气候承诺仅在美国，建筑物就占美国总碳排放量的近 40%，其中大部分来自日常照明、供暖、制冷和电器运行，使其成为美国最大的单一污染因素之一。然而，改善这些建筑的能源系统是一项复杂而动态的追求。这是一个本质上混乱的空间，混合了控制系统、互作性、数据标准和设备配置，而今天近 65% 的美国建筑物早于冷战结束，当时建筑设备（例如空调系统）的能效标准几乎不存在，这一事实使情况变得更糟。Carbon Lighthouse 只有一个使命：阻止气候变化，“Carbon Lighthouse 总裁 Brenden Millstein 说。在过去的十年中，我们通过开发商业模式和我们的专利人工智能平台 CLUES？帮助现有的商业房地产建筑——该国二氧化碳排放的最大贡献者之一——减少能源使用和总体碳排放。通过使用人工智能和机器学习来了解使用模式、季节性温度趋势以及通常影响建筑物供暖和制冷决策的其他因素，Carbon Lighthouse 能够帮助商业房地产客户为具有现有设备的典型建筑平均节省 10%30% 的能源费用。无论对错，资本主义都是世界的经济引擎，“米尔斯坦说。“因此，为了真正在可持续发展领域有所作为，它必须有一个财务论据来配合它，这对该企业很重要，并且在对投资者很重要的时间范围内。我们正在帮助弥合这个世界。Carbon Lighthouse 使用先进的传感器、人工智能和机器学习分析以及来自建筑物和现有系统的数据来分析、优化和监控供暖、通风、空调 （HVAC） 和照明系统——建筑物中使用最多能源的系统——以最大限度地提高效率机会。由于我们多年来在扩展我们的模型、功能和数据范围方面所做的工作，我们已经从 10 年前减少相当于几辆汽车的排放量，到截至 13 年底减少了相当于 2020 座发电厂的排放量，“Millstein.To 说，提高建筑物的效率， Carbon Lighthouse 需要了解每个空间在多个入住率和天气变量中的使用情况，包括工作日与周末、典型工作日与节假日或冬季早上 6 点与夏季下午 4 点等。公司需要了解建筑系统如何对这些动态条件做出协调响应。答案就在数据中。他们通过两种方式解决这个问题：直接利用建筑管理系统和创建建筑物的数据流来测量照明水平、温度、相对湿度和气流等内容。然后，他们可以提取这些海量数据流，并将它们与 CLUES 平台中已有的 1 亿平方英尺的真实建筑数据结合在一起，以模拟整个特定建筑物的能源消耗，并找到优化能源使用的区域。CLUES 由 AWS 提供支持，使用 Carbon Lighthouse 开发的人工智能和机器学习技术和模型，随着条件的变化和新数据的出现，可以以低成本快速重新训练和重新部署。CLUES 不断从其服务的每个设施中不断获取的大量建筑数据中学习。然后，它将这些经验传递给公司的工程师和建筑物业团队，他们可以使用这些信息进一步优化算法并减少未来的排放。我们利用机器学习的力量来分析数十亿个数据点，所有这些都是为了在照明和暖通空调系统中寻找隐藏的能源效率机会，并最大限度地减少碳排放，“米尔斯坦说。我们转向 AWS 的计算和数据存储解决方案来构建一个可以根据我们的需求继续扩展的基础，“Millstein 说。“如今，Carbon Lighthouse 每月每栋建筑收集 6.9 亿个新数据点。我们拥有数百座建筑物（并且还在不断增长），如果没有 AWS 数据存储解决方案，我们正在处理的大量数据将无法管理。Carbon Lighthouse 平台使用多种 AWS 技术，包括 Amazon Elastic Compute Cloud （EC2）、Amazon Simple Storage Service （S3）、Amazon Relational Database Service （RDS）、Amazon Dynamo DB，这些技术提供了摄取和存储大量数据以构建和部署人工智能和机器学习模型所需的构建块，同时消除了管理数据库所需的运营挑战，并担心数据和基础设施要求规模。他们的人工智能和机器学习算法学会了对建筑物随时间变化的能源使用情况进行建模，从建筑层面到系统层面。Carbon Lighthouse 工程师可以通过分析不同的场景来测试和更改模型参数，以了解建筑物如何以不同的方式和更有效地运行。该技术不仅揭示了大幅减少碳排放的机会，而且还保证了运营费用的降低。根据 Millstein 的说法，Carbon Lighthouse 的“商业模式和成功基于对建筑物运营系统的深刻洞察，以清楚地展示我们的解决方案对财务和环境的影响。迄今为止，我们已经能够消除 260,000 公吨二氧化碳。
