尽管该泄漏点肉眼难以察觉，但亚马逊基于人工智能的公用事业效率工具 FlowMS 成功检测到了它。
FlowMS 基于亚马逊云科技（AWS）构建，在分析计量数据并发现建筑物用水量异常偏高后，追踪到地下水管的泄漏情况。随后，系统向亚马逊员工发出异常警报，工程团队随即确认泄漏很可能来自地下管道。修复该阀门有助于每年防止损失 900 万加仑的水。
FlowMS 是亚马逊一系列基于人工智能和科学原理的工具之一，旨在提升亚马逊建筑物及公用事业管理系统的效率。这些创新已带来显著成果——从发现公用事业计量问题，到减少食物浪费以及识别装卸平台门处的能源泄漏。
“在亚马逊，我们利用人工智能进行创新，以寻找更快实现脱碳的新途径，包括开发新的解决方案，使我们的建筑更加节能和节水。”亚马逊首席可持续发展官 Kara Hurst 表示。“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领域数十年的经验，以宏大的视野推动业务脱碳并提高运营效率的一个例子。”
利用人工智能使我们的建筑更具可持续性
根据 Carbon Leadership Forum 的数据，建筑和施工行业占全球温室气体排放量的 40%。作为我们气候承诺（Climate Pledge）的一部分，亚马逊专注于使我们的建筑更具可持续性，其中包括采用如 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。
利用人工智能监控关键建筑系统
除了 FlowMS 之外，亚马逊的决策科学与技术团队（由致力于改善维护和设备运营的研究科学家和应用科学家组成）还开发了楼宇高级监控（BBAM）工具。该工具利用 AWS 的机器学习工具 Amazon SageMaker 和 Lambda 来监控我们的暖通空调（HVAC）系统。这包括分析 HVAC 运行数据、能源消耗以及当地天气情况，以确定系统行为中的异常。该工具还能识别诸如滤网堵塞等问题，这些问题会导致压缩机消耗更多能源，甚至能够判断某个站点是否因天气模式变化而消耗了超出预期的能源。
已采用 FlowMS 和 BBAM 的亚马逊站点正看到显著的能效提升。在纽约的一个履约中心，FlowMS 检测到该建筑的能耗似乎比附近其他亚马逊站点高出五倍。员工发现公用事业电表校准错误，实际上该建筑的能耗远低于电表显示的数据。而在西班牙，BBAM 通过实时比较空调单元的制冷输出与基于天气条件（如室外温度）的预期需求，检测到一个故障的空调单元。这种早期检测使站点管理团队能够在员工受到影响之前主动解决并处理问题。
我们开始在履约中心和配送站点的装卸平台门部署 BBAM 工具——即卡车在此处进行装卸作业的地方——以在装卸平台门被意外敞开时提醒员工。这有助于减少能量损失，大规模应用时可带来可观的节能效果。
目前，FlowMS 和 BBAM 已在 120 个亚马逊站点投入使用，到 2025 年底，我们计划将这些工具扩展到全球超过 300 栋建筑。
优化我们的食品冷藏系统
高级冷藏监控（ARM）是亚马逊开发的另一项 AI 工具，用于实时监控和分析我们履约中心内的冷藏设备，并帮助为易腐商品维持最佳温度。ARM 通过分析冷藏设备的电能表和复杂数据模式，监控产品温度水平并预测潜在的操作问题。
例如，如果某台设备出现故障或消耗过多能源，ARM 会通过即时消息实时向员工标记问题，并预测涉及的设备部件——例如堵塞的压缩机、风扇电机故障或隔热不良。
在我们位于西班牙的一个站点中，ARM 检测到除霜周期模式的变化，从而引导我们的团队直接定位到故障设备。这种早期检测既避免了大量的食品损耗，也防止了预计长达 1,000 小时的设备停机时间。
利用 AI 工具提升建筑能效，是我们为实现 2040 年净零碳排放的“气候承诺”（Climate Pledge）目标而努力的众多举措之一。
深入了解亚马逊的可持续发展工作以及我们如何致力于减少全球能源使用的脱碳进程。