调节能耗直降25%。深度强化学习破解传统控制滞后难题

融合专家知识与DeepQ-Network算法的混合无模型控制（HMFC）策略，在严寒地区地源热泵系统调试中，制热时段较规则控制节能5.21%，制冷时段节能6.88%。青岛某医院项目中，面对门诊量增长14.38%的动态负荷，仍实现18.82%的综合节能率。智能控制策略实现全局能效最优

AI节能系统利用自学习与自适应技术，根据建筑内冷量需求和外部气候条件，智能调节冷冻水出水温度和流量，优化冷却水温度设计，缩小两器温差，提升冷机系统能效。达实智能中央空调系统全局优化AI算法每2分钟进行一次优化决策，每10分钟执行命令，向所有设备发布控制参数，保证全局最优。系统节能优化与能效提升方案03AI驱动的负荷预测与调控AI模型结合室外温度、建筑人流、历史负荷等数据，提前预测热/冷需求，如预测次日商场周末人流多，提前1小时提升制冷量，实现按需供能，避免过度供冷造成的能源浪费。变频调速与流量动态优化根据实际负荷动态调节水泵、风机转速，如负荷降至50%，电机转速从3000rpm降至1500rpm，避免"满负荷运行"的能源浪费，某写字楼应用后暖通能耗降低28%。分区精准控温与能耗管理按建筑功能分区（如办公区24℃、走廊26℃、机房20℃）设置不同目标温度，通过动态平衡阀调节各区域流量，避免"一刀切"式温控，某商场通过人流匹配制冷量，夏季空调能耗降低32%。AI预测性控制与能源调度AI通过天气预报和历史数据预测未来环境变化，提前调整运行策略，如在高温天气来临前，于电价较低时段预冷房间，减少高峰时段能耗，深圳某科技园应用后整体电费下降40%。AI动态负荷匹配与按需供能技术设备运行参数智能调节与能效优化01动态负荷预测与按需供能AI系统结合历史能耗数据、室内外温湿度、人员密度等参数，通过LSTM等算法预测未来冷热负荷，预测误差率可控制在5%以内，实现按需精准供能，避免过度供冷供热造成的能源浪费。02制冷主机与水泵智能协同控制AI优化冷水机组、冷冻水泵、冷却水泵及冷却塔风机的综合运行策略，动态调整冷冻水出水温度、流量及冷却水温度，缩小两器温差，提升冷机系统能效，综合节能率可达15%～50%。03智能换热技术与设备响应优化AI系统通过大数据分析热泵全系统运行状态，向换热器、水泵等核心部件下达精准调控指令，推动静态设备实现对AI指令的实时响应，使整个热泵系统稳定运行在AI预判的最优能效状态。04自适应学习与持续策略进化AI系统通过机器学习分析历史运行数据，自主优化不同季节、天气、使用场景下的运行策略，例如格力GMV9智岳多联机搭载的AI节能芯片，通过在线能效寻优，平均节电25%以上。多系统协同与可再生能源集成应用

AI能源管理平台：跨系统协同优化三星、LG等企业推出AI能源管理平台，可与照明、光伏、储能等系统联动，实现建筑整体能源效率提升。例如，光伏发电量充足时，优先驱动暖通设备；照明关闭时，同步降低对应区域暖通负荷。

暖通与智能电网协同：需求侧响应AI驱动的暖通系统可与智能电网深度整合，参与电力需求侧响应，优化用电时段。如在电价低谷时段蓄冷蓄热，高峰时段减少用电，平抑电网峰谷波动达30%。

可再生能源融合：提升清洁能源占比AI技术助力暖通系统与太阳能、风能等可再生能源协同运行。通过预测可再生能源发电量，动态调整暖通设备运行策略，实现绿色能源的高效利用，推动建筑能源结构低碳化。

案例：“光-储-直-柔”一体化应用杭州某科技园将AI暖通系统与光伏、储能系统协同，实现“光-储-直-柔”一体化应用，有效提升了清洁能源消纳比例，年节省电量显著，为建筑能源系统集成提供示范。智能运维与全生命周期管理04设备状态监测与预测性维护体系

