文／3S Market 編輯部
從 Smart Building 走向 Autonomous Building，誰將成為建築的 AI Operating System？
本文受眾：CEO/VP、智慧建築業者、安控業者、系統整合商、工程商、建築設備與物業管理業者
Highlight
過去二十年談「智慧建築」，核心其實一直是把 HVAC、照明、門禁、安全監控、消防、電梯、能源等設備連接起來，再由 BMS 或整合平台集中監看與控制。
但 AI 進入建築後，遊戲規則正在改變。
新一代 Building AI 不再滿足於「看得到資料」、「產生告警」或「提供 Dashboard」，而是進一步理解空間、設備、人員、能源與環境之間的關係，進行預測、判斷，甚至直接下達控制命令。
換句話說，智慧建築正在從：
Connected Building → Intelligent Building → Autonomous Building 發展。
而新的產業競爭也因此出現：
未來真正有價值的，可能不只是誰提供攝影機、門禁、BMS 或 HVAC，而是誰成為整棟建築的 AI Operating System。
一、過去的智慧建築，是「設備聯網」；下一代建築，要開始「自己思考」
傳統智慧建築的架構並不陌生。
感測器取得溫度、濕度、人流、電力、設備狀態；BMS 負責 HVAC、照明與機電設備；門禁控制人員進出；安全監控系統處理影像；能源管理系統分析耗能；最後所有資訊集中到中央管理室。
問題是：系統雖然連起來了，決策仍然主要由人完成。
設備異常，系統告警；冷氣耗電過高，管理人員分析；會議室沒有人，可能還是必須靠排程或簡單規則把空調關掉。
這種架構比較接近 Automation，而不是 Intelligence。
AI 開始改變的，正是中間這一層。
新一代系統不只問：「現在發生什麼？」
而開始回答：
「接下來可能發生什麼？」「為什麼會發生？」「應該採取什麼動作？」甚至——「我可以直接幫你處理嗎？」
這就是 Building AI 與傳統 Building Automation 最大的差別。
【插圖 1：智慧建築五階段演進】
Connected Building→ Smart Building→ Intelligent Building→ Agentic Building→ Autonomous Building
真正的變化，不在於多了一個 AI 名詞，而是建築開始從「被動接受操作」，逐步走向「主動分析與自主決策」。
二、一批「AI-native Building」公司正在出現
如果把目前市場上的廠商分開來看，會發現兩股力量正在交會。
第一股，是 Siemens、Johnson Controls、Schneider Electric、Honeywell 等傳統 Building Automation 巨頭，把 AI 加入原來龐大的 BMS、控制器與建築設備基礎。
另一股則更值得注意：
一批公司的產品邏輯從第一天開始，就是以 AI、Cloud、Digital Twin、Ontology 或 AI Agent 為核心，再反過來管理建築。
這些公司可以稱為：AI-native Building Players。
其中幾家特別具有代表性。
PassiveLogic：目標不是智慧建築，而是「自主建築」
PassiveLogic 是目前非常值得觀察的一家公司。
它建立以物理模型為核心的 Building World Model，再讓 AI 理解建築、設備、空間以及各種控制關係。
它想處理的並不只是「這棟建築用了多少電」，而是：
這個空間是什麼？裡面有哪些設備？設備之間有什麼物理關係？現在環境如何？使用者想得到什麼結果？系統應該採取什麼動作？
也就是：
Building Digital Twin + World Model + AI Decision + Autonomous Control
如果這條技術路線成熟，BMS 的角色可能由過去的「控制中心」，逐漸變成 AI 的執行層。
BrainBox AI：AI 直接進入 HVAC 控制迴路
BrainBox AI 則從 HVAC 切入。
傳統能源管理系統大多告訴管理者：「今天耗電比昨天高」、「這台空調效率下降」。
BrainBox AI 往前一步。
它透過 AI 預測建築的熱負載、天氣、使用狀況及能源需求，再主動調整 HVAC 運作。
也就是把分析變成：分析 → 預測 → 決策 → 控制
更具有產業意義的是，Trane Technologies 已經完成收購 BrainBox AI。
這透露出一個重要訊號：
傳統 HVAC 巨頭沒有選擇只在自己的 BMS 上增加幾個 AI Feature，而是直接把 AI-native Building 技術收進集團。
75F：Cloud-native Building Automation 被 Carrier 收購
75F 的方向則是把感測器、控制器、Cloud 與 AI 放進同一套 Building Automation 架構。
它透過大量即時資料判斷空間狀態，再主動最佳化 HVAC、照明、舒適度與能源使用。
而 Carrier 也在 2026 年 7 月宣布收購 75F。
於是市場出現一個很值得注意的對照：
Trane → BrainBox AI
Carrier → 75F
當全球大型 HVAC/Building Automation 集團開始買進 AI-native 公司，代表 Building AI 已經不只是軟體市場，而開始進入傳統建築控制產業的核心競爭。
【插圖 2：兩條產業路線開始合流】
