3S Market 探討報導
 |
Klacci 凱樂奇儲能系統解決方案 |
主要受眾：商業建築業主、物業管理公司、系統整合商、機電工程商、能源服務業者、Edge AI/IoT/安控設備供應商
Highlight：
既有商業建築要節能，問題通常不在「沒有設備」，而在於設備彼此不知道對方正在做什麼，也不知道現在到底有沒有人、哪裡需要能源，以及設備是否正在低效率運轉。
Edge AI 的價值，因此不是再替大樓裝一套漂亮的 AI Dashboard，而是把既有的空調、照明、電表、門禁、智慧門鎖、電梯、環境感測器，與 BMS 等資料串起來，在建築現場即時判斷：「什麼設備現在應該運轉？應該運轉多少？什麼地方根本不需要耗能？」
對既有建築而言，真正值得注意的是：Edge AI 可以採 Retrofit（既有建築升級）的方式導入，不一定必須把原來的機電設備全部砍掉重練。
一、既有商業建築最大的節能問題，其實是「不知道現在發生什麼事」
全球建築部門約占能源需求的 30%，其中商業與公共建築約占建築能源需求的三成。 因此，辦公大樓、商場、飯店、醫院及複合式商業建築，始終是節能改善的重要場域。
但很多既有商業建築並不是沒有中央空調、電表或 BMS（Building Management System，建築管理系統）。
真正的問題往往是：
空調按照固定時間開關；會議室沒人，冷氣仍持續送風；照明依排程開啟，卻不知道實際使用率；大樓門禁知道某個人已經進入建築，空調卻不知道；電表知道用掉多少電，卻無法告訴管理者「為什麼今天比昨天多用 15%」。
換句話說，傳統自動化解決的是「按照預先設定執行」，Edge AI 要進一步解決的是「根據現況判斷後再執行」。
美國能源部對商業建築控制系統的研究曾估計，若現有成熟控制策略能被正確部署與調校，商業建築平均具有約 29% 的整體節能潛力；其中包括溫度設定值、最低送風量，以及依實際使用時間控制空調等措施。這不是指「裝一台 AI 就可以省 29%」，而是說明控制策略本身就是既有建築尚未充分開採的節能礦區。
Edge AI 正好可以把這些原本分散、固定、被動的控制，進一步變成動態控制。
二、Edge AI 節能的第一步，不是控制，而是「感知」
AI 要做判斷，首先必須知道建築正在發生什麼。
因此既有建築導入 Edge AI，第一層並不是 AI Server，而是建立足夠的現場感知能力。
例如：
- 智慧電表與分電表：知道整棟、樓層、空調、照明或特定設備的實際耗電。
- 溫濕度感測器：了解各區域熱環境。
- CO₂、PM2.5、VOC 等 IAQ 感測器：判斷新風與通風需求。
- PIR、毫米波、人流計數或其他 Occupancy Sensor：知道空間是否有人以及使用密度。
- 門禁與智慧門鎖：提供人員進入、空間啟用與使用時段等事件資料。
- 空調設備感測資料：包括水溫、風量、壓力、閥門開度、壓縮機與風機狀態。
- 智慧照明控制器：回傳區域照明狀態與調光資訊。
- 電梯運行資料：了解尖峰、離峰與樓層交通模式。
美國能源部目前在建築控制研究中，特別強調多功能感測網路、進階分項計量、Occupant-centric Control 與 Adaptive Control，原因就在於：沒有足夠精確的現場狀態資料，再高階的 AI 也只能猜。
這裡也有一個容易被忽略的觀念：
門禁與智慧門鎖本身不一定是主要節能設備，但它們可以成為「空間是否開始被使用」的重要事件來源。
某部門第一位員工刷卡進入，可能代表該樓層開始進入工作模式；最後一人離開，則可能觸發空調、照明與非必要 Plug Load 進入節能模式。
這就是未來智慧建築的特徵 —— 設備不再只完成自己的工作，而是成為其他系統判斷的一部分。
三、Edge AI 真正要做的，是把「人、空間、設備、能源」建立關聯
傳統 BMS 通常可以知道：「AHU-03 現在開著。」
但 Edge AI 更重要的問題是：AHU-03 為什麼現在要開？
如果它服務的三個會議室全部無人，卻仍以高風量運轉，這就是值得處理的異常。
所以 Edge AI 並不是單純收集更多資料，而是將不同資料產生關聯：
Identity/Access → Occupancy → Space → Equipment → Energy Consumption
例如：
早上 8:30，門禁只有 18 人進入某樓層，但該樓層空調仍依過去「150 人滿載」模式運轉。
