Primustech 赋能建筑‘思考’
其人工智能驱动的解决方案 AiBE，是首个专为设施管理打造的大语言模型
Add BT as a preferred source
本文由AI辅助翻译
【新加坡】设施经理的日常工作鲜有光鲜亮丽之时。他们的信息分散在多个软件平台，淹没于维修手册、设备日志和合规文件之中，却需要就那些持续不断产生数据的建筑做出快速、准确的决策。
然而，随着专为设施管理打造的人工智能 (AI) 驱动的大语言模型 (LLM) 解决方案——建筑与环境产业群人工智能 (AiBE) 的出现，这一切都可能成为过去。
该方案由总部位于新加坡的 Primustech 开发，是首个专为设施管理打造的大语言模型。它基于建筑系统、工作流程、合规性和维护管理等领域的专业数据进行训练，而非从通用人工智能平台改造而来。
Primustech 是一家数字主系统集成商，致力于优化建筑与环境产业群的性能、可持续性和效率。
AiBE 分为三个模块：Scholar（学者）、Operator（操作员）和 Dweller（居住者）。
Scholar 模块是一个文件库，支持标准操作程序检索、故障排除指南、认证跟踪和知识贡献。其目标用户包括技术人员、员工和新员工；其商业价值在于更快速的文档访问、保存机构知识以及缩短新员工入职时间。
Operator 模块专注于为设施经理、运营主管和工程师提供实时的建筑管理系统 (BMS) 和计算机化维护管理系统 (CMMS) 查询、工单管理、系统控制、数据可视化、跨建筑分析和月度报告功能。
Dweller 模块则处理面向租户的工作流程，例如租户请求、停车场管理、空调加时服务、设施预订、社区参与和访客登记，其明确目标是提高租户满意度并提供便捷的自助服务。
从需求到解决方案
AiBE 的开发过程采用植根于实地调研的设计思维流程。Primustech 表示，公司对商业和综合用途建筑的设施经理、技术人员、运营主管和租户进行了深度访谈和跟岗观察。
SEE ALSO
由此，公司绘制了四个主要用户画像——技术员、设施或运营经理、高管和租户，并将定性反馈转化为多个痛点集群，例如系统碎片化、数据和文档过载、员工知识流失以及历史记录访问不便。
这些发现塑造了 AiBE 的架构：信息过载问题对应 Scholar 模块，运营复杂性对应 Operator 模块，租户摩擦则对应 Dweller 模块。
Primustech 还选择了一种“大语言模型加检索增强生成”(LLM-plus-RAG) 的 API 优先架构，因为用户希望在不替换旧有 BMS 和 CMMS 系统的情况下，拥有“一个统一的对话入口”。同时，公司采用了模块化部署模型，以便企业可以从一个模块开始，日后在无需返工的情况下进行扩展。
其商业验证来自 The Gear，这是位于樟宜商业园的一座智能建筑，它既是该方案的早期采用者，也是一个现场测试基地。
AiBE 被用于解决建筑系统知识碎片化、运营文档分散以及员工决策缓慢等问题。
此次部署的成果显示，问题解决速度提高了 30%，新员工入职流程从 20 分钟缩短至 5 分钟，每年节省 600 个员工工时，并通过节约时间和避免返工，每年节省约 46,000 新元。
Primustech 还报告了更快的文档检索速度；受控测试显示，在保持质量的同时，检索时间从大约七分钟减少到半分钟。
在可持续性方面，Primustech 预计通过预测性优化可节省 8% 至 12% 的能源，并已将碳追踪和绿色建筑标志 (Green Mark) 报告功能整合到其平台路线图中。
其道德框架优先考虑可解释性，确保人类决策者始终掌握控制权，而不是将权限下放给自动化系统。
Decoding Asia newsletter: your guide to navigating Asia in a new global order. Sign up here to get Decoding Asia newsletter. Delivered to your inbox. Free.
Copyright SPH Media. All rights reserved.