Traditional Building Giants：
HVACBMSControllerBuilding Equipment
↓
AUTONOMOUS BUILDING
↑
AI-native Building Companies：AI Cloud、Digital TwinOntology、AI Agent
這不是單純的新舊廠商競爭，而是兩種技術基因正在快速融合。
三、KODE Labs 顯示另一個更大的戰場：誰掌握 Building Data Layer？
AI 要管理建築，有一個先決條件：它必須先「看懂」建築。
一棟大型建築裡可能同時存在：
BMS、HVAC、Lighting、Energy Meter、Access Control、IoT Sensor、CMMS、安全監控、電梯、消防，以及十幾年前甚至二十年前留下來的舊設備。
問題在於，這些設備各自都有自己的資料格式。
例如某個資料點叫：AHU-3-TEMP-12
另一套系統可能叫：8F-ZONE-T01
如果系統不知道它代表：「八樓東側會議區空調箱的回風溫度」
那麼對 AI 而言，它就只是一串數字。
KODE Labs 所代表的方向，正是建立 Building Data Layer，將不同設備、不同協定、不同品牌的資料連結、標準化，再利用 Ontology（本體模型/語意關係） 建立共同語境。
這件事的重要性可能被低估。
因為未來真正有競爭力的 Building AI，不只需要大量 Data，而是需要：
Data + Context + Relationship + Permission + Action
例如 AI 看到某區域溫度上升，本身沒有太大意義。
但如果它同時知道：
這裡是八樓會議室；門禁紀錄顯示目前有人進入；AI Camera Metadata 顯示實際有七個人；下午三點會議結束；西曬正在增加；空調箱效率正在下降；目前電價即將進入尖峰時段。
AI 才可能真正回答：「現在應該怎麼做？」
所以 Building Data Layer 很可能會成為 AI 建築時代非常重要的一層基礎設施。
甚至可以說：
未來不是資料最多的人一定贏，而是最懂這些資料「代表什麼」的人比較有機會贏。
四、不是所有 Building AI 都要當「大腦」，更多商機藏在專用 AI
另一類 Building AI 公司，並沒有企圖一次管理整棟建築，而是在單一問題做到非常深。
例如 Clockworks Analytics 專攻：FDD — Fault Detection & Diagnostics
也就是設備故障偵測與診斷。
它把既有 Building System 裡的大量設備資料拿出來分析，判斷：
哪一台設備異常？異常的根本原因是什麼？浪費多少能源？不修會造成什麼後果？哪一台應該優先維修？
這種商模有一個很大的優點：既有建築不用全部砍掉重來。
只要把既有 BMS、HVAC 與設備資料接出來，就能增加一層 AI Intelligence。
因此它非常接近：AI Building Doctor。
Facilio 則從 Facility Management 切入，把 AI Agent 放進工單、設備履歷、維修、巡檢、承包商管理及合規作業。
GridPoint 聚焦 Energy Intelligence。
Verdigris 則進一步深入 Electrical Intelligence。
這說明 Building AI 不會只有一種商模，而是逐漸形成多個專業市場。
【插圖 3：Building AI 六大應用模組】
以目前市場發展來看，可以概分為：
AI HVAC 空調智慧最佳化
AI Energy 能源分析、尖離峰與需量管理
AI Maintenance / FDD 設備預測維護與故障診斷
AI Facility Management 工單、設備、巡檢與維運管理
AI Security & Access Control 安全監控、人員、身份與空間管理
AI Electrical Intelligence 電力品質、負載與設備健康分析
這六大模組未來很可能不會永遠彼此獨立。
真正的 Building AI Platform，會逐漸把它們接到同一個 Building Data Layer 上。
五、傳統 Building Automation 巨頭正在快速 AI 化
如果只看新創，也會低估這場競爭。
Siemens 已經把 Building X 往 AI-based building operation 發展，透過建築資料、Occupancy、環境與設備資訊進行空間與能源最佳化。
Johnson Controls 的 OpenBlue 也正在大量導入 AI 與 Agentic AI。
Schneider Electric 的 EcoStruxure Building，則把建築、能源、電力管理往同一平台整合。
Honeywell Forge 也持續朝 AI、建築資料、設備營運及能源最佳化發展。
因此未來市場未必只是：傳統大廠 vs. AI 新創。
真正的競爭更可能是：
誰最先把設備控制權、Building Data、AI Model、Domain Know-how 與實際執行能力串成閉環。
這一點非常重要。
因為 AI 做出建議是一回事。
AI 能不能真的控制設備，又是另外一回事。
而真正的 Autonomous Building，最終一定要完成：
Sense → Understand → Decide → Act → Verify → Learn
這個 Closed Loop。
六、台灣的位置在哪裡？
