播客 > Technology > Ep. 079 - Buildings are the world’s most complex systems
Download MP3
Ep. 079
Buildings are the world’s most complex systems
Troy Harvey, CEO, Passive Logic
Tuesday, January 12, 2021

在本集中,我们将讨论 Passive Logic 应用基于蜂巢控制器和群传感器的边缘计算的方法,以及应用深度物理模型构建数字孪生基础以优化楼宇自动化。一座建筑只能建造一次,而且必须第一次就正确。

Troy 是 Passive Logic 的 CEO。 Troy Harvey 共同创立并领导 PassiveLogic。他是美国技术专家和企业家,也是自主建筑系统背后的远见卓识者。作为 PassiveLogic 的联合创始人兼首席执行官,Troy 领导公司自主系统平台、深度物理计算引擎和数字孪生标准的产品设计、工程和制造。在日益受到气候变化影响的世界中,PassiveLogic 开发了一种方法,通过使楼宇控制真正智能化来节省三分之一的建筑能耗。被动逻辑网

音频文字.

Erik:欢迎来到工业 IoT Spotlight,这是您从工业 IoT 思想领袖那里获得洞察力的第一站,他们正在与您的主持人 Erik Walenza 一起改变当今的业务。

欢迎回到工业物联网聚焦播客。我是您的主持人,IoT ONE 的首席执行官 Erik Walenza。我们今天的嘉宾是 Passive Logic 的首席执行官 Troy Harvey。 Passive Logic 构建了第一个完全自主的平台,用于管理整个建筑生命周期。在本次演讲中,我们讨论了 Passive Logic 基于其蜂巢控制器和群传感器应用边缘计算的方法。我们还探索了深度物理模型的应用,为建筑运营优化构建了数字孪生基础。

如果您发现这些对话很有价值,请给我们留下评论和五星级评价。如果您想分享您公司的故事或推荐一位演讲者,请发送电子邮件至 team@IoTone.com。谢谢你。特洛伊,感谢您今天加入我们。

特洛伊:当然。我很高兴来到这里。

Erik:很多公司、技术或工业物联网公司都在构建足够横向的东西,尤其是年轻的公司在确定我们为谁服务时有点困难。所以我真的很期待了解你与谁一起工作,你正在解决什么类型的问题,以及背后的技术堆栈。但在我们进入细节之前,我认为你个人是非常有趣的背景。所以我很想了解更多关于你在建立被动逻辑之前所做的事情,特别是在太阳中心,因为看起来这种直接导致了被动逻辑背后的逻辑。那你为什么要跳?你是你已经是 Heliocentric 的 CEO,我不知道你是不是把那个卖掉了,或者你是否离开了那个组织,然后在 2016 年建立了被动逻辑?

特洛伊:是的。因此,我们在 Heliocentric 真正建立的是 2000 年代初期围绕建筑模拟和建筑物理的大量专业知识。我们当时对建筑的认识是数百年,如果不是数千年,建筑的建筑师和建造者总是试图设计建筑,然后就建造它们。作为一名电气工程师,这是一个疯狂的想法,因为在大多数其他类型的工程中,你总是在制作真正的东西之前进行 beta 测试。

所以我们真正建立的是在模拟虚拟建筑、这些建筑物内的虚拟人以及虚拟系统方面的大量专业知识,这样我们就可以与建筑师、开发人员和工程师合作,了解他们如何建造更好的建筑并利用它他们的概念,建造不同种类的墙壁和不同种类的材料和不同种类的 [听不清 03:21] 系统,并重塑建筑物和通过数百种建筑物变化获得我们想要的结果的方式。然后我们有很多保证,现在我们可以去建造它,并对这座建筑将如何运作和工作有一定的确定性。

我认为这个行业的很多其他人,我们发现你可以设计出非常棒的建筑。但正如我们通过 Lead 流程发现的那样,当他们落地时,他们很少能达到他们的期望,即使他们是一个伟大的工程、良好的安装、精心设计和调整、调整和委托等等。所以我认为我们通过能源合同部门参与进来,开始研究这些建筑。

我们认识到,建筑中真正的核心挑战可能是建筑行业的其他人还没有解决的问题,那就是建筑是世界上最复杂的系统。它们实际上是这些巨大的巨型静止机器人,但具有一定程度的输入和输出。传感器和控制点是我们所说的机器人技术中的自由度,超出了人们制造的任何其他东西的规模。而这种规模的问题只是无法通过我们获得的使建筑物正常工作的工具以及这种基本的潜在挑战来解决。

就在那个时候,我遇到了我的联合创始人,他聘请我的公司帮助他们建造一座非常酷的房子。他刚刚完成了他以前的公司 Fusion-io 的首次公开募股。所以 Fusion-io 确实创新了,他是这位创始工程师,他提出了我们今天都在使用的这些闪存驱动器的所有核心技术。所以在那之前,有闪存芯片,也就是硬盘驱动器,但没有人想出如何以真正耐用的方式使用商品闪存芯片,非常非常快,并制造出数百万倍速度的硬盘驱动器。

