让数据穿越设备全生命周期，美的提供AIDC系统运行确定性

9月23日，2026云栖大会【筑基・智启:AI时代数据中心的进化之路】分论坛，美的楼宇科技研发体系智能技术部长程俊发表《为AI算力“降温”：从暖通全生命周期实践到AI数据中心数字孪生思考》主题演讲，分享美的如何以统一的数据底座，将服务贯穿数据中心热管理系统的设计、交付、运行与维护全过程。

对热管理系统而言，数字化不应只发生在运维阶段。真正的全生命周期服务，是让同一设备、同一系统的数据从设计延续到运行与服务，让每个阶段的数据都成为下一阶段的输入。依托iBUILDING数字化平台基座，美的将统一模型、统一数据、统一设备身份与AI 能力连接，推动系统从 “设备在线”走向可计算、可验证、可优化、可预测。

01设计可计算，服务从项目开始前介入

在设计阶段，美的通过负荷模拟、自动选型、方案寻优与能效分析，让系统先在数字世界运行一次。建筑负荷、气象条件、设备性能、运行边界及扩容要求被纳入统一计算，为不同设备组合、全年能效与运行费用提供比较依据。设计阶段留下的不再只是归档的计算书，而是可被后续阶段继承的设计态孪生体。

02交付可验证，数字设计接受真实系统校准

进入交付阶段，设备模型、系统拓扑、设计参数与仿真结果，将与现场实际设备、实际参数、调试结果和真实工况逐一比对。通过工程实施、调试、试运行与验收，美的验证设计假设、校准数字模型，形成经实测验证的竣工态孪生体。交付不再是设计数据的终点，而是长期运行服务的数据起点。

03运行可优化，系统持续寻找更优解

系统投入运行后，数字化服务不止于看见设备状态，更要根据真实负荷持续优化运行策略。基于EnergyPlus建筑模型、MPC模型预测控制与物理约束AI算法，美的实现空调8760小时逐时负荷速算，并在设备与系统运行边界内对设备组合及控制参数进行全局寻优。来自30万+在线系统的运行数据持续反哺模型精度，让节能从设备参数转化为可持续优化的系统结果。

04风险可预判，服务从故障响应走向主动干预

在服务阶段，美的通过设备健康状态与性能衰减轨迹识别异常迹象，对制冷剂泄漏、冷凝器结垢、机组跑油、水泵异常和压缩机频繁启停等问题进行诊断。相关算法已覆盖超过30万+套系统，准确率超过88%，主动服务工单占比超过10%。服务由故障发生后的维修，向故障发生前的诊断、响应与维护闭环转变。

更重要的是，运行与服务数据不会停留在运维端，而会继续反哺设计与研发。设计、交付、运行、服务由此形成一条持续循环的数据链――设备有生命周期，模型也有生命周期，数字孪生随交付、运行、维护不断更新，越用越准。

05从暖通实践，走向AI数据中心全生命周期服务

当这套全生命周期方法走向AI数据中心，美的的判断是：不能简单复制。 因为场景至少在四个层面发生了变化。

1负载变了。传统建筑冷负荷相对平缓，而AI算力负载变化更快、热密度更高 ―― 单机柜功率密度从过去的 6―8kW 跃升至 30kW、50kW甚至上百kW，并随模型调度、任务批次在短时间内剧烈波动。美的面对的不再是相对平稳的建筑冷负荷，而是一个动态、非线性的算力冷负荷。若仍按传统峰值选型、按静态曲线整定，要么平时大量低效运行，要么负载突增瞬间逼近热极限。

2链路变了。 过去美的主要关注冷机与水系统；面向数据中心，制冷链向 IT 侧大幅延伸：冷水机组→一次侧→CDU→二次侧→冷板，直至芯片，风冷、冷板液冷乃至浸没式液冷还会同时存在。每一侧都有自己的温度、流量、压差与响应时间，任何一侧调节都会沿链路向上游传导。这意味着――单台设备效率最高，不代表整条链路最优。

3约束变了。 楼宇暖通同样关注可靠性，但在数据中心场景，热安全与业务连续性是不能突破的硬边界。一次非计划停机损失的不是电费，而是整批算力任务。系统必须在 "留足冗余保可用" 与 "压榨能效降成本" 之间持续权衡，而这两个方向往往相互打架。

4节奏变了。 AI算力以季度为单位迭代，数据中心从设计到上电的窗口被大幅压缩，上线后仍频繁面临加装机柜、功率升级与液冷改造。若设计、交付、运行各自为政，每一次扩容都意味着重新仿真、重新调试、重新定标，系统将无法跟上业务节奏。

正因如此，AIDC真正要解决的问题已经不是“怎么把冷供上”，而是：在可靠性硬约束之下，如何让算力与冷量动态匹配。

美的正在把暖通领域沉淀的全生命周期数据链向AIDC延伸――纵向上，把数据链从冷源一直拉到 IT 负载，将冷机、一次侧、CDU、二次侧、液冷终端、机柜与 IT 负载纳入同一张对象图谱；横向上，仍贯穿设计、交付、运行、服务四段，数据流不中断：设计阶段计算冷机、一次二次侧与CDU的组合；交付阶段用实测流量、温差、压差与冗余切换时间校准模型；运行阶段直接读取算力负载信号，反向调节冷量供给；服务阶段再将设备健康状态带回系统决策。

而在优化目标上，美的认为未来的数据中心数字孪生不能只盯一个能效指标。“最优” 至少要同时兼顾效率、可靠性、设备健康度、冗余与成本五个维度 ―― 为了安全可能需要保留更多冗余，某台设备理论效率最高但健康度已在衰减，能耗最低的策略未必是当前业务风险下最合理的策略。“最低能耗”，不等于 “系统最优”。

真实世界负责运行，数字世界持续推演。美的希望通过全生命周期数字化服务，让算力与冷量实现更动态的匹配，让系统在多重约束下持续寻找更优解。数字孪生的价值，不只是复制真实世界，而是在数字世界里，比真实系统多走一步。