01多维度实时数据采集通过在主机、水泵、阀门等关键设备部署温湿度、压力、流量、转速等物联网传感器，结合建筑管理系统（BMS）数据，构建多维度实时数据库，为设备状态评估提供数据基础。

02AI驱动的故障预警模型基于设备健康度模型和机器学习算法，分析传感器数据，识别设备异常运行状态，提前预警潜在故障，如水泵轴承温度异常、过滤器堵塞等，提升响应速度，减少突发停机。

03预测性维护策略生成AI系统通过学习历史故障数据和设备运行规律，预测设备剩余使用寿命，生成精准的预防性维护工单，如提前安排冷凝器清洗、制冷剂补充等，降低维修成本，延长设备寿命。

04远程监控与智能诊断平台依托AIoT平台实现设备运行状态的可视化远程监控，支持运维人员通过手机APP或电脑端远程查看数据、接收报警信息，并借助AI诊断算法快速定位故障原因，实现无人值守和高效运维。能耗异常诊断与故障预警机制

多维度能耗基线构建AIoT平台通过建立分区域、分时段的能耗基线，实时监测建筑内各能耗单元的能源消耗数据，为能耗异常诊断提供基准。

智能能耗异常检测AI算法对比实时能耗数据与基线，快速识别能耗异常和偏差，精准定位能耗异常源头，并给出有效的反馈建议，帮助用户采取应对措施。

设备健康度监测与故障预测基于各类传感器数据，结合设备健康度模型，AI系统可识别设备异常状态，提前预警潜在故障，提醒物业运维人员关注设备健康，提升响应速度。

通风状态智能监测在建筑窗口通风器上安装传感器，实时监测通风状态，避免空调和通风口同时开启造成的能源浪费，尤其在使用空调的季节效果显著。远程监控与数字化运维平台建设AIoT平台架构与核心功能构建融合物联网（IoT）与AI技术的智能管控平台，实现对暖通空调系统设备运行状态、能耗数据的实时采集与远程监控，支持分钟级设备运行时间表自定义，如工作日与周末模式智能切换。多维数据采集与实时分析通过部署温湿度、压力、流量、人员密度等传感器，结合建筑管理系统（BMS）数据，构建多维度实时数据库。AI算法每30分钟生成未来2小时冷热负荷曲线，预测误差率可控制在5%以内。设备异常诊断与预测性维护基于设备健康度模型与能耗基线分析，AI系统可自动识别设备运行异常（如水泵轴承温度过高）和能耗偏差，提前预警并生成维修工单，提升响应速度，降低故障率。例如，某医院应用后故障响应时间从24小时缩短至1小时。可视化管理与智能决策辅助提供能耗热力图、设备运行状态可视化界面，支持远程控制与无人值守。集成生成式AI助手，可解析自然语言指令，提供节能建议（如“查询日能耗波动最大系统”），降低数据分析门槛，助力运营决策。典型应用场景与技术落地案例05商业建筑智慧暖通系统实践

Z机场航站楼智能化升级案例美的SmartControl引擎通过AI预测优化系统参数，温度预测误差≤0.2℃，能耗预测误差<5%。改造后室内温度达标率从65%提升至92%，系统能耗平均降低24.5%。

