数字孪生体育馆到底有什么用？米兰体育AI为什么先在虚拟场馆里"试一次"再控制真实设备
如果AI直接调整体育馆的空调和照明，一旦判断有偏差，代价往往难以挽回。米兰体育用数字孪生先在虚拟场馆里模拟观众数量、天气、设备运行和照明策略的不同组合，比较能耗和舒适度表现，再由人工审批决定是否执行，而不是让模型直接控制真实设备。
Digital TwinSimulationEnergy OptimizationHVAC
阅读全文 →
AI大模型
米兰体育AI大模型：让模型同时理解人流、天气、设备和场馆碳数据
米兰体育AI大模型栏目研究比赛时间、人流、天气、设备和场馆碳排数据怎样统一输入模型，以及LLM、预测模型、优化器和控制系统怎样分层协作。
一个真正能用于场馆运营的AI系统，需要读懂的数据种类远比想象中多：比赛时间、售票、闸机、天气、温度湿度、CO₂浓度、电表水表、HVAC状态、照明、光伏和储能，这些数据来源不同、时间粒度也不同，必须先统一才能被模型使用。
米兰体育不主张用一个聊天模型直接控制体育馆的设备。LLM负责理解运营问题（例如"为什么昨天比赛用电特别高"），预测模型负责预测人流和负荷，优化器负责在约束条件下计算策略，真正的设备执行仍然交给控制系统完成，并遵循"建议—模拟—执行"的流程。
Multimodal Venue DataLLMDigital TwinEnergy Optimization Agent
本栏目文章
AI大模型专题文章
本栏目共 4 篇独立文章，每篇都有完整详情页。
场馆Agent能自动节能到什么程度？米兰体育为什么坚持"建议—模拟—执行"
场馆Agent发现某区域可以节能，不代表可以立刻自动执行——中间还要经过策略生成、数字孪生模拟、舒适度和安全检查、人工或规则审批几个环节。米兰体育在这篇文章中说明这套"建议—模拟—执行"流程为什么比"自动节能到底"更可靠、更适合场馆这类涉及人员安全的场景。
AI AgentDigital TwinApproval WorkflowSafety
阅读全文 → 
大模型负责"看懂运营问题"，控制器负责"真正调空调"：为什么不能让LLM直接控制体育馆
让聊天式大模型直接操作场馆空调和照明，听起来很智能，实际风险很高——语言模型擅长理解和解释问题，不擅长保证安全和精确执行。米兰体育在这篇文章中说明场馆AI真正需要的是理解、预测、优化、执行分层的架构，而不是一个模型包办一切决策和动作。
LLMController ArchitecturePredictive ModelVenue Safety
阅读全文 →
智能场馆大模型到底需要读多少种数据？
智能场馆的AI模型看起来只是"根据数据做决策"，但真正麻烦的往往不是算法，而是把比赛安排、售票、闸机、天气、环境传感、电表水表这些来源、格式、更新频率完全不同的数据先统一起来。米兰体育在这篇文章中梳理了这些数据类型以及统一处理的必要性和具体难点。
Data InputsIoTData IntegrationSmart Venue
阅读全文 →
常见问题
关于米兰体育AI大模型，你可能想先了解这些
至少包括比赛时间、售票和闸机数据、天气、室内温湿度、CO₂浓度、电表水表、HVAC和照明状态，以及光伏和储能数据，具体种类因场馆配置而不同。
不建议。LLM适合理解和解释运营问题，真正的设备控制应该交给经过验证的控制系统执行，中间还需要预测模型和优化器负责预测与决策。
米兰体育的场馆Agent遵循"建议—模拟—执行"流程：AI发现问题、提出策略，先在数字孪生中模拟验证舒适度和安全性，再经审批后由设备执行，而不是全自动无监督运行。
场馆数字孪生连接真实的人流、天气、设备状态等数据，能够模拟不同控制策略的效果；普通3D展示模型通常只是静态可视化，不具备这种模拟能力。