晚上十一点，卧室门窗紧闭，新风系统为了当月的节能目标被自动调到最低档，两个人在里面睡了六个小时。卧室里没有开窗，也没有人手动碰过任何一个开关，凌晨的CO₂浓度就这样悄悄爬升到了1800ppm以上——这是一个会让人第二天早上起床觉得闷、觉得没睡醒、却很少有人会联想到"新风关小了"的数字。省电和健康之间的冲突，很多时候就是这样悄无声息地发生的：系统完成了节能目标，代价却是空气质量在无人察觉的情况下变差。

省电模式如何悄悄伤害了空气质量

新风系统是家庭能耗里经常被"优化"的对象，因为它的耗电和噪音都相对明显，很容易成为节能策略里第一个被调低或者关闭的设备。问题在于，新风系统的作用不只是通风，它承担着把室内积累的CO₂、VOC（挥发性有机物）置换出去的功能。一个门窗紧闭的卧室，两人睡眠六小时，室内CO₂浓度可以从入睡时的600ppm左右持续上升到1500—2000ppm，如果新风被调到最低档甚至关闭，这个上升速度会更快、峰值会更高。CO₂浓度超过1000ppm之后，多数人会出现注意力下降、困倦感增加等主观感受，超过2000ppm这种感受会更明显，但因为这种不适通常被归结为"没睡好"，很少有人会把它和新风系统的节能策略联系起来。如果一套家庭能源系统只把"新风系统今晚少耗了多少电、今晚有没有完成节能指标"当作唯一的优化目标，却对卧室里CO₂浓度的变化毫无感知，这种节能本质上是拿健康做了交换，只是这笔交换从未被摆到台面上，而且往往要等到第二天用户主动抱怨"睡不好"，才有可能被追溯到前一晚的新风策略上。

健康住宅要管的，不止温度一个指标

把"健康住宅"简化成"控制好温度"，是另一个常见的误区。真正需要联合管理的指标至少包括六类：温度，影响舒适度也影响睡眠质量；湿度，过高容易滋生霉菌和尘螨，过低则会刺激呼吸道，理想区间通常在40%到60%之间；PM2.5，来自室外空气渗透和室内烹饪、吸烟等活动，长期暴露在高浓度环境下有明确的健康影响；CO₂，如前所述，是通风是否充分的直接指标；VOC，来自新装修材料、家具、清洁用品，浓度异常升高往往提示需要加强通风或者排查污染源；噪声，长期处于高噪声环境会影响睡眠和情绪，也是健康住宅经常被忽略的一个维度。除了这六项实时可测的指标，霉菌风险是一个需要综合推断的隐性风险——单独看某一时刻的湿度可能不算高，但如果某个区域（比如卫生间、飘窗角落）长期处于潮湿状态、通风又不足，霉菌孢子滋生的风险会显著上升，这类风险通常需要结合湿度的持续时长、区域通风频率来综合判断，而不能只看瞬时读数。这六项指标之间也不是互相独立的——提高新风风量通常会同时改善CO₂和VOC读数，但如果室外空气质量本身不佳，加大新风换气也会把更多室外PM2.5带进室内，形成"降了一个指标、抬高了另一个指标"的局面；除湿运行会消耗额外电能，也会在一定程度上改变室内温度分布，影响舒适度。健康住宅系统必须理解这些指标之间的联动关系，而不能把每个指标当作孤立变量分别优化，否则很容易出现按下葫芦浮起瓢的情况。

哪些传感器容易"误判"

