Nagsisimula nang Hawakan ng AI ang Aircon ng mga Gusali: Isang Tahimik na Pagbabago na Nagtitipid Buwan-Buwan

Alas-tres ng hapon, nakaupo sa control room ang chief electrical engineer ng isang commercial building sa Xinyi District, Taipei, habang nakatitig sa isang buong pader ng mga metro. Ang labasan ng tubig ng chiller, ang return air temperature ng bawat palapag, ang halumigmig sa labas—ang mga numero ay nagbabago bawat segundo. Dalawampung tahun na siyang nagtatrabaho rito, alam niya ang ugali ng bawat makina at kung aling mga palapag ang siguradong magrereklamong malamig pagsapit ng hapon. Umaasa siya sa karanasan sa pag-adjust ng mga parametro.

Ang problema, magreretiro na siya sa susunod na taon, at ang papalit sa kanya ay kailangang magsimula sa simula para maipon ang dalawampung taong karanasang ito.

Ito mismo ang tunay na nilulutas ng Building AI sa hindi gaanong pinag-uusapang larangang ito—hindi lamang basta pagtitipid sa enerhiya, kundi ang paglilipat ng kaalaman kung paano nagpapatakbo ng gusali mula sa utak ng tao patungo sa sistema.

Background ng Kaganapan

Malaking bahagi ng pandaigdigang konsumo ng enerhiya ay nagmumula sa mga gusali, at ang airconditioning ang pangunahing dahilan. Subalit ang automation sa larangang ito ay matagal nang naiwan sa napakalumang yugto: ang tradisyonal na Building Automation Systems (BAS) ay karaniwang binubuo lamang ng mga "if-then" na patakaran—kapag ang temperatura ay lumampas sa ilang degree, i-on ang chiller; kapag sumapit ang takdang oras, patayin ang ilaw.

Ang problema sa rule-based control ay ang gusali ay isang thermodynamic system. Ang mga dingding ay nag-iimbak ng init, ang anggulo ng sikat ng araw ay nagbabago buong araw, ang dami ng tao ay nakaaapekto sa load, at ang mga kondisyon sa labas ay patuloy na nagbabago; ang mga salik na ito ay nagkakaugnay. Ang pag-asa lamang sa mga nakapirming patakaran ay nagdudulot ng reaksyon pagkatapos ng kaganapan, kaya laging huli sa sa oras, at walang sinumang may oras para patuloy itong i-adjust.

Dahil dito, apat na magkakaibang ruta ng teknolohiya ang lumitaw nitong mga nakaraang taon, at ang kani-kanilang mga trade-off ay karapat-dapat pag-aralan.

Una: Direktang paghawak sa kontrol. Ipinaglalaban ng PassiveLogic na ang mga gusali ay dapat patakbuhin ang sarili tulad ng mga self-driving car. Bumubuo ito ng digital twin na nakabatay sa pisika upang maunawaan ng sistema ang tunay na kilos ng thermodynamics ng gusali, at pagkatapos ay ginagamit ang mga reasoning agent upang maglabas ng mga estratehiya sa kontrol para sa 24/7 na tuluy-tuloy na pag-optimize. Ito ang may pinakamataas na ambisyon sa teknolohiya sa apat na ruta, at nakakuha ang kumpanya ng $74 milyong Series C funding noong 2025.

Pangalawa: Pagbibigay ng mga mungkahi, at tao ang magpapatupad. Ang Nantum AI ay nakatuon sa operasyon—unang kinukuha at ginagawang standardized ang mga nakakalat na data mula sa iba't ibang sistema, pagkatapos ay nagbibigay ng mga mungkahi sa pagsasaayos habang gumagawa rin ng mga ulat sa ESG at climate risk. Nabili na ito ng Johnson Controls. Sa mga totoong kaso, iniulat ng Bentall Five office building ang 11% na pagbaba sa konsumo ng enerhiya at 12% na pagbaba sa carbon emissions matapos itong ipatupad.

