AI在建筑环境与能源工程中的应用

20XX/XX/XXAI在建筑环境与能源工程中的应用汇报人:XXXCONTENTS目录01

行业背景与技术演进02

核心技术架构与平台03

建筑全生命周期智能化应用04

能源管理核心应用场景CONTENTS目录05

环境监测与智能控制06

典型案例与应用成效07

技术挑战与应对策略08

未来发展趋势与展望行业背景与技术演进01全球建筑能耗占比与结构全球建筑能耗占总能源消费的近40%，其中HVAC系统、照明、电梯等系统是主要能耗来源。据国际能源署2023年报告，建筑能耗中30%用于供暖和制冷。中国建筑能耗突出问题中国建筑能耗占全社会总能耗的近40%，传统能源管理依赖固定阈值控制与人工经验调度，难以应对动态变化的用户需求与环境因素，能源利用效率较低。重点建筑类型能耗案例以纽约市摩天大楼为例，其平均能耗比普通住宅高3倍；商业建筑中照明系统能耗占比达28%，但智能控制系统覆盖率不足15%，能源浪费现象显著。建筑行业碳排放压力建筑行业是碳排放的重要来源，2025年全球碳排放中建筑行业占比将达到36%。中国建筑行业每年产生48亿吨建筑垃圾，相当于每秒产生12吨，环境压力巨大。建筑行业能源消耗现状双碳目标下的智能化转型需求建筑行业的碳减排压力建筑行业能耗占全球总能耗的40%，碳排放占比约36%，是实现“双碳”目标的关键领域。2026年住建部《绿色建筑评价标准》修订稿中，智能化系统评分权重显著提升，AI运维成为重要加分项。传统能源管理模式的局限性传统建筑能源管理多依赖固定阈值控制与人工经验调度，难以应对动态用户需求、环境因素与能源价格波动，能源利用效率低下，且传统监测系统误差率高达25%。智能化技术的减排潜力AI技术通过精准预测、智能调控和优化决策，可实现建筑综合能耗下降15%-35%。例如，某商业综合体采用AI能耗管理系统后，结合气象与客流预测动态调节设备，年节省电费超2.8万元。政策驱动与市场需求国家发改委等四部委2026年《关于促进人工智能与能源双向赋能的行动方案》明确要求建筑能耗数据实时、分项、可追溯，碳排放核算纳入运营考核，推动AI驱动的能效优化成为必选项。AI技术在建筑领域的应用历程

01自动化控制阶段（2010-2015年）此阶段AI技术初步应用于建筑设备自动化控制，如基于规则的HVAC系统调节、照明自动开关等，实现了建筑局部功能的简单自动化，减少了人工干预。

02数据驱动优化阶段（2016-2020年）随着物联网技术发展，建筑开始大规模部署传感器，AI通过分析采集的能耗、环境等数据，实现能源优化调度，典型应用如基于机器学习的短期负荷预测，部分商业建筑能耗降低15%左右。

03智能协同决策阶段（2021-2025年）AI技术与BIM、数字孪生深度融合，构建建筑全生命周期管理平台，实现设计、施工、运维多环节智能协同。例如，AI驱动的施工进度预测与资源优化，使项目工期延误率降低20%。

04自主智能演进阶段（2026年-至今）AI技术向自主智能方向发展，建筑具备自感知、自诊断、自决策能力。如AI预测性维护可提前730天预测设备故障，上海某甲级写字楼电梯故障率下降67%，维护成本降低25%。核心技术架构与平台02云-边-端混合算力基础设施

云端容器化集群：大规模数据处理核心云端部署基于Kubernetes的容器化集群，支持私有云与公有云动态资源调度，满足智慧建筑BIM模型训练、全局能耗优化等大规模数据处理需求，为AI算法提供强大算力支撑。

边缘计算节点：本地化实时响应枢纽通过AI边缘计算盒子实现本地化算力下沉，在建筑关键节点部署低功耗、高适配专用芯片，使数据本地处理比例达80%以上，显著降低网络传输延迟，保障设备实时控制与安全预警的快速响应。

终端智能设备：分布式感知与执行末梢部署5G-A（通感一体）传感器等智能终端设备，实现免布线、低延迟的数据采集与执行指令下发，形成覆盖建筑各角落的分布式感知网络，为云边协同提供实时、精准的原始数据输入。