这就是 Fusion-io 所做的,真正成功的 IPO,当时他们正在向 SanDisk 出售自己。他正在建造他的房子,他雇用了我的公司,他就像所有好的控制在哪里?好的自动化平台在哪里?我当时想,嗯,你正在看这一切。所以我开始向他展示我们正在做什么。他作为投资者加入,然后在几个月内,他就像,哇,这比以前的 Fusion-io 有趣得多。我想成为联合创始人,让我们去建立这家公司。所以这真的是四年前被动逻辑的开始,

Erik:你在这里提到了两条大赛道。因此,当您更好地了解这一复杂资产的运作方式时,您就可以识别潜在问题,优化效率等等。所以在这个意义上的检查方面有这个优化角度。然后还有潜在的创新。如果你只是要构建这个复杂的资产,你不能真正提前测试它,你可能必须做你以前做过的事情。我现在想象,如果你真的可以做一些深度数字孪生,你在测试新概念方面会有更大的灵活性,并且更有信心它们可能在现实世界中真正起作用。

特洛伊:而且我认为即使 Heliocentric 所做的让我们帮助建筑物的设计和工程过程使建筑物变得更好,即使如此,我们发现,以及其他行业所做的就是这有点结束路。你可以设计工程师的东西。但无论你想出什么,一旦它落地,一旦它开始建造,那些都只是纸上谈兵。这是该领域的论文,由预计实施它的其他人持有。

因此,最大的挑战之一是我们设计我们制造的东西,或者我们的想法,或者我们如何设计建筑物或其他系统,我们的 CAD 系统的终结,它们离开我们的打印机,这就是道路的尽头。因此,对于该工程或设计或架构意图没有连接性。转移到流程的下一步,我们如何构建和创建数字工作站点以及操作、维护和管理这些相同的资产?

Erik:所以,如果我们现在更深入地研究一下业务本身,我想听众们很清楚这里的市场就是建筑物。这主要是商业建筑吗?您是否涵盖工业住宅?现在的80%规则是什么?

特洛伊:是的。所以我们的核心市场是真正的商业建筑和工业建筑。但这包括多户住宅,您是我们的投资者,我们的多户住宅房地产投资信托基金。但更广泛地说,我们做得很好适用于工业环境中的过程控制。所以有一把大伞。但是你可以说那把伞的外皮就是建筑物中发生的事情。

Erik:在能力的整个生命周期中有很多挑战。那么你倾向于在哪里参与?你是完整的生命周期吗?您是否在运营阶段更多地处于计划阶段?

Troy:所以我们是完整的生命周期,而 Passive Logic 的核心价值之一是你在设计方面所做的就是你必须做的所有事情,然后贯穿整个建筑的生命周期。但对于我们的市场,实际上,您可以在建筑生命周期的任何阶段选择无依赖的被动逻辑。

因此,无论您是预设计还是早期设计,或者您正在施工,您希望将自动化应用于建筑物,或者您正在进行改造,您正在考虑如何维护和管理建筑物的光谱?因此,核心价值和更广泛的支持之一是将建筑物理解为这些机器人,这些大型复杂机器人,将被动逻辑理解为建筑物的自主平台的框架。

如果你看看自动驾驶系统如何改变我们对车辆的看法,我们认为应用于建筑物的自动驾驶技术比以往任何时候都具有更广泛的经济和系统集成影响的车辆更广泛的影响。所以你看看建筑物,例如,在第一个世界,建筑物的能源影响几乎是车辆的两倍。整合的成本、这些系统的足迹以及它们周围的经济比其他任何事情都要大得多。

所以我们用简单的术语来说,你可以认为被动逻辑是如果你从 [听不清 10:49] 车辆中取出大脑并教它而不是关于驾驶,而是教它关于建筑物和建筑系统以及基础物理和如何将所有这些东西作为一个整体、统一、完整的系统来运作。

Erik:BMS 系统已经存在了几十年。但 BMS 系统在决策方面并不智能。它们是一种可视化的平台。那么我们是否可以将 Passive Logic 视为下一代 BMS 系统,该系统现在内置了这种 AI 能力以做出更好的决策?

特洛伊:是的,我想你可能会想到什么。您可以将其视为 BMS,或者我们所说的更广泛的控制。因为这是每栋建筑的基础,所以您需要一个控制系统。这确实是建造建筑物的必要条件。无论是“高端 BMS”,还是低端,只是简单的控制器,随着时间的推移,我们看到的就是这种演变。

所以今天的大自动化公司,都是带着水银开关温控器的突破性创新从1850年代走出来的。那是控制行业的开始。我们看到的是它的演变,从恒温器到固定功能控制器,再到 PID 控制回路,再到这些 BMS 控制系统或 80 年代的数字控制系统。

但在很大程度上,我们今天所拥有的与我们在 1800 年代所拥有的几乎没有什么不同。它只是数字化的。并且给定一些工具,我们如何在一个统一的盒子中组织大量恒温控制或大量 PID 控制。但是那个盒子,上下文真的很像 1970 年代或 1980 年代风格的编程。你可以通过计算机科学方面的一系列证明。你可以说,好吧,考虑到建筑物的复杂性,例如,如果其他的不同,我必须写多少不同,你会发现工程师需要 100 年才能写出一套完整的如果那么其他任何给定的建筑物?

因此,对于 BMS 来说,道路的尽头是什么,以及为什么我们没有到达我们需要的地方,这实际上是我们在 1800 年代开始控制的最终结果。作为一个行业,我们刚刚准备好说,好吧,新的基础是什么样的,新的道路是什么样的,因为我们在旧道路上失去了动力?

