人工智能技术在建筑领域加速碳减排

根据McKinsey11月29日发布的一份报告，通过应用机器学习、人工智能和基于物理的建模，建筑投资组合所有者可以更快地识别建筑脱碳机会。
 

通过使用来自卫星的数据、地理空间分析、法规、劳动力和设备成本，并评估供暖和冷却系统、绝缘水平以及太阳能或地热能的可行性，算法可以分析并提出解决方案，为建筑组合实现净零排放。
 

专家在报告中表示，通过这种新方法，可以在数周内为整个投资组合制定财务优化计划，其中考虑了监管环境以及建筑的独特特征和租赁结构。

见解

McKinsey的专家们表示，鉴于建筑物排放量占全球燃烧相关排放量的40%，因此必须到2030年将直接建筑排放量减少50%、间接排放量减少60%，才能在2050年实现建筑存量净零碳排放。McKinsey表示，传统的脱碳方法，包括物理能源审计和逐栋建筑的净零排放战略，被认为是费力且昂贵的。此外，缺乏集中库存和标准化导致人们认为建筑脱碳是无利可图的。

报告指出，与传统的能源审计和净零研究相比，人工智能驱动的方法将脱碳规划的速度和规模提高了100倍以上，从而消除了对模糊建筑原型的依赖。

这强调了基于人工智能的方法在房地产投资组合中，中性或正回报的潜力，假设没有诸如未来增量监管、碳定价和租金或房地产估值的绿色溢价等因素。该报告强调，在投资组合层面优化可再生能源采购的同时，为每座建筑实施能源效率和电气化措施，使建筑业主和居住者能够通过实现节能、优化资本成本和避免监管处罚来收回投资。
 

McKinsey强调，实现最有效的建筑脱碳计划包括七个部分，可以通过使用人工智能和机器学习方法进行优化：

高效的净零规划：业主可以通过联合采购和战略排序，确保其整个投资组合的协调、全面的计划，而不像传统的脱碳计划，通常是根据排放或现有法规针对选定的建筑。

资产特定计划：需要考虑建筑布局和隔热类型等方面的定制计划，以实现具有成本效益的脱碳。每栋建筑都需要一个独特的策略，考虑其出发点、当地条件和资产细节，如租户构成和租赁结构。

实现净零的完整途径：这包括避免损害长期成果的部分计划。企业必须采取全面、前瞻性的决策，因为短期策略可能会增加成本，并忽视协同效应，如影响未来暖通空调要求的绝缘措施。

综合范围1和范围2计划：报告称，能源效率和电气化的脱节方法阻碍了效率。未能充分利用相互依赖性可能导致可再生能源采购速度变慢、成本更高。

可行的步骤：建筑计划必须为设施管理人员提供精确的指示，并使供应商和设施管理团队之间能够轻松沟通，以确保快速执行。

量化：计划必须足够具体，以便为财务规划提供详细的见解，包括净零目标、资本投资挑战、运营成本、潜在债务以及业主和租户之间的成本和收益分配，以便领导者能够了解实现净零排放的确切成本。

净零导向决策：业主和运营商可以通过调整流程、激励措施和治理结构，将脱碳计划纳入组织运营。这包括更新资本计划、低排放系统预算以及将脱碳分析纳入新资产收购。

报告称，与扩大供应链以满足新需求、培训熟练工人以部署改造和开展其他电气化工作相关的脱碳挑战，也会影响该行业。

McKinsey表示，采用人工智能支持的全生命周期脱碳方法可以简化计划、加快流程并降低成本，从而在解决建筑相关排放方面取得重大进展。