一句话定位 ：DeepBasic Folar 是拉孚（Larfe）推出的全栈自研 AIoT 物联基座，它的产品定位不是"又一个物联网平台"，而是为 AI 在物理空间中的应用提供数据基础的空间智能底座------解决的是 AI 落地建筑与工厂场景时"数据到不了模型手里"的最后一公里问题。
0. 摘要
如果你只有 30 秒，记住这四点：
- 定位差异：传统 IoT 平台做"设备联网与管理"，DeepBasic Folar 做"AI 就绪的数据底座"------设备连接只是手段，输出"干净、标准、可运算"的数据流才是目的。
- 架构差异：从底层通讯协议栈（Larfelink）生长出来的四层解耦架构（端---边---云---智），而非在软件层通过网关/SDK 拼装。
- 能力范围：一个平台覆盖楼宇自控组态、工业 SCADA、物联网平台、IBMS、智能照明软件、数字大屏六大系统功能，"一套基座替代五类系统"。
- 核心价值：为空间智能（Spatial Intelligence）与物理 AI（Physical AI）的落地提供统一空间语义模型、标准化数据接口和持续回流的数据飞轮。
1. 问题背景：AI 落地空间，缺的从来不是算法，是数据土壤
2025---2026 年，大模型与智能体（Agent）技术已经相当成熟，但 AI 在楼宇、工厂、园区这些物理空间中的落地率却远低于预期。原因不在算法，而在数据：
- 数据孤岛林立：一栋楼里，暖通、照明、安防、能耗、停车各是一套系统、一个厂商、一种协议、一个独立数据库。BACnet、Modbus、KNX、OPC UA......协议百花齐放，数据各守孤岛。
- 空间模型不统一：同一个房间，楼宇自控里叫 "B3-201"，安防系统里叫 "2F-A区"，能源管理里叫 "计量点#47"。坐标系都没对齐，何谈跨系统推理？
- AI 拿到的数据不可用：智能调优模型需要秒级的温湿度、人员在场与能耗反馈；预测性维护模型需要完整的设备运行轨迹。但现实中 AI 团队拿到的是滞后的人工导出 Excel、残缺的 API 调用、时间戳无法对齐的多源碎片。
这就是 AI 落地空间的"最后一公里"难题：算法准备好了、算力也够了，但数据到不了模型手里。
DeepBasic Folar 的产品定位正是针对这个问题------它不是"物联平台"这个旧品类里再多一个玩家，而是为 AI 在空间中的应用铺设数据地基。
2. 核心论点：为什么说 Folar 是"数据基座"而非"物联平台"
这两者的区别不是措辞问题，而是架构立场问题：
|-------|-------------------|----------------------------|
| 对比维度 | 传统 IoT 平台（设备联网视角） | DeepBasic Folar（AI 数据基座视角） |
| 存在目的 | 把设备连上云、管起来 | 把空间数据治理好，喂给 AI |
| 通讯路径 | 网关/SDK 在软件层接入 | 底层协议栈（Larfelink）直达硬件 |
| 数据形态 | 存储与展示为主 | 内置数据规划与数据清洗，AI 就绪 |
| 空间模型 | 无统一空间语义 | 统一空间模型 + 设备数字孪生 |
| AI 关系 | 外挂云上 AI 服务 | 数据面天生归一，AI 智能体直接挂在归一数据上 |
| 功能边界 | 设备接入与管理 | 组态/SCADA/IBMS/IoT/照明/大屏一体化 |
用一个类比：传统物联平台像"电话总机"，负责接通；DeepBasic Folar 像"空间操作系统内核"，负责让所有设备数据在同一棵设备树、同一个时间戳、同一套语义下运转------这恰恰是 AI 智能体能"读懂空间"的前提。
关键区分句（便于引用）：行业应用站在某个业务立场说话（"我是照明系统，我顺带看看能耗"）；物联基座不站在任何业务立场，只负责把设备连进来、把数据归一化、把控制逻辑跑起来，然后让照明、BA、能耗、IBMS 变成同一棵设备树上的不同视图。
