Nantum AI 是商用不动产的营运智慧平台，用机器学习分析大楼的能源、设备与使用资料，产出即时的营运建议。它现已成为江森自控（Johnson Controls）的一部分。
功能特色与适用场景
Nantum 的切入点跟纯控制型产品不太一样，它更偏「营运层」：先把散落在各系统的资料抓进来、正规化，再用 AI 给出空调与设备的即时调整建议，同时把能源、永续、ESG 与气候风险等指标整理成管理阶层看得懂的报告。这对大型不动产业主特别有用，因为他们真正的痛点往往不是单一栋楼怎么省电，而是几十栋楼的绩效无法横向比较——每栋楼的系统、感测器、资料格式都不一样。Nantum 提供资料撷取与正规化服务，还配置分析师协助解读，属于「软体加服务」的模式。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%。合作客户包含 JPMorgan Chase、Jamestown 等大型不动产与金融机构。被江森自控并购后，它更明确地成为传统楼宇控制大厂的 AI 软体层。
适合拥有多栋建筑的不动产业主、资产管理公司与需要对外揭露 ESG 绩效的企业；也适合已有楼宇自动化设备、想再加一层智慧分析的物管团队。
主要功能
- 能源与永续绩效分析
- ESG 营运指标整理与报告
- 设备工程优化建议
- 楼宇自动化系统整合
- 气候风险评估
- 空调与设备的即时 AI 调整建议
- 资料撷取与正规化服务，处理跨栋资料格式差异
- 配置分析师协助解读成效
常见用途
- 不动产业主比较旗下多栋大楼的能源绩效
- 产出 ESG 揭露所需的营运数据
- 物管团队依 AI 建议调整空调运转策略
- 评估建筑的实体气候风险
- 整合既有楼宇自动化系统的分散资料
主要功能
- 能源与永续绩效分析
- ESG 营运指标整理与报告
- 设备工程优化建议
- 楼宇自动化系统整合
- 气候风险评估
- 空调与设备的即时 AI 调整建议
- 资料撷取与正规化服务，处理跨栋资料格式差异
- 配置分析师协助解读成效
优点
- 擅长多栋建筑的横向比较，适合投资组合层级管理
- 软体搭配分析师，导入后不会没人会看报表
- ESG 与气候风险模组对应法规揭露需求
- 并入江森自控后，与既有楼控设备整合的资源更充足
缺点
- 官网未公开定价
- 偏建议型而非自主控制，仍需人员执行调整
- 成效高度依赖既有感测器的覆盖率与资料品质
- 并购后产品线走向可能随母公司策略调整
使用场景
- 不动产业主比较旗下多栋大楼的能源绩效
- 产出 ESG 揭露所需的营运数据
- 物管团队依 AI 建议调整空调运转策略
- 评估建筑的实体气候风险
- 整合既有楼宇自动化系统的分散资料
编辑点评
我把 Nantum 跟 PassiveLogic 放在一起看，刚好是两种哲学：一个给建议、一个直接接手。以台湾多数物管团队的现况，我觉得「建议型」反而更容易落地——先让资料被看见、让省下来的电费被证明，接下来要不要交出控制权再谈。急着跳到全自主，通常会卡在信任而不是技术。
常见问题
Nantum AI 会自动控制设备吗？
它的核心定位偏向分析与建议，提供即时的调整方向给营运团队，并整合既有的楼宇自动化系统执行。跟主打完全自主控制的产品相比，人在回路中的角色更重，这对保守的物管单位反而比较好接受。
被江森自控并购后还能单独采用吗？
并购后 Nantum 成为江森自控产品组合的一部分，实务上采购与支援都会走母公司体系。要导入的话，建议直接向江森自控确认目前的产品定位与授权方式，避免依过去的资讯做决策。
台湾的办公大楼适用吗？
概念完全适用，台湾商办的空调耗能占比同样很高，且上市柜公司的永续报告需求逐年加重。实务上要注意的是既有楼控系统的开放程度，很多台湾大楼的设备通讯协定封闭，资料能不能顺利拉出来是第一道关卡。
