调度员
看到的是告警、电话和曲线，不是带责任人和下一步动作的案件。
01 · Problem
水务系统能看到信号，但异常常常没有主人。
调度室有 SCADA，漏损团队有 DMA 和夜间流量，客户中心有投诉，现场班组有照片，实验室有水质结果，CMMS 有工单，GIS 有管龄和阀门。真正难的是把一次压力下降、漏损、泵站异常、水质漂移或溢流风险，变成当天可处理、可验证、可复盘的事件。
漏损团队
要判断哪个 DMA 值得今天派人、哪里可能有真实漏点、修后是否恢复。
泵站 / 排水
泵能耗、液位、浊度、溢流风险和设备异常需要联动，而不是孤立报警。
合规负责人
需要事件时间线、采样、通知、处置、复核和报表证据，不是临时补材料。
02 · Why Now
管网老化、漏损目标、PFAS/水质监管和城市更新同时到来。
全球水务不是缺数据，而是传感器、监管和现场队伍之间缺闭环。老旧管网和气候压力增加异常频率，AMI/SCADA/物联网部署又让“看见问题”变得更容易，下一步预算会流向能把信号变成行动的系统。
$625B
EPA 评估美国饮用水基础设施未来 20 年需求约 6250 亿美元。
126B m³
全球非收益水估算约 1260 亿立方米/年，经济影响约 400-500 亿美元/年。
≤8%
中国 2022-2025 漏损控制试点要求部分城市公共供水管网漏损率降至 8% 或 7% 以下。
2026
中国城市更新、地下管网、排水防涝和城市生命线监测进入更明确的资金与项目周期。
03 · Core Insight
水务最稀缺的不是检测，而是“已解决异常”的数据资产。
一条压力曲线异常本身不是护城河。真正有价值的是：这个信号组合最终对应哪个漏点、哪次修复、哪张照片、哪段流量恢复、哪份合规报告。WaterLoop 把异常闭环变成可学习的数据产品。
Alert-to-Case
每个告警都转成可归属案件：原因、影响范围、优先级、负责人和期限。
Fix-to-Proof
修复不是终点，传感恢复、照片、采样、工单和报表证据才是关闭条件。
Proof-to-Model
每一次人工判断、误报、漏报和现场复核都回流成 LeRobot / edge AI 训练数据。
04 · Solution
WaterLoop 是水务异常的闭环操作系统。
它不替代 SCADA、智慧水务平台、GIS、CMMS、计量系统、CCTV 管道检测或水质实验室，而是在它们上面增加一层闭环：发现、解释、优先级、派单、巡检、复核、报表和学习。
- Detect：融合夜间流量、压力、泵电流、液位、浊度、水质、客户来电、天气和机器人巡检。
- Decide：判断漏损、爆管前兆、泵站异常、溢流风险、水质漂移或误报，并计算影响范围。
- Dispatch：生成带 GIS、阀门、历史工单、风险等级和建议动作的现场任务。
- Verify：用修后流量/压力、水质、照片、采样、CCTV 或机器人复扫确认关闭。
05 · Product Workflow
从一次夜间流量异常到已验证修复，五步关闭。
第一版不做泛化智慧水务大平台，先做 1-3 个 DMA 或泵站/排水片区的闭环试点。客户要看到异常减少、派工更准、修后可验证、报告自动生成。
Ingest
接入 SCADA/AMI/GIS/CMMS、压力、流量、泵电流、浊度、水质、天气和客户来电。
Explain
把夜间流量尖峰、压力下降、客户投诉和管龄叠加成一个可解释事件。
Assign
按影响户数、估算漏量、道路开挖、阀门、班组和 SLA 派发工单。
Verify
修后用流量/压力恢复、照片、采样和机器人复扫确认结果。
Learn
把确认漏点、误报、工单结果和复核证据写入异常库。
06 · Market Wedge
先切可计量、可派工、可复核的片区异常。
WaterLoop 的最佳切口是已经有 SCADA/AMI 或 DMA 但分析人员不足的中型水司、地方水务集团、排水公司、工业园区水务和城市更新项目。第一单只证明一个片区的异常闭环，不承担全城替换。
供水漏损
夜间流量、压力波动、客户来电和管龄结合，形成可派单漏损案件。
泵站能耗
泵电流、流量、启停、效率区间和报警闭环，先做建议，不直接控制。
排水溢流
液位、雨情、泵站、窨井和 CCTV 结果合并，减少迟报漏报和无效清淤。
水质异常
浊度、余氯、实验室样本和投诉联动，缩短异常到采样/隔离/通知时间。
城市更新
地下管网、排水防涝和生命线监测项目需要从数据建设走向闭环验收。
海外水务
NRW、SSO/CSO、PFAS、铅管替换和老化管网给 closure-first workflow 留出预算。
07 · Business Model
按连接数、片区、资产包和已验证收益收费。
WaterLoop 的首期 ROI 不靠“防止大灾难”，而靠可验证硬账：少一次无效出车，提前发现漏点，减少应急抢修，优化泵能耗，减少人工汇总报表，提升 CCTV/清淤命中率。
90-120 天试点
海外 $30k-$75k，国内按片区/项目打包；交付连接器、异常看板、周会和 ROI 报告。
年度平台
按服务连接数、DMA 数、泵站/窨井/水质点和数据保留分层订阅。
边缘套件
对泵站、阀井、管廊、弱网点和临时施工片区提供 Qualcomm edge gateway + 传感器包。
验证收益
对已核验水量、能耗、出车、CCTV/清淤优化和报表工时节省收封顶成功费。
08 · Go-To-Market
8-12 周，先关闭一个片区的漏损和压力异常。
海外卖给 NRW 经理、运营总监和 digital water lead；中国卖给住建/城管/水务局、地方水务集团、排水集团、城投平台、园区水务和 EPC/设计院伙伴。
先读不控