Erik:我正在观看其中一个视频,它展示了如何在完整的建筑物中使用它来可视化建筑物的皮肤或皮肤下的操作。谁是买家,谁是最终用户?因为您拥有这个产品,它正在管理一个极其复杂的资产,该资产正在从手到手传递。所以有架构,开发人员,施工团队,然后是建筑运营,还有维护。我的感觉是该工具具有适用于相当多不同用户的功能。而且在整个生命周期中,甚至可能会有不同的买家。我猜这栋楼的主人可能是这里的买家。但是你能分享一下,这里的主要利益相关者是谁?那么这在建筑的整个生命周期中是如何演变的呢?

特洛伊:所以当你在谈论我们的自治工作室软件时,[听不清 14:38] 为他们的建筑设计他们的自治系统。我们可以谈论为什么会这样以及为什么这很重要。但是,建筑物中存在复杂的价值链。 Passive Logic 所做的一件事就是真正为任何一个价值链利益相关者解决整个路径上的问题。

但我们最关注的是,我认为这很少见,我们今天看到的楼宇控制行业的物联网和人工智能是我们关注谁是基本客户。一般来说,自动化设备安装人员或 HVAC 安装人员通常是在建筑物中进行控制的组织,他们实际上是控制用户,因为他们必须控制他们的系统。

我们专注于围绕建筑物实际组合的工作流程构建用户体验,以及这些安装人员如何与从项目进出建筑物的整个业务流程进行交互。因此,这种观点的一部分是,被动逻辑能够做的一件事是,当我们提供所有这些价值广告时,无论是在维护方面,还是在能源方面,或者在分析和洞察方面,我们决定作为一家真正不想将这些东西货币化的公司,我们决定放弃那些作为核心需求控制的副作用,并真正以有竞争力的价格将我们的控制平台出售给你可以在市场上买到的东西,然后制作我们的平台真正从街角的小咖啡店扩展到摩天大楼级别,并在整个范围内进行定价。这是我们如何处理技术的另一件真正独特的事情。

我认为,我们经常在工业系统中看到这些老旧的狡猾系统,它们一开始并不是很好,但它们是自动化供应商的旗舰。然后他们试图打入低端市场。他们做什么?他们采用了一个旧的狡猾的系统,他们削减了一半的功能或 90% 的功能。然后你有一个更狡猾的系统,没有人真的想买它。

所以当我们看手机时,你得到的 iPhone 与苹果的 CEO 没有什么不同,他没有得到更好的,你们都可以买同样的。因此 Passive Logic 对建筑景观的建筑有着相同的理论,即我们需要为每栋建筑拥有相同的规模、相同的技术、这些新的先进技术,而不是不必要地分割市场。因此,我们真正专注于承包商基础的安装程序基础,并构建用户体验以及围绕其业务运作方式的工作流程。这真的是我们自己进入市场,然后我们放弃了其余的。

Erik:假设一个承包商基地,那么我猜这取决于项目 6 个月到 24 个月的时间段,这是否像基于 SaaS 的解决方案按时间段付费,然后根据建筑物大小或承包商方面的用户数量?从商业角度来看,这会是什么样子?

特洛伊:不,这是另一个差异化因素或被动逻辑对市场的看法。所以首先,我们真的认为,投资者喜欢 SaaS。这是一个投资者驱动的决策点,可以推动公司采用 SaaS 模式。客户通常不喜欢 SaaS。在这个市场上,当你谈论核心基础设施时,你对某人说,好吧,支付我每月的账单,否则你的建筑将无法工作,这并不是进入市场的真正有利地位,而你可能会在前门失去 90% 的市场。

所以这里的核心概念之一是当我们说自治系统时,我们真的是这个意思。这是一个自治系统,所有的人工智能,所有的决策都在你的建筑里,当你购买我们的控制时。当您设置我们的软件时,当您将其放入其中时,它就是您的,它就在您的建筑物中,这是您建筑物的核心基础设施技术平台。这并不意味着我们没有一些 SaaS 服务,但他们选择加入。

因此,这些服务与我如何管理我的投资组合或如何远程访问我的建筑物有关?这些是自然存在云交叉点的地方,你说,嗯,从我的办公室,我想访问我所有的建筑物。所以这是我们如何看待市场的核心,我们如何看待这个市场的结构和在其结构中运作的方式。

Erik:这意味着我假设该软件在建筑物中的服务器上运行,或者即使它是自有的,它是否也部署在云上或者看起来像什么?

Troy:当我们谈论吨系统时,核心产品是我们的蜂巢控制器,这是一个控制系统,它提供了当今您必须集成在一个可以安装在建筑物上的一个盒子中的十几种产品。它完成所有控制。它通过所有控制引擎、物理引擎、决策进入盒子,并在一个盒子中为您的所有物联网设备、所有传感器设备、所有这些可控设备提供接口,而无需进行任何集成。

那么,再次回到手机的类比,为什么 iPhone 在 4 年内销量超过了 40 年,所有台式电脑都卖光了?我们认为有很多原因。但关键原因之一是预集成。因此,在这个市场、物联网和楼宇自动化领域,我们通常将安装人员称为集成商,因为这是他们工作的核心。我们认为这不是人们应该用他们的时间做的事情,他们应该购买能正常工作的东西,他们应该把时间花在设计、安装和获得新工作上。这样控制系统就在它里面,它不是服务器,它在控制系统中有高性能处理器,当你插入其中一个时,即使它在咖啡店里,它也能正确地做所有的决策那个控制箱上的权利。

Erik:我想咖啡店和摩天大楼之间的要求会有很大差异。那么只是你有你的被动,蜂巢控制器,然后根据能力的要求,他们可能需要一个或多个,是吗?

