Tòa nhà đã biết mình dùng bao nhiêu điện: Startup muốn chúng cũng biết từng phút mình đang làm thất thoát bao nhiêu nước

Một tòa nhà văn phòng hiện đại có thể biết khá chi tiết điện đang đi đâu: HVAC tiêu thụ bao nhiêu, tải nào tăng bất thường, thời điểm nào công suất đạt đỉnh. Với nước, bức tranh thường thô hơn nhiều. Một hóa đơn cuối tháng có thể cho biết tổng số mét khối đã dùng, nhưng không nói được rằng từ 2 giờ sáng thứ Ba một toilet bắt đầu chảy liên tục, hay cooling tower đã âm thầm xả nhiều nước hơn mức cần thiết suốt ba tuần.

Wint muốn đưa nước lên cùng một lớp quan sát vận hành như điện. Ngày 9/9/2026, startup này công bố huy động 36 triệu USD Series D do LIP Ventures và Inven Capital đồng dẫn dắt. Công ty nói sẽ dùng vốn mới để phát triển sản phẩm và mở rộng thị trường cho nền tảng “water intelligence” — kết hợp meter, control unit, van và phần mềm AI để theo dõi dòng nước trong tòa nhà theo thời gian thực, tìm bất thường và trong một số trường hợp tự khóa nước trước khi một rò rỉ nhỏ thành sự cố lớn.

Điểm đáng chú ý không nằm ở việc gắn thêm một đồng hồ nước thông minh. Các hệ thống như Wint đang cố giải một bài toán khó hơn: phân biệt nước đang được sử dụng đúng mục đích với nước đang biến mất vì rò rỉ, thiết bị lỗi hoặc cách vận hành kém hiệu quả. Hai trường hợp có thể tạo ra lưu lượng tương tự trong vài phút, nhưng cần phản ứng hoàn toàn khác nhau.

Hóa đơn nước cho biết “bao nhiêu”, nhưng thường đến quá muộn

Điện năng trong nhiều tòa nhà thương mại đã được đưa vào Building Management System, submeter hoặc nền tảng energy management với dữ liệu đủ chi tiết để facility manager xem theo giờ hoặc gần thời gian thực. Nước lại thường được quản lý bằng meter tổng và hóa đơn utility. Cách này phù hợp để tính tiền, nhưng kém hiệu quả khi mục tiêu là tìm nguyên nhân của lãng phí.

Nếu tổng tiêu thụ tháng này cao hơn tháng trước 12%, có nhiều khả năng: số người trong tòa nhà tăng, thời tiết nóng khiến cooling tower làm việc nhiều hơn, hệ thống tưới chạy lâu hơn, một van bị kẹt hoặc một đường ống đang rò. Một con số tổng không thể tách chúng ra.

Wint cho biết hệ thống của họ học mẫu lưu lượng bình thường của từng loại hệ thống nước, sau đó tìm những hành vi khác thường ở cấp flow. Công ty đưa ra các ví dụ từ rò rỉ nhỏ trong đường ống, toilet bị kẹt van đến sự cố HVAC. Phần mềm không chỉ hỏi “lưu lượng có vượt một ngưỡng cố định hay không”, mà cố đặt nó vào bối cảnh: cùng một mức nước có thể bình thường ở cooling tower vào buổi trưa nhưng bất thường ở một riser văn phòng lúc nửa đêm.

Đây cũng là chỗ chữ “AI” có ý nghĩa kỹ thuật cụ thể hơn một nhãn marketing. Input chủ yếu là chuỗi thời gian của lưu lượng và các tín hiệu liên quan; output là đánh giá mẫu sử dụng, anomaly và cảnh báo. Nó không phải một chatbot “hiểu hệ thống ống nước”, và Wint không công khai đủ chi tiết để đánh giá độc lập kiến trúc model hay benchmark false-positive trên toàn bộ loại công trình.