先做只读 OT 接入、人工审批和工单建议，不直接写 SCADA 或控制阀泵。
片区闭环
选择 1-3 个 DMA、一个泵站或一个排水汇水区，跑出修前/修后证据。
伙伴渠道
与水表/传感器厂商、NRW 咨询、CCTV 检测、智慧水务平台和系统集成商合作。
扩张路径
从漏损扩展到泵能耗、排水溢流、水质异常、合规报表和资本计划。
09 · Competition
现有玩家解决“看见”，WaterLoop 解决“关闭”。
SCADA/historian 负责监测，Autodesk Info360、Bentley OpenFlows WaterSight、Xylem Vue、TaKaDu 做数字水务/事件管理，FIDO AI、SewerAI、VAPAR、RedZone、ACWA、SmartCover 等解决检测、CCTV、机器人或窨井监控。WaterLoop 目标是把这些结果接成现场闭环。
SCADA / Historian
强在实时监控，弱在跨 GIS/CMMS/客户/现场照片的案件闭环。
数字水务平台
强在可视化和分析，弱在机器人/班组复核、证据包和学习闭环。
检测 / CCTV AI
强在找漏点、判管道缺陷，弱在派工优先级、修后验证和合规报表。
机器人 / 传感器
强在采集，弱在将采集结果变成已关闭异常和下一轮模型数据。
10 · Moat
护城河是“信号到修复”的水务异常库。
单点检测会被追平，真正难复制的是每个城市/园区的管网拓扑、阀门逻辑、历史工单、现场照片、修后恢复、客户投诉、水质样本和人工判断记录。
Resolution Dataset
信号、根因、动作、修复、恢复曲线和报表结果组成可训练数据。
Utility Playbooks
每家水司的阀门、道路、班组、SLA、采样、通知和监管字段都变成流程资产。
Integrations
一旦接入 SCADA、AMI、GIS、CMMS、CRM、LIMS 和智慧水务平台，替换成本上升。
Edge Evidence
泵站、阀井和现场机器人产生的边缘证据，让闭环不完全依赖云和人工描述。
11 · Architecture
边缘节点处理现场证据，平台处理案件闭环。
WaterLoop 采用只读优先、人类审批、分层部署：泵站/阀井/管廊用 Qualcomm edge gateway 做本地推理和缓存，中心平台接入 OT/IT 系统，云端或私有云负责训练和复盘。
Data Plane
SCADA/OPC-UA/Modbus、AMI、GIS、CMMS、CRM、LIMS、天气和现场移动端。
Edge AI
声学漏损、泵异常、表计 OCR、阀门状态、浊度/水面视觉和现场证据压缩。
Case Engine
风险评分、影响范围、根因建议、工单创建、SLA、审计日志和复核条件。
CloudTwin
LeRobotDataset、HIL 标注、模型训练、AI Hub/QNN profile 和异常库回放。
12 · Competition Demo
比赛 Demo 是清水桌面管网闭环，不是市政级检测系统。
用透明管网、小泵、流量/电流/浊度/声学/热像传感和旁路小车，演示“异常假设 -> 小车巡检 -> 证据包 -> 人工确认 -> 数据集回流 -> 边缘模型”。
- 台架：透明亚克力管路、开口排水槽、5-12V 小泵、流量计、电流传感、泄漏阀、堵塞件和浊度杯。
- 传感：RGB、热像、深度/ToF、外置接触麦克风/水听器、浊度、流量、泵电流和急停状态。
- 机器人：小 rover/crawler 在台架旁巡检，不进入真实管线，只做近拍和标记。
- 边界：只用清水或染色清水；不接市政管线、不做饮用水认证、不做自动阀泵控制。
13 · Why Qualcomm
水务是 Qualcomm 边缘 AI 最容易落地的城市基础设施样板。
泵站、阀井、管廊、施工现场和移动班组都有带宽、延迟、断网和数据边界问题。Qualcomm 的价值在于让视觉、声学、传感和机器人巡检在现场先形成证据，再把可训练数据回到 CloudTwin。
Offline-First Edge
弱网泵站和现场巡检要先本地缓存、推理、压缩和生成证据。
Multimodal Inference
声学、视觉、热像、流量、电流、浊度和位置数据适合边缘融合。
AI Hub / QNN
检测、分割、声学分类、表计 OCR 和泵异常模型可以走 AI Hub/QNN profile 证据链。
China + Global
中国版本地部署和数据不出域，海外版连接 Cityworks/Maximo/SAP/Infor 与智能水务平台。
14 · Ask
我们要做一个能被水司试点、能被评委看懂的闭环样板。
WaterLoop 不请求 Qualcomm 背书市政检测结论，而是用低风险清水台架证明：机器人、边缘 AI、传感融合、LeRobot 数据和异常闭环可以组合成一个商业化水务产品。
硬件支持
RB3/QCS 硬件、相机/麦克风/传感器接入、低功耗边缘网关和机器人底盘建议。
AI Hub 支持
声学、视觉、分割、表计 OCR 和多模态异常模型的 QNN profile 指导。
试点数据
寻找 1-3 个 DMA 或工业水网的历史 SCADA/AMI/GIS/CMMS 数据做离线验证。
行业伙伴
连接水表/传感器、智慧水务、CCTV 管道检测、NRW 咨询和地方水务集团。
15 · Claims / Sources
页面只声明闭环原型，不声明市政级检测或水质认证。
WaterLoop 的公开主张建立在基础设施、漏损、监管、智慧水务和 Qualcomm 官方资料上。比赛 demo 只使用清水低压台架，所有 AI 输出均为建议，物理动作和模型发布需要人工确认。