Pangatlo: Pag-tukoy sa mga anomalya at paglalagay sa ayos ng priyoridad. Ang Enersee mula sa Belgium ay nakatutok sa mga chain-type na kliyente—tulad ng mga supermarket at mga sangay ng bangko na may malaking bilang ng mga lokasyon. Ginagamit nito ang AI upang ihambing ang mga pattern ng kuryente ng bawat lokasyon upang matukoy ang mga nakatagong problema gaya ng "ang freezer sa sangay na ito ay kumokonsumo ng 30% na mas maraming enerhiya kaysa sa mga kaparehong tindahan," at pagkatapos ay gumagawa ng isang priyoritisadong listahan ng mga gawain. Ayon sa opisyal, namamahala na ito ng mahigit 1,000 lokasyon.

Pang-apat: Pagsusuri pati sa panlabas na balat ng gusali. Gumagamit ang Joulea ng mga autonomous drone na lumilipad sa tabi ng mga panlabas na dingding upang kumuha ng mga thermal image, at binabasa ng AI ang mga lokasyon ng thermal bridges at leaks. Pinupunan nito ang isang bahaging kadalasang nilalaktawan ng karamihan sa mga solusyon: kahit gaano pa i-optimize ang aircon, kung ang mga pader at frame ng bintana ay tumatagas ng init, patuloy na sasayang ang enerhiya palabas.

Mga Pangunahing Punto

• Ang hangganan ay nasa pagitan ng "pagbibigay ng mungkahi" at "direktang kontrol": Ito ang nagpapasya sa sikolohikal na balakid sa pagpapatupad. Ang karamihan sa mga tagapamahala ng ari-arian ay konserbatibo pa rin pagdating sa pagpapaubaya sa kontrol ng aircon.
• Ang mga numero ng tagumpay ay nakasalalay sa baseline: Ang 11% na pagbaba sa paggamit ng enerhiya ay maaaring pakinggan na karaniwan lamang, ngunit para sa isang malaking commercial building, ito ay tunay na pera sa taunang bayarin sa kuryente. Sa kabilang banda, ang "average na pagtitipid na 31%" na makikita sa mga opisyal na website ay kadalasang may mga kundisyon.
• Ang pundasyon ng sensor ang nagpapasiya sa lahat: Kung walang sapat na zone sensors at mga kagamitang kayang kontrolin nang maramihan mula sa malayo, walang silbi ang kahit anong makapangyarihang modelo. Ang gastos sa pag-upgrade ng mga lumang gusali ay maaaring mas mataas pa kaysa sa software mismo.
• Malinaw ang integrasyon sa industriya: Ang BrainBox AI ay binili ng Trane Technologies, at ang Nantum ay binili ng Johnson Controls. Ang mga tradisyonal na tagagawa ng building control ay pinupunan ang kanilang AI software layer sa pamamagitan ng mga pagbili at pagsasanib (mergers and acquisitions).

Pagsusuri sa Epekto sa Merkado

Para sa mga gumagamit sa Taiwan: Pansamantala ay walang direktang mararamdaman ang karaniwang tao, ngunit kung nagtatrabaho ka sa isang tanggapan, ang pinaka-direktang pagbabago kapag lumaganap na ang mga sistemang ito ay "hindi na kailangang magsuot ng dyaket sa alas-tres ng hapon dahil sa sobrang lamig"—dahil maayos ang load forecasting, mas magiging matatag ang temperatura.

Para sa mga aplikasyon sa negosyo: Ang mga kinakailangan sa sustainability reporting para sa mga nakalistang kumpanya sa stock market ay tumataas taon-taon, at ang aircon ang pinakamadaling bahagi upang masukat ang pagpapabuti. Ang pagkakataon dito ay hindi lamang ang pagtitipid sa kuryente, kundi ang nakatipid na kuryente ay direktang maisusulat sa ESG disclosures. Ang parehong lohika ay umaabot sa mga kagamitang pang-industriya; ang machine condition monitoring ng MOVUS ay nagtutulak sa "predictive maintenance" nang isang hakbang pa pasulong patungo sa mga inirerekomendang aksyon na naka-ayos ayon sa epekto sa produksyon; at para sa mga kumpanya ng electrical and mechanical engineering, maaari nilang tingnan kung paano pinagsasama ng BuildOps ang mga service work order at engineering projects sa loob ng isang sistema.

Para sa mga developer: Ang hadlang sa larangang ito ay wala sa modelo, kundi sa mga communication protocol. Sarado ang mga sistema ng pagkontrol ng maraming gusali, at ayaw buksan ng mga tagagawa ang kanilang mga interface; ang pagkuha ng data ay ang unang hadlang. Ang mga koponang kayang lutasin ang "pakikipag-usap sa lumang BAS" ay mas kakaunti at mas mahalaga kaysa sa mga marunong mag-adjust ng mga modelo.