Từ meter tới quyết định khóa van

Kiến trúc Wint có thể kết nối với meter, sensor và valve của bên thứ ba. Các control unit đọc lưu lượng liên tục, chạy logic phát hiện và có thể ra quyết định đóng van tại edge. Điều này quan trọng vì một hệ thống chống ngập không nên phụ thuộc hoàn toàn vào kết nối cloud: nếu mạng mất đúng lúc đường ống vỡ, lớp bảo vệ cơ bản vẫn phải hoạt động.

Khi phát hiện anomaly, hệ thống có thể gửi cảnh báo để nhân viên kiểm tra hoặc tự đóng van theo policy đã cấu hình. Với một văn phòng vắng người ban đêm, lưu lượng liên tục có thể là tín hiệu mạnh của sự cố. Với bệnh viện hay data center, tự động cắt nước ở một tuyến quan trọng lại có thể gây ra hậu quả vận hành khác, nên việc đặt ngưỡng và quyền tự động hóa phải phụ thuộc vào từng hệ thống.

Wint còn bổ sung một lớp có tên Water Insights. Thay vì chỉ bắt sự cố tức thời, sản phẩm phân tích dữ liệu lưu lượng ở độ chi tiết cao theo thời gian để tìm xu hướng dài hơn: thiết bị bắt đầu hoạt động kém hiệu quả, một khu vực dùng nước vượt baseline hoặc hai tài sản cùng loại có mức tiêu thụ chênh nhau bất thường.

Tiêu đề “từng phút” mô tả đúng tinh thần chuyển từ hóa đơn theo tháng sang giám sát liên tục, nhưng cần một lưu ý: tài liệu công khai của Wint nói tới real-time và granular flow data, không công bố một interval cố định một phút áp dụng cho mọi hệ thống và mọi deployment. Giá trị chính nằm ở độ trễ đủ thấp để phát hiện và hành động khi sự cố đang xảy ra, thay vì đợi hóa đơn tiếp theo.

Cooling tower cho thấy vì sao “biết lượng nước” chưa đủ

Cooling tower là ví dụ khá rõ cho bài toán này. Nó có nhiệm vụ thải nhiệt bằng cách làm bay hơi nước, nên tiêu thụ lớn là chuyện bình thường. Nhưng lượng nước hợp lý thay đổi theo nhiệt độ ngoài trời, tải HVAC, occupancy, chất lượng nước và cách hệ thống purge.

Một threshold đơn giản dễ gặp hai lỗi. Đặt quá thấp, hệ thống báo động liên tục vào ngày nóng. Đặt quá cao, một fill valve hỏng hoặc conductivity sensor sai có thể làm nước chảy xuống drain trong nhiều tháng mà vẫn không vượt mức báo động.

Wint nói model của họ học pattern riêng của cooling tower rồi phát hiện những thay đổi bất thường trong cách nó tiêu thụ nước. Đây là loại bài toán mà dữ liệu thời gian thực có giá trị hơn nhiều so với meter tổng: facility team không chỉ cần biết “tháng này dùng thêm 500.000 lít”, mà cần biết thiết bị nào bắt đầu lệch khỏi hành vi bình thường và từ lúc nào.

36 triệu USD mới cho thấy bài toán đã đi từ sensor sang hạ tầng vận hành

Series D mới được Wint công bố ngày 9/9 do LIP Ventures và Inven Capital đồng dẫn dắt. Công ty không tiết lộ valuation. Trước đó Wint đã huy động 35 triệu USD Series C năm 2023 và nhận một khoản đầu tư chiến lược không công bố giá trị từ Grosvenor cuối năm 2025.

Việc một công ty water-tech đi tới vòng Series D cũng phản ánh cách thị trường đang nhìn bài toán. Leak detection trước đây dễ được xem như một thiết bị bảo trì: có nước ở nơi không nên có thì sensor báo. Wint đang bán một lớp rộng hơn gồm sustainability, insurance risk, facility operations và dữ liệu portfolio. Một chủ sở hữu nhiều tòa nhà không chỉ muốn biết chỗ nào đang rò; họ muốn so sánh hiệu suất nước giữa các tài sản, chứng minh mức giảm tiêu thụ và giảm xác suất claim.