Edge AI 便可以結合門禁、人流、CO₂、室溫與歷史負載，判斷目前只需要局部區域冷房與較低新風量，而不是整層全開。
到了下午，一間大型會議室預約 50 人，AI 又可以根據預約資料、實際到場人數、室外溫度及室內 CO₂ 變化，提前調整冷房及新風量。
因此 Edge AI 最重要的功能並不是「看見」，而是：
感知 → 理解 → 預測 → 決策 → 控制。
四、最大的節能戰場仍然是 HVAC
商業建築要做節能，第一個真正值得 Edge AI 動手的對象，通常仍是 HVAC。
原因很簡單：空調系統的控制變數非常多。
室外溫度、濕度、日照、樓層方位、人數、使用時間、設備效率、冰水溫度、送風量、回風狀態，全都會影響實際耗能。
傳統控制往往採取「寧可多冷一點」的安全策略；Edge AI 則可以逐步改成 Demand-based Control。
例如：
高使用率區域維持正常冷房；低使用率辦公區提高設定溫度；無人會議室降低風量；CO₂ 上升時增加新風；人員離開後自動回到 Eco Mode。
美國能源部指出，高效能建築控制序列在商業建築 HVAC 上平均可達約 30% 的年能源節省潛力，而更進一步的預測控制與機器學習仍可能提供額外改善空間。
這也再次說明：
Edge AI 節能的關鍵不是 AI 模型有多大，而是 AI 能不能真正影響設備的 Setpoint、風量、閥門、變頻器與運轉時程。
只分析、不控制，頂多是能源分析系統；可以形成閉環控制，才開始接近真正的 Edge AI Building Optimization。
五、那麼既有商業建築究竟要部署哪些設備？
不同建築不需要採購完全相同的設備，但基本架構可以分成四層。
層級 | 建議設備/系統 | 主要用途 |
1. 感知與計量層 | 智慧電表、分電表、溫濕度、CO₂／IAQ、Occupancy Sensor、人流計數器、設備狀態感測器 | 知道人、環境、設備與能源狀態 |
2. 場域事件層 | 門禁讀卡機、智慧門鎖、訪客管理、會議室／空間預約系統 | 判斷空間啟用、使用與人員活動 |
3. 連接整合層 | IoT Gateway、Protocol Gateway、Industrial Ethernet／Wi-Fi、BACnet、Modbus、OPC UA、MQTT 等 | 打通新舊設備與資料孤島 |
4. Edge AI 層 | Edge AI Gateway、IPC／邊緣運算伺服器、GPU／NPU AI Box | 本地資料分析、推論、預測與策略運算 |
5. 執行控制層 | DDC、VAV／FCU 控制器、電動閥、VFD、Lighting Controller、Relay、智慧插座 | 將 AI 決策真正轉成設備動作 |
6. 管理應用層 | BMS／BAS、EMS、FDD、能源 Dashboard、ESG／碳管理平台 | 呈現 KPI、異常、能源績效與管理報表 |
這裡最關鍵的設備其實不是 Edge AI Server，而是Gateway 與可控制的末端設備。
因為大量既有建築裡同時存在十年前、二十年前甚至更早期的控制設備，新系統講 MQTT、OPC UA，舊設備可能使用 BACnet MS/TP、Modbus RTU，甚至是封閉式 Controller。
所以 Retrofit 的真正難題往往不是 AI，而是：
AI 做出決策之後，有沒有辦法叫舊冷氣真的少吹一點？
六、照明、門禁、智慧門鎖與電梯為什麼也要進來？
如果 Edge AI 只控制空調，其實還不算真正的 Whole-building Optimization。
假設晚上 8 點，只剩財務部三個人加班。
傳統建築可能仍然維持整層照明、整層空調，以及原本的電梯運行策略。
Edge AI 如果知道：
誰仍在建築裡、位於哪個區域、哪幾個辦公空間仍在使用，就可以將能源集中在真正需要的地方。
因此未來值得整合的不是「更多設備」，而是形成跨系統協作：
門禁確認有人進入→ 空間進入使用模式→ 照明啟動→ 空調切換 Occupied Mode→ 電梯進入相應服務策略。
人員離開後，再反向恢復節能模式。
這種 Occupancy-based Control 並非只有理論價值。DOE 過去研究指出，以 Occupancy 為基礎改善通風與 VAV 控制，具有可觀的全建築能源節省潛力。
