AI数准人头，让写字楼空调省18%电费

你有没有过这样的经历：周末加班的写字楼里，整层楼只有你一个人，中央空调却在呼呼吹着满负荷的冷风；或是挤满人的会议室里，空调温度却高得让人冒汗？这不是空调的问题，是它根本不知道房间里到底有多少人。传统的红外、CO₂传感器要么反应慢半拍，要么误判连连，连排班表都赶不上现代人灵活的办公节奏。直到清华和MIT的团队用大模型给空调装上了“聪明的眼睛”——它不仅能数清人头，还能靠推理修正错误，最终让写字楼的空调能耗直接降了18%。

传统“数人头”：在误判里打转的困境

写字楼的空调从来都不是“瞎”，是“看不准”。

先看最常用的CO₂传感器：它靠空气中的二氧化碳浓度估算人数，但响应延迟能达到5分钟，人都走光了，它还以为房间里满员；要是房间通风好，哪怕挤满了人，浓度也升不上来，空调只会慢悠悠地调温。更别说红外传感器，只要人坐着不动，它就直接判定“房间空置”，分分钟把加班的人冻得搓手。

后来人们用上了视觉检测，比如YOLO系列模型，能实时框出画面里的人。但现实办公室里，人会被办公桌挡、会转身、会扎堆，前一帧数出3个人，后一帧可能就变成2个，再下一帧又跳回3个——这种“帧间抖动”对空调控制系统来说是灾难：它会跟着频繁启停，反而徒增能耗，还加速设备老化。

再升级到多目标跟踪技术，比如DeepSORT，给每个人分配唯一ID，试图把不同帧里的同一个人关联起来。但它的命根子是底层检测的准确性，只要YOLO漏判了一个人，跟踪链就直接断裂，该漏的还是漏，该误判的还是误判。

大模型当质检员：用推理修正错误

清华和MIT的团队没想着替换掉现有的视觉检测模型，而是给它加了个“智能质检员”——大语言模型。

这个逻辑很简单：先让YOLOv8跑一遍监控画面，得到每帧的初步人数和检测置信度，然后筛选出“可疑帧”：比如置信度极低却检测出好几个人，或者前后帧人数突然从5跳到1，又或者检测结果是0或1这种关键判断。只有这些拿不准的帧，才会被送到大模型那里“会诊”。

他们试过两种会诊方式：一种是用视觉语言模型直接看图，结合提示词“忽略海报、屏幕里的人像，只数真实在场的人”；另一种是用纯文本大模型，给它输入“前一帧5人，这一帧突然1人”的结构化信息，让它靠常识推理。更聪明的是，他们加了个“置信度融合机制”：只有当大模型的修正置信度比原始检测高0.15以上，才采纳修正结果，避免大模型“胡言乱语”。

实验结果直接刷新了精度：在清华FIT楼的真实场景里，这种方法的计数准确率达到88%，也就是超过88%的帧，数出来的人数和人眼标注完全一致；判断房间“空/有人”的F1-score更是高达0.93，假阴性和假阳性都降到了最低。

从数人头到省电费：闭环验证的18%奇迹

数准人头只是第一步，真正的价值在于让空调“聪明地干活”。

团队把这套精准计数系统和模型预测控制（MPC）结合了起来。简单说，MPC就像个会“预判”的空调管家：它会根据当前的室内温度、室外天气，再加上实时的人员计数，预测未来一小时的温度变化，然后在保证舒适度的前提下，算出最省电的温度设定曲线。比如提前半小时给即将有人的会议室预冷，在确定没人的时段直接放宽温控范围。

他们用EnergyPlus模拟了北京一栋办公楼全年的运行情况，结果超出预期：采用精准人员计数的MPC控制，HVAC能耗直接降低了17.94%，接近18%；更重要的是，人员舒适度指标（PPD）几乎没有变化，甚至略有提升——省下的电全是无效供能的部分，完全没牺牲人的体验。

当然，这项技术也不是没有局限：大模型推理需要计算资源，实时性和成本的平衡还得优化；隐私问题也绕不开，毕竟用了监控摄像头，得靠边缘计算、数据匿名化来合规。但不可否认的是，它第一次把“数人头”这个看似琐碎的技术，和写字楼的节能效益直接画了等号。

当我们谈论智能建筑时，总喜欢说“未来感”“黑科技”，但真正的智能，从来都是解决那些最实际的小问题——比如让空调知道房间里有多少人。

清华和MIT的研究证明，AI的价值不一定是创造全新的技术，而是给传统技术装上“会思考的大脑”。从误判连连的传感器，到能推理修正的大模型，再到能预判的空调控制，这串链条里的每个环节，都在指向一个更高效的未来：建筑不再是被动的空间，而是能感知、会思考、懂节约的“生命体”。

精准感知，才是节能的第一步。