特洛伊:所以这是其中的一部分。所以集成故事的一部分是人工智能,底层技术,软件使我们能够真正集成硬件,使硬件非常软件定义。这使我们能够将今天的不同控制器和自动化设备、节点和网络设备的目录替换到一个盒子中。然后真的变成一个问题,如果你在咖啡店,你需要一个吗?如果你在摩天大楼里,也许你需要在整栋大楼里有数百个,每个人都扮演着自己的角色。

但是,当您将它们以菊花链方式连接在一起时,当您将它们连接到网络中时,它们会在群计算集群中一起发挥这些作用。就 IO 而言,他们都在处理自己的工作,与传感器交谈、与物联网设备交谈、与控制球交谈,但随后他们的所有容量、所有计算容量都在整个网络中共享。因此,随着您的建筑越来越大,您拥有更多的控制器,您在建筑中拥有更多的计算能力。

Erik:是的,我们最近在边缘计算方面做了大量工作。我的意思是,这是一个现在非常受关注的话题。但这似乎是实现相当复杂的边缘计算的一种非常实用的方法。今天哪里有生意?所以我知道你刚刚筹集了 1600 万,你要退出隐身模式了?你已经在市场上销售了吗?我想你已经做过一些项目了?那些是更多的试点项目吗?或者您是否已经有可以扩展的商业产品?

特洛伊:现在,我们已经有两年的私人飞行员在该领域使用各种不同的系统,管理许多不同的复杂性,我们被带入这些项目以进行实施。我们刚刚在 A 轮融资中筹集了 6000 万美元,然后很高兴看到顶级领先投资者以及从各种不同的建筑角度来看的许多战略。在接下来的几个月里,我们将通过一些战略展开我们的私人飞行员,你会看到我们在明年夏天左右进入一般市场和其他市场。

Erik:你能分享任何投资者还是他们不愿意?

特洛伊:当然。因此,我们的主要投资者是投资者版和 [听不清 24:41]。我们实际上是他们新基金的第一笔投资,这是有史以来第二大的首次亮相基金。在我们的战略中,我们有来自美国市场和欧洲市场的战略,既有商业和多户住宅的业主,也有 HVAC 制造商组件,其中之一位于瑞士。

实际上,我们最终发现投资筹集的资金大约是超额认购的三倍。因此,我们真的很想邀请很多其他投资者,但此时我们真的没有合作空间。但是随着我们进入明年,我们会看到更多这样的情况,然后进入我们的下一次加薪,并且可以在我们的下一轮中真正为更多战略提供更多空间。

Erik:目前最有趣的技术趋势之一是这些行业在过去几十年里并没有太大的发展,现在突然有机会采用一流的通信和计算技术。为什么我们现在不进入技术堆栈一点点?所以你有你的服务器,然后你有管理平台和这个深度学习,或者这个人工智能解决方案?我们已经讨论了您正在做的几件事,但是您能否向我们介绍一下技术堆栈,硬件软件是什么,以及您是否还在那里提供任何服务,只是完整的视角在这里?

特洛伊:是的,绝对的。所以你提出了这个边缘的概念,特别是边缘人工智能,所以我们认为,被动逻辑,不仅在这个行业,而且当我们看到多个行业时,它确实引领了基于边缘的人工智能的概念。而且我认为您可能肯定知道为什么这非常重要。

只是有些事情你永远无法从云中做,而不是从耐用性或弹性的角度来看。当我们想到以光速行驶的自动驾驶汽车时,当你看到你必须摆脱你的视觉系统,因为你要撞到一大群人,然后你上服务器又下车时,你已经旅行了40英尺,你会碰到那群人。它只是不能从云中完成,通过速度,但也通过弹性。如果你失去 100 毫秒,你的连接会发生什么?这事儿常常发生。

嗯,构建系统的速度不如我们通常驱动系统的速度那么快。但这是同样的问题。我们不能像你为某些实时人工智能所做的那样,从人群中实时地做一些事情。因此,我们的 AI 系统在建筑物中,在每个控制器中。当您将这些控制器分散开来时,它们将作为一个集群团队一起工作。

现在,这里真正独特的几件事是我们建立在我们所谓的深度数字双胞胎之上。因此,您可能已经在行业中听说过数字双胞胎的概念,通常,人们的意思是非常薄的东西。他们的意思是,它是 CAD,或者我们在建筑物、工业 BIM、3D CAD 中所称的所有东西,也许您可以在其上附加一个传感器点。有很多公司在这个想法中寻找价值点。这是寻找问题的解决方案。

但是当我们谈论作为被动逻辑核心的深度数字双胞胎时,我们所说的数字双胞胎就是人工智能。这是一个非常重要的概念,因为如果你在做建筑系统,或者你在做校园系统,你在做能源系统,或者你在做过程控制,这与自动驾驶汽车的不同之处在于每一座建筑,每一个系统都是完全不同的。没有完全相同的真正建筑。

