仅在美国，建筑就负责几乎占全国碳排放总量的40%其中大部分来自日常照明、供暖、制冷和电器操作，这使它成为全国最大的单一污染因素之一。然而，改善这些建筑的能源系统是一个复杂的、动态的追求。这是一个固有的混乱空间，混合了控制系统、互操作性、数据标准和设备配置，由于接近的事实而恶化65%的美国建筑屹立不倒在冷战结束之前的今天，建筑设备(如空调系统)的能效标准几乎不存在。
碳灯塔的总裁Brenden Millstein说:“碳灯塔只有一个使命:阻止气候变化。碳的灯塔．“在过去的十年里，我们通过开发一种商业模式和我们的专利人工智能平台CLUES®来帮助现有的商业房地产建筑，这是该国CO的最大贡献者之一，成功地实现了这一使命2减排——减少能源消耗和整体碳排放。”
通过使用人工智能和机器学习来了解使用模式、季节温度趋势以及其他通常影响建筑物供暖和制冷决策的因素，Carbon Lighthouse能够帮助商业房地产客户在现有设备的典型建筑物中平均节省10-30%的能源账单。
米尔斯坦说:“无论对错，资本主义都是世界经济的引擎。“因此，为了在可持续发展领域真正有所作为，它必须有一个财务方面的理由，这对该企业很重要，而且在一个对投资者很重要的时间框架内。我们正在为这个世界搭起一座桥梁。”
碳灯塔使用先进的传感器、人工智能和机器学习分析，以及来自建筑和现有系统的数据，来分析、优化和监控加热、通风、空调(HVAC)和照明系统(建筑中使用能源最多的系统)，以最大限度地提高效率。
米尔斯坦说:“由于我们多年来在扩展模型、能力和数据覆盖范围方面所做的工作，我们已经从10年前减少了相当于几辆汽车的排放量，到2020年底减少了相当于13座发电厂的排放量。”
利用人工智能和机器学习提高建筑效率
为了使建筑更高效，碳灯塔需要了解每个空间在多种占用和天气变量下的使用情况，包括工作日与周末、典型工作日与假日、冬季上午6点与夏季下午4点。该公司需要了解建筑系统如何响应这些动态条件。答案就在数据中。
他们通过两种方式解决这个问题:直接接入建筑物管理系统，创建建筑物的数据流来测量照明水平、温度、相对湿度和气流等。然后，他们可以提取这些大量的数据流，并将它们与clue平台中已有的1亿平方英尺的真实建筑数据结合起来，对整个特定建筑的能源消耗进行建模，并找到优化能源使用的区域。clue由AWS提供支持，使用Carbon lighthouse开发的人工智能和机器学习技术和模型，随着情况的变化和新数据的出现，这些技术和模型可以以低成本快速重新训练和重新部署。CLUES不断从其服务的每个设施中获取不断增加的建筑数据。然后，该公司将这些知识传递给公司的工程师和建筑现场物业团队，他们可以使用这些信息进一步优化算法，减少未来的排放。
米尔斯坦说:“我们利用机器学习的力量来分析数十亿个数据点，所有这些都是为了发现照明和暖通空调系统中隐藏的能效机会，并最大限度地减少碳排放。”
Millstein表示:“我们转向AWS的计算和数据存储解决方案，以建立一个可以继续扩展我们需求的基础。”“如今，碳灯塔每个建筑每月收集6.9亿个新数据点。我们拥有数百座建筑(而且还在增长)，如果没有AWS的数据存储解决方案，我们无法管理大量的数据。”
Carbon Lighthouse平台使用了许多AWS技术，包括Amazon弹性计算云(EC2)、Amazon简单存储服务(S3)、Amazon关系数据库服务(RDS)、Amazon Dynamo db，这些技术提供了他们摄取和存储大量数据所需的构建模块，以构建和部署人工智能和机器学习模型。同时消除了管理数据库的操作挑战，并担心大规模的数据和基础设施需求。
他们的人工智能和机器学习算法学会了建模建筑的能源使用，从建筑层面到系统层面。碳灯塔工程师可以测试和改变模型参数，通过分析不同的场景来了解如何以不同的方式更有效地运行建筑。
这项技术不仅发现了大幅减少碳排放的机会，而且还保证了运营费用的减少。
米尔斯坦表示，碳灯塔的“商业模式和成功是基于对建筑运营系统的深入洞察，以清楚地展示我们的解决方案对财务和环境的影响。到目前为止，我们已经消除了26万吨二氧化碳2．"
