Ambi Labs稍早前推出可優(yōu)化室內(nèi)空調(diào)的Ambi Climate升級插件。Ambi Climate能幫助用戶管理空調(diào)系統(tǒng)，在能耗最小化的前提下維持室內(nèi)空調(diào)的舒適度。
 
Ambi Labs創(chuàng)辦人兼CEO Julian Lee表示，市面上已經(jīng)出現(xiàn)許多學習型的恒溫器和空調(diào)控制器，然而，大部份恒溫器都只是預(yù)測并將使用行為加入排程中，當使用者離開家時，便自動關(guān)閉空調(diào)。而Ambi的研究則顯示，這種針對用戶日常習慣的預(yù)測在亞洲并不適用，因為亞洲用戶在出門前通常會關(guān)掉空調(diào)，只在需要時才打開，因此這種裝置對亞洲用戶而言需求并不大。
 
過去兩年內(nèi)，Ambi Labs在亞洲針對十個市場，超過4,000位受訪者進行了網(wǎng)上調(diào)查。受訪者表示，維持舒適空調(diào)條件是他們最主要的挑戰(zhàn)，同時他們也都關(guān)注因空調(diào)而產(chǎn)生的高額成本和碳足跡。整體來看，亞洲地區(qū)中有72%的受訪者都面臨著至少一個空調(diào)問題，如房間內(nèi)過熱、太冷、太干或太潮濕等。
 
Ambi Labs表示，其研究表明用戶面臨的空調(diào)問題主要是由于現(xiàn)有空調(diào)遙控器的過時設(shè)計。Julian表示，目前遙控器設(shè)計重點都在電源和溫度調(diào)節(jié)按鈕上，這也難怪許多空調(diào)系統(tǒng)使用效率不彰，因為用戶只能開／關(guān)和調(diào)高／調(diào)低溫度而已。這種做法必須在溫度上升或下降到足以讓用戶覺得過熱或太冷時，再逐步調(diào)回最舒適的溫度，但往往會造成能源浪費。
 
Ambi Climate運用了機器學習機制和大數(shù)據(jù)技術(shù)來解決些問題。它不僅學習用戶偏好，還會預(yù)測家中的環(huán)境條件將如何改變。Ambi Climate的專利算法能對用戶的家進行全面計算，調(diào)整空調(diào)設(shè)定，達到用戶最舒適的程度，而非簡單地依照用戶生活習慣來安排。
 
此外，Ambi Climate也為用戶的家提供深度的、數(shù)據(jù)驅(qū)動的條件觀察，并觀察會造成影響的使用者行為。“許多人都知道白天和晚上最好拉上百葉窗，以減少空調(diào)能耗，但真正這樣做的人又有多少？”而Ambi Climate則能讓用戶洞察到這些因素，讓用戶更了解各種影響居家空調(diào)效率的因素。