核心技术
四项技术自研贯通：AIoT 连接现场，数字孪生建立可计算模型，在线动态水力仿真持续求解，AI 智能体在安全边界内推动决策进入运行。
Why it works · 为什么能做到
五道难关，决定 AI 能不能真的控制运行
五个工程问题，决定能源 AI 能不能真正进入运行现场。
Stack · 技术体系
感知 → 建模 → 仿真 → 决策 → 执行 → 校验
四项技术不是并列堆叠，而是一条运行链：感知提供可信数据，建模形成系统模型，仿真提供可计算的决策依据，智能体负责决策、执行与校验。
01 感知AIoT感知与控制基础
02 建模数字孪生系统建模基础
03 仿真在线动态水力仿真核心计算能力
04 决策 · 执行AI 智能体决策与执行机制
真正的技术壁垒，在于四项能力能否在同一个真实能源系统中连续工作，而不是分别采购四个工具——四者在暖流能源智能体平台上协同运行。
70%
建模效率提升
依托 FinTwin 的 FB-3D 快速建模技术与 BIM + GIS 双引擎，自动提取管网拓扑与参数，减少人工建模工作量
90%+
工况还原准确度
特性自辨识校准边界条件，还原真实运行工况
0.2%～2%
仿真计算误差
相同工况下，FinSim 计算压力值与管道测点实测压力值之间的误差
运行型 AI 的四项关键能力
从可信数据，到可计算、可执行、可验证
暖流把 AIoT、FinTwin、FinSim 与 FinGo 连成一条真实运行链。每一项技术都要回答一个工程问题，而不是停留在概念展示。
压力、流量与温度，能够算清楚
FinTwin 建立管网拓扑与设备模型；FinSim 结合实时工况进行在线水力求解，计算压力、流量及温度分布，让策略拥有可校核的物理依据。
FinTwin 数字孪生系统FinSim 在线水力仿真系统工况校核
查看技术与产品体系
不是生成建议，而是在边界内参与运行
AI 结合负荷预测和在线求解提出调节策略，先校核压力、温度和设备约束，再由 FinGo 与既有控制系统协同执行。
运行策略优化物理安全边界FinGo 现场执行
查看技术与产品体系
每次调节，都能找到执行与反馈记录
将指令、设备响应和运行结果放在同一条记录链中，检验策略效果并回写模型。郑州航空港项目的完整采暖季 AI 自主运行，是这一能力的真实工程实践。
指令与反馈策略效果复盘完整采暖季实践
查看真实运行案例
Moat · 技术壁垒
为什么这套能力不是简单的软件拼装？
真正的门槛在工程现场：数据、模型、仿真、控制与验证需要长期共同演进，而不是把几个软件模块简单拼在一起。
数据 ≠ 采集，而需要理解现场
现场数据往往不全、不准、不同步。能用的前提是先补点、先对齐、先校核——这是产品之外的工作。
模型 ≠ 静态建模，而需要持续校准
管网的阻抗、保温与老化会变，模型必须随现场演进；建完就不再校准的模型，很快会失准。
仿真 ≠ 设计计算，而需要在线滚动求解
设计工况下的离线计算，回答不了「此刻该怎么调」；在线求解要跟着实时工况持续滚动刷新，随时给出可用的调节依据。
AI ≠ 聊天式建议，而要在安全约束下参与运行
能给建议的模型很多；敢在硬约束下执行、并能校验效果的，很少。
调控 ≠ 输出策略，而需要执行、校验与回写
策略下发只是起点。效果回收与模型回写，才把一次优化变成持续能力。
壁垒在于从数据到运行结果的完整闭环
暖流的壁垒不是某一个单点技术，而是「从数据到运行结果的完整闭环能力」——感知、建模、仿真、决策、执行、校验六环打通，缺一环闭环都不成立。
FAQ · 常见问题
关于技术，几个常被问到的问题
是的。AIoT 感知硬件、数字孪生建模引擎、在线动态水力仿真求解器与 AI 智能体决策模块均为公司自主研发，智能硬件系列拥有独立知识产权。
AIoT 解决「现场数据从哪里来、准不准」；数字孪生解决「系统怎么被建成可计算的模型」；在线动态水力仿真解决「此刻该怎么调」；AI 智能体解决「怎么在安全边界内执行并校验」。四者前后咬合。
普通水力计算多为离线、静态、依据设计工况求解，用于设计与校核；在线动态水力仿真以实时运行数据持续滚动求解当前工况，持续滚动求解全网压力、流量与温度分布，可直接作为调度决策依据。
关键节点需要流量、压力、温度三类数据的稳定回传。若既有测点不足，可通过自研智能硬件补点；对缺失数据，系统采用机理约束与邻近节点插值处理，并在结果中标注可信度。
取决于系统规模与资料完整度。依托 FB-3D 快速建模技术与 BIM + GIS 双引擎，管网拓扑与参数自动提取，建模效率相比人工提升约 70%；典型地级市热网项目在获得完整图纸与运行数据后可在数周内完成建模与校核，改造后的模型支持快速增量重建，无需从头开始。