云边协同架构：高效算力资源调度边缘侧处理实时控制与数据预处理，云端负责长周期能效分析与模型训练，通过协同机制实现算力资源优化分配，既满足本地实时性需求，又发挥云端大规模计算与全局优化能力，提升整体系统运行效率。多源异构数据整合与治理数据湖与主题库双模架构

采用“数据湖+主题库”双模架构：数据湖以DeltaLake格式存储原始数据，利用Z-order聚类优化技术提升工业时序数据查询性能，支持每秒百万级传感器数据的实时写入与毫秒级检索；主题库则基于业务场景构建标准化数据模型，如设备状态主题库整合暖通、照明、电梯等子系统的运行参数，能源主题库统一电、水、气等能耗数据的计量单位与采集频率。解决设备协议碎片化难题

数据层的核心挑战在于解决设备协议碎片化、数据格式不统一的问题。通过标准化接口和协议转换技术，实现不同厂商、不同类型设备数据的无缝接入与整合，打破“信息孤岛”。隐私计算与联邦学习技术应用

数据治理方面，引入隐私计算技术，通过联邦学习实现跨组织数据协作，在保障数据安全的前提下提升模型泛化能力，确保数据在共享与应用过程中的合规性与隐私保护。行业大模型：建筑领域知识中枢基于Transformer架构，预训练海量建筑运维数据，具备设备故障预测、能耗模式识别等通用能力，构建建筑领域知识中枢。场景小模型：精准适配业务需求针对具体业务需求进行微调，如空调负荷预测模型结合历史数据与天气预报，实现未来24小时负荷的精准预测，满足特定场景应用。AutoML技术：降低模型开发门槛通过自动化特征工程与超参数调优，将模型开发周期从数月缩短至数周，提升模型开发效率，推动AI技术在建筑领域的普及应用。行业大模型与场景小模型协同低代码开发与开放生态体系01低代码开发平台：降低应用构建门槛通过拖拽组件等可视化操作，非技术人员可快速构建数据分析流与业务应用，如将设备状态数据与工单系统关联实现故障自动派单，大幅缩短应用开发周期。02标准化API接口：实现AI能力即服务基于KServe模型服务化框架封装AI能力，设备维护人员可调用设备健康度评分API获取维修方案，物业管理人员可调用能耗分析API生成月度节能报告，支持业务部门快速集成。03开发者平台：促进第三方协同创新提供统一的开发者工具包与开放协议，支持能源服务商等第三方接入建筑能耗数据，开展碳交易咨询与节能改造服务，形成“数据-应用-服务”的闭环生态。04跨系统协议兼容：打破信息孤岛支持BACnet、OPCUA等开放协议，无缝对接暖通、照明、安防等子系统，如火灾预警时自动联动关闭空调新风系统、启动应急照明，实现多系统协同响应。建筑全生命周期智能化应用03参数化设计：多维度约束下的方案迭代基于建筑语义理解与空间逻辑建模，AI可自动分析场地环境、日照条件与用户需求，生成多套优化设计方案，并通过参数化调整实现设计方案的快速迭代，减少设计变更与返工风险。生成式设计：AI驱动的创新方案探索生成式AI技术在建筑设计中被引入，用于生成高质量的优化方案，提升算法的创新性和实用性，结合历史数据与设计规范，探索传统方法难以实现的设计可能性。BIM与AI融合：设计成果的数字化应用BIM模型与AI算法的深度融合，使设计成果可直接用于施工模拟与成本估算，实现从设计到后续阶段的数据贯通，提升设计的精准度与可实施性。设计阶段：参数化与生成式设计施工阶段：智能监控与安全管理