台灣當然不是沒有智慧建築能力。
台達長期發展 Building Automation、能源管理、智慧照明、控制設備、安全監控與智慧建築。
研華從 Edge Computing、IoT、WISE-IoT、能源管理與 iEMS 等架構切入建築及工業場域。
此外，包括許多台灣 IT、網通、AIoT、系統整合與建築設備公司，也陸續把 AI 加進智慧建築方案。
但如果用 PassiveLogic、BrainBox AI、KODE Labs 這種標準來看，台灣目前比較常見的是：
Building Automation + IoT + Energy + AI
比較少看到非常清楚的：
AI-native Building Operating System
也就是說，台灣目前不少公司擁有「拼圖」，但還沒有太多人公開宣示：我要做整棟建築的大腦。
這反而可能是一個值得注意的市場空缺。
因為台灣其實並不缺：感測器、AI Camera、門禁、Edge Computing、IPC 工業電腦、Network、BMS、能源管理、IoT Gateway、AI Server、系統整合能力。
真正欠缺的可能不是 Device，而是：
誰把這些 Device 與 System 編成一套 Building Intelligence。
七、安控產業真正需要注意的，不只是 AI Camera
 |
Klacci 凱樂奇儲能系統解決方案 |
如果 Building AI 只談 HVAC 與能源，安控業者可能會覺得：
「這跟我們有什麼關係？」
其實關係非常大。
因為一棟建築如果真的要從 Smart Building 走向 Autonomous Building，AI 不可能只知道：
現在室溫 26°C。今天用了多少電。
它還必須知道：
誰在建築裡？
這是門禁。
有多少人在什麼位置？
這是 AI Camera、人流分析與影像 Metadata。
這個人能不能進這個空間？
這是 Identity + Access Control。
目前空間有沒有異常？
這是安全監控、Sensor 與事件管理。
如果發生異常，要怎麼處理？
這會牽涉到：VMS、門禁、BMS、PSIM、AI Agent。
因此，安控設備未來在 Building AI 裡的角色，可能會重新被定義。
【插圖 4：安控正成為 Building AI 的感知層】
AI Camera 不再只是：Recording Device，而可能逐漸變成：Spatial Sensor
提供：人數、移動、Occupancy、行為、事件、空間狀態。
Access Control 也不再只是：Door Control，而可能成為：Identity Sensor
提供：誰、什麼時間、進入哪個空間、擁有什麼 Permission。
這些資料進入 Building Data Layer 後，AI 才能真正理解：「這個空間現在發生什麼？」
因此未來安控的價值，不只在錄影與開門，而在提供建築決策所需要的：
Identity + Spatial Context + Event Context。
這是一個非常大的角色轉換。
八、從 Smart Building 到 Autonomous Building，產業價值鏈也會重新洗牌
過去的智慧建築價值鏈比較像：
Device
↓
Subsystem
↓
BMS/Integration Platform
↓
Facility Management
但加入 AI 之後，中間開始多出新的價值層。
可能變成：
Sensor / Device
↓
Subsystem
↓
Building Data Layer
↓
Building Intelligence
↓
AI Agent
↓
Autonomous Control
這會產生一個很現實的問題：誰的價值最高？
如果最底層 Device 越來越標準化、價格競爭越來越激烈，那麼未來更大的價值，很可能往：Data、Context、Decision、Integration、Operation 移動。
也就是說，未來建築產業的競爭焦點可能會從：「誰提供設備？」
逐漸變成：「誰掌握決策？」
結論：2030 年真正的問題，是「誰擁有建築的大腦？」
過去智慧建築產業是設備的世界。
HVAC 廠商控制空調；門禁廠商控制門；安全監控廠商管理影像；照明、消防、電梯、能源各有自己的系統。
BMS 出現後，把設備集中起來。
而 Building AI 正在做下一件事情：把「控制」提升成「理解與決策」。
所以未來的產業架構，很可能從：Device → System → BMS
進一步演變成：
Device → System → Building Data Layer → AI Agent → Autonomous Building
這也意味著，真正值得觀察的下一場競爭，可能不是：
哪一家有 AI Feature？
而是：
哪一家能取得足夠的建築資料？
哪一家能理解空間 Context？
哪一家能做出可靠的決策？
以及最關鍵的一項：
哪一家真正有能力把決策轉換成設備控制？
誰能把這四件事情串起來，誰就更接近下一代建築的：
AI Operating System
對台灣的安控、Building Automation、IoT、Edge AI、系統整合及工程業者來說，這不是一個遙遠的新市場。
它其實已經開始形成。
而從安控產業角度看，尤其值得重新思考一句話：
AI Camera 只是 Building AI 的其中一個感知器。
真正的大市場，不只是 AI Camera。
而是：Building AI。
0 comments:
張貼留言