论坛伊始，执行主席李克峰介绍了本次论坛的议题背景。随着建筑行业的发展重心逐步由增量建设转向存量提质，能源系统智能调控的重要性持续提升，但存量建筑普遍面临多方面难题：一是老旧建筑图纸、设备台账和传感器覆盖不足造成的数据不完备；二是环境、设备、人员等数据分散在不同系统中，多源异构数据难以有效对齐；三是不同建筑在用途、设备、运行维护条件等方面差异较大，使模型跨建筑迁移困难；四是暖通系统具有显著的热惯性和滞后特征，对传统实时智能模型提出了新的挑战。

论坛执行主席宋景琦和李克峰介绍论坛背景

随后，CCF YOCSEF济南主席杨磊介绍了YOCSEF的组织文化与活动理念，为后续开放、平等、充分的观点交流营造了良好氛围。

CCF YOCSEF济南主席杨磊介绍YOCSEF情况

引导发言环节，三位嘉宾分别从企业工程实践、时序基础模型技术以及建筑行业高质量数据建设三个不同视角展开分享，为后续思辨讨论奠定了基础。

刘源首先从存量建筑智能调控的工程实践出发作引导发言。结合300余个项目调研及多个自运营项目的实践经验，他将影响智能调控落地的工程约束归纳为数据条件、策略适用与执行、效果核验三个环节，并特别指出，首先需要区分“无法通过算法解决的工程硬件约束”和“可以通过治理改善的数据资料缺口”。设备本身缺乏调节能力、控制接口未开放等问题，即使拥有完整数据也无法通过模型优化解决；而图纸、台账、关键测点等资料缺失，则可以通过现场核查、补测和数据治理逐步改善。围绕工程落地需求，刘源进一步提出四方面关键能力：数据缺陷对调控结果的影响应能够量化；物理模型与数据模型应融合使用；控制动作应能够核实，并对执行异常设置明确的警示、回退和恢复机制；节能效果及其比较条件应能够追溯。他强调，产业项目不能仅给出一个预测结果，更需要形成可核验、可追溯的证据链，回答“策略是否真正执行”、“节能效果如何产生”、 “哪些贡献可以被确认”等实际问题。

中建八局第二建设有限公司刘源引导发言

随后，浪潮金宁以“时序大模型赋能建筑不完备数据的能耗预测与规模化技术探索”为题作引导发言。他指出，物联网和能源领域积累了大量时间序列数据，这类数据可被视为物联网领域的一种“自然语言”，但其跨领域、跨频率、跨变量的异构性，以及长序列依赖和外生变量影响，使传统针对单一场景训练的模型难以实现良好泛化。围绕这一问题，团队探索了面向多领域数据预训练的时序基础模型，并尝试将模型与时序数据库、数据平台和AI平台打通，形成从数据准备、模型训练到推理部署的工程闭环。在技术层面，金宁介绍了周期性感知分词、自适应投影映射、轻量化主干、非自回归并行预测、协变量插件和多任务输出等技术思路。团队构建的跨领域时序数据集覆盖10个真实应用领域和21个数据集，并重点探索“小参数、低时延、高泛化”的工程化路径，以适应工业和能源场景对资源、实时性、安全性和可靠性的要求。

山东浪潮数据库技术有限公司金宁引导发言

北京建筑大学周小平以“建筑领域高质量数据集的建设与大模型智能的创新实践”为题作第三场引导发言。他指出，人工智能正在从基础大模型向行业场景应用和智能体落地演进，数据建设也正在从“有数据”转向“有高质量数据”。对于建筑行业而言，当前制约AI进一步落地的重要因素并不完全是模型能力，而是行业数据准备度不足。大量工程数据仍存在分散存储、结构化程度低、缺少专业标签、采样频率与数据口径不一致等问题，难以直接被AI有效理解和利用。 围绕高质量数据集建设，周小平介绍了从数据采集、治理、标注、合成增强、质量评测到共享应用的一体化流程，并强调多模态、合规性和面向AI的数据治理。在行业应用层面，他还分享了设计说明生成、BIM合规审查、性能仿真、工程管理问答以及运维阶段设备体检、舒适度评价和节能建议等大模型与智能体应用实践。

