强化学习与大模型驱动的空调节能、诊断及个性化技术

截至2020年底，全国空调保有量已达6亿台。智能空调是国家"十四五"智能家电发展规划中的支柱品类，但当前智能化功能主要集中在联网、APP操作等浅层应用。随着用户在舒适性、节能性、可靠性方面的需求不断提高，传统空调设备的问题不断凸显，主要包括以下三大挑战：

• 空调使用场景复杂，制冷系统内部流动与传热耦合机理变量多，传统PID、模糊控制算法参数单一，复杂工况适应能力弱，容易出现控温超调、过度除湿，舒适与节能无法兼顾。
• 运维效率低，安装质量依赖人工抽查，覆盖度低且标准不统一；运行中的滤网脏堵、冷媒泄漏等故障缓慢演变，特征参数变化不明显，难以及时精准识别。
• 环境感知能力弱，传统空调仅依赖本地温湿度传感器，无法主动捕捉用户深层需求，需要用户频繁手动操作，交互体验差。

围绕这三大难题，小米组建了空调业务与AI算法深度协作的跨学科技术攻坚团队，构建了"物理机理 + 强化学习 + 多智能体 + 端云协同"的全链路AI技术体系，在节能控温、智能运维以及个性化需求方向，取得了重要技术突破。

相关技术已落地国内外5个系列67款机型，节能幅度较行业头部品牌同规格机型提升14.1%~36.9%，控温精度可达±0.3℃，故障识别准确率超95%，在技术先进性以及应用广泛性上均处于行业领先水平。

技术路线图

01

AI让节能率提升超30%，控温精度达±0.5℃

空调系统具有强非线性、多变量耦合、控制时滞等特点，要在复杂工况下同时优化舒适、节能与可靠性，对控制算法是不小的挑战。小米团队的解法是：用物理机理为AI"打底"，让强化学习在符合热力学规律的前提下做最优控制，避免模型脱离物理约束。

第一步是建模。团队将空调与房间作为整体系统，建立了包含室内外温度、空调换热、人员散热、热损失的热传导动态方程，并用物理一致性约束的神经网络辨识参数，实现秒级动态建模。蒸发器管温与室温预测误差仅0.46℃和0.50℃，能耗预测误差低至3.36%——这是后续强化学习能稳定收敛的基础。

第二步是控制。团队把空调运行抽象为马尔可夫决策过程，用深度强化学习求解最优控制序列；针对新机型上线时数据稀缺的"冷启动"难题，独创零样本冷启动+双阶段优化方法，让新机型出厂即具备智能控温能力，最终把控温精度做到±0.5℃，节能与舒适不再二选一。

第三步是规模化。要让千万台空调同时具备智能控制能力，单靠云或单靠端都不行。团队行业首创"灵云智控引擎"：云端做模型训练和复杂推理，端侧用蒸馏后的轻量模型做毫秒级响应，端云协同形成闭环——既保证个性化精度，又支撑千万级并发。

目前该技术已应用于67款空调机型，在保证用户舒适的前提下，相比国内外头部品牌同规格机型节能14.1%~36.9%，端云协同系统已上线千万套设备稳定运行。

02

从安装到运维全链路诊断，故障识别准确率达95%

安装是否合格、滤网是否脏堵、冷媒是否泄漏——空调的这些异常都有共同特点：早期信号微弱，等到用户感觉制冷变差或电费明显上升，往往已经持续了一段时间；气流循环与冷媒循环之间的耦合变化也较难通过简单阈值告警识别。小米团队的思路是：让AI从海量真实运行数据中学习出对早期故障的识别能力。

团队从热力学机理入手，利用多工况下的运行数据，开发了时间序列注意力模型。这个模型能同时关注两类信号：一类是压力波动、温度尖峰等瞬时特征，用于捕捉异常发生的早期信号；另一类是制冷量衰减、能效漂移等长期累积变化，用于判断故障的演变趋势。通过多尺度时间特征的交叉验证，诊断方式从单点判断升级为动态耦合分析。

更进一步，团队发明了"全生命周期对比学习"故障诊断方法：把空调从安装、运行到老化的全周期数据都纳入训练，用对比学习模型分辨脏堵、缺氟在不同演变阶段的细微差异，识别准确率超过95%。配套打通"数据上传—故障诊断—模型应用"的闭环，覆盖用户、客服、售后全链路，故障从被发现到被解决的链路被彻底打通。

运行阶段，系统全年完成缺氟检测超40亿次，累计向用户主动推送脏堵设备超500万台，滤网清洗率提升至48.4%——让运维从"事后报修"走向"主动提醒"。

安装环节同样引入了视觉大模型技术。先用轻量视觉模型快速筛选内机图像，再用垂域大模型对安装区域做精准定位与分割，自动判断装机是否规范。在拍摄角度多变、画质不一的真实场景下，安装异常检测准确率达到93.3%，已适配超千万套设备，新装空调整体不良率下降50%以上。

03

多Agent协同，从千篇一律的被动响应升级为个性化的主动服务

要让空调真正"懂用户"，仅依靠单台设备的本地传感器是不够的，需要打通环境、设备、用户三层数据，才能从"被动响应指令"走向"主动服务用户"。

为此，团队搭建了"感知—决策—控制"多Agent协同的智能空调架构，实现热力学物理约束与AI智能决策的深度融合：

• 感知层融合环境、设备、用户多源数据，构建空间热力场和用户偏好模型；
• 决策层用多任务多专家混合决策，打破传统"单设备—单任务"的僵化模式，做到多设备联动+前瞻预测；
• 控制层用深度强化学习负责精准执行与闭环反馈。

同时，依托全球最大的10亿台级IoT设备平台，小米以空调为中枢统筹自感知与生态设备感知，构建起覆盖物理环境、地理位置、用户行为、跨设备状态的多模态Agent集群，打通了20多种空调关联品类的设备感知。系统支持千万台设备100毫秒以内完成推理、2分钟自动扩容，为大规模AI实时决策提供了坚实底座。

在此基础上，小米空调实现了主动学习用户个性化需求的能力。通过多设备协同与多专家混合决策控制技术，空调能够学习用户使用习惯、舒适偏好及环境变化，自动调整运行策略，完成从被动响应到主动服务的跨越。

基于上述创新，团队研发了5系列67款智能空调产品，出口波兰、西班牙等10余个国家，在全球范围内率先实现了空调运行节能、远程诊断、个性化服务全场景智能化产业应用。从控温到运维、从单机到生态，小米空调用一套"物理机理+强化学习+多智能体+端云协同"的完整AI技术体系，在节能、舒适、可靠和智能四个维度形成系统性突破，推动空调品类向更高水平的智能化迈进。

相关成果先后斩获中国节能协会节能减排科技进步一等奖、中国质量协会质量技术三等奖，团队获评中华全国总工会"工人先锋号"，三项核心技术经鉴定为国际领先。

面向未来，小米将继续以"人车家全生态"IoT底座和AI算法能力为根，深耕家电热力学机理与智能控制，把节能算法、智能运维、个性化服务做得更可复用、更可规模化，为家庭低碳生活和智能家电产业升级输出小米方案。