Nantum AI
商用不動產營運 AI，把大樓資料變成可執行的節能與 ESG 建議
Nantum AI 是商用不動產的營運智慧平台，用機器學習分析大樓的能源、設備與使用資料，產出即時的營運建議。它現已成為江森自控（Johnson Controls）的一部分。
功能特色與適用場景
Nantum 的切入點跟純控制型產品不太一樣，它更偏「營運層」：先把散落在各系統的資料抓進來、正規化，再用 AI 給出空調與設備的即時調整建議，同時把能源、永續、ESG 與氣候風險等指標整理成管理階層看得懂的報告。這對大型不動產業主特別有用，因為他們真正的痛點往往不是單一棟樓怎麼省電，而是幾十棟樓的績效無法橫向比較——每棟樓的系統、感測器、資料格式都不一樣。Nantum 提供資料擷取與正規化服務，還配置分析師協助解讀，屬於「軟體加服務」的模式。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%。合作客戶包含 JPMorgan Chase、Jamestown 等大型不動產與金融機構。被江森自控併購後，它更明確地成為傳統樓宇控制大廠的 AI 軟體層。
適合擁有多棟建築的不動產業主、資產管理公司與需要對外揭露 ESG 績效的企業；也適合已有樓宇自動化設備、想再加一層智慧分析的物管團隊。
主要功能
- 能源與永續績效分析
- ESG 營運指標整理與報告
- 設備工程優化建議
- 樓宇自動化系統整合
- 氣候風險評估
- 空調與設備的即時 AI 調整建議
- 資料擷取與正規化服務，處理跨棟資料格式差異
- 配置分析師協助解讀成效
常見用途
- 不動產業主比較旗下多棟大樓的能源績效
- 產出 ESG 揭露所需的營運數據
- 物管團隊依 AI 建議調整空調運轉策略
- 評估建築的實體氣候風險
- 整合既有樓宇自動化系統的分散資料
TheAI學院 編輯建議
編輯實測後的真心話我把 Nantum 跟 PassiveLogic 放在一起看，剛好是兩種哲學：一個給建議、一個直接接手。以台灣多數物管團隊的現況，我覺得「建議型」反而更容易落地——先讓資料被看見、讓省下來的電費被證明，接下來要不要交出控制權再談。急著跳到全自主，通常會卡在信任而不是技術。
主要功能
- 能源與永續績效分析
- ESG 營運指標整理與報告
- 設備工程優化建議
- 樓宇自動化系統整合
- 氣候風險評估
- 空調與設備的即時 AI 調整建議
- 資料擷取與正規化服務，處理跨棟資料格式差異
- 配置分析師協助解讀成效
適用場景
- 不動產業主比較旗下多棟大樓的能源績效
- 產出 ESG 揭露所需的營運數據
- 物管團隊依 AI 建議調整空調運轉策略
- 評估建築的實體氣候風險
- 整合既有樓宇自動化系統的分散資料
Nantum AI 的優點與缺點
優點
- 擅長多棟建築的橫向比較，適合投資組合層級管理
- 軟體搭配分析師，導入後不會沒人會看報表
- ESG 與氣候風險模組對應法規揭露需求
- 併入江森自控後，與既有樓控設備整合的資源更充足
缺點
- 官網未公開定價
- 偏建議型而非自主控制，仍需人員執行調整
- 成效高度依賴既有感測器的覆蓋率與資料品質
- 併購後產品線走向可能隨母公司策略調整
Nantum AI 常見問題
Nantum AI 會自動控制設備嗎？
它的核心定位偏向分析與建議，提供即時的調整方向給營運團隊，並整合既有的樓宇自動化系統執行。跟主打完全自主控制的產品相比，人在迴路中的角色更重，這對保守的物管單位反而比較好接受。
被江森自控併購後還能單獨採用嗎？
併購後 Nantum 成為江森自控產品組合的一部分，實務上採購與支援都會走母公司體系。要導入的話，建議直接向江森自控確認目前的產品定位與授權方式，避免依過去的資訊做決策。
台灣的辦公大樓適用嗎？
概念完全適用，台灣商辦的空調耗能占比同樣很高，且上市櫃公司的永續報告需求逐年加重。實務上要注意的是既有樓控系統的開放程度，很多台灣大樓的設備通訊協定封閉，資料能不能順利拉出來是第一道關卡。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
Nantum AI 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 能源與公用事業
更多美國的 AI 工具
同樣來自美國的 AI 工具，一起看看。