AI 開始接管大樓空調：一場沒人注意但每月都在省錢的轉移

下午三點，台北信義區一棟商辦的機電主任坐在監控室，盯著一整面牆的儀表。冰水主機的出水溫度、各樓層的回風溫度、外氣濕度，數字每秒都在跳。他做這行二十年，知道哪一台機器的脾氣，也知道哪幾層樓下午一定會有人喊冷。他調參數靠的是經驗。

問題是，他明年就要退休了，而接手的人得從頭累積這二十年。

這正是建築 AI 這個冷門領域真正在解決的事——不是節能這麼簡單，是把一棟建築怎麼運作的知識，從人腦搬到系統裡。

事件背景

建築耗能占全球能源消耗的相當比例，其中空調又是大宗。但這個領域的自動化長期停在很原始的階段：傳統的建築自動化系統（BAS）本質上是一堆 if-then 規則——溫度超過幾度就開冰水主機、時間到就關燈。

規則式控制的問題在於，建築是一個熱力學系統。牆體會蓄熱、日照角度整天在變、人流影響負載、外氣條件不斷波動，這些因素互相牽動。靠固定規則只能事後反應，永遠慢半拍，而且沒有人有時間持續調校。

於是這幾年出現了四種明顯不同的技術路線，各自的取捨很值得對照。

第一種：直接接管控制。 PassiveLogic 主張建築應該像自駕車一樣自己開。它建立以物理為基礎的數位分身，讓系統理解這棟樓實際的熱力學行為，再由推理代理推導控制策略，24 小時持續優化。這是四種路線裡技術野心最大的，公司在 2025 年完成 7,400 萬美元的 C 輪募資。

第二種：給建議，人來執行。 Nantum AI 偏營運層——先把散落各系統的資料抓進來正規化，再給出調整建議，同時整理 ESG 與氣候風險報告。它已被江森自控（Johnson Controls）併購。實際案例方面，Bentall Five 辦公大樓導入後回報能耗下降 11%、碳排下降 12%。

第三種：找出異常，排出優先順序。 比利時的 Enersee 針對的是連鎖型客戶——超市、銀行分行這類擁有大量據點的組織。它用 AI 比對各站點的用電型態，找出「這家店的冷凍櫃比同型店多耗三成」這種隱藏問題，然後產出排好優先順序的任務清單。官方表示已管理超過 1,000 個站點。

第四種：連建築外殼一起看。 Joulea 用自主無人機沿外牆飛行拍熱影像，AI 判讀熱橋與滲漏位置。這補上了多數方案忽略的一塊：空調再怎麼優化，牆體與窗框在漏熱，能源就是一直往外跑。

本次重點

• 分界線是「給建議」還是「直接控制」：這決定了導入的心理門檻。多數物管單位對於把空調控制權交出去仍然保守。
• 成效數字要看基準：11% 能耗下降聽起來普通，但對一棟大型商辦來說是實實在在的年度電費。反過來說，官網那些「平均節能 31%」多半有前提條件。
• 感測基礎決定一切：沒有足夠的分區感測與可遠端控制的設備，再強的模型也無用武之地。老舊建築的改造成本可能比軟體本身還高。
• 產業整合明顯：BrainBox AI 被 Trane Technologies 收購、Nantum 被江森自控收購。傳統樓宇控制大廠正在用併購補齊 AI 軟體層。

市場影響分析

對台灣使用者：一般人短期無感，但如果你在辦公大樓上班，這類系統普及後最直接的變化是「下午三點不會再冷得要穿外套」——負載預測做得好，溫度會穩定很多。

對企業應用：台灣上市櫃公司的永續報告要求逐年加重，而空調是最容易量化改善的一塊。這裡的機會不只是省電費，是省下來的電費可以直接寫進 ESG 揭露。同樣的邏輯延伸到工業設備，MOVUS 那類機器狀態監測把「預測性維護」再往前推一步，變成依生產影響排序的處方式建議；做機電工程的公司則可以看 BuildOps 怎麼把服務工單與工程專案整合在一套系統裡。

對開發者：這個領域的門檻不在模型，在通訊協定。台灣很多大樓的樓控系統封閉、廠商不願開放介面，資料能不能拉出來是第一道關卡。能解決「跟老舊 BAS 對話」這件事的團隊，比會調模型的團隊稀缺得多。

未來發展趨勢

建議型會先普及，自主控制要更久。 這是信任問題不是技術問題。先讓資料被看見、讓省下的電費被證明，接下來才談要不要交出控制權。急著跳到全自主的專案，多半卡在物管單位不敢簽字。

ESG 揭露會成為主要推力。 相較於「省電費」這種要算投報的訴求，「法規要求揭露」是硬需求。我判斷未來兩年台灣的採購動機會從節能轉向合規。

冷門利基仍有空間。 相較於已經擁擠的通用 AI 市場，建築、工業、公用事業這類產業 SaaS 的競爭者少得多，而且客戶黏著度高——一套跑進大樓控制系統的軟體，幾乎不會被換掉。

TheAI學院 總結與評語

我對這個領域的興趣，來自一個很現實的觀察：台灣談 AI 的聲量幾乎全集中在生成式應用，但真正每個月都在產生可量化收益的 AI，反而是這些沒人談的產業 SaaS。一棟大樓省下 11% 的電費，一年就是實在的六位數，而且年年都省。

評語：建築 AI 不性感，但它是少數「投報可以精確計算」的 AI 應用——而在多數 AI 專案還在證明自己有用的階段，能算清楚帳這件事本身就是護城河。

給台灣讀者的具體建議：如果你負責物業或廠務，別急著找 AI 廠商，先問自己三個問題——我的設備能不能遠端讀取資料？資料格式能不能匯出？過去一年的用電資料留著嗎？這三題有任何一題是否定的，先補這一段，投報比買軟體高。如果你是要提案的乙方，把成效換算成「一年省多少電費、幾年回本」，比講模型架構有用一百倍。想找更多這類工具，可以逛站上的 AI 能源與公用事業分類，或看看 AI 任務指南 裡的企業應用情境。

資料來源

• PassiveLogic 官方網站（自主控制平台說明）
• Nantum AI 官方網站（產品線與導入案例）
• Enersee 官方網站（模組說明與站點數）

依公開資訊整理、以官方為準。文中節能百分比為廠商或其客戶案例揭露，未經獨立驗證。