北京建筑大学周小平引导发言

引导发言结束后，论坛进入专题思辨环节。第一项议题聚焦“存量建筑低碳智能调控面临哪些现状短板与技术差距”，围绕传感器覆盖不足、历史数据断档、多系统异构、训练样本和标签质量，以及现有技术应对开放场景动态扰动的能力展开讨论。

北京交通大学张慧从感知层面指出，存量建筑真正“缺”的并不只是数据量。一些建筑虽然具备总能耗数据，却缺乏分项能耗、设备真实负荷、运行状态、人员数量和门窗状态等细粒度信息；与此同时，传感器漂移、多系统时间轴无法对齐、设备更换后接口变化以及低质量标签等问题，也会影响数据可信度。因此，评价数据条件不能只看“有没有数据”，还要关注观测是否完整、标签是否可信，以及能否打通“感知-预测-控制-执行-反馈”的完整闭环。

现场嘉宾进一步提出，相比单纯讨论“数据缺失”，还需要关注“数据存在但不真实”的问题。噪声、异常甚至错误数据可能比缺失数据更加隐蔽，模型不仅要能够在不完备数据下工作，还应能够识别自身信息不足的状态，明确可信边界和安全边界。围绕这一问题，与会嘉宾就关键测点的轻量化补充、机理模型与数据模型融合、仿真数据补充以及真实数据校正等不同路径进行了充分交流。

讨论显示，存量建筑数据治理不宜简单追求“把所有数据补齐”，更现实的方向是面向具体调控任务识别最低必要数据条件，优先补足真正影响判断和控制的关键数据，并通过物理机理、专家知识和数据驱动方法相互校验。模型预测精度只是其中一环，能否真正支撑控制决策并形成可验证的闭环，才是衡量技术有效性的关键。

现场与会嘉宾针对议题一展开思辨

第二项议题聚焦“低碳运维规模化应用的技术现状与落地差距在哪里”，重点讨论数据异构、标签缺失和迁移误差对策略迁移的影响，以及哪些障碍可以通过算法突破、哪些问题必须依赖产业协同和制度创新。

中国石油大学张卫山提出，面向复杂的建筑能源场景，可以进一步探索“大模型+小模型+机理模型”的融合路径：大模型提供跨场景知识与泛化能力，小模型承担特定任务，机理模型则提供物理约束与可解释性。对于企业数据难以直接共享的问题，联邦学习等“数据不出域”的协同建模方式也具有探索价值。但他同时指出，真正实现规模化复制还涉及数据质量、虚拟数据与真实数据的比例、模型解释性，以及数据价值边界、产权边界等一系列问题，远非单一算法能够解决。

围绕产业落地，与会嘉宾进一步从法律合规、数据流通和商业模式等维度展开讨论。部分嘉宾指出，当前不少高价值行业数据并非技术上无法流通，而是受到数据分级、授权机制和合规风险等约束；另一方面，低碳改造往往存在回报周期较长、业主方与物业方等主体之间收益归属不清等现实问题，规模化应用必须回答“谁投资、谁受益、节省多少、多久回本”等工程和商业问题。

“仿真数据能否支撑真实建筑控制”也成为现场观点交锋较为集中的问题。一方认为，仿真模型与真实建筑之间不可避免存在域偏差，单纯依赖虚拟数据可能导致模型远离真实运行条件；另一方则指出，在直接将新策略部署到实体建筑存在成本和安全风险的情况下，仿真仍是比较新旧控制策略、降低试错成本的重要工具。因此，如何通过真实数据校准仿真、如何确定仿真数据的可信范围，比简单判断“仿真可用或不可用”更具现实意义。

