导读：如何加速供热行业的数字化转型？

目前，中国是世界上最大的集中供热应用的国家。数据统计，2018年我国北方城市采暖的所有能耗相当于英国全年所有能耗的总和，节能减排的空间很大。

在国家双碳（力争2030年前实现碳达峰，2060年前实现碳中和）战略目标下，供热行业的数字化转型成为传统行业转型的一大热点。

“在石家庄正定县某小区，通过我们的揽月云服务平台进行用热改造后，一年下来整体用热成本节省了62万元。”

不久前在一次媒体沟通会上，智信远景CEO 张小迎这样介绍道。作为国内首家在供热行业提供SaaS服务的企业，智信远景专注于借助云计算、人工智能等新兴技术，向集中供热企业提供IT服务，助力其实现供热精细化、智能化管理。

智信远景目前已经接入了国内2000多个换热站，覆盖的供热面积超过1.2亿平方米，累计节能4000千瓦时，折合节省标准燃煤5万吨。这背后，离不开强大的云计算合作伙伴亚马逊云科技的助力。

很多北方的朋友都有这样的体验，同样的小区，甚至同一栋楼，冬天室内温度却差异很大，有的过热，有的太冷。

一方面，供热和供水供电不同，热能具有传导性和辐射性，供热实际上是把整个建筑物烧热，而没有办法做到只把其中一户烧热，其他住户温度不变。另一方面，传统的热力管理调控比较粗放，很多还是停留在人工经验的阶段，或者依靠传统算法，无法精确感知每一户消费者的实际体验，做到精准管理。

智信远景CEO 张小迎认为，供热行业的数字化转型面临四大挑战：

第一，从热力公司的集中供热源，到各个小区的换热站，再到用户端的千家万户，整个供热链路上存在多个独立分散的IT系统，形成了大量数据孤岛，无法做到数据的互联互通。

第二，本地部署的传统管控软件性能时不时会掉链子，影响供热质量。

第三，供热行业缺乏专业IT人才，尤其是精通云计算、物联网、人工智能等新技术的人才。

第四，随着物联网技术和智慧供热的发展，供热管网中海量设备逐渐联网上云后，如何高效、智能管理将成为普遍痛点。

自2007年创立以来，智信远景一直专注供热行业的数字化服务。近年来，创始团队越来越意识到，依靠传统的软件部署，提升的空间有限。热力行业如果要真正做到精细化运营，必须借助云计算和人工智能等新技术。

2019年，智信远景开始与亚马逊云科技合作，将其核心业务平台揽月云全部迁移到亚马逊云上。从此，智信远景的研发团队可以从繁杂的基础架构运维中解放出来，将更多的精力投入到研发中，加速公司业务发展。

供暖服务关系到民生，因此智信远景的客户非常看重系统运行的稳定性和连续性。

“上云之前，我们运维压力非常大，有时候工程师深夜还要起来处理故障，有的同事就辞职了。上云之后，有一天我约前同事吃饭说你要不要再回来。用了亚马逊云科技的托管服务之后，摆脱了我们不擅长的运维工作。”谈到上云对于运维压力的减轻时，智信远景CTO 张选潮深有感触。

如果说降低运维成本是消除短板，那么加速应用创新就是加强长板，进一步打磨核心竞争力。亚马逊云科技丰富的云服务，解决了智信远景最迫切的业务痛点，包括应用快速迭代、高效数据分析、快速开发人工智能模型等。

目前，智信远景的所有产品都采用了云原生的微服务架构。利用亚马逊云科技的Amazon EKS容器服务，智信远景对原有应用进行云原生改造，缩短版本迭代和上线时间，版本发布上线完全不需要系统维护人员参与，代码提交后3分钟内即可自动完成构建和发布。

基于亚马逊云科技的智能湖仓架构，智信远景只用4周时间就搭建起了数据分析服务。目前智信远景在Amazon S3中已经接入1.1TB供热数据和700+数据标签，覆盖了供热系统从热源、热网直至房间所有环节的数据。

在人工智能方面，借助托管的一站式机器学习平台Amazon SageMaker，智信远景仅用两周时间，就上线了三个机器学习模型。三个模型涵盖了智信远景最核心的业务场景，包括毛刺数据的识别和剔除，对换热站负荷的准确预测，以及热力站的智能调控。

“如果按照传统的方式，我们要用机器学习技术，需要做非常繁杂的基础工作。比如做技术的预研，了解选择TensorFlow还是Pytorch框架更合适，安装训练环境，逐个测试……所有这些做完后才能进行跟业务有关的机器学习模型开发。Amazon SageMaker给了我们很多强力支持，极大提升了产品的市场竞争力。” 智信远景CTO 张选潮表示。

据悉，借助Amazon SageMaker，智信远景正在开发精确到每个住户的精准供热调控模型，最终实现更精细化的、按需供热的部署改造。“我们的目标是推动供热行业数字化转型，创建人民群众的美好生活，降低社会综合成本。”智信远景CEO 张小迎表示。

在传统行业数字化转型中，智信远景这样的垂直行业ISV是真正的创新者，也是新技术落地最后一公里的实施者。如何让他们没有后顾之忧地加速创新，共同推动行业转型，也是云计算行业竞争的新战场。

-END-

本文为「智能进化论」原创作品。