（图片来源于互联网，版权归主办方所有）
2025年10月31日，以 “万物智联，无尽前沿” 为主题的世界物联网博览会（WIoT）在江苏无锡正式启幕。当前，全球物联网正迎来从“连接”迈向“智能”的关键转折点——人工智能与物联网的深度融合，正催生一场覆盖感知、决策、执行全链路的系统性变革。
在此进程中，物联网的核心角色实现根本性升级：从单纯的数据采集工具，跃升为AI能力落地的物理载体；从孤立的感知节点，进化为决策与执行联动的触点网络。依托物理世界反馈与AI算法进化构建的闭环生态，具备环境感知、自主学习、实时响应能力的“系统性智能新物种”已加速涌现。
面对这一趋势，AIRS创新性提出的“群体自适应环境调度智能体”精准契合行业发展方向，在“新技术、新应用、新模式”的评选中，从近800个申报项目中脱颖而出（前5%），荣获产业先锋奖（银奖）。该技术着重强化环境智能的自组织、自协同、自学习、自进化核心能力，不仅可灵活适配动态变化的物理环境，更成功突破了不同智能体间“动态组网协同”的关键技术瓶颈，为物联网“智能升级”提供了突破性解决方案。
技术核心团队成员是来自AIRS具身智能中心的王凡博士、邵鹏韬，以及刘少山博士。
场景介绍与行业难点
HVAC（暖通空调系统）在机房场景中特指为服务器、存储等 IT 设备提供稳定运行环境的核心基础设施，主要通过冷水机组、精密空调、通风管路等设备，实现温度精准控制（通常需维持20-25℃）、湿度调节、空气净化与气流组织优化三大核心功能。与普通建筑HVAC不同，机房HVAC需应对IT设备密集带来的“高散热、强波动、高精密”需求——单台服务器运行时产生的大量热量若无法及时散出，会直接导致设备性能衰减、寿命缩短甚至业务中断，因此其运行稳定性与能效水平直接决定数据中心的核心运营能力。
当前行业控制方案主要存在三类问题，且存在“高定制、高维护、难复用”的共性痛点：
模型驱动方案：依赖精准物理建模，局部控制稳定但“太敏感”——场地布局、设备老化、策略调整后，需重新建模调参，持续投入工程与专家成本；
数据驱动方案：需为每个场景积累大量数据或搭建数字孪生，训练周期长、跨场景复用难，面对设备差异、动态变化时，易出现调控不稳定、维护成本高的问题；
增强型PID/规则方案：短期部署快，但在多区域联动、动态目标下，难实现全局最优调控。
这些问题导致智能控制在复杂场景中“小范围试点有效，大规模推广难”，难以释放规模化价值。
技术方案
AIRS以“群体自适应环境调度智能体”为核心，提出“复杂系统群自适应集成调度控制”新方案。该方案灵感源自自然界（如蚂蚁、细菌、大脑神经元的运作逻辑），核心思路是：通过具备高自适应能力的简单智能单元重复自组织，形成可解决复杂问题的群体智能，而项目重点攻关的核心难点，正是构造能泛化到任意任务的“群体适应基础单元智能体（Collective Adaptive Foundation Unit, CAFU）”。
群体智能
要打造可自适应网络结构、合作机制与异构问题的 CAFU 智能体单元，关键在于转变模型训练目标 —— 从传统“学会特定任务”转向 “学会在新任务中自主重新学习”。这一转变摒弃了“将解法死记硬背式存储于模型参数”的传统思路，转而聚焦激发模型的在线动态学习能力，确保 CAFU 无需依赖预设固定解法，也能灵活应对环境与任务的动态变化。
整体技术路线图
为实现这一训练目标，AIRS 进一步研发推出“上下文自主学习 - 自主推理一体”基座模型：该模型先突破高效长序列建模能力，再搭配强化学习教练训练、基于分布监督的大规模策略蒸馏、多智能体分离策略蒸馏等高效数据合成与训练方法，同时结合高度随机化的仿真环境，最终构建起“分布式训练、分布式部署”的群体适应涌现训练机制。这一机制不仅为CAFU的跨场景泛化能力提供了技术保障，更有效提升了其群体协同效率，为方案落地筑牢核心技术基础。
高度随机化的仿真环境，用于生成多样化任务
应用前景
在数据中心制冷场景中，“群体自适应环境调度智能体”在保障系统安全稳定运行的前提下，展现出显著的落地优势：相较传统PID控制方案，预期节能率可达10%以上，单一场景运维近乎实现零人力投入，且能在3天内完成自适应调试并达标，大幅降低长期运维成本。从行业维度看，当前数据中心耗电量已占社会总用电量的5%，其中制冷系统能耗占数据中心总耗电的30%—— 若该技术实现全国覆盖，预估每年可降低10% 的制冷能耗，对应节省电量达106亿千瓦时，折算经济收益约100亿元。
值得关注的是，该项目与“环境具身智能”概念高度契合，以资源优化、生态保护为核心目标，助力社会经济与生态保护协同发展。面对未来数据中心、算力中心数量激增的趋势，其技术方案不仅能精准匹配规模化节能需求，还将为能源互联网提供底层技术支撑；按当前收益测算，全面推广后有望每年减少100万吨碳排放，为“双碳”目标落地与数字基础设施绿色升级提供关键助力。
相关论文：
Wang, F. and Liu, S., 2025. Empowering Virtual Agents With Intelligent Systems. Communications of the ACM, 68(8)
https://cacm.acm.org/opinion/empowering-virtual-agents-with-intelligent-systems/
Wang, F. and Liu, S., 2025. Conceptual framework toward embodied collective adaptive intelligence. arXiv preprint arXiv:2505.23153. https://arxiv.org/abs/2505.23153
Wang, F., Shao, P., Zhang, Y., Yu, B., Liu, S., Ding, N., ... & Wang, H. (2025, July). Towards large-scale in-context reinforcement learning by meta-training in randomized worlds. In The Thirty-ninth Annual Conference on Neural Information Processing Systems
相关阅读：
AIRS发布具身智能数据工程白皮书 引领具身智能数据工程行业新发展
AIRS亮相NVIDIA GTC 2025，开源具身智能数据平台AIRSPEED引关注