而如果我是特斯拉,我可以训练 1000 万英里的测试轨道,然后我可以训练一个神经网络,然后我可以把它卖给 100,000 人。这是一个完全一样的 100,000 人的静态模型。但是在建筑系统过程控制中,我们需要普通用户可以定义他们自己的 AI 系统、他们自己的自主平台,用于他们自己独特的建筑、独特的架构、独特的系统拓扑等等。

因此,我们启用的核心不是编程,而且我们已经建立,这在传统方法中有点不可能,如何很好地控制这些系统,我们为人们提供一个可以绘制建筑物外观的环境比如,他们可以画出他们的系统的样子,拖放,不同的组件,泵和风扇,阀门和锅炉以及像货架一样移动的可移动机器人,仓库内可能像亚马逊物流中心或其他任何东西这些组件是,以及它们拖放的那些单独的组件,是这些了解自身物理特性的数字双胞胎,因此从根本上给出了泵的概念。

然后许多事情变得可能。首先,当人们绘制他们的系统时,他们实际上绘制的是他们的 AI 拓扑,但在他们看来,这只是他们系统的简单绘制。所以我们把它翻译成他们知道的世界,然后我们得到一个符合他们建筑的系统拓扑。

数字双胞胎的下一件事是启用这种称为深度物理的新型人工智能。但基本上,深度物理摆脱了我们在深度学习中的所有这些训练时间,并允许你绘制你的系统的样子,并在没有数百万条训练数据的情况下立即开始控制它。然后它会在您的建筑物中直接了解您的建筑物及其行为。这对于大多数人工智能系统来说都是独一无二的。大多数人工智能系统都是经过学习的,它们是静态提供给你的。

所以这个数字双胞胎还有另一面,那就是我们如何与所有这些物联网设备交谈?我们如何与所有这些协议交谈?我知道的关于协议的一件事是人们不断地制造更多。因此,今天的挑战是能够以某种结构化的含义将它们组合在一起,将整个构建所有系统都放在一起,任何人都可以查询。这些数字双胞胎提供了这种结构。它们使我们称之为语义降低的东西成为可能。当你了解你的物理学时,这是你能了解的关于你自己的最元的事情。因此,如果您是泵,请了解泵的作用以及它在系统中的作用。并且知道我想打开一个泵,在物理学方面,比说我想打开一个泵和 BACnet 或 Knet,或草坪或 Modbus 或任何可能的东西更元。

这让我可以做我们所谓的语义降低,以在物理学中将泵的元概念打开,并将其降低为更简单的语义,无论是 BACnet、Knet、英文还是中文。因此,这些深度数字双胞胎能够实现的功能有多个方面。最后一个问题是如何为所有想要插入的服务提供高级 API?所以这是顶层的一个大演练。但我认为有很多事情我们可以沿着这条隧道走下去,谈论基础知识,或者引起你注意的事情。

Erik:这个技术领域有多成熟?是否还有其他我们的听众可能熟悉的应用程序已经在消费工业产品中使用了深度物理?

特洛伊:这是一个全新的领域。在过去的 10 年里,你的大多数听众都会知道深度学习的革命。所以问题是这场革命的真正意义是什么?当你问甚至 AI 研究人员的这个问题时,通常人们会说,嗯,这是关于神经网络的。但这与神经网络无关,神经网络自 1950 年代就已经存在。那么它是关于什么的呢?下一个答案通常是,嗯,它是关于 CPU 和 GPU 的能力,或者我们可用的数据量。但实际上也与这些无关。这些可能是数量级的提升。

在深度学习堆栈的底部,当您拉出 TensorFlow,并开始使用训练运行和数据时,在代码堆栈的最底部有一些东西使这一切成为可能,这就是所谓的可微编程。而可微编程,迄今为止一直被锁定在深度学习库的底层。这是什么可微编程?让我们以神经网络或深度学习为例。

如果我想训练一个包含一百万个神经元的神经网络,在进行可微分编程之前,我必须带着我的计算机,用某种算法、某种启发式方法来弄清楚如何调整和调整一百万个参数这百万个神经元本身就可以得到正确的答案,识别图像并识别出那是狗、猫、马或人。在世界上最大的计算机上,这将需要数百或数千年的时间来调整和调整所有这些变量。这使得神经网络无法正确调整,或者无法真正拥有足够的计算能力来真正训练它们。

那么可微分编程有什么作用呢?好吧,在过去几十年的所有编程中,您将输入输入到函数中并获得输出。如果您的编译器可以从输出开始并为您提供输入,那么可微编程是什么?这意味着你可以从答案开始,一个输出,然后你可以反转代码并获得一百万个输入。还有几个过程。但从本质上讲,这就是程序的不同之处,它改变了需要数千年或数千年的时间,将其变成几分钟、几小时或几天。

所以这个核心技术就被锁定了。在过去的几年里,我们一直在与 Google Brain 合作开发广义可微编程。如果您可以编写任何程序,并且可以正向和反向运行它会怎样?然后如果你现在可以构建异构神经网络,也就是库,我们一直在研究被动逻辑,其中不是每个神经元都是相同的,但每个神经元都是不同的,每个神经元都有自己的专长,现在你可以制作那些专业,在我们的例子中是物理学,但在另一种情况下可能是经济系统,或各种不同的行业利益?

