AI正加速進入建築設計、能源管理與碳管理。下一階段真正值得比較的，不再只是平台有多大、設備裝多少，而是建築使用多年之後，節能、健康、減碳與資產績效究竟留下多少。

AI正在快速走進建築產業。

從生成式設計、BIM、數位孿生，到能源管理、設備診斷、碳盤查與物業管理，這一兩年幾乎每個環節都開始談AI。另一方面，淨零政策、建築能效、低碳建築、再生能源及企業ESG，也正在改變業主對建築的期待。

AI與淨零兩股力量碰在一起，帶來不少新的想像與商機。不過，我更關心一個很實際的問題：

這些技術最後，有沒有讓建築真的比較省電、比較健康、比較低碳，也更有長期價值？

過去談智慧建築，大家常先問裝了哪些系統、多少感測器、用了什麼平台。接下來，我認為更應該問的是：最後做到了什麼？

這可能正是智慧建築走向「智慧淨零」最重要的一步。

智慧建築真的比較省電嗎？

過去參與建築能源管理相關研究時，我們曾長期觀察不同類型辦公建築的能源使用狀況。

有一個現象讓我印象很深。有些智慧化程度很高的大型企業總部，能源使用強度（Energy Use Intensity, EUI）反而可能比設備較簡單、由不同中小企業共同使用的辦公大樓還高。

EUI是建築能源使用量相對於樓地板面積的指標，實務上常用來觀察建築的能源使用情形。

乍看之下，這似乎和我們對「智慧建築應該比較省電」的期待相反。

但回到實際使用情境，就不難理解。

大型企業總部通常要求穩定的室內溫度、濕度、新鮮外氣與照明品質，資訊設備及機電系統也可能長時間運轉；另一棟傳統辦公大樓的使用條件可能完全不同。有些辦公室開台電風扇，也一樣工作。

