在COVID-19大流行后促使世界 79% 的企业不得不采用混合工作模式，允许员工每周只进入办公室几天，这导致企业在无人使用的区域浪费大量能源，并承受过高的公用事业成本。同时这也是实现全球 2030 年温室气体减排目标的绊脚石。

幸运的是，面对当今越来越不可预测的办公时间表，利用人工智能、边缘计算和实时分析的正确解决方案可以提高能源效率并降低运营成本。

在 COVID-19 之前，大多数大型和混合用途建筑依靠日常工作时间来指导 BMS 系统为照明和暖通空调等耗能系统进行调度——通常预计周一至周五上午 7:00 至下午 5:00 会有人入住，这本身就是一种浪费。现在，对于建筑管理人员来说，比疫情最严重时更加棘手——办公大楼的入住率变得不可预测且一致较低，这种零星和不可预测的方式，给办公设施管理人员和他们的BMS架构带来了敏捷性的挑战。

同时疫情引起的全球供应链中断可能导致库存水平波动以及需要通过电力和暖通空调维持多少仓库空间来容纳它，不可预测性甚至扩展到仓库能源成本，这可能占近企业平均10%的年成本支出。虽然这些供应链中断预计是暂时的，但作为混合工作模式永久趋势的一部分，不规则的建筑使用时间很可能会成为“新常态”。

尽管存在这些现实，但普通建筑管理通常采用人工手动管理的方式，既费时又不灵活，而且对环境造成浪费。为了让组织保持高效、竞争力和可持续发展，这种情况必须改变。

幸运的是，由于越来越多的数据驱动选项可以通过更实时的可见性和控制动态调整建筑条件，BMS敏捷性变得更加容易。这些系统提供高级分析功能，可以跟踪和调整办公室或厂区时间表、入住率、天气预报、每小时能源费率和机器健康状况——所有这些都为建筑运维创造了运营效率和更高的利润。

同时，一些强大的系统涉及支持人工智能的边缘计算或边缘人工智能，其中数据在数据源处或附近进行处理。特别是随着物联网IoT设备和传感器在智能建筑中的激增，边缘AI避免了收集数据和将数据来回传输到异地云服务进行处理所带来的成本和延迟。这样，建筑运营商可以将新的边缘 AI 安装到现有系统上，而无需昂贵的拆除和更换旧组件，从而产生额外的节省。

由IoT+边缘 AI 提供支持的智能 BMS 架构可以将效率提升到能耗系统的实时管理之外，并进入节省收入的预测分析和预防性维护领域。

例如，来自高频振动传感器的运行数据可以检测用于冷却的建筑物冷却器中的异常情况，并应用分析来预测未来的故障点。这提供了主动解决问题的机会，避免了会对企业使用过程中产生突发性的故障维修和服务中断。

无论用例是暖通空调、照明还是其他一些建筑系统，支持边缘AI 的预测功能都可以延长昂贵设备的最大有效资产寿命。考虑到混合工作模式会因响应不断变化的占用因素而进行更频繁的操作调整，从而增加了系统的磨损和撕裂。通过IoT+边缘AI对这些不断变化的使用模式的分析，还可以帮助确定进行计划维护和计划服务中断的最佳和最少中断时间。

COVID-19大流行后混合工作时间表的“新常态”正在推动智能建筑的急需革命。在IoT+边缘 AI 的力量的带领下，这些系统正在为建筑提供增强的可见性和实时敏捷性，以应对不断变化的条件并进行自动调整，以提高建筑使用者的安全性、能源效率和成本节约。