分类建议：工业智能 标签：工业节能、HVAC、物理模型、OT安全、网络分段、资产治理 缩略图：[占位：厂房空调控制系统与IT/OT/IoT分区关系示意图；暂不生成图片]
厂房的空调系统常年运行，设定值只调小一点，年度账单就可能出现差异。但节能软件一旦接入楼宇自动化系统，也会成为工业网络的一部分：它要读取传感器和设备状态，有时还要向控制系统写入新的设定值。9月24日，Infineon发布工业分析方案OPTIFICIENT，提出用AI与物理模型持续优化HVAC；同日的Forescout网络研究则提醒企业，含OT设备的网段与IT、IoT设备混用并不少见。这两条信息放在同一张工程图上，问题便不只是“算法能省多少电”，而是“谁允许算法改变什么，以及这条连接会带来什么风险”。
节能数字先确定分母
OPTIFICIENT面向工业厂房、数据中心和医院等高能耗建筑，可接入现有楼宇自动化系统，支持云端或本地部署。Infineon披露，在已完成项目中，HVAC相关年度能源成本下降约5%—30%。这个区间是厂商项目数据，不代表任意工厂采用后都能得到相同结果，更不等于整座工厂综合能耗下降5%—30%。
一个项目能否算清节能收益，至少要区分三件事：HVAC系统能源成本、整个厂区能源成本，以及电价与用能结构变化。假设产线扩大、天气比去年更热、电价分时政策调整，简单比较两个月账单，无法分辨究竟是控制策略有效，还是生产与环境条件变了。评估应先锁定计量边界：哪些冷机、风机、泵、末端设备计入；用电量从哪块表取；燃气、蒸汽或其他能源如何折算；设备维护和室内环境约束是否同步记录。
基线也不能只选运行最差的一周。较稳妥的办法，是在上线前收集能够覆盖工作日、周末、季节和主要负荷变化的历史数据，记录室外温湿度、产线排班、人员密度、设备启停与设定值。若数据不足，就承认评估范围有限，先做小范围试运行，而不是宣称全年收益。上线后对照同类工况，分别看能源用量、能源成本、环境达标率和投诉或人工干预次数。节电但引发温控波动、凝露或设备频繁启停，并不是合格的优化。
“AI+物理模型”应当如何分工
HVAC不是纯粹的预测题。建筑热惯性、设备效率、风量和水流量约束，决定了设定值变化不会立刻产生预期效果。物理模型可描述基本关系和运行边界，机器学习可辅助估计难以直接测量的负荷、预测短期变化，并识别设备性能漂移；控制策略在两者提供的信息上选择可执行的设定值。这样划分职责，比让黑盒模型直接输出“把温度设为多少”更容易验算与回退。
实施时先把现有控制逻辑画出来：现场传感器经控制器到执行器，楼宇自动化系统承担监测、报警与调度，优化软件在哪一层提出建议或写入设定值。对一部分系统而言，第一阶段只读数据、生成建议已足以发现明显问题，例如长期固定设定、设备轮换不均、不同区域冷热抵消。只有在建议质量得到验证后，才逐步开放受限写入。写入权限应具体到设备、参数、时间窗和上下限，而非给优化软件一个覆盖全厂的管理员账号。
控制建议需带上依据：当时的环境数据、负荷估计、设备状态、预测窗口、约束条件和预计收益。现场工程师不一定要理解模型所有参数，但必须能够回答：为什么调整？如果室内条件偏离目标，几分钟内会发生什么？怎样退回原设定？数字孪生或仿真可用于事前筛除明显不可行的策略，却不能替代在真实设备上的渐进验证。设备老化、阀门卡滞、传感器漂移会让模型与现场分离，必须持续监测。
从运营角度，优化目标也不能只有最低电费。生产区域需要维持工艺温湿度，数据中心要保证散热余量，医院又有其环境要求。不同建筑不应共享一套未经调整的控制边界。把质量、安全和舒适条件设为硬约束，节能作为其内的优化目标，才更接近真实采购需求。若峰谷电价、负荷响应或储能策略纳入计算，还应明确谁承担改变运行时序带来的生产风险。
OT环境可能比网络图更混杂
Forescout分析了47,700个网络分段、超过250万台设备。其公开结果显示，约42%的OT网段同时包含OT、IT和IoT设备，另有约23%同时存在OT、IT、IoT及IoMT设备。这是该研究样本的描述，不应直接解释为某家工厂的现状；它提醒企业，图纸上的“工控区”未必等于现场真实连接关系。
常见的变化并不惊人：为了维护方便，一台工程师笔记本同时接办公网和控制网；视频摄像头与设备网关共用交换网络；楼宇管理平台与云端服务通信；供应商远程接入经临时账号保留多年。单独看，每个连接都有业务理由；叠在一起，资产类型、权限与通信路径就可能跨越原先的隔离边界。攻击者拿到一组凭据后，不一定需要直接攻破控制器，可能先经通用设备或管理接口横向移动。
