一、智慧园区迈入“AI 大模型时代”

AI 技术正从单点应用向全场景渗透。智慧园区的发展也迈入了全新阶段——不再是单个 AI 算法的堆砌，而是以大模型为“大脑”、以 IoT 为“神经”的智能体系统。

海创科技城的 AIoT 平台同时承载了判别式 AI与生成式 AI两类能力，并实现了二者的协同工作。

二、从判别式 AI 到生成式 AI

维度	判别式 AI（传统）	生成式 AI（大模型时代）
核心能力	分类、识别、预测	理解、推理、生成
交互方式	规则触发、按钮操作	自然语言对话
典型场景	人脸识别、烟火检测、违停识别	“一句话”预订会议室、查询停车位、获取节能建议
决策模式	单一事件→固定响应	多维数据→智能推理→自适应执行
学习能力	模型固定，需重新训练	持续学习，上下文理解

三、平台架构：AIoT 智能物联网管控平台

海创科技城的 AIoT 平台采用 “1 个平台 + 4 类交互端 + N 种应用” 的架构：

text

┌─────────────────────────────────────────────────────────────┐
│                     N 种业务应用                            │
│  安防  │  能耗  │  停车  │  门禁  │  工单  │  会议  │  招商 │
├─────────────────────────────────────────────────────────────┤
│                  4 类交互端                                 │
│  IOC大屏  │  后台管理  │  小程序  │  企业微信/钉钉          │
├─────────────────────────────────────────────────────────────┤
│                  AI 模型层                                  │
│  ┌─────────────────┐  ┌─────────────────┐                  │
│  │  判别式AI模型池  │  │  AI Agent智能体  │                  │
│  │ (8类视觉算法)    │  │  (大模型驱动)    │                  │
│  └─────────────────┘  └─────────────────┘                  │
├─────────────────────────────────────────────────────────────┤
│                  IoT 数据接入层                             │
│  MQTT  │  Modbus  │  BACnet  │  ONVIF  │  私有协议        │
├─────────────────────────────────────────────────────────────┤
│                   感知层设备                                 │
│  10,000+ IoT设备：摄像头、传感器、门禁、电表、水表、空调    │
└─────────────────────────────────────────────────────────────┘

平台支持 20+ 种异构数据源接入（MySQL/PostgreSQL/Oracle/Kafka/MQTT/REST API/Modbus 等），已适配绝大多数建筑机电设备品类。

四、判别式 AI：实时数据的智能研判

判别式 AI 负责处理园区实时数据流的智能分析：

1. 冷量需求预测
基于历史负荷数据、天气预报、人流预测等多维数据，AI 模型预测未来 24 小时冷、热需求。联动储能、光伏、蓄冰槽进行柔性调节，实现削峰填谷。

2. 中央空调运行调优
实时监测各楼层温度、CO₂ 浓度、人流密度，动态调整空调机组运行参数。在保证舒适度的前提下，显著降低空调能耗。

3. 设备与能耗异常识别
多级阈值监测（单日/单月上限、同比异常偏离），跑冒滴漏、用电异常尖峰、夜间异常用能自动告警。结合数据中台的 6 维度数据质量规则（完整/准确/一致/唯一/及时/有效），自动生成质量报告。

4. 车辆通行与停车调度
融合实时车流与历史规律，动态优化车位调度。三级车位引导（路口大屏 + 区域屏 + 车位指示灯），车位占用状态实时刷新。

五、生成式 AI：大模型驱动的“对话式园区”

海创科技城的 AIoT 平台完成了大模型能力的全面接入，将 IoT 园区实时数据接入大语言模型，基于多维数据构建 AI 应用工作流。

已落地的生成式 AI 场景：

场景	交互方式	背后逻辑
“一句话”预订会议室	“帮我订明天下午 3 点的大会议室，8 个人”	LLM 理解意图→查询日程→锁定会议室→生成确认通知
“一句话”查询停车位	“B2 层还有几个充电车位？”	LLM 解析→查询车位传感器→返回实时数据
“一句话”获取节能建议	“我们部门上个月电费怎么这么高？”	LLM 分析能耗数据→生成个性化节能建议报告
智能客服问答	“入驻园区需要什么条件？”	LLM+RAG 检索政策文档→生成精准回答
园区公告智能生成	“写一则台风预警通知”	LLM 生成公告→人工审核→一键发布

技术亮点：生成式 AI 与判别式 AI 并非替代关系，而是协同关系——判别式 AI 负责“感知与判断”，生成式 AI 负责“理解与交互”，两者通过 AI Agent 编排层无缝衔接。

六、AI Agent：连接判别与生成的“智能体”

AI Agent 是连接判别式 AI 与生成式 AI 的桥梁：

1. 感知：接收来自判别式 AI 的告警事件（如“B 栋 3 楼烟感报警”）

2. 理解：大模型理解事件上下文，检索关联信息（周边摄像头、最近工单、应急预案）

3. 决策：生成处置建议或自动执行动作（调取周边摄像机画面、通知安保、创建工单）

4. 交互：以自然语言向管理员汇报情况，接受进一步指令

5. 

AI Agent 层完全开放，开发者可以：

• 自定义 Agent 能力：基于 LangChain 或自研框架扩展新的 Agent 行为

• 替换大模型后端：支持对接不同厂商的 LLM API（国产/开源均可）

• 编排复杂工作流：通过可视化界面配置多 Agent 协同逻辑

• 

七、二次开发支持

二开能力	具体支持
AI 模型替换	判别式 AI 模型以容器化方式部署，支持热插拔；大模型后端可替换为任意 LLM API
规则引擎定制	可视化规则编排支持自定义函数节点，开发者可编写 JS/Python 脚本扩展处理逻辑
数据源扩展	数据中台支持新增任意数据源类型，配置化接入
前端交互定制	Vue 3 组件化设计，可快速开发新的管理页面或小程序服务入口
AI Agent 扩展	提供 Agent 开发 SDK，支持自定义智能体行为与工作流

八、技术栈速览

层级	技术选型	版本
AI 平台	自研 AI 任务调度器（基于 Redis Streams）	-
大模型	支持对接国产/开源 LLM API	-
判别式 AI	TensorFlow/PyTorch 模型池	-
AI Agent	自研智能体编排引擎 + LangChain	-
IoT 平台	EMQX 5.3.2 + Netty 4	-
时序数据库	InfluxDB 2.7.1	-
流计算	Flink 1.17.1	-
数据中台	元数据管理 + 数据血缘 + 6 维度质量规则	-
微服务框架	Spring Cloud Alibaba	2021.0.5.0