广发证券大厦AIoT平台应用达实智能AIoT平台结合AI节能算法，每隔4分钟下发策略指令，实现系统无人干预自动优化运行，平均节电率估算可达13.8%。

某写字楼动态负荷匹配成效应用AI动态负荷匹配技术，通过负荷预测调控、变频调速优化和分区精准控温，暖通能耗降低28%，年节约电费超60万元。

某商场人流与制冷量匹配实践通过AI模型结合商场POS人流数据预测冷需求，动态调整制冷量，夏季空调能耗降低32%，实现了按需供能与节能降耗的统一。AI动态负荷预测与精准调控工业厂房环境复杂，AI通过LSTM神经网络等算法，结合室外温湿度、生产排程、设备发热等多维度数据，实现未来2小时冷热负荷预测，误差率可控制在5%以内，为按需供能提供决策依据。恒温恒湿车间智能环境控制针对半导体、电子等精密制造厂房，AI系统实时监测温湿度、洁净度等参数，通过智能调节空调送风量、温度设定及空气净化设备，确保车间环境波动控制在±1℃以内，满足生产工艺要求，同时降低能耗。设备集群能效优化与协同运行AI技术对工业厂房内多台制冷主机、水泵、风机等设备进行全局优化，根据负荷变化动态调整设备运行台数、频率及工作参数，实现系统综合能效提升。例如，某汽车产业园应用AI冷源分析模块，助力冷源系统高效运行。故障预警与预测性维护通过部署传感器实时采集空调设备运行数据，AI算法分析设备健康度，提前识别潜在故障（如水泵轴承温度异常、换热器结垢等），生成维修工单，减少非计划停机，降低维护成本，保障生产连续性。工业厂房环境控制与能效管理医疗与公共设施HVAC智能化改造

医院场景：精准温控与空气安全保障AI技术可实现手术室、ICU等区域±0.2℃的精确温控，同时通过智能过滤系统优化空气洁净度，降低感染风险。某医院应用后，月均能耗降低15%，故障响应时间从24小时缩短至1小时。

公共场馆：动态负荷匹配与节能增效针对商场、体育馆等人流波动大的特点，AI系统结合POS数据、人员密度传感器预测冷热负荷，动态调整空调运行策略。某商场通过人流匹配制冷量，夏季空调能耗降低32%。

教育机构：IAQ优化与行为节能引导学校教室通过CO₂浓度传感器联动AI控制通风，改善学习环境。某智能社区学校应用AI暖通系统后，学生疲劳度降低，学习效率提升，同时实现18%的能耗节约。

改造方案：AIoT平台与预测性维护采用“传感器+AI算法+云平台”架构，对既有HVAC系统进行轻量化改造。通过设备健康度模型和能耗基线分析，实现故障提前预警和能耗异常诊断，某医院快速定位3处管道漏水隐患，修复后能耗显著下降。数据中心液冷与高热密度冷却方案

AI驱动液冷系统智能调控AI技术通过实时分析数据中心服务器热负荷、冷却液流量与温度等参数，动态优化液冷系统运行策略，实现精准散热，提升能源利用效率。

高热密度场景下的AI预测性维护针对高热密度服务器集群，AI结合传感器数据与机器学习算法，预测冷却系统潜在故障，提前预警并生成维护方案，减少停机风险，保障系统稳定运行。

液冷与智能电网协同优化AI能源管理平台将液冷系统与智能电网联动，根据电网负荷与电价波动，智能调度冷却液泵、冷却塔等设备运行，实现错峰用电，降低数据中心运营成本。

企业液冷技术应用案例三星电子收购德国FläktGroup，瞄准数据中心制冷细分市场，应对AI技术带来的高热密度冷却需求；美的承接粤港澳大湾区全液冷智算中心项目，推动暖通技术与数字孪生、AI预测控制深度融合。企业技术创新与市场竞争格局06国内外龙头企业AI技术布局中国企业：多品牌战略与技术整合美的集团通过收购喜德瑞中国区业务、欧洲ARBONIAclimate及与西班牙Frigicoll成立合资公司，整合供热采暖技术，丰富多品牌矩阵，拓展全球市场。中国企业：核心技术突破与场景应用海尔智家发布行业首创大模型AI多联机，AI技术贯穿生产运维全过程，实现30%节能效果，单机48HP规格减少设备用量约10%；格力GMV9智岳多联机搭载AI节能芯片，平均节能率达25%，-35～60℃宽温运行。国际巨头：大规模并购与市场扩张博世集团斥资80亿美元收购江森自控HVAC业务及日立中央空调全球经营权，强势进入美洲与亚洲市场；三星电子以15亿欧元收购德国FläktGroup，瞄准数据中心制冷细分市场。行业趋势：从硬件制造到能源管理平台企业竞争焦点从单一产品制造转向系统集成与能源管理平台能力，三星、LG推出AI能源管理平台，美的承接粤港澳大湾区全液冷智算中心项目，实现暖通技术与数字孪生、AI预测控制深度融合。核心产品与解决方案案例解析

