在亚马逊位于苏格兰格拉斯哥的一家物流设施中，属于当地供水商的地下管道中的一个有故障的阀门正在泄漏。亚马逊如何利用碳信用额度，这是应对气候变化的关键工具碳信用额有助于大规模释放私营部门的气候融资，并在我们自身运营之外产生影响。尽管人眼无法察觉泄漏，但亚马逊的人工智能公用事业效率工具 FlowMS 能够检测到它。FlowMS 使用 Amazon Web Services （AWS） 构建，在分析计量数据并注意到建筑物使用比平时更多的水后，追踪了地下水泄漏。然后，它向亚马逊员工发出了异常警报，一组工程师发现泄漏可能来自地下管道。修复阀门有助于防止每年损失 900 万加仑的水。FlowMS 是一套基于人工智能和科学的工具的一部分，这些工具正在改进亚马逊提高其建筑物和公用事业管理系统的效率。这些创新已经取得了令人印象深刻的成果——从发现公用事业电表问题到减少食物浪费和识别装卸码头门的能源泄漏。在亚马逊，我们正在利用人工智能进行创新，以帮助我们找到更快脱碳的新方法，包括发明新的解决方案，继续使我们的建筑物更加节能和节水，“亚马逊首席可持续发展官 Kara Hurst 说。“这只是亚马逊如何利用我们在人工智能开发和可持续发展方面数十年的经验来远大考虑我们的业务脱碳和更高效运营的一个例子。”亚马逊连续第五年成为全球最大的可再生能源企业购买者亚马逊在全球拥有 600 多个项目，还支持电网污染地区的太阳能和风能计划，以帮助遏制排放。利用人工智能使我们的建筑更具可持续性根据碳领导力论坛的数据，建筑和施工占全球温室气体排放量的 40%。作为我们气候承诺的一部分，亚马逊专注于使我们的建筑更具可持续性，包括使用 FlowMS 等实用的人工智能解决方案，以及公司内部正在开发的其他技术和创新。使用 AI 监控关键建筑系统除了 FlowMS 之外，亚马逊的决策科学与技术团队（由致力于改进维护和设备运营的研究和应用科学家组成）还构建了基地建筑高级监控 （BBAM） 工具。它利用 AWS 的机器学习工具 Amazon SageMaker 和 Lambda 来监控我们的 HVAC 系统。这包括分析我们的 HVAC 运行数据、能源消耗和当地天气，以确定系统行为的异常情况。该工具还可以识别过滤器堵塞等问题，这些问题可能导致压缩机消耗更多能源，甚至可以确定站点是否由于天气模式的变化而消耗的能源超过预期。已加入 FlowMS 和 BBAM 的亚马逊网站正在看到能源效率的显着提高。在纽约的一个运营中心，FlowMS 检测到该建筑的能源消耗似乎是附近其他亚马逊站点的五倍。员工发现公用事业电表校准错误，建筑物实际上使用的能源比指示的电表少得多。在西班牙，BBAM 通过实时将空调机组的制冷输出与基于天气条件（如室外温度）的预期需求进行比较，检测到空调机组出现故障。这种早期检测使现场管理团队能够在员工受到影响之前主动处理和解决问题。亚马逊如何使其数据中心更具可持续性通过我们的 re：Cycle 逆向物流中心，我们将 99% 以上的退役硬件从垃圾填埋场转移出来。我们开始在运营中心和交付站点码头门（我们的卡车装卸的地方）部署 BBAM 工具，以便在码头门意外打开时提醒员工。这使我们能够减少能源损失，从而大规模节省能源。FlowMS 和 BBAM 目前已在 120 个亚马逊站点使用，到 2025 年底，我们的目标是将这些工具扩展到全球 300 多座建筑物。优化我们的杂货制冷高级制冷监控 （ARM） 是亚马逊开发的另一种人工智能工具，可实时监控和分析我们运营中心的制冷装置，并帮助保持易腐货物的最佳温度。ARM 分析制冷装置的电能表和复杂的数据模式，以监控产品温度水平并预测潜在的作问题。例如，如果设备出现故障或使用过多的能源，ARM 会通过即时消息实时向员工标记问题，并预测涉及设备的哪个部分，例如压缩机堵塞、风扇电机故障或绝缘无效。亚马逊如何使用生成式 AI 重建 Alexa发明 Alexa+ 需要一系列技术突破，从让 LLM 可靠地编排 API 到创建全新的代理功能。在我们位于西班牙的一个工厂，ARM 检测到除霜循环模式发生了变化，这导致我们的团队直接找到了有故障的设备。这种早期发现既避免了严重的食物损失，又避免了估计 1,000 小时的设备停机。我们目前在北美和整个欧洲的杂货网络中使用 ARM，到 2025 年底，我们的目标是扩展到 150 多个站点，包括印度。利用人工智能工具提高我们的建筑效率是我们努力实现到 2040 年实现净零碳排放的气候承诺的众多方式之一。