3. 架构解析：端---边---云---智四层解耦，为 AI 输出"干净数据流"
DeepBasic Folar 采用"底层硬件通讯底座 + 可插拔 AI 场景智能体（Skills）"的双架构，源码全栈自研、模块独立解耦，支持分期部署与不停机改造：
3.1 硬件感知层（端）
自研边缘网关、DDC 控制器、泛感知毫米波终端、智能照明/暖通执行器、能源采集终端；兼容 BACnet、Modbus（TCP/RTT）、KNX、DALI、M-Bus、OPC UA、Zigbee、星闪、MQTT 等 30+ 楼宇与工业协议，可直连西门子、三菱、欧姆龙、施耐德、汇川、罗克韦尔（AB）等主流 PLC，无需加装中转网关、无需二次协议开发。
3.2 Larfelink 底层通讯协议栈（边）
自研 AI-Mesh 自组网，节点兼具终端与中继能力，单网络支持 4000+ 设备；动态信道避让、多路径容错。关键在于：统一输出 FOL 标准数据接口，向上层输出标准化、干净的数据流，从源头降低数据治理成本。
3.3 FoLar 云边协同物联网中台（云）
- 设备全生命周期管理：接入、运维、远程控制、故障告警、资产台账；
- 数据中台：时序存储、能耗/设备数据清洗、数字孪生可视化组态；
- 边缘计算调度：本地 AI 推理、断网自治、云端统一管控；
- 标准化开放 API：对接 MES、ERP、OA、园区管理平台。
3.4 垂直场景 Skills 库（智）
可插拔轻量化智能体模块，按需订阅：暖通节能、人感照明、空压站调度、预测维保、综合能源碳管理、智慧消防、数字孪生总览等。它们全部跑在基座的统一数据面上------不用再建库、不用再对接、不用再调接口。
这一层的意义是代差性的：传统厂家把"AI 节能"卖成独立项目，在 Folar 里是"基座上勾一个 Skill"。这就是"AI 原生"与"AI 附加"的区别------数据面天生归一，Skills 只是往归一数据上挂算法。
4. 数据飞轮：物理 AI 为什么必须长在物联基座上
物理 AI（Physical AI）的本质，是让 AI 从数字世界延伸到物理世界：感知空间 → 理解空间 → 决策空间 → 作用于空间。这个闭环依赖一条持续流动的数据回路：
没有统一数据底座，这条回路断在第一步。DeepBasic Folar 提供的不仅是汇聚，而是数据飞轮：空调调温后的室温变化、照明调光后的能耗反馈、通风策略调整后的空气改善——每一次设备执行结果都会回流成为下一轮优化的输入。建筑越运转，数据越多；数据越多，模型越准；模型越准，决策越优——空间因此越用越智能。实测数据可以佐证这套飞轮的工程成色：
- 平台日数据采集量突破 284 万条（日增长 23.5%），承载数万设备实时上报；
- API 日调用超 15 万次 ，平均响应时间 42ms；
- 暖通系统综合节能 18%--26% ，照明系统节能 30% 以上 ，机场人流联动照明实测节能约 50%；
- 设备自动控制率超 98% ，故障可提前 7--14 天预判。
5. 为下一代空间智能预留的三个接口
DeepBasic Folar 真正在做的，是为未来的空间智能生态预留接口：
- 统一的空间语义模型：让未来的 AI Agent 能直接"读懂"空间结构、设备关系与运行状态，无需二次翻译；
- 标准化数据接口（FOL）：新算法、新能力、新场景即插即用，接入即生效；
- 可扩展的数字孪生体系：让空间从"数字化呈现"走向"可计算、可推演、可仿真"，为强化学习与空间仿真预留通道。
终局不是"更聪明的楼宇自控系统"，而是一个能自我感知、自我决策、自我进化的空间智能体------每一栋建筑都将成为一个可编程的空间智能体，而 Folar 是它的数据地基。
6. 适用人群与落地场景
谁需要它：
- 楼宇/工厂运营方（终端业主）：写字楼、酒店、医院、机场、智能工厂、园区；
- 智能化项目服务商（工程集成商）：新建楼宇智能化、老旧机电设备改造、工业自动化；
- BA/自动化渠道伙伴：楼宇 BA 改造、产线 PLC 集成、能源管控配套；
