1.一种通过人工智能AI控制环境调节设备的方法，其特征在于，包括：
第一设备获取第一参数集合，所述第一参数集合包括：M1个环境调节设备中每个环境调节设备当前的运行时长、当前季节、第一室内当前的室内温度、所述第一室内对应的室外当前的室外温度、所述第一室内的散热设备当前的温度、所述第一室内的机柜内当前的温度或所述第一室内的每个环境调节设备当前的运行状态中的至少两项，所述M1个环境调节设备用于调节所述第一室内的温度，所述M1为正整数；
所述第一设备将所述第一参数集合和第一控制策略输入第一模型，得到第二控制策略，所述第一控制策略是第二参数集合输入第二模型得到的，所述第二参数集合包括：所述第一室内的面积、所述环境调节设备的数量M1、所述第一室内的每个环境调节设备的技术参数或所述第一室内的每个环境调节设备的位置中的至少一项，所述第二控制策略用于控制所述M1个环境调节设备，所述第一模型和所述第二模型为不同的AI模型，所述AI模型为神经网络模型；
所述方法还包括：
所述第一设备向第二设备发送所述第二控制策略；
所述第二设备根据所述第二控制策略控制所述M1个环境调节设备；
其中，所述第二设备根据所述第二控制策略控制所述M1个环境调节设备之后，所述第一设备从所述第二设备接收第三参数集合，所述第三参数集合包括：所述每个环境调节设备当前的运行时长、当前季节、所述第一室内当前的室内温度、所述第一室内对应的室外当前的室外温度、所述第一室内的散热设备当前的温度、所述第一室内的机柜内当前的温度或所述第一室内的每个环境调节设备当前的运行状态中的至少两项；
所述第一设备根据所述第三参数集合和所述第一控制策略更新所述第一模型。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述第一设备获取所述第二参数集合；
所述第一设备将所述第二参数集合输入所述第二模型，得到所述第一控制策略。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述第一设备获取第i样本数据，所述第i样本数据包括第i参数集合、第i控制策略、第i’参数集合和第i’控制策略；
所述第一设备根据所述第i参数集合和所述第i控制策略确定第i模型，所述第i模型用于得到所述第二模型；
所述第一设备根据所述第i控制策略、所述第i’参数集合和第i’控制策略确定第i’模型，所述第i’模型用于得到所述第一模型；
其中，所述第i参数集合包括：第i室内的面积、所述第i室内的环境调节设备的数量Mi、所述第i室内的每个环境调节设备的技术参数或所述第i室内的每个环境调节设备的位置中的至少一项；所述第i’参数集合包括：Mi个环境调节设备中每个环境调节设备的运行时长、第i样本数据对应的季节、所述第i室内当前的室内温度、所述第i室内对应的室外当前的室外温度、所述第i室内的散热设备当前的温度、所述第i室内的机柜内当前的温度或所述第i室内的每个环境调节设备当前的运行状态中的至少两项。
4.根据权利要求1所述的方法，其特征在于，所述第二设备根据所述第二控制策略控制所述M1个环境调节设备，包括：
所述第二设备根据所述第二控制策略控制所述M1个环境调节设备轮动开启，或者控制所述M1个环境调节设备步进开启，或者控制所述M1个环境调节设备联动开启。
5.根据权利要求1所述的方法，其特征在于，在所述第二设备根据所述第二控制策略控制所述M1个环境调节设备之后，所述方法还包括：
所述第二设备采集第三参数集合，所述第三参数集合包括：所述每个环境调节设备当前的运行时长、当前季节、所述第一室内当前的室内温度、所述第一室内对应的室外当前的室外温度、所述第一室内的散热设备当前的温度、所述第一室内的机柜内当前的温度或所述第一室内的每个环境调节设备当前的运行状态中的至少两项；
所述第二设备根据所述第三参数集合和所述第二控制策略，确定第三控制策略；
所述第二设备根据所述第三控制策略控制所述M1个环境调节设备。
6.根据权利要求5所述的方法，其特征在于，所述第二设备根据所述第三控制策略控制所述M1个环境调节设备，包括：
所述第二设备根据所述第三控制策略控制所述M1个环境调节设备轮动开启，或者控制所述M1个环境调节设备步进开启，或者控制所述M1个环境调节设备联动开启。
7.一种通过人工智能AI控制环境调节设备的装置，包括处理器，所述处理器与存储器耦合，所述处理器用于执行所述存储器中存储的计算机程序或指令时，以实现如权利要求
1‑6中任意一项所述的方法。
8.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时，以实现如权利要求1‑6任一项所述的方法。