经过多年实践，企业纷纷使用能碳管理平台实现对能源的管理，能碳管理平台仅仅起到能源管理的功能，无法真正实现节能减碳，更无法带来实际的经济效益。在企业碳管理层面上，制定科学的减排规划，实现低碳转型才能真正将碳资产管理与增值。

       在工厂实际运行中，为确保末端工艺的温湿度要求，制冷站通常全年运行，因此制冷站耗能常常达到工厂整体用能的40%以上。如此看来，以制冷站作为节能的抓手显然是可行的，制冷站节能具有潜力达到最显著的效果。

       以往常见的制冷站节能方案通过硬件改造实现，施工期间需要更换设备、工频改造变频、管道改造、安装大量传感器等，有长达几周的停工时间。工厂在停工期间无法进行正常生产活动，对企业来讲投入大、风险高。近年来新兴的认知AI节能方案只需要安装少量传感器在关键位置，在不新增或替换设备的前提下通过云端算法驱动设备始终处于高效运行的状态，替代了大量硬件改造。这有效降低企业风险和初期投入，一样能够产生可观的节能效果。

       这种新兴的轻量级节能方案是基于认知AI技术达成，虽然AI已经深入到生活的方方面面，但是日常生活中常用的是“感知AI”技术，而在工业领域这种“感知AI”常常无法达到很好的效果，而另一种“认知AI”技术则经受住了实践的考验。

• 常规感知AI：先采用大量数据进行训练，再深度学习从而才能实现智能化。其训练所得结果无法泛化，往往只适用于特定场景（如人脸识别、语音识别等），训练所得算法特征值不具有解释性。这种基于大数据分析和深度学习的传统模式被称为“大数据、小任务”的技术范式。
• 工业认知AI：基于“小数据、大任务”这种更适合工业场景的技术范式，通过自主观察、感知、认知、学习、推理和执行来实现使用少量样本数据执行更多任务的智能，具备高效学习、推理和泛化能力，算法结果具有解释性。认知AI以类人化的思维模式，让机器实现理解和推理的能力。

       认知AI技术已经是工业节能方案的第5代。从只进行设备更换的第1代节能方案至今节能率逐步攀升，最高甚至可以达到45%，即使是相比于上一代机理与AI相结合的技术而言，节能率仍能达到可观的10%。第5代的认知AI技术可以基于场景自主学习运维人员操作，并与历史大数据、物理规律相结合，提供及时有效的分析与运行策略。

       以具有3台制冷机组的中型制冷站作为典型案例，经过实际测算，此场景下全年平均节能率为23.2%，在生产高峰期可达到37.5%，即使是过渡季节也不低于15%。这种规模的中型制冷站全年节电量230kWh，减碳量1700吨。以江苏省2023年电价计算，每年节能带来的费用节约达到161.5万元，工厂对节能改造的投入成本约在2年内实现回收。

       通过这种新兴的认知AI技术，已经有不少企业踏上了绿色智能转型之路。认知AI带来的准确计算、有效判断、精准控制结合自学习的能力，让工厂始终处于安全、高效的运行区间，还能有效避免人为操作带来的其他风险。企业降低的维保成本也可用到其他更需要的地方，创造更大价值。