人员安全监测：智能穿戴设备与定位通过智能安全帽集成北斗定位、心率监测与SOS呼叫功能，实时追踪工人位置并预警疲劳作业，保障施工人员安全。

施工质量智能检测：图像识别技术应用利用AI图像识别技术对混凝土浇筑、钢筋绑扎等关键工序进行自动化检测，确保施工质量符合标准，减少人工误差。

设备状态监测与故障预警AI监测电梯运行速度、载重及振动频率，捕捉钢丝绳微小形变，结合历史故障数据预测剩余寿命，提前发出更换预警，降低设备非计划停机时间。

环境参数实时监控与风险预警部署温湿度、压力、电流等200+类传感器，实时采集环境参数，构建建筑“数字孪生体”，及时发现并预警施工环境中的潜在风险。运维阶段：数字孪生与预测性维护数字孪生：虚实联动的运维可视化构建建筑数字孪生体，实现设备状态、管线走向等3D可视化运维。通过虚拟仿真测试优化策略，降低实操风险，解决传统运维中"找不到设备、看不懂图纸"的问题。AI预测性维护：故障预警与寿命预测基于机器学习算法分析设备运行数据，如电梯振动频率、空调压缩机电流波形，提前识别潜在故障模式。上海某甲级写字楼应用后，电梯故障率下降67%，空调主机能效提升12%。从被动响应到主动预防的运维模式革新将传统"事后维修"转变为"事前预防"，通过预测性维护系统提前730天预测故障概率，维护成本降低20%-30%，设备非计划停机时间减少70%。能源管理核心应用场景04负荷预测与提前感知AI结合当日天气预报、历史用能习惯及日照强度数据，提前1小时对建筑进行“预冷”或“预热”。例如，预测14:00办公区将有大型会议，系统会在13:30提前调节该区域的通风量，避免温度骤升。多变量协同全局寻优AI同时计算冷机频率、冷却泵转速、冷却塔风机开度以及末端风阀角度，实时寻找当前环境下的“最佳性能点”，使设备始终运行在高效率区间，通常可额外实现15%-30%的节能。基于强化学习的动态调节通过构建“舒适度-能耗”双目标优化函数，AI算法动态调整HVAC系统运行参数。如在用电高峰期自动优化非关键区域空调负荷，将建筑整体能耗波动控制在5%以内，较传统控制提升响应速度40%。故障预警与能效提升AI监测空调压缩机振动频率等参数，当数据出现偏离基准值的微小波动时，自动触发维护工单，将设备非计划停机时间减少70%，同时通过COP（能效比）最大化策略，持续优化系统运行效率。HVAC系统智能优化控制照明与设备能耗动态调控单击此处添加正文

智能照明系统：按需照明与自然光补偿基于匿名化热成像或毫米波雷达传感器，AI精确识别房间内人数和分布，实现分区、分时、感应控制，无人区域自动熄灯。结合窗外自然光强度，自动调节靠窗灯具亮度，确保室内照度恒定的同时最大化利用免费阳光，某商业建筑应用后照明能耗降低25%。HVAC系统全局寻优：多变量协同与COP最大化AI同时计算冷机频率、冷却泵转速、冷却塔风机开度及末端风阀角度，实时寻找当前环境下的“最佳性能点”，使设备始终运行在高效率区间。某项目应用后，暖通系统能效比（COP）显著提升，额外实现15%-30%的节能。电梯与电气系统智能监测：预测性维护与故障预警AI监测电梯运行速度、加速度、门开关情况及振动频率、电流波形等数据，提前发现故障隐患并下派工单，避免因设备效率下降导致的能源隐性浪费。对建筑电气系统的电流、电压等参数进行监测，及时发现过载、短路等问题，预防电气火灾，提升设备运行效率。需求响应与峰谷调节：非关键负荷智能管控AI结合电网峰谷时段信息与建筑用能特征，自动调节非关键区域照明亮度、空调温度等，在用电高峰期降低能耗波动。某办公楼通过该策略，将整体能耗波动控制在5%以内，实现了能源成本的有效降低。可再生能源协同管理

分布式能源集成优化AI技术优化光伏、风电等可再生能源的并网管理，通过预测发电量与负荷需求，动态调整能源分配策略，提升能源供应稳定性与可靠性。

储能系统智能调度结合AI算法对储能系统进行充放电智能调度，根据可再生能源发电波动与用电峰谷时段，实现能源的高效存储与利用，平抑电网负荷波动。

多能互补协同运行利用AI技术实现太阳能、风能、地热能等多种可再生能源的协同运行，优化能源生产与消费匹配，某智慧园区通过该方式实现15%的电力自给率。

虚拟电厂资源聚合AI驱动虚拟电厂技术，聚合分布式能源、储能设备及可调节负荷，参与电网调峰辅助服务，某平台聚合500MW资源，在2023年夏季高峰期获得收益超2000万元。多目标优化与碳足迹追踪