因此,使用被动逻辑,我们能够做的就是构建这些物理网络。它们崩溃了,它们看起来很像神经网络。但它们代表了泵、锅炉和窗户中的风扇、建筑物以及人类和人类舒适度的物理特性。你可以像训练深度学习一样训练它们。但是有一些非常大的优势。

首先要理解深度学习,而深度学习真正存在的问题是,当你完成构建深度学习系统的步骤时,第一步是你必须让数据科学家弄清楚如何塑造他们的神经网络。第二步是它什么都不知道,那个神经网络是完全空白的,你必须用大量数据训练它。

一,在物理方面,你在训练什么?你正在训练牛顿在 200 年前就已经发明的东西。比如,为什么要花三年时间和大量数据来学习我们已经知道的东西?这两个步骤是 99% 的工作。最后一步是优化您的网络。因此,这使我们能够做的基本上是构建这些由组件表示的异构物理神经网络,当您将这些组件连接在一起时,您正在构建该网络,现在您拥有模型的结构,并且您重新完成了 99% 的工作。它已经可用,现在你只是一个可以在本地完成的优化,你可以比常规深度学习快很多数量级。这就是深层物理学在最高水平上的运作方式。

Erik:你说,你正在与 Google Brain 合作。这是资助的吗,我忘记了你之前提到的资助某个政府机构的人。这是来自受资助的研究计划,还是您如何确定这是一个潜在的突破?

Troy:所以我们一直在 Passive Logic 构建这个自主平台,并确定您确实需要提高性能,这可以使它成为一个实时过程。所以在被动逻辑之前,你能在市场上找到的下一个最好的东西是能源部,他们有一个物理模拟器,他们有一些优化软件。你可以在一周内通过各种计算机模拟得到下一步的答案。

但我们需要马上得到答案。所以我们开始与能源部合作。我们与能源部签订了几份合同,他们只是给了我们一份后续合同,以围绕这些可计算的深度物理数字双胞胎制定标准。那里的目标是多方面的。第一,在我们的系统中,我们需要一秒一秒地做出这些决定。大楼的下一步操作是什么?考虑到所有动态,我们将整个建筑作为一个系统来解决,所有的加热冷却通风能源系统,内部过程控制类型系统,所有这些都是目前正确的解决方案。基本上,我们可以比实时更快地以每秒数百万次的速度进行数字模拟和优化。这使我们能够在建筑物中逐个决策地做出这些决策,并在相对适中的处理器上进行。

能源部对数字孪生的兴趣是,一旦我们超越了建筑物的外壳,我们如何制作对等且可以来回通信的能源网络,然后您就可以进行需求响应、公用事业提供商和能源存储以及分布式能源和建筑物都可以实时协同工作吗?你需要一些货币对此有证据,并且数字孪生满足货币有证据证明所有这些实体可以以点对点的方式工作,同时证明他们所说的一切都是真的,没有人可以玩弄这个系统?这是他们感兴趣的方面之一。

Erik:所以你已经提到数据并不是这里真正的瓶颈。但我可以想象,在某些情况下,您仍然需要高质量的数据才能使这些系统运行。您的经验是,建筑物通常已经拥有足够的传感器网络和连接性吗?或者当您被部署在建筑物中时,您是否对架构师或开发人员有特殊要求或建议,以便正确使用您的系统?

特洛伊:这真的很好地融入了深层物理学。因为深度物理网络所做的一件事是它提供自动数据融合或传感器融合你所拥有的信息,它还提供了这个基于物理的网络的更大上下文,代表建筑物中发生的所有事情。

例如,假设我有 100 个区域,但其中只有 50 个有温度或湿度传感器,或者不管它是什么,它将根据该建筑物的热力学模型自动感应保险丝,其余房间的温度是多少是。它还可以自动合成合成信息的质量。所以它可以告诉你是 90% 还是 70%。这样质量就可以在内部用于学习。如果您尝试查询建筑物,就好像您是我们应用商店中某种服务的服务提供商一样,它也可以在外部使用。但它填补了我们在物联网设备周围看到的这一挑战,这可能是多方面的。

首先,今天物联网设备没有真正的站点智能。大多数物联网设备从制造商到物联网设备都在上升到私有云,有中间件解决方案可以访问网络中的数据池,但数据池只是数据。数据并不是那么有价值。人们付出的是行动。因此,这提供了将这些数据融合在一起的保护伞。

但本质上,如果你能想象如果你有这个由所有这些物理节点组成的神经网络,在外部网络中,或者这个由建筑物的热力学和正在运行的系统组成的完整网络,你基本上是在将传感器插入点在该网络中,该网络将自行合成他们自己的信息,以了解该节点相对于建筑物中其他任何地方会发生的事情,您通过说,我有这个物联网设备,插入了更高质量的数据,我要把它拖放到这个区域中。现在,假设它是一个湿度传感器,湿度会根据传感器的精度以更高质量的数据插入其中,然后通过其周围的网络传播。所以它最终解决了这个非常有趣的物联网问题,作为我们如何控制建筑物的副作用。

Erik:然后这里的另一个问题是与任一遗留系统的集成或互操作性。尤其是工业建筑,有一组公司在将竞争对手拒之门外并拥有堆栈方面建立了相当有利可图的业务。也许我们可以潜在地查看电梯单元,或者在不同控制下的工业建筑中。这是一个挑战吗,您是否必须想出聪明的方法来访问这些数据?还是出于某种原因,这不是挑战?