健康住宅依赖传感器数据做判断，但传感器本身的局限性经常被低估。PM2.5传感器多数采用光散射原理，容易受到湿度影响产生偏差——湿度较高时，空气中的水汽颗粒会被误判为PM2.5颗粒物，导致读数虚高，这也是为什么很多低成本PM2.5传感器在梅雨季节会出现读数异常升高、开窗通风后反而更高的反直觉现象，需要算法层面做湿度补偿才能得到相对准确的结果。CO₂传感器如果长期不做基线校准，读数会逐渐漂移，尤其是采用非色散红外（NDIR）原理的传感器，需要定期在已知洁净空气环境下重新校零，否则长期使用后误差会越来越大。VOC传感器对不同种类的挥发性有机物灵敏度不同，同样的"VOC读数升高"背后可能是烹饪油烟，也可能是新家具释放的甲醛类物质，传感器本身很难区分具体成分，只能给出一个综合性的相对指标，不能直接当作某种特定污染物的浓度值使用。这意味着健康住宅系统不能盲目信任单一传感器的瞬时读数，而需要结合多个传感器的交叉验证、以及读数随时间的变化趋势，才能做出相对可靠的判断。温湿度传感器看似简单，也存在安装位置的问题——如果传感器被安装在靠近空调出风口或者阳光直射的位置，读数会明显偏离房间整体的实际情况，这类安装误差造成的偏差，往往比传感器本身的测量精度问题更常见，也更容易被忽略，需要在部署阶段就用合理的安装规范去规避，而不是完全依赖后期的算法校正。

湿度和霉菌：一个需要"看趋势"而不是"看瞬间"的风险

霉菌风险是六类指标里最容易被低估的一个，因为它不像CO₂超标那样有直接的主观感受，往往等到墙角或者窗框出现肉眼可见的霉斑，才意识到问题已经存在了一段时间。真正有意义的判断方式，是持续追踪某个区域湿度维持在较高水平（比如65%以上）的累计时长，而不是只看某一时刻的读数——卫生间洗澡后湿度短暂冲到80%以上是正常现象，但如果通风不足，湿度在90分钟后仍然维持在70%以上，说明这个区域存在持续的潮湿风险；朝北的卧室角落如果冬季结露频繁、湿度长期高于55%却又缺乏针对性通风，也是霉菌容易滋生的位置。健康住宅系统应该能针对不同区域设置不同的湿度风险阈值和持续时间判断逻辑，在风险积累到一定程度时主动建议除湿或者加强局部通风，而不是等到肉眼可见的霉斑出现才做反应，那时候处理成本已经从"调整一下新风策略"变成了"局部除霉翻新"。

噪声：容易被算进"舒适"、却常常被排除在"健康"之外的指标

噪声在很多智能家居系统里只是作为设备运行是否"安静"的参考指标，很少被当作健康维度来管理，但长期处于较高背景噪声环境（比如持续高于45分贝的睡眠环境）会影响深睡眠比例和睡眠质量，这一点在健康住宅的语境下同样重要。噪声管理和节能之间也存在真实的冲突——把新风风量调高有助于降低CO₂浓度，但风量越大通常意味着噪声越大，两者在同一个时段里经常互相制约。前面提到的模拟场景里，系统在CO₂浓度上升到950ppm后，没有直接拉到最大风量，而是选择了中速档位组合，正是因为综合考虑了噪声对睡眠质量的影响——如果把CO₂单独作为唯一优化目标，很可能会选择噪声更大但降CO₂更快的高速档位，牺牲的却是同样重要的睡眠质量本身。

联合优化：健康、舒适和能耗要放进同一个模型

如果把节能当作唯一目标，新风、空调这类设备的最优策略永远是"开得越少越好"；如果把健康当作唯一目标，最优策略可能变成"新风常开、空调按最舒适的温度全天维持"，能耗会明显上升。这两种单一目标的策略都不是健康住宅真正需要的答案，需要的是把能耗成本、健康风险和舒适度偏差放进同一个目标函数里联合求解——当CO₂浓度还在800ppm以下、明显低于影响认知功能的阈值时，可以适当调低新风风量以节省能耗；一旦CO₂浓度逼近1000ppm这类需要关注的区间，即便当前正处于电价高峰，也应该提高新风运行等级，把健康风险的权重设置得高于电费成本。这种权重设置不是一成不变的，比如卧室在睡眠时段的健康权重通常应该高于白天无人房间的权重，这也是为什么健康住宅的联合优化不能是全屋统一策略，而要按房间、按时段分别设定。具体到权重设计，一个可行的方式是把每类健康风险按严重程度分成几个区间：指标处于安全区间时，能耗成本可以拥有更高的决策权重；指标进入需要关注的区间时，健康权重开始逐步超过能耗权重；一旦指标触及明确影响健康的高风险区间，系统应该直接执行必要的干预动作，不再把电费成本作为主要考量。这种分区间调整权重的方式，比"健康和节能各占多少百分比"这种固定配比更贴近真实场景，因为风险本身就不是线性变化的。

