Butlr 做的是空间智慧（spatial intelligence），用低解析度的热感测器判断空间里有多少人、他们在哪、待了多久。他们的标语讲得很白：「我们只感测热。就这么简单。」——这句话同时是技术说明也是隐私承诺。
功能特色与适用场景
为什么要用热感测而不是摄影机？因为多数空间分析的需求根本不需要知道「这个人是谁」，只需要知道「这里有没有人、有几个」。摄影机能给你答案，但同时带来一整套隐私、法遵与员工反弹的麻烦。Butlr 的 Heatic 2 与 Heatic 2+ 感测器只读取热讯号，解析度低到无法辨识个人身分，却足以做人数统计与移动轨迹分析。平台采 API-first 设计，资料可以喂进既有的 BI 或设施管理系统。他们近期推出 Butlr Care GPT，让照护人员能用自然语言直接问「哪个房间的动线设计容易导致跌倒」这类问题。目前服务超过 200 家企业、遍及 22 个国家，应用横跨办公空间、长照、大学校园与智慧建筑；据点在加州 Burlingame、麻州 Cambridge 与东京。
最适合需要做空间使用率分析、但又不想（或不能）装摄影机的场景——办公室规划、长照机构、教育空间、零售动线。台湾企业这几年在推混合办公与空间缩编，最缺的就是「我们的会议室到底真的用了多少」这种客观数字；用摄影机做这件事在台湾的办公室文化里会引发反弹，热感测是条相对好走的路。
主要功能
- Heatic 2／Heatic 2+ 热感测器，仅读取热讯号、无法辨识个人身分
- 即时人数统计、占用率与停留时间分析
- 移动轨迹与空间动线分析
- API-first 资料平台，可串接既有 BI 与设施管理系统
- Butlr Care GPT：以自然语言查询空间与照护洞察
- 电池供电、无线部署，安装不需布线
- 适用办公、长照、教育与智慧建筑等多种场域
常见用途
- 办公室会议室与工位的实际使用率分析
- 混合办公下的空间缩编与重新配置决策
- 长照机构的房间动线与跌倒热点分析
- 大学教室与图书馆的空间使用调度
- 零售卖场的人流动线与停留分析
- 依实际占用率调整空调与照明，节省能耗
主要功能
- Heatic 2／Heatic 2+ 热感测器，仅读取热讯号、无法辨识个人身分
- 即时人数统计、占用率与停留时间分析
- 移动轨迹与空间动线分析
- API-first 资料平台，可串接既有 BI 与设施管理系统
- Butlr Care GPT：以自然语言查询空间与照护洞察
- 电池供电、无线部署，安装不需布线
- 适用办公、长照、教育与智慧建筑等多种场域
优点
- 隐私设计是从硬体层就决定的，不是靠软体承诺，说服力完全不同
- 无线电池式部署，不需重新布线，导入摩擦低
- API-first 让资料能真正流进企业既有的分析流程
- Care GPT 让非技术背景的照护或设施人员也能自己捞资料
缺点
- AI 并非产品核心，主要价值在热感测硬体与资料平台，分析深度不如影像方案
- 热感测本质上取得的资讯量有限，无法做行为细节判读
- 感测器数量随空间面积线性增加，大型场域的硬体成本可观
- 未公开定价；电池式装置有长期更换维护的营运负担
使用场景
- 办公室会议室与工位的实际使用率分析
- 混合办公下的空间缩编与重新配置决策
- 长照机构的房间动线与跌倒热点分析
- 大学教室与图书馆的空间使用调度
- 零售卖场的人流动线与停留分析
- 依实际占用率调整空调与照明，节省能耗
编辑点评
总编辑的话：我很欣赏 Butlr 愿意在官网上把「我们只感测热」讲成卖点，而不是拼命堆 AI 字眼。这其实是个很有纪律的产品决策——他们主动放弃了影像能提供的丰富资讯，换取一个干净的隐私立场。在台湾要推办公室空间分析，这个取舍我觉得是对的：你要是拿摄影机去数工位使用率，数字还没跑出来，内部信箱就先炸了。
常见问题
热感测器真的认不出是谁吗？
Butlr 的感测器解析度刻意设计得很低，读到的是热区块而非人脸或体态细节，设计上就无法做个人身分辨识。这跟「有影像但我们承诺不看」是根本不同的隐私架构。
这算 AI 工具吗？
要诚实讲：AI 不是 Butlr 的核心技术，热感测硬体与资料平台才是。他们有 AI 分析层（包含 Care GPT），但如果你想找的是深度行为分析，影像类的方案能给的更多。Butlr 的定位是「够用的资讯、最低的隐私成本」。
跟直接用门口计数器差在哪？
门口计数器只知道进出总数，Butlr 能告诉你空间内部的分布——哪张桌子常被用、哪个角落没人去、人在哪里停留最久。做空间规划时，这个颗粒度的差别很关键。