特洛伊:所以我们现在专注于一个领域,这就是我们所说的功能系统,HVAC,能源系统,照明系统,还有这种过程控制类型的系统。像电梯这样的东西是会去的地方,但现在对我们来说有点外围,我们确实连接到这些系统,说在建筑物周围移动的居住者,这些是有趣的流动走廊作为一个系统。

这在一定程度上是区域性的,我认为美国可能拥有最开放的网络,尤其是 BACnet。欧洲可能没有很好地围绕一套单一的协议进行调整。 BACnet Modbus 和 Knet 有更多的分解。在亚洲,我不能像你那样对中国市场说话。但我知道在日本,在与那里的一些客户合作时,事情更加孤立,而且更加专有。

但我们认为这实际上是 Passive Logic 的一大优势,因为我们不仅提供了非常深的 AI 堆栈,而且作为用户,您永远不必关心。所以这是一股真正的民主化力量,我们提供了这个非常易于使用的软件环境,现在工程师或安装人员可以绕过那些在很大程度上锁定专有堆栈的专家。然后我们通过广泛的协议集提供大量连接。当然,我们获得了很多协议覆盖范围和一些协议,并且随着时间的推移我们将添加到这些协议中。

但是我们拥有的优势之一是那些数字双胞胎,它们执行这种语义的能力降低了到目前为止,我们一直不得不这样做,就像从语言到语言的一对一映射一样,这提供了很大的加速。

Erik:但是如果你能给我们提供被动逻辑的使用路径,那么可能会想到其中一个试点案例,并尽可能详细地告诉我们谁是买家,情况如何,谁是用户,随着能力的建设和运营,这个系统的使用是如何演变的?

Troy:是的,我将选择一个或多个 [听不清 46:21] 项目,因为我认为它突出了控制节奏的挑战。所以这是一个由一个人拥有的项目,他的名字是 Kurt [听不清 46:33],他正在南部的 100 英亩土地上建造一个有多个不同建筑物、不同用例、住宅和一些公用事业建筑的房产犹他州就在国家公园附近,称为国会礁国家公园。这是美国较偏远的地区之一。这一切都脱离了电网。

因此,这整个物业由太阳能系统供电,并带有备用电池存储发电机。它还必须以相当复杂的方式维护所有这些建筑物,包括供暖、制冷、通风、空气质量、照明系统、占用系统。这个项目的一个更有趣的方面是这个太阳能系统,如果你离开电网,无论你不使用什么电力都不会去任何地方,太阳能电池板只会产生从太阳能电池板拉出的东西.而另一方面,在你汲取电力之前,你不知道这些太阳能电池板中有多少电力潜力。

因此,Passive Logic 的控制器所做的是,它拥有这个 60 级的电锅炉,功率从 500 瓦到 25,000 瓦,并且会慢慢消耗越来越多的电力,直到达到太阳能系统可以产生的峰值并回退,并且它在后面吸引了更多人。它执行所谓的峰值功率跟踪,即获取物业未使用的剩余能量并将其转化为热量。然后问题就变成了,嗯,你把热量放在哪里?

所以实时系统必须弄清楚,我应该把它放在建筑物和辐射地板中吗?辐射地板有半百万磅的混凝土,这是一个存储系统。但是您只能在满足居住者的热舒适度之前做到这一点?我要不要把你可能有价值的家用热水放进去,但它的限制可能是 100 加仑?那会很容易使用吗?有人会很快用那种热水吗?还是要等到明天,它会有一些热量损失?还是应该放在两个倾斜的季节性储罐中?

所以它有这些 5,000 加仑的大型隔热季节性储罐埋在地下,它可以选择将热量放在这些地方。但是,如果你在 7 月进行,那么在 12 月可能需要之前,将会有大量的热量损失。但如果您在一月份使用它,您可能会在当天晚些时候使用它。因此,所有这些实时决策都是在能源使用、能源储存、实时需求、居住者、空气质量等之间最佳优化全球系统的位置。

所以我们在那个系统中看到的就像调整到其中一个组件,那就是地热热泵。根据能源部的一项研究,被动逻辑将该系统的效率比传统地热热泵运行提高了 40%,只是它如何预测将使用什么、当天的舒适度以及提前考虑正确的控制给定前一天的顺序,因为它在模拟中看到从现在到 12 小时后该控件的最佳导航路径。

因此,在建筑物的能源、消耗和维护方面,这确实是一个切实可行的案例。但也许更重要的是,与传统控制相比,从编程到进入建筑物的委托步骤,我们看到执行被动逻辑的工作量减少了 90%。因此,与传统控制相比,一开始就取得了胜利。

Erik:所以当你考虑投资回报率时,你可以说,仅就安装成本而言,因为我想……?

Troy:[听不清 50:50] 顺便说一下,你已经节省了 40% 的能源,只是为了更好地控制。

Erik:我知道有很多系统,您查看软件并运行 RFP,然后获得软件报价,然后部署一些东西。然后你会发现集成成本实际上是技术的三倍,而且这不是初始报价过程的一部分,对吗?