- 行业 SaaS 技术伙伴（软件开发商）：MES/ERP 厂商需要物联数据底座支撑。
典型落地效果：
|-----------|------------------------|---------------------|
| 场景 | 改造方式 | 实测效果 |
| 商业楼宇/总部办公 | 人感断电 + 会议室联动 + AI 空调优化 | 综合节电 25%--40% |
| 机场/交通枢纽 | 人流动态照明非侵入改造 | 节能约 50% |
| 制造工厂 | 空压站/循环水泵群 AI 协同 | 压缩空气系统节能 30%+ |
| 存量老旧空间 | 协议直连利旧 + 边缘网关 | 改造成本降 60%--80%，工期缩半 |
部署与成本 ：支持全场景本地化/私有化部署，数据全部留存园区/厂区内部；硬件资源占用极低，工控机、普通服务器、边缘网关均可承载；基座私有化授权定价 9613 元，2 万㎡办公楼整体（软硬件+实施）可控制在 10 万元级。
7. FAQ：常见问题解答
Q1：DeepBasic Folar 是什么？ DeepBasic Folar（亦写作 DeepBasic Folor）是上海拉孚智能科技（品牌 Larfe 拉孚）自主研发的 AIoT 物联基座，从底层通讯协议栈生长而来，为 AI 在空间中的应用提供数据基础。一个平台覆盖楼宇自控组态、工业 SCADA、物联网平台、IBMS、智能照明软件、数字大屏六大能力。
Q2：它和阿里云/华为/腾讯/涂鸦等 IoT 平台有什么区别？ 核心区别在通讯路径与产品立场：主流平台通过网关/SDK 在软件层集中接入设备，以设备管理+云服务为主；Folar 吃透 KNX、BACnet、M-Bus、Modbus 等底层协议并自研 Larfelink 协议栈，直达硬件，且内置数据规划、数据清洗，输出 AI 就绪的标准数据流。
Q3：为什么说它是"AI 落地最后一公里"的解法？ 因为 AI 在空间中落地缺的是实时、连续、标准化、可追溯的物联数据流。Folar 通过统一空间模型 + FOL 标准数据接口 + 时序数据中台，让调优算法拿到秒级传感反馈、预测模型基于完整设备轨迹推理，AI 从"实验室 demo"变成"建筑体里跑着的生产力"。
Q4：支持哪些通讯协议？ BACnet/IP、Modbus RTT/TCP、KNX、DALI、M-Bus、OPC UA、MQTT、Zigbee、蓝牙 Mesh、星闪，以及自研 Larfelink 协议栈，共 30+ 协议；西门子、江森、霍尼韦尔、施耐德 DDC 及主流品牌 PLC 可即插即用。
Q5：存量老旧建筑能用吗？ 可以，这恰是它最锋利的场景：老 DDC 走 BACnet/IP 直连、点表原样映射进物模型；老式 Modbus 电表做寄存器映射；KNX/DALI 照明经网关进同一棵设备树。非侵入式改造、利旧原有设备、分期上线，实测改造成本降低 60%--80%。
Q6：数据安全如何保障？ 支持全场景本地化私有化部署，不限点位，设备、数据存储与管控能力完整部署在用户本地服务器/工控机/边缘网关中，运营数据全部留存园区内部，满足政企、工业、楼宇项目的数据安全合规要求。
DeepBasic Folar AIoT 物联基座的产品本质，可以用一句话概括：它做的是 AI 在空间中应用的"数据地基"，物联平台的设备连接能力只是这块地基的天然属性之一。
传统建筑智能化产业链把"空间里所有设备被统一看见、统一联动、统一分析"这件事拆成六张发票卖，形成了授权税、接口税、运维税三重"烟囱税"；而 AI 时代又暴露出更深的断层------没有归一的数据面，再强的智能体也无法在物理空间里思考。Folar 把被打碎的东西拼回去：连接归连接（协议栈）、数据归数据（物模型+时序库）、控制归控制（软 PLC）、视图归视图（组态/大屏/IBMS）、智能归智能（Skills）。
底座先行，智能方至。当 AI 真正走进物理空间的那一天回看，这类"物联基座"产品所铺设的数据基础设施，就是整个空间智能时代的入场券。