多目标优化：平衡能耗、成本与舒适度AI技术通过多目标优化算法（如NSGA-II、MOEA/D），同时优化建筑能耗、运营成本与人员舒适度等冲突目标。例如，某办公建筑采用深度强化学习调度算法，构建“舒适度-能耗”双目标优化函数，实现设备运行参数实时动态调整，较传统方法提升响应速度40%，在保障室内PMV热舒适指标稳定性提高20%的同时，综合能耗下降15%-35%。

碳足迹追踪：从数据采集到核算闭环基于AI的碳足迹追踪系统整合建筑全生命周期数据，通过智能电表、冷热量表等设备实时采集能耗数据，结合区域电网排放因子自动换算碳排放。例如，某智慧园区通过区块链平台记录各企业能耗数据，为碳配额分配与交易提供依据，实现建筑碳排放数据的实时监测、自动核算与透明管理，满足2026年住建部《建筑能耗与碳排放核算标准体系》要求。

AI驱动的碳管理与节能策略AI算法分析建筑能耗特征与碳排放数据，识别高耗能环节并生成节能改造方案。如某商业综合体通过AI能耗管理系统，结合气象数据与客流预测，动态调节空调与照明系统，不仅降低能耗20%-30%，还能自动生成符合政策要求的碳足迹报告，助力建筑从能源消费者向“产消者”转型，为碳交易奠定数据基础。环境监测与智能控制05室内空气质量实时监测多参数感知网络构建部署温湿度、CO2、PM2.5等200+类传感器，采用5G-A通感一体技术，实现免布线、低延迟数据采集，采样频率达1-5分钟级，构建建筑环境数字孪生感知基础。AI异常检测与预警基于深度学习算法分析传感器数据，建立空气质量基线模型，当污染物浓度超标或出现异常波动时，系统自动触发告警，较传统监测系统误差率从25%降至3%以内。联动控制与空气净化监测数据实时联动HVAC系统及空气净化设备，当CO2浓度超过1000ppm时自动调节新风量，PM2.5超标时启动过滤装置，某商业建筑应用后室内空气质量达标率提升至98%。数据可视化与健康报告通过3D可视化平台展示实时空气质量分布，生成日/周/月健康报告，包含污染物来源分析及改善建议，支持物业管理人员通过自然语言交互调取历史数据，提升决策效率。温湿度与舒适度智能调节

多参数融合感知技术部署温湿度、CO2、照度等200+类传感器，结合计算机视觉与语音识别，实时采集环境参数与人员行为数据，构建建筑"数字孪生体"，实现从单点监测到全域感知的升级。

基于强化学习的动态调控算法系统基于强化学习算法动态调整HVAC系统运行策略，如在用电高峰期自动优化非关键区域温度设置，将建筑整体能耗波动控制在5%以内，同时保障核心区域舒适度。

个性化与场景化舒适模式通过分析用户行为模式与偏好，结合不同功能区域（如会议室、办公区、休息区）需求，自动切换照明、空调等设备运行参数，实现"千人千面"的个性化舒适体验。

自然光与人工光协同优化利用AI图像识别技术分析窗外自然光强度与分布，结合室内人员分布数据，动态调节靠窗区域灯具亮度，确保室内照度恒定的同时最大化利用自然光，降低照明能耗25%以上。噪声与光照环境优化

AI驱动的噪声智能监测与控制通过部署声音传感器网络与AI音频分析算法，实时监测建筑内外部噪声源，如设备运行、人员活动等。结合数字孪生技术模拟噪声传播路径，动态调节HVAC系统风机转速、电梯运行模式等，将办公区域噪声控制在35分贝以下，较传统方法降低噪声干扰15%-20%。

基于计算机视觉的光照智能调节利用摄像头与光照传感器采集室内外光照强度、人员分布数据，AI算法实时分析并联动智能照明系统。通过自然光补偿技术，动态调整靠窗区域灯具亮度，确保室内照度稳定在500-750lux，同时实现照明能耗降低25%以上，如多伦多某商业建筑应用后年节省电费约12万元。

多目标协同优化策略构建融合噪声、光照、能耗的多目标优化模型，采用NSGA-II算法平衡声学舒适度、视觉体验与节能目标。例如，在会议室场景中，系统自动协调空调降噪运行与智能灯光调节，在保证会议清晰交流的同时，较传统控制模式降低综合能耗18%。典型案例与应用成效06商业综合体能效提升案例