特洛伊:对。这才是真正的核心价值。当我们谈到自动驾驶建筑,我们看看自动驾驶汽车市场,我们说自动驾驶汽车市场,我认为,当人们谈论智能建筑时,我们一直在努力解决智能是多么聪明的问题,这变成了一种对我们的。因为当人们说聪明时,他们实际上并不是指聪明,而是指连接。

所以一年前我们意识到,我们可以在很大程度上利用从零级到五级自治的自动驾驶汽车行业术语,它非常适合我们在建筑物中看到的水平。零级是手动控制,即巡航控制,以及建筑物中恒温的汽车。现在,第一级是自适应巡航控制。建筑物的第一层是自适应传统控制系统,您可以使用 AI 系统来调整传统的哑系统。

在建筑物中达到五级自动化或自治是一个非常好的目标,并且将是所有系统的最终目标。在建筑物中,有一些更有价值的东西,那就是自动化安装,这样你就可以扩大它的用途。我已经很好地看到了前门的节省,你仍然可以用传统方法的十分之一来实现被动逻辑。我们都关心您是否有更好的能源效率,但这不再成为一个增值成本等式决策。您正在决定首先让建筑物运转。

Erik:所以我知道,这取决于能力和体型等等。但是,您能否给我们一个粗略的估计,大概是一栋中型建筑或几种不同情况的成本?

特洛伊:是的,所以如果你今天正在研究自动化,一个 BMS 系统,我们会全面比较价格。因此,如果您正在查看安装的建筑物,大概是 50,000 欧元或 50,000 美元,在被动逻辑中也差不多。真正的区别是当前的 BMS 系统确实有大约 30 到 40,000 美元的底价。我们继续缩小到大约 1,500 美元的切入点。

因此,当我们谈论街角的那家咖啡店时,我们从 1,500 美元的入口点开始,它会根据可控物的复杂性、不同的传感器和物联网设备、你有多少点、你'正在与。一般来说,我们看到整个自动化市场的价格约为 1 平方英尺,或者您可以认为每平方米 10 欧元的价格点为每平方英尺 0.50 美元。因此,如果您从事大型项目,100 万平方英尺或 100,000 平方米的项目,这些项目往往会开始进入每平方英尺 0.50 美元,而较小的项目会更高。但随后我们看到整个自动化行业的平均美元平方英尺。

Erik:假设我们在这个咖啡店场景中,那么您最简单的潜在用户是否可以让小镇架构师部署它并启动并运行它,然后让咖啡店的所有者来操作系统?那里需要什么样的培训?

特洛伊:是的,我的意思是,这是我们真正的优势之一。所以它可能在那些不是由建筑师或业主驱动的建筑物中,它通常只是由 HVAC 公司驱动。所以他们受雇来建造这座建筑,安装任何类型的 HVAC 系统,可能是空气系统、制动系统等等。他们必须安装控制系统。

而我们真正关注的是用户体验,他们可以在咖啡店的情况下,在不到 20 分钟的时间内,在我们的自治工作室软件中从头到尾建立一个拥有完整控制系统的咖啡店,这更有价值。比您可以购买的任何 BMS 系统都详细,但价格点是他们否则会放入恒温器和 [听不清 455:29] 控制器。然后,对于所有者来说,他们正在获得该平台到位的好处。但我们确实是在与 HVAC 安装人员进行交易,他们将做这件事而不是其他事情。

Erik:Troy,我们这里有什么遗漏的吗?

特洛伊:不,我认为这是一次非常好的谈话。我想谈谈自治水平的概念。当我们谈论智能建筑时。我认为人们需要认识到,我们在谈论什么样的智能建筑技术?我们是在谈论零级,一级,二级吗?我们正在讨论的自治级别是什么,我们看到了智能建筑,然后开始思考智能建筑与互联建筑相比是什么样的?

Erik:我完全同意你的观点。当有人将物联网或物联网概念限制为连通性、连通性时,我总是感到沮丧,这很关键,但就其本身而言,它没有价值,所以这真的是系统视角吗?

特洛伊:没错。我的意思是,数据,它的价值远低于大多数人的行为方式。还有这个价值金字塔,我们从数据开始。如果你可以从中获取信息,如果你可以说结构和数字双胞胎,那就更有价值了。但客户购买的是行动。他们正在购买他们的作品,或者他们的过程控制系统正在运行生产线。很少有人喜欢,好吧,给我一堆数据,我会想办法用它做什么,看看我能不能在这里找到一些行动。

Erik:所以,Troy,我们会将您的网站放入节目说明中,并且我们有来自该公司的推送联系人。但是,如果我们的一位听众有兴趣与 Passive Logic 取得联系,最好的方法是访问网站,还是您有首选的联系点?

Troy:去网站,他们可以在网站上找到联络点。

埃里克:特洛伊,非常感谢你今天的谈话。超级有趣。

特洛伊:是的,绝对的。谢谢,埃里克。很高兴听到您的问题,并感谢所有深思熟虑的途径来探索这个主题。

Erik:感谢您收看另一个版本的工业物联网聚光灯。不要忘记在 IotoneHQ 的 Twitter 上关注我们,并查看我们在 IoTONE.com 上的案例研究数据库。如果您有独特的见解或项目部署故事要分享,我们很乐意在未来的版本中介绍您。写信给我们 erik.walenza@IoTone.com。

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。