所以門禁、智慧門鎖、人流與環境感測不應被看成四個獨立市場，而可以成為智慧空間節能的一組資料來源與控制事件。
2026 年 DOE Better Buildings 的最新議題也正特別強調 HVAC 與照明 Occupancy-based Control 的協同，而不是讓兩個系統各自判斷 Occupancy。
七、既有建築導入 Edge AI，不應一開始就追求全棟 AI
這可能是業主最值得注意的一點。
Edge AI Retrofit 最忌諱的方式，是一開始就說：「我們把整棟大樓全部智慧化。」
真正可行的路徑應該是：
第一步：能源盤點
先回答：電到底用在哪裡？
建立總表、分表、主要設備及尖離峰 Baseline。
第二步：找出高價值區域
可能是一層樓、一組冰水主機、一套 AHU，或幾個高使用率會議區。
先找出「耗能高而且可以控制」的位置。
第三步：補 Sensor 與 Gateway
不要先把所有設備換掉，而是先讓舊設備能夠被讀取、被理解。
第四步：Edge AI 先做 Shadow Mode
AI 先分析但不直接控制。
例如系統告訴管理人員：「下午 2 點建議將 Zone B 設定從 23°C 調為 25°C。」
經過驗證後，再進入半自動或自動控制。
第五步：建立 Closed-loop Control
讓 AI 的判斷真正變成設備控制命令。
第六步：成功後複製到其他樓層
這才是既有建築最適合的 Scale-out。
八、Edge AI 與雲端 AI 最大差異，是「控制不能等」
商業建築節能並不是所有事情都需要在毫秒完成，但很多控制仍不適合完全依賴雲端。
例如 Occupancy 突然下降、CO₂ 快速增加、設備異常、尖峰負載逼近設定值，建築控制都需要在現場持續工作。
因此 Edge AI 有四個明顯優勢：
低延遲、斷網仍可運行、資料不必全部上雲，以及降低持續傳輸成本。
真正成熟的架構通常也不是「Edge 或 Cloud 二選一」。
比較合理的是：
Edge 負責即時感知、推論與控制；Cloud 負責長期資料、跨建築分析、模型管理、報表與 ESG。
如此才能同時兼顧即時性與規模化管理。
九、節能真正的 KPI，也不能只看「省了多少度電」
Edge AI 節能最後一定要回到投資報酬。
但商業建築業主真正應該看的 KPI 至少包括五類：
Energy Saving： 每平方公尺耗電、HVAC 耗電、尖峰需量。
Operational Cost： 電費、人工巡檢、異常維修成本。
Comfort： 溫濕度、CO₂、舒適度及抱怨率。
Equipment Health： 冰機效率、風機異常、設備 Run Hours、FDD 告警。
ESG： 能源強度、碳排量及改善趨勢。
尤其要避免「為省電而省電」。
下午三點把空調全部關掉，當然省電，但員工也可能全部離開辦公室。
真正的智慧節能應該是：
用最少的能源，維持這個時間、這個空間、這群人所真正需要的服務水準。
所以 Edge AI 的目標不是把能源使用壓到最低，而是找到能源、舒適、安全、設備壽命與營運效率之間的最佳平衡點。
結論：Edge AI 真正改變的，不是設備，而是建築的「運作邏輯」
既有商業建築的 Edge AI 商機，可能比新建智慧建築更值得注意。
因為全世界大量辦公大樓、商場、飯店與商業設施，不可能為了 AI 把原來的空調、門禁、電梯、照明與機電設備全部換掉。
因此真正的市場不是：「賣一套新的 AI 大樓。」
而是：「如何讓一棟本來不夠智慧的大樓，逐步取得感知、判斷、預測與自主控制能力。」
這也代表 Edge AI 建築節能不會是一家廠商可以全部包辦的市場。
它需要智慧電表與感測器業者提供 Data，IoT Gateway 打通 OT，IPC/Edge AI Server 提供運算，BMS/EMS 提供建築控制邏輯，空調與機電設備負責執行，門禁、智慧門鎖與空間系統提供使用事件，最後還需要 SI、ESCO、機電工程商與物業管理單位，把所有東西變成真正可以長期運作的 Solution。
因此，真正的產業機會並不只在「AI Box」。
最大的價值可能出現在那個能夠把：
People × Space × Equipment × Energy × AI
真正串起來的人。
而這也正是 Edge AI 對既有商業建築最大的意義——
讓建築從「按照時間運轉」，走向「按照需求運轉」；從設備自動化，進一步走向整棟建築的智慧協同。
0 comments:
張貼留言