美的SmartControl算法引擎通过AI技术实现复杂系统的数据挖掘、趋势预测和全局寻优，已应用于机场航站楼、数据中心和医院等场景，平均能节省15%至30%的能耗。Z机场航站楼应用后，室内温度达标率从65%提升至92%，系统能耗平均降低24.5%。

海尔大模型AI多联机将AI技术贯穿从生产到运维的全过程，可直接为用户带来30%的节能效果；同时机组实现单机行业最大48HP规格，能减少设备用量约10%，进一步降低项目投资成本。

格力GMV9智岳多联机行业首款以实时能效寻优为控制目标的多联机，搭载基于实时能效的AI节能控制策略，实现在线能效寻优平均节电25%以上。运行范围宽广，可实现-35～60℃大温差连续运行，46℃高温制冷能力不衰减，120m超高落差打破高层限制。

达实AIoT智能物联网管控平台通过判别式AI与生成式AI算法，在设备控制、人员管理、数据分析、决策辅助等维度帮助用户实现节能降碳。广发证券大厦应用后平均节电率估算可达13.8%，达实智能大厦比同类型大厦节能超25%。行业并购与技术整合趋势分析

01全球暖通市场规模与增长潜力全球暖通市场规模预计从2023年的2636亿美元增长到2028年底的3467亿美元，2023年至2028年的复合年增长率（CAGR）为5.6%。

02头部企业并购布局与市场扩张美的收购ARBONIAclimate布局欧洲市场，与西班牙企业Frigicoll成立合资公司；博世斥资80亿美元收购江森自控HVAC业务与日立联营资产，扩张美洲与亚洲市场；海尔收购匈牙利暖通企业KLIMAKFT加速热泵渠道落地；三星电子以15亿欧元收购德国FläktGroup，瞄准数据中心制冷细分市场。

03竞争焦点转向系统集成与能源管理平台传统空调与锅炉作为单点设备的价值减弱，融合储能、智能电网与分布式能源管理的综合能源系统成为新角力点，企业竞争焦点从硬件制造转向软件定义的能源管理平台能力。

04暖通技术跨场景迁移与新兴赛道拓展暖通技术向汽车热管理、数据中心液冷、户储暖通等多领域延伸，国内外家电龙头拓展业务，抓住“暖通技术跨场景迁移”的机会，这是比家用空调更大的赛道。技术实施挑战与应对策略07高昂的初始投资成本AI传感器、软件及系统集成涉及大量前期投入，包括硬件采购、安装调试和软件授权等费用，对部分企业和建筑管理者构成主要障碍。数据隐私与安全风险AI驱动的HVAC系统需收集大量环境及运行数据，存在数据泄露和未经授权访问的风险，需确保强大的加密和访问控制措施。与旧系统集成的复杂性老旧建筑HVAC系统缺乏现代化接口，改造时需进行基础设施升级以确保AI系统无缝集成，可能导致改造成本高且回报周期长。技术专业知识要求高AIHVAC系统运维需AI、IoT和系统集成专业技能，现有暖通技术人员需接受额外培训，否则难以高效部署和管理系统。系统集成与老旧设备改造难点数据安全与隐私保护技术措施数据分级分类与访问控制对HVAC系统采集的环境数据、设备运行数据及用户行为数据进行敏感度分级，建立基于角色的访问控制（RBAC）机制，确保不同权限人员仅能访问其职责范围内的数据，如运维人员可查看设备状态数据，而用户隐私数据仅限授权管理。数据加密与脱敏技术应用采用AES-256等加密算法对传输和存储的敏感数据进行加密处理，防止数据在传输过程中被窃取或篡改。对需共享或公开的数据集进行脱敏处理，去除或替换个人身份信息（如用户ID、具体房间号），确保数据可用但不泄露隐私。边缘计算与本地数据处理通过边缘计算技术，在设备端或本地服务器完成数据的实时分析与处理，减少敏感数据上传至云端的频率和数量。例如，空调本地控制器可直接处理温度调节指令，仅将汇总的能耗统计数据上传至云端平台，降低数据泄露风险。安全审计与异常监测部署安全审计系统，对数据访问、操作行为进行全程记录与日志分析。利用AI算法监测异常访问模式（如非授权IP地址尝试访问敏感数据），及时触发告警并采取阻断措施，保障数据访问的合规性与安全性。成本控制与投资回报周期优化

