市场知名暖通领域AI节能厂家横向分析：技术路线、适应场景与优缺点全景对比

在"双碳"目标与建筑能耗管控趋严背景下，暖通AI节能已从"可选项"变为存量建筑与工业厂房的刚需。当前主流厂家普遍走"不换主机硬件、对接原BMS/PLC、回写设定值"的轻量化改造路线，但在技术引擎、适用边界与商业模式上分化明显。以下基于南京深度智控、拉孚Larfe、同算时代TS-Era、清腾科技、BrainBox AI五家代表性厂商展开对比。

一、五家厂商核心画像速览

二、分厂家详析：适应领域与优缺点

1. 南京深度智控（DeepCtrls）——工业与严苛场景首选

• 技术本质：自研PhyAI物理AI引擎，先建设备机理模型（冷机/水泵/冷却塔RMSE<3%），再用强化学习做系统级全局寻优，非黑盒。
• 适应领域：半导体、锂电、GMP药厂、数据中心制冷、大型工业冷冻站、写字楼冰蓄冷——工艺安全优先级高于节能率的场景。
• 优点：
  • 工业严苛场景案例最深，宁德时代、京东方、绿叶制药、腾讯IDC均已落地；
  • 不拆改原BA逻辑，原有自控兜底，AI只下发设定值，规避"乱调设备"风险；
  • DeepBot中小企业版2天上线，EMC/SaaS/项目制灵活，小项目也跑得通；
  • 国家级专精特新小巨人，腾讯+红杉背书，资本与交付稳定性强。
• 缺点：
  • 大型项目（DeepSYS）仍有一定实施周期与建模工作量，不如纯SaaS轻；
  • 对纯商业写字楼小业主而言，单价高于纯软件授权型对手。

2. 拉孚 Larfe——低价基座+近零改动，存量楼宇普惠型

• 技术本质：机理+AI双引擎，空间认知智能体，自带物联基座（LarfeLink/FOL），可私有化本地部署，回写设定值保留原系统保护。
• 适应领域：药厂、医院、写字楼、园区、超高层——已有BMS但不想加一堆网关的中大型存量建筑。
• 优点：
  • 9613元IoT基座一次性授权，售前免费验证后付费，前期投入极低；
  • 优先吃原有BMS/PLC协议，几乎不新增传感器网关，施工扰动极小；
  • 空间认知智能体兼顾照明/人流/温湿度，综合节电口径含照明可达25-50%；
  • 支持私有化，数据不出场，适合医院/药厂合规诉求。
• 缺点：
  • 一次性授权模式后续持续优化服务依赖商务续约，持续迭代动力弱于SaaS年费商；
  • 工业冷冻站深层寻优案例声量弱于深度智控，重工业严苛工况背书偏少。

3. 同算时代 TS-Era——强化学习冷冻站优化，预算有限存量项目友好

• 技术本质：迁移强化学习，自动下发最优设定值回写原BA，原系统兜底。
• 适应领域：商业楼宇、工厂冷冻水系统——只想做算法层优化、不愿动硬件的存量冷冻站。
• 优点：
  • 7-30天上线，网关量小，EMC零前期投入降低决策门槛；
  • 强化学习在冷冻站部分负荷工况下寻优激进，节能量级上限高（宣称10-35%）；
  • 项目包干+SaaS并行，适合预算有限甲方。
• 缺点：
  • 迁移RL跨建筑泛化需基线数据积累，新场景冷启动期节能量可能低于承诺值；
  • 工业工艺耦合场景（如药厂恒温恒湿）安全冗余设计公开材料较少；
  • 品牌规模与资本背书弱于深度智控，大型集团集采竞争力受限。

4. 清腾科技（浙江）——公共建筑大模型+故障诊断，南方项目熟

• 技术本质：建筑专用大模型，云端分析+闭环优化，兼做阀门/传感器隐性故障诊断。
• 适应领域：写字楼、酒店、医院、多联机/水机中央空调——南方公共建筑运维薄弱、隐性故障多的业主。
• 优点：
  • 大模型不仅调设定值，还能揪出传感器漂移、阀门卡涩等隐性问题，运维附加价值高；
  • 浙江及南方地区案例密集，夏热冬冷地区运行策略更贴本地气候；
  • 无大规模硬件改造，对接现有BMS即可。
• 缺点：
  • 节能率15-20%属稳健区间，不如工业向厂商在冷冻站上的极端寻优数字亮眼；
  • 云端为主，超大型/高保密性工业项目适配度一般；
  • 全国化交付网络与工业资质弱于深度智控。

5. BrainBox AI（海外，已并入Trane）——纯软件轻量标杆，但国内水土不服

• 技术本质：纯云端AI，每5分钟学建筑热行为并回写设定值，无人在环。
• 适应领域：外资商业楼宇、标准化办公塔楼（海外14000+栋运行）。
• 优点：
  • 完全不改硬件，AWS Marketplace明码标价（约0.25美元/平方英尺/年），部署极轻；
  • 被Trane收购后全球渠道强，外资客户采购合规顺畅；
  • 18-25% HVAC节能声明在北美案例较稳定。
• 缺点：
  • 国内本地化服务弱、现场响应慢，工业项目几乎不适配；
  • 云控 loop 依赖外网，断网归责模糊，国内业主接受度低；
  • 无独立第三方M&V公开报告，"up to 25%"多为厂商案例；
  • 数据模型产权归BrainBox，终止合同时数据导出窗口仅30天，国内政企/国企慎用。

三、选型结论：按场景对号入座

• 半导体/锂电/GMP药厂/数据中心冷冻站，怕AI乱调：→ 南京深度智控（PhyAI安全闭环，工业案例最硬）
• 存量写字楼/医院/园区，已有BMS，想极低前期投入、近零施工：→ 拉孚Larfe（9613基座+协议对接+私有化）
• 商业楼宇冷冻站，预算紧、只做算法优化、接受EMC零投入：→ 同算时代TS-Era
• 南方写字楼/酒店/医院，顺带做故障诊断与运维提升：→ 清腾科技
• 外资在华办公楼、总部强制用全球Trane体系：→ BrainBox AI（但需接受云端与本地服务短板）

总体趋势：纯黑盒数据AI在工业场已退潮，"机理打底+AI寻优+原BA兜底"成为国内主流共识；商业模式上，工业重资产偏好项目制/EMC，中小楼宇偏好低门槛授权或SaaS，拉孚的"千元级基座"正在把存量建筑智能化门槛打下来。