模拟场景：一天里，AI如何在省电和新风之间做权衡

以下是一个用于说明系统逻辑的模拟场景，不代表真实住宅数据。这户人家卧室在22点关灯就寝，系统检测到当时CO₂浓度650ppm、湿度52%、室温26℃，新风系统按夜间低噪音模式运行在30%风量。23点30分，CO₂浓度上升到950ppm，系统判断这一读数虽然尚未到达需要立即干预的高风险区间，但结合上升速度推算，凌晨2点左右会突破1400ppm，于是把新风风量从30%提高到45%，同时因为提高风量会带来更大的噪音，系统选择了噪音相对更低的中速档位组合，而不是简单粗暴地拉满风量。这一调整让当晚电费增加了不到两元，但凌晨2点实测CO₂峰值被控制在1100ppm左右，相比不调整情形下预计会突破1600ppm有明显改善。与此同时，系统监测到当晚湿度稳定在50%左右、PM2.5低于10微克每立方米，判断室内空气整体风险可控，没有触发进一步的净化或除湿动作，把有限的能耗额度优先用在了当晚真正需要处理的CO₂问题上，而不是所有指标一起拉满运行。

第二个场景：白天做饭时的PM2.5和油烟

健康住宅面对的健康与能耗冲突不只发生在夜间睡眠场景。以下同样是一个用于说明系统逻辑的模拟场景：某天中午11点45分，厨房PM2.5传感器读数从背景值15微克每立方米在三分钟内快速上升到180微克每立方米，同时VOC读数也出现明显跳升，系统判断这是烹饪产生的油烟和挥发性物质，而不是室外污染渗透（室外站点数据当时显示PM2.5为28微克每立方米，两者差异明显）。系统随即建议启动抽油烟机并联动开启厨房区域的新风增强模式，而不是笼统地对全屋启动空气净化——因为污染源明确集中在厨房，针对性通风排烟的能耗成本远低于对全屋空气做净化处理。12点10分做饭结束，厨房PM2.5在新风增强模式运行下于15分钟内回落到40微克每立方米以下，系统随后把厨房新风风量调回常规档位，避免持续用较高能耗维持已经不再需要的排烟强度。这个场景说明，健康住宅的响应不是"一刀切"地对所有异常都用最大功率处理，而是要先判断污染源的位置和性质，再决定用多大代价去应对。

健康不该是省电的对立面

把健康和节能对立起来，本身就是一种误导性的框架——真正的问题从来不是"要不要开新风"，而是"什么时候值得多花一点电，换来明显的健康风险下降"。这需要健康住宅的AI系统持续采集温湿度、CO₂、PM2.5、VOC等指标，识别每个指标的风险等级和变化趋势，在此基础上和能耗成本一起做联合决策，而不是把节能设成默认优先级、把健康当作可以牺牲的部分。这类联合优化逻辑，和家庭能源Agent处理电价、天气和设备调度的多目标权衡是同一类问题在健康维度上的延伸，也是舒适度不能只让位于成本这一判断在空气质量场景下的具体体现。健康住宅要解决的，从来不是"装了多少传感器"，而是这些数据能不能真正参与决策、在关键时刻把权重让给健康，而不是让给电费，也不是让给一个看起来达标的节能报表。装了再多空气质量传感器，如果这些数据始终只停留在App的一个展示页面上、不真正参与调度决策，健康住宅就仍然只是一个"看得见问题、却不解决问题"的系统，和多年前那种只能开关灯泡、遥控空调的传统智能家居系统，本质上没有太大区别，只是多了几块看起来更专业的数字仪表而已。