节能系统因此不能被当成“只是一套分析软件”。只读采集节点、数据转发网关、云端模型、运维控制台和现场写入代理，分别处在什么网络区域？传什么数据？凭什么身份通信？在哪一处将“建议”转换成控制命令？这些问题若答不清，算法上线同时也在增加一条未经管理的OT入口。
一套兼顾收益和安全的接入方式
首先做资产盘点，而且盘点对象不只限于冷机和控制器。需要列出传感器、网关、楼宇自动化服务器、运维工作站、交换设备、远程维护路径、云端连接及其所有者。尽量采用不会影响生产的发现方式，并与现场工程师核对；在老旧OT网络里，贸然主动扫描可能干扰脆弱设备。资产表至少记录设备类型、位置、网络段、固件或软件版本、业务用途、维护方和允许的通信对象。
其次画数据与命令两张流向图。数据图描述温度、湿度、流量、功率、设备状态和报警如何出厂、留存多久、谁可读取；命令图描述谁能改变设定值、命令从哪里发出、由谁批准、怎样被控制器接受。只读阶段优先通过受控采集点获得必要数据，减少直接访问控制器。确需远程写入时，采用最小权限、明确白名单与上限约束，并使现场已有控制逻辑与安全联锁保持最终裁决权。
再把网络隔离做成实际策略。按照控制区域、管理区域和分析区域划分通信，只有明确业务需要的端口与方向开放；不同区域之间的跳转需身份认证和日志记录。微分段的目标不是把设备切到互不通信，而是让一台摄像头或维护终端的故障不容易牵连冷机控制。厂商远程服务需要单独的授权、时效和退出流程，不能依赖长期共享账号。
最后约定失联与异常时的状态。优化平台停止响应、数据超时、传感器读数冲突、网络故障或建议越界时，现场系统应继续按已验证的本地策略运行，不能等待云端给出下一条指令。网络监测应关注不寻常的跨区通信、异常设定值变更、非工作时间维护和身份凭据滥用；报警交由懂工艺的人复核，不让自动化阻断误伤生产。
部署中容易漏掉的五笔账
第一笔是计量账。若能耗数据只到整栋楼，无法确认冷站或空调末端具体收益；如果能源成本采用估算电价，财务部门难以复核。试点前要确认计量点和账单之间能对得上。
第二笔是设备寿命账。降低耗电量若靠频繁启停或长时间压着设备极限运行，维护成本可能吞掉节约。记录启停次数、故障、维护工时及备件消耗，和电费一起看。
第三笔是生产影响账。工艺温湿度不达标、人员不适或数据中心散热不足，损失不会完整体现在能源报表里。运行约束与紧急回退条件，应由现场负责人确认，而不是由算法供应商单方面设定。
第四笔是网络账。新部署的边缘网关、外部连接、远程账号及日志存储都要维护；一旦与办公网或IoT设备混连，风险不按项目边界结算。安全投入应纳入总拥有成本，而非等上线后补救。
第五笔是验证账。厂商案例的节省区间提供了试点理由，却不能成为合同里的默认收益承诺。企业需要自己定义同工况比较方法、观察周期、异常天气处理方式，以及由谁签字确认结果。
给工厂的一份分阶段清单
立项前：圈定HVAC设备与能耗边界，明确生产环境硬约束；盘点当前网络资产和跨区连接；确认能源、设备与网络日志是否足以建立基线。缺数据的地方先补计量与可见性。
影子运行：优化模型只接收数据并输出建议，不自动写控制值。让工程师对照现有策略评估其可行性，记录建议被拒绝的理由，同时测试传感器漂移、数据缺失和异常工况。
受限闭环：仅对选定设备、参数和时段开放写入，设定上下限、变化速率和审批方式；验证本地控制器能拒绝越界命令，并演练平台掉线、账号失效与网络隔离时的回退。
验收与扩展：按同类工况比较用量、成本、环境达标率、启停和维护负担；审查跨区通信、远程访问记录及告警处置。只有收益与安全两套指标都过关，再扩大设备范围。
OPTIFICIENT所代表的AI与物理模型结合，为高能耗系统提供了可评估的优化路径；Forescout的数据则说明，接入路径本身不能靠“OT天然隔离”的旧假设保证安全。工业AI的试点如果只交出一张节能曲线，却交不出资产清单、命令边界和故障回退方案，项目仍未真正完成。
资料依据
- 2026年9月25日《工业智能每日观察》所列Infineon OPTIFICIENT与Forescout研究信息。文中产品描述、项目节能范围及网络样本数据均取自该日报；架构、风险与清单为据此提出的工程分析。