Trong năm 2025, Wint tự báo cáo rằng hơn 1.500 facility sử dụng hệ thống đã tiết kiệm tổng cộng 1,15 tỷ gallon nước và tránh khoảng 100 triệu USD thiệt hại qua hơn 1.300 sự cố. Đây là số liệu do công ty tổng hợp, không phải một thử nghiệm đối chứng độc lập, nên không thể từ đó suy ra rằng mọi tòa nhà lắp Wint sẽ đạt cùng mức giảm.

Công ty thường quảng bá mức giảm nước khoảng 20–25% ở khách hàng. Một số case study cụ thể cho kết quả cao hơn hoặc thấp hơn. Chẳng hạn, case study Empire State Building ghi nhận giảm 7,5 triệu gallon mỗi năm và tiết kiệm hơn 100.000 USD tiền nước. Con số này có xác nhận từ phía đơn vị vận hành tòa nhà, nhưng vẫn là một case riêng lẻ, không phải benchmark chung cho mọi loại công trình.

Có một phần hiệu quả đã được insurer kiểm tra độc lập

Phần có bằng chứng độc lập rõ hơn nằm ở giảm thiệt hại do rò nước trên công trường. HSB, thuộc Munich Re, cho biết một nghiên cứu so sánh các site có và không có Wint ghi nhận nhóm được bảo vệ có số claim thấp hơn 73% và giá trị payout thấp hơn 90%.

Đây là dữ liệu đáng chú ý vì nó gắn hệ thống cảm biến với một outcome mà insurer trực tiếp quan tâm. HSB sau đó còn hỗ trợ một performance warranty cho Wint. Tuy nhiên, kết quả đó liên quan tới water-damage risk trên các construction site được nghiên cứu; nó không phải bằng chứng rằng AI của Wint luôn xác định chính xác từng lít nước lãng phí trong một tòa nhà đang vận hành.

Hai bài toán — tiết kiệm nước và ngăn thiệt hại — có liên quan nhưng không giống nhau. Một rò nhỏ 200 lít mỗi giờ có thể gây lãng phí lớn nếu kéo dài nhiều tháng mà không phá hỏng gì. Ngược lại, một ống vỡ hàng nghìn lít mỗi giờ có thể gây thiệt hại hàng triệu USD dù tổng lượng nước mất không quá lớn nếu hệ thống khóa kịp.

Điểm khó tiếp theo là biết “vì sao”, không chỉ biết “có gì đó sai”

Dữ liệu lưu lượng càng chi tiết, khả năng phát hiện anomaly càng tốt, nhưng bài toán chẩn đoán vẫn còn khó. Một mẫu flow bất thường có thể cho thấy có nước chảy khi không nên chảy; để biết chính xác đó là toilet tầng 14, bypass valve trong plant room hay một thay đổi hợp lệ trong hoạt động của tenant, hệ thống cần đủ meter, topology và ngữ cảnh.

Điều này tạo ra một đánh đổi phần cứng. Gắn một meter ở đường nước chính rẻ và dễ quản lý nhưng chỉ cho bức tranh tổng. Muốn định vị và phân loại chính xác hơn, tòa nhà phải instrument thêm riser, zone hoặc thiết bị — tăng chi phí lắp đặt, commissioning và bảo trì.

Wint đang cố biến lớp dữ liệu đó thành một phần của hạ tầng smart building thay vì một hệ thống cảnh báo đứng riêng. Nếu hướng này tiếp tục phát triển, facility manager có thể nhìn nước gần giống cách họ đã quen nhìn điện: không chỉ tổng mức tiêu thụ, mà cả profile theo thời gian, tải bất thường và nơi cần can thiệp trước.

36 triệu USD mới chưa chứng minh mô hình đó sẽ trở thành tiêu chuẩn. Nhưng nó đặt ra một câu hỏi rất thực dụng cho ngành quản lý tòa nhà: nếu một BMS có thể báo ngay khi chiller dùng nhiều điện hơn bình thường, tại sao một đường nước phải đợi tới hóa đơn cuối tháng mới cho biết nó đã lãng phí bao nhiêu?