与会嘉宾还特别讨论了科研评价和工程评价之间的差异。在论文中，模型精度提升几个百分点可能具有研究价值，但在产业现场，更重要的是能否带来可核验的节能降碳效果，以及新增投入能否被实际收益覆盖。讨论中形成了一个值得关注的认识：数据与模型能力决定系统能力的“上限”，机理、规则和专家经验则共同守住系统安全运行的“下限”，规模化落地需要二者共同发挥作用。  

现场与会嘉宾针对议题二展开思辨

最后，论坛围绕“适配存量建筑约束的规模化智能调控模型构建核心技术路径是什么”展开讨论，重点思辨在多源异构、不完备数据约束下如何构建可轻量化部署的智能调控模型，以及数字孪生与轻量化硬件如何协同实现“最小改造、最优调控”。

山东建筑大学崔萍结合存量建筑实际情况指出，既有建筑并非只有一种数据形态：部分老旧建筑几乎没有传感设备和历史数据，而一些较新的建筑虽然部署了大量传感器，却存在“有数据、不会用”、“有设备、不运行”的问题。因此，智能化改造不应一味增加系统复杂度，而应优先寻找真正决定调控效果的关键节点，获取最必要的数据，并与建筑热工、暖通等物理机理结合，形成简单、有效、可落地的控制策略。计算机算法与暖通、建筑能源专业的深度融合，是技术真正进入现场的重要前提。

围绕数字孪生，与会嘉宾进一步辨析了BIM静态模型、物理机理模型与数据驱动模型之间的关系。单纯的BIM可以描述建筑对象及其空间关系，但难以直接承担预测与控制任务；物理模型能够提供传热、流动等规律约束；数据驱动模型则更适合从实时运行数据中发现动态规律。真正面向智能调控的数字孪生，应进一步描述对象状态变化后的业务逻辑、动作权限、安全约束和反馈机制，并推动静态信息、物理机理和动态数据的协同融合。

在轻量部署方面，现场提出了“大模型在云端、小模型在边缘端”的协同思路。面向空调控制等具体任务，可将通用模型中的无关能力剥离，通过微调、蒸馏等方式形成面向特定场景的小模型，使其能够在有限算力和存储条件下完成快速响应；同时利用云端模型承担跨建筑知识分析和复杂推理任务，从而在模型能力与部署成本之间取得平衡。

讨论同时强调，现阶段大模型并不能简单替代经典控制方法和工程人员。对于高安全要求的建筑能源控制，应充分发挥大模型在信息处理、知识组织和辅助决策方面的能力，同时保留PID、MPC等成熟控制方法以及人工经验所构成的安全底座，以渐进式方式推进智能化升级。与其追求“一步到位”的全自主控制，更现实的工程路径是从辅助分析、预测优化和决策建议逐步走向闭环控制。

现场与会嘉宾针对议题三展开思辨

本次论坛从工程需求出发，依次对“问题是否真实存在”、“现有方法能够解决什么、不能解决什么”以及“在工程约束下如何实现轻量化、规模化复制”三个层面展开了层层深入的讨论。经过多轮观点交流与交锋，与会嘉宾从不同专业背景出发，对存量建筑低碳智能调控形成了更加立体的认识：这一问题并非单纯的算法精度问题，也不是单纯的数据补全问题，而是涉及数据质量、物理机理、智能模型、控制执行、工程成本、商业模式以及数据合规等多重因素的系统性工程。面向未来，应以真实建筑运行需求为牵引，在保证安全与可核验的前提下，探索关键数据最小化采集、物理与数据模型融合、云边大小模型协同以及人机协同的渐进式技术路线，推动建筑能源智能调控从“单点算法验证”真正走向“可复制、可评估、可持续”的规模化应用。

此次论坛充分发挥CCF YOCSEF跨领域、重思辨、重实践的交流特色，搭建起计算机技术与建筑、暖通、能源及产业实践之间的沟通桥梁，为不完备多源数据条件下建筑能源智能调控技术的进一步研究与工程落地提供了丰富的思路与实践启示。

CCF YOCSEF济南主席杨磊进行论坛总结

论坛参会人员合影