AI 开始接管大楼空调：一场没人注意但每月都在省钱的转移

下午三点，台北信义区一栋商办的机电主任坐在监控室，盯着一整面墙的仪表。冰水主机的出水温度、各楼层的回风温度、外气湿度，数字每秒都在跳。他做这行二十年，知道哪一台机器的脾气，也知道哪几层楼下午一定会有人喊冷。他调参数靠的是经验。

问题是，他明年就要退休了，而接手的人得从头累积这二十年。

这正是建筑 AI 这个冷门领域真正在解决的事——不是节能这么简单，是把一栋建筑怎么运作的知识，从人脑搬到系统里。

事件背景

建筑耗能占全球能源消耗的相当比例，其中空调又是大宗。但这个领域的自动化长期停在很原始的阶段：传统的建筑自动化系统（BAS）本质上是一堆 if-then 规则——温度超过几度就开冰水主机、时间到就关灯。

规则式控制的问题在于，建筑是一个热力学系统。墙体会蓄热、日照角度整天在变、人流影响负载、外气条件不断波动，这些因素互相牵动。靠固定规则只能事后反应，永远慢半拍，而且没有人有时间持续调校。

于是这几年出现了四种明显不同的技术路线，各自的取舍很值得对照。

第一种：直接接管控制。 PassiveLogic 主张建筑应该像自驾车一样自己开。它建立以物理为基础的数位分身，让系统理解这栋楼实际的热力学行为，再由推理代理推导控制策略，24 小时持续优化。这是四种路线里技术野心最大的，公司在 2025 年完成 7,400 万美元的 C 轮募资。

第二种：给建议，人来执行。 Nantum AI 偏营运层——先把散落各系统的资料抓进来正规化，再给出调整建议，同时整理 ESG 与气候风险报告。它已被江森自控（Johnson Controls）并购。实际案例方面，Bentall Five 办公大楼导入后回报能耗下降 11%、碳排下降 12%。

第三种：找出异常，排出优先顺序。 比利时的 Enersee 针对的是连锁型客户——超市、银行分行这类拥有大量据点的组织。它用 AI 比对各站点的用电型态，找出「这家店的冷冻柜比同型店多耗三成」这种隐藏问题，然后产出排好优先顺序的任务清单。官方表示已管理超过 1,000 个站点。

第四种：连建筑外壳一起看。 Joulea 用自主无人机沿外墙飞行拍热影像，AI 判读热桥与渗漏位置。这补上了多数方案忽略的一块：空调再怎么优化，墙体与窗框在漏热，能源就是一直往外跑。

本次重点

• 分界线是「给建议」还是「直接控制」：这决定了导入的心理门槛。多数物管单位对于把空调控制权交出去仍然保守。
• 成效数字要看基准：11% 能耗下降听起来普通，但对一栋大型商办来说是实实在在的年度电费。反过来说，官网那些「平均节能 31%」多半有前提条件。
• 感测基础决定一切：没有足够的分区感测与可远端控制的设备，再强的模型也无用武之地。老旧建筑的改造成本可能比软体本身还高。
• 产业整合明显：BrainBox AI 被 Trane Technologies 收购、Nantum 被江森自控收购。传统楼宇控制大厂正在用并购补齐 AI 软体层。

市场影响分析

对台湾使用者：一般人短期无感，但如果你在办公大楼上班，这类系统普及后最直接的变化是「下午三点不会再冷得要穿外套」——负载预测做得好，温度会稳定很多。

对企业应用：台湾上市柜公司的永续报告要求逐年加重，而空调是最容易量化改善的一块。这里的机会不只是省电费，是省下来的电费可以直接写进 ESG 揭露。同样的逻辑延伸到工业设备，MOVUS 那类机器状态监测把「预测性维护」再往前推一步，变成依生产影响排序的处方式建议；做机电工程的公司则可以看 BuildOps 怎么把服务工单与工程专案整合在一套系统里。

对开发者：这个领域的门槛不在模型，在通讯协定。台湾很多大楼的楼控系统封闭、厂商不愿开放介面，资料能不能拉出来是第一道关卡。能解决「跟老旧 BAS 对话」这件事的团队，比会调模型的团队稀缺得多。

未来发展趋势

建议型会先普及，自主控制要更久。 这是信任问题不是技术问题。先让资料被看见、让省下的电费被证明，接下来才谈要不要交出控制权。急着跳到全自主的专案，多半卡在物管单位不敢签字。

ESG 揭露会成为主要推力。 相较于「省电费」这种要算投报的诉求，「法规要求揭露」是硬需求。我判断未来两年台湾的采购动机会从节能转向合规。

冷门利基仍有空间。 相较于已经拥挤的通用 AI 市场，建筑、工业、公用事业这类产业 SaaS 的竞争者少得多，而且客户黏着度高——一套跑进大楼控制系统的软体，几乎不会被换掉。

TheAI学院 总结与评语

我对这个领域的兴趣，来自一个很现实的观察：台湾谈 AI 的声量几乎全集中在生成式应用，但真正每个月都在产生可量化收益的 AI，反而是这些没人谈的产业 SaaS。一栋大楼省下 11% 的电费，一年就是实在的六位数，而且年年都省。

评语：建筑 AI 不性感，但它是少数「投报可以精确计算」的 AI 应用——而在多数 AI 专案还在证明自己有用的阶段，能算清楚帐这件事本身就是护城河。

给台湾读者的具体建议：如果你负责物业或厂务，别急着找 AI 厂商，先问自己三个问题——我的设备能不能远端读取资料？资料格式能不能汇出？过去一年的用电资料留着吗？这三题有任何一题是否定的，先补这一段，投报比买软体高。如果你是要提案的乙方，把成效换算成「一年省多少电费、几年回本」，比讲模型架构有用一百倍。想找更多这类工具，可以逛站上的 AI 能源与公用事业分类，或看看 AI 任务指南 里的企业应用情境。

资料来源

• PassiveLogic 官方网站（自主控制平台说明）
• Nantum AI 官方网站（产品线与导入案例）
• Enersee 官方网站（模组说明与站点数）

依公开资讯整理、以官方为准。文中节能百分比为厂商或其客户案例揭露，未经独立验证。