AI节能系统的初始投资构成AI节能系统初始投资主要包括传感器、智能控制器等硬件采购，以及AI算法授权、系统集成与调试费用。据案例显示，单套AI节能系统推广成本约50万元，仅为传统改造的1/5。

运营成本的显著降低AI技术通过优化设备运行策略、实现预测性维护，降低了能源消耗与维护费用。例如，某写字楼应用AI系统后年节约电费超60万元，运维人员成本降低40%-60%。

投资回报周期的缩短AI节能技术凭借显著的节能效果，缩短了投资回报周期。如温州光电大厦AI节能改造投资回收期仅6个月，多数项目在1.5-3年内即可收回成本。

合同能源管理（EMC）模式的应用采用EMC模式，投资方承担前期改造成本，通过未来5-8年的节能收益收回投资并分享收益。某商业综合体年节省电费80万元，投资方与业主按7:3比例分成，实现双赢。未来发展趋势与前沿技术探索08自学习系统与自主优化能力提升多维感知与预测：构建能耗预测模型通过部署温湿度、压力、流量等物联网传感器，结合建筑管理系统（BMS）中的人流计数、产能排程等数据，构建多维度实时数据库。利用长短期记忆网络（LSTM）等算法建立能耗预测模型，提前预判负荷波动趋势，例如某空调冷水机组能耗预测中，LSTM模型的平均绝对误差（MAE）和均方根误差（RMSE）均低于传统模型。动态优化控制：实现按需供能基于实时监测数据和预测结果，AI系统动态调整设备的运行参数，如转速、功率等。例如，在暖通空调系统中，AI可根据室内外温差预测需求，优化启停时间与功率分配；在Z机场航站楼，AI预测优化系统参数使室内温度达标率从65%提升至92%，能耗平均降低24.5%。自适应学习与持续优化：节能效果持续进化系统通过机器学习分析历史数据，自主优化运行策略，适应不同季节、天气、使用场景的差异。AI自学习能力可记忆不同工况下的最优运行参数，随着运行时间增加，节能率可再提升5%-8%，例如格力GMV9智岳多联机搭载基于实时能效的AI节能控制策略，实现在线能效寻优平均节电25%以上。建筑能源互联网与电网协同互动

建筑作为电网柔性可调负荷AI技术赋能下，建筑暖通空调系统可根据电网负荷、电价及可再生能源出力情况，动态调整用能模式。如深圳某科技园AI能源管理系统通过预测高温与用电高峰，自动启动预冷策略提升蓄冷量20%，成功避开电价峰值，实现建筑与电网的协同优化。

光储直柔一体化协同应用建筑能源互联网与光伏、储能系统深度融合，构建“光-储-直-柔”一体化系统。杭州中控科技园实践表明，AI协调控制下，该系统可平抑电网峰谷波动达30%，提升可再生能源消纳率，推动建筑从单纯能源消耗者向电网友好互动节点转变。

需求响应与错峰用电策略AI能源管理平台能够接收电网需求响应信号，智能调度建筑内部用能设备。例如，上海某商业综合体在电网高峰时段，通过AI算法自动降低暖通空调系统负荷15%-20%，参与电网调峰，同时结合合同能源管理模式，实现节能收益共享，年节省电费80万元。跨场景热力解决方案与技术迁移

建筑领域：从温度调节到智慧能源节点传统空调与锅炉作为单点设备的价值正在减弱，融合储能、智能电网与分布式能源管理的综合能源系统成为新方向。美的承接的粤港澳大湾区全液冷智算中心项目，表明暖通技术正与数字孪生、AI预测控制等新技术深度融合，实现从“温度调节设备”到“建筑智慧能源节点”的跨越。

汽车热管理：暖通技术的延伸应用暖通技术向汽车热管理领域延伸，国内外