AI动态能源调度系统应用某商业综合体通过部署AI能耗管理系统，结合气象数据与客流预测，动态调节空调与照明系统，实现综合能耗降低15%-25%，同时提升租户舒适度。

HVAC系统全局寻优实践针对暖通系统占建筑总能耗40%-50%的特点，采用AI多变量协同控制，实时寻找冷机频率、冷却泵转速等参数的"最佳性能点"，使设备能效比（COP）最大化，额外实现15%-30%节能。

智能照明与自然光补偿方案利用匿名化热成像或毫米波雷达传感器识别人员分布，结合窗外自然光强度自动调节灯具亮度，某商业建筑应用后照明能耗降低25%，室内照度恒定的同时最大化利用免费阳光。

设备预测性维护与能效保障通过AI监测水泵振动频率、电流波形等数据，提前72小时预警故障，将设备非计划停机时间减少70%，避免因设备效率下降导致的能源隐性浪费，某项目维护成本降低20%。智慧医院能源管理实践医疗设备能耗动态监测与优化针对手术室、ICU等关键区域的高耗能医疗设备，部署智能电表与振动传感器，结合AI算法分析设备运行特征。某三甲医院应用后，大型影像设备能耗降低12%，设备非计划停机时间减少35%。HVAC系统分区精准调控基于患者流量、科室功能和环境需求，采用强化学习算法对医院HVAC系统进行分区控制。北京协和医院西院区通过该方案，实现不同区域温度精准调节（±0.5℃），整体空调能耗下降20%，同时提升患者舒适度。可再生能源与储能协同应用整合屋顶光伏、地源热泵与储能系统，构建微电网。某智慧医院通过AI调度算法，实现可再生能源占比达30%，在用电高峰期通过储能放电减少电网负荷15%，年减少碳排放约800吨。医疗废弃物处理能耗优化利用AI预测医疗废弃物产生量，动态调整处理设备运行参数。某医院通过智能调度，使灭菌器和焚烧炉能耗降低18%，处理效率提升25%，同时确保符合生物安全标准。数据中心AI节能解决方案

基于AI的负荷预测与动态调度利用LSTM神经网络结合历史数据与天气预报，实现未来24小时负荷精准预测，预测误差率低于5%。基于预测结果动态调整IT设备运行策略，在用电高峰期自动降低非关键区域算力分配，将整体能耗波动控制在5%以内。

HVAC系统AI全局寻优控制AI同时计算冷机频率、冷却泵转速、冷却塔风机开度及末端风阀角度，实时寻找当前环境下的"最佳性能点"，使设备始终运行在高效率区间。某数据中心应用后，HVAC系统能效比（COP）提升15%-30%，年节省电费超200万元。

设备故障预警与健康管理通过AI监测服务器、空调等关键设备的振动频率、电流波形等参数，当数据出现偏离正常的微小波动时，提前72小时发出故障预警并下派工单。某项目应用后，设备非计划停机时间减少70%，因设备效率下降导致的隐性能源浪费降低25%。

可再生能源协同优化利用AI技术优化数据中心内光伏发电、储能系统的并网和管理，结合实时电价与负荷需求，动态调整可再生能源使用比例。某绿色数据中心通过AI调度，可再生能源利用率提升至40%，年减少碳排放约1200吨。存量建筑改造智能化应用

数字化诊断与节能潜力评估对既有建筑进行能耗审计，通过采集历史能耗数据、设备运行参数和环境参数，识别暖通、照明等系统的节能潜力，为智能化改造提供精准目标。

轻量化智能边缘网关部署无需更换大型主机，通过加装智能边缘网关和AI算法插件，实现对存量建筑设备的初步智能化调度，降低改造成本和难度。

传感器网络升级与数据融合在存量建筑关键位置部署温湿度、能耗、光照等智能传感器，利用LoRaWAN等无线技术实现免布线安装，结合边缘计算进行多源数据融合与本地处理。

AI算法驱动的能效优化引入负荷预测、动态调度等AI算法，对存量建筑的HVAC系统、照明系统进行智能控制，实现按需供能，提升能源利用效率，典型项目可实现15%-35%的综合能耗下降。