Mga Trend sa Hinaharap

Mauunang lumaganap ang advisory-type, at magtatagal pa bago ang autonomous control. Ito ay usapin ng tiwala at hindi ng teknolohiya. Hayaang makita muna ang data, hayaang mapatunayan ang natipid na kuryente, bago pag-usapan kung ipapaubaya ba ang kontrol. Ang mga proyektong nagmamadaling lumipat sa buong awtonomiya ay karaniwang natigil dahil natatakot pumirma ang mga tagapamahala ng gusali.

Ang ESG disclosure ang magiging pangunahing tulak. Kung ikukumpara sa layuning "magtipid sa kuryente" na nangangailangan ng pagkalkula ng ROI, ang "kinakailangan ng batas na pag-ulat" ay isang matigas na pangangailangan. Naniniwala ako na sa susunod na dalawang taon, ang motibasyon sa pagbili sa Taiwan ay lilipat mula sa pagtitipid sa enerhiya patungo sa pagsunod sa regulasyon.

May puwang pa rin sa mga hindi gaanong pinag-uusapang niche. Kung ikukumpara sa masikip nang merkado ng pangkalahatang AI, ang mga pang-industriya, gusali, at public utility na mga SaaS ay may mas kakaunting kakumpitensya, at mataas ang katapatan ng mga kliyente—ang isang software na naka-embed na sa sistema ng kontrol ng gusali ay halos hindi na kailanman papalitan.

Buod at Puna ng TheAI學院

Ang aking interes sa larangang ito ay nagmula sa isang napaka-makatotohanang obserbasyon: ang ingay tungkol sa AI sa Taiwan ay halos nakatutok sa mga generative application, ngunit ang AI na talagang naglalabas ng nasusukat na kita buwan-buwan ay ang mga hindi pinag-uusapang pang-industriyang SaaS na ito. Ang 11% na natipid sa kuryente ng isang gusali ay tunay na anim na digit sa isang taon, at natitipid ito taon-taon.

Puna: Hindi sexy ang Building AI,unit isa ito sa iilang aplikasyon ng AI kung saan "eksaktong makakalkula ang ROI"—at sa yugto kung saan pinapatunayan pa ng karamihan sa mga proyekto ng AI ang kanilang halaga, ang kakayahang kalkulahin nang malinaw ang mga numero ay isang moat na sa sarili nito.

Isang tiyak na mungkahi para sa mga mambabasa: kung namamahala ka sa ari-arian o pasilidad, huwag magmadaling humanap ng mga tagapagbigay ng AI, itanong muna sa iyong sarili ang tatlong tanong—Kaya bang basahin ng aking mga kagamitan ang data mula sa malayo? Mai-export ba ang format ng data? Nakatago ba ang data ng pagkonsumo ng kuryente sa nakaraang taon? Kung mayroon mang "hindi" sa alinman sa tatlong tanong na ito, ayusin muna ang bahaging ito; mas mataas ang ROI nito kaysa sa pagbili ng software. Kung ikaw ang tagapag-alok na nagpapanukala, ang pagkalkula ng mga resulta bilang "magkano ang natipid sa kuryente sa isang taon, ilang taon bago mabawi ang puhunan" ay daang beses na mas kapaki-pakinabang kaysa sa pagpapakita ng arkitektura ng modelo. Upang makahanap ng higit pang mga tool na tulad nito, maaari mong bisitahin ang AI Energy and Utilities Category sa site, o tingnan ang mga sitwasyon ng aplikasyon sa negosyo sa AI Task Guide.

Mga Pinagmulan ng Data

• Opisyal na Website ng PassiveLogic (Paliwanag ng Autonomous Control Platform)
• Opisyal na Website ng Nantum AI (Linya ng Produkto at Mga Kaso ng Pagpapatupad)
• Opisyal na Website ng Enersee (Paliwanag ng Modyul at Bilang ng mga Lokasyon)

Na-compile batay sa pampublikong impormasyon, na may opisyal na impormasyon bilang nangingibabaw. Ang mga porsyento ng pagtitipid sa enerhiya sa teksto ay ibinunyag ng mga tagagawa o ng kanilang mga kliyente at hindi pa independiyenteng na-verify.