Lesson 01 · 定调

BrainBox AI 的真实技术栈长什么样

复刻之前，先把"要复刻什么"这件事彻底说清楚——它不是世界模型。

一、核查结论：BrainBox 不是 MBRL

事实核查的依据是一手来源：BrainBox 官网技术页、三份专利、CTO Jean-Simon Venne 的学术发表、Trane 收购公告。结论是一句话：

最硬的证据来自 CTO 的学术履历。他唯一一篇涉及强化学习的合著论文（eSim 2024）用的是 multi-armed bandit（MAB）——这是强化学习里最明确、最纯粹的 model-free 形式，跟"先学环境模型、再在模型上规划"的 MBRL 路线正好相反。

二、BrainBox 自述的三根支柱

既然不是 MBRL，那它到底是什么？把它公开材料里反复出现的描述拼起来，就是三根支柱：

┌─────────────────────────────────────────────────────────────────┐
│                  BrainBox AI 暖通栈（自述，非推测）              │
│                                                                  │
│  支柱 A · 预测        支柱 B · 控制         支柱 C · 部署        │
│  ─────────────       ─────────────        ─────────────        │
│  物理信息 Neural      无模型深度            云端 SaaS            │
│  ODE + LSTM           强化学习（DRL）       + 边缘数据采集        │
│                                                                  │
│  预测每个 zone        优化设定值            硬约束 + 限幅         │
│  未来 6h 温度/能耗    （冷机/水泵/风量）    + PID 回退 + 人工接管  │
│                                                                  │
│  自称 96% 精度        自称 ~25% 节能        让 RL 敢上真楼         │
└─────────────────────────────────────────────────────────────────┘

下面把每根支柱拆到"可复刻"的颗粒度：

支柱 A · 物理信息 Neural ODE + LSTM 预测

BrainBox 技术页原话："Our models achieve 96% predictive accuracy for each HVAC zone up to 6 hours ahead"，并反复强调"integrating physics-based principles with black box deep learning"，还点名了 Neural ODE（与 Mila 的 Pierre-Luc Bacon 合作）。这是一套监督式预测任务，不是控制任务。

支柱 B · 无模型深度强化学习控制

专利把控制层描述成"规则化 / 约束化调制"；第三方目录（AI for PropTech、AEC Magazine）统一刻画为"DRL tunes HVAC setpoints"。这是设定值优化：不直接控阀门，而是改"目标值"（冷冻水温度设定点、送风温度设定点等），让既有 BMS 去执行。

支柱 C · 安全门控 + 云边部署

这是把 RL 从"论文里"搬到"14,000 栋楼里"的真正难点。BrainBox 部署模式是云端 SaaS + 边缘数据采集，并且一定有安全兜底（否则没法商用）。公开细节有限，但模式是行业共识，本课程给可辩护的四层实现：

RL 控制器输出
    │
    ▼
┌──────────────────────────────────┐
│  1. 硬约束  温度∈[18,26]°C         │   ← 越界直接否决
│            CO₂<1000ppm / 湿度∈[30,70]%
│  2. 限幅    单步变化 < Δ_max       │   ← 防止策略"乱抖"
│  3. 回退    连续 N 步预测误差>ε    │   ← 模型不靠谱时
│            → 切回 PID / 规则       │
│  4. 人工接管 一键切回手动           │   ← 值班兜底
└──────────────────────────────────┘
    │
    ▼
  MQTT 下行控制指令（Pivot 现有通道）

三、可复刻的边界：哪些能做，哪些只能"推测着补"

诚实是这门课的前提。BrainBox 有大量内部细节没公开，无法 1:1 复刻。下表划清边界：

四、整门课的路线图

接下来 7 课就按这三根支柱 + 一个共同的仿真沙盒推进。建议顺序：

第 2 课  仿真沙盒  EnergyPlus + Sinergym（所有模型的"实验台"）
   │
   ├─ 第 3 课  物理基线  热 RC 网络 ODE + 规则/PID（给后面所有方法当对照）
   │
   ├─ 第 4 课  支柱 A   Neural ODE 预测区域温度（torchdiffeq）
   ├─ 第 5 课  支柱 A续 物理信息正则化 + LSTM 对比（PINN）
   │
   ├─ 第 6 课  支柱 B   无模型 DRL 设定值优化（SAC）
   │
   ├─ 第 7 课  支柱 C   安全门控 + 云边部署
   │
   └─ 第 8 课  集成     三支柱端到端闭环 + 接 Pivot 架构