存量建筑数字孪生构建基于建筑既有图纸和现场扫描数据，构建存量建筑数字孪生模型，实现设备状态、能耗数据的可视化管理与仿真优化，辅助运维决策。技术挑战与应对策略07数据安全与隐私保护建筑数据安全面临的挑战建筑能耗数据涉及设备运行、人员活动等敏感信息，传统系统存在数据泄露风险，据行业调研，2025年智能建筑数据安全事件发生率较2023年上升28%。隐私计算技术的应用实践采用联邦学习技术实现跨组织数据协作，在保障数据安全的前提下提升模型泛化能力，某智慧园区项目通过联邦学习使多建筑协同优化精度提升15%，数据隐私泄露风险降低至0.3%。数据全生命周期安全管理构建“数据湖+主题库”双模架构，结合数据加密与访问控制技术，实现从采集、传输、存储到分析的全流程安全防护，某商业综合体项目通过该方案使数据安全合规率达到98%。行业标准与合规体系建设遵循《建筑能耗与碳排放核算标准体系》等政策要求，建立数据安全评估机制，2026年住建部新规要求智能建筑系统需通过数据安全等级保护三级认证，确保隐私保护与系统安全。算法可解释性的核心价值提升决策透明度，便于能源管理者理解优化过程，增强算法可信度与应用推广。结合SHAP、LIME等可解释性技术，助力识别能耗优化关键影响因素。建筑行业算法标准体系构建需建立涵盖数据采集规范、模型训练流程、性能评估指标的标准化框架，确保AI算法在能源管理场景中的可靠性与兼容性，如制定能耗预测模型误差率行业标准。标准化面临的挑战与应对面临算法复杂性、多场景适配差异等挑战。可通过推动行业协会主导制定团体标准，鼓励企业参与试点验证，逐步形成统一的算法应用规范与评估体系。算法可解释性与标准化系统集成与互操作性异构系统集成挑战与解决方案智能建筑中存在暖通、照明、安防等多类子系统，协议碎片化、数据格式不统一是主要挑战。采用BACnet、OPCUA等开放协议，可实现各系统无缝对接，打破信息孤岛，例如火灾预警时自动联动空调新风系统与应急照明。数据中台架构与标准化接口构建“数据湖+主题库”双模架构，数据湖存储原始数据，主题库按业务场景构建标准化模型。通过KServe模型服务化框架将AI能力封装为标准化API，支持设备维护、能耗分析等业务快速调用，降低应用开发门槛。边缘计算与云端协同模式采用“云-边-端”混合算力架构，边缘侧通过AI边缘计算盒子实现本地化算力下沉，数据本地处理比例达80%以上，降低网络传输延迟；云端部署容器化集群，支持大规模数据处理与模型训练，实现全局协同优化。开放生态与第三方服务接入提供标准化API与开发者工具包，支持第三方服务商接入，形成“数据-应用-服务”闭环生态。例如能源服务商可接入建筑能耗数据，提供碳交易咨询与节能改造服务，推动建筑智能化应用场景扩展与创新。成本控制与投资回报

能耗降低带来的直接经济收益AI系统通过优化能源管理，显著降低建筑能耗。以纽约某绿色建筑为例，AI系统使能耗降低30%，每年节省能源费用约100万美元。维护成本优化与设备寿命延长AI预测性维护可提前发现设备故障，减少维修成本。伦敦某商业建筑应用AI系统后，设备维护成本降低20%，同时延长了设备使用寿命。投资回报周期与长期效益分析东京某绿色住宅区AI系统初始投资500万美元，通过能耗降低和维护成本优化，5年投资回报率达到120%，展现出良好的长期经济效益。不同建筑类型的ROI对比商业建筑通过AI优化后，年均能源消耗量减少15%；大型商场应用AI系统，年均能源消耗量减少10%，不同建筑类型因能耗基数和优化空间不同，ROI存在差异。未来发展趋势与展望08自主智能与认知决策演进

01从辅助决策到自主优化的跃迁2026年AI技术在建筑能源管理中已从传统的辅助决策工具，升级为具备自主优化能力的核心引擎。AI系统能够通过机器学习算法自动识别设备故障趋势、预测能源需求峰值，并触发预防性维护，实现从被动响应到主动决策的转变。

02建筑“人格化”模型的核心形态行业引入“建筑人格化”模型，将智慧建