因此，不能只拿兩棟建築的EUI高低直接判斷誰比較節能，更不能把智慧化程度和能源績效畫上等號。

真正值得比較的，是在合理而相近的使用條件下，能不能用比較少的能源，提供相當或更好的環境品質。

智慧設備裝得多，不代表績效自然會出現。

從「偵知、顯示、連動」再多問一句：結果呢？

智慧建築可以用三個很基本的概念來理解：偵知、顯示、連動。

感測器、電表及環境監測設備先偵知建築發生什麼事；中央監控、手機或資訊看板把資訊顯示出來；接著系統控制設備，或通知管理人員採取行動，這就是連動。

可是事情做到這裡還不夠。

還要多問一句：

結果呢？

我演講時常拿打蚊子來比喻。

眼睛看到蚊子、耳朵聽到嗡嗡聲，是偵知；知道蚊子就在眼前，是資訊的呈現；大腦指揮手去拿電蚊拍，開始有了行動。

但最後還是要問：蚊子到底打到了沒有？

建築也是如此。

中央監控顯示空調異常，不代表問題已經解決；系統一天跳出一千個警報，也不表示這棟建築真的比較聰明。

真正重要的是，異常發生以後，有沒有人處理？由誰負責？怎麼處理？調整之後耗能有沒有下降？設備效率有沒有恢復？

智慧建築的價值，應該從「看得到問題」，再往前走到「把問題處理好」。

這也是智慧建築從設備思維走向績效思維的重要差別。

▲從看得到走向做得到，才是真正的升級（圖片提供／楊謙柔）

有了AI，也不能亂做設計

AI愈來愈強，我反而愈常提醒建築業界一件事：

建築物理不會因為AI出現就消失。

如果一棟建築西曬嚴重、玻璃比例過高、遮陽不足、外殼隔熱也沒做好，空調負荷本來就很大。後面就算加上再聰明的AI控制，也不能違反物理。

所以，建築走向淨零，基本順序不能倒過來。

首先還是要從建築本體著手，利用座向、外殼、遮陽、日射控制與玻璃性能降低需求；接著選用高效率空調、照明、泵浦及其他機電設備。

這些基本功做好之後，再透過智慧監測、控制與AI協助日常營運，讓設備在實際使用中維持應有的效率。

再往後，才進一步整合太陽光電、儲能、電動車、需量反應，最後把能源、碳排、健康、韌性與資產績效連結起來。

所以我一直強調：

不是裝了AI，建築就會淨零。

如果建築本體沒有做好，再聰明的控制，也只是在管理怎麼浪費。

AI真正適合扮演的角色，是協助專業者處理更大量、更複雜的資訊，讓原本做得好的建築持續維持好的表現。

▲建築本體若沒有做好，再聰明的控制也只能管理浪費。（圖片提供／楊謙柔）

設計階段談的是潛力，營運之後才見真章

建築產業還有一個不能忽略的問題，就是設計階段與實際使用之間的差距。

設計時可以模擬能源使用、估算空調負荷、挑選高效率設備，但建築真正開始使用之後，條件每天都在變。

人數會改變，營運時間可能延長，租戶也會更換；設備會老化，感測器可能產生偏差，維護品質和使用者習慣都會影響最後的能源表現。

所以我習慣把這兩件事情分開：

設計階段處理的是潛在能效，營運之後看到的才是實際能效。

也因為如此，在談AI能源管理之前，有一項工作一定要先做好，就是建立合理的能源基準線（Baseline）。

天氣、使用人數、營運時段、電表以及設備運轉資料，都應該納入考量。

例如今年八月的用電比去年八月少，不能馬上宣布「AI節能成功」。也許今年氣溫比較低，也可能使用人數減少了。

沒有合理的基準線，就很難說清楚改善到底從哪裡來。

未來建築績效要取得業主、投資人，甚至金融機構的信任，這項基本功不能省。

▲設計階段處理的是潛在能效，營運階段才產生實際能效。（圖片提供／楊謙柔）

一千個告警，不如十個真正需要處理的工作

今天很多智慧建築碰到的問題，早已不是沒有資料，而是資料太多。

中央監控一天可能跳出數百甚至上千個訊息，其中很多異常其實來自同一個原因。如果每一個紅燈都交給工程人員逐一判讀，久而久之，最容易出現的就是告警疲乏。

這正是AI很適合發揮的地方。

我常用一句話來形容：

把一千個告警，整理成十個真正需要處理的工作。

系統除了告訴管理者哪裡出問題，最好還能協助判斷：哪些異常可能來自同一個原因？哪一項影響最大？可能造成多少能源浪費？今天最應該先處理哪幾件事？

接下來仍然要有人負責，建立工單、完成修正，再回頭確認異常是不是已經排除。

這樣才是一套真正有效的管理方式。

一個告警最後如果沒有形成行動，就只是一個會閃紅燈的資料。

AI可以幫我們縮短從「發現問題」到「決定怎麼處理」的時間，但最後的專業判斷與責任，仍然在人。

節能不是少開，而是需要的時候才開

談節能，其實有一個很基本的概念：

耗電量就是功率乘以時間。

設備效率再好，只要控制錯誤，不必要地長時間運轉，仍然會造成浪費。

因此，我比較認同的節能觀念是：

需要的時候才開，而且用對的方式運轉。

空調就是最典型的例子。

真正的智慧控制，不會只盯著一個室內溫度，而是一起考量天氣、人數、濕度、二氧化碳濃度、設備效率、尖峰需量、換氣量、送風量、能源價格，甚至儲能狀態。

人的腦力不可能一天二十四小時持續處理這麼多變數，AI在這裡確實有它的優勢。

不過，有一條界線不能忘記：

省電不能以犧牲健康與舒適為代價。

節能不是要求使用者忍耐，而是在維持合理環境品質的前提下，把不必要的能源浪費找出來。

這也是智慧淨零和過去單純「節約用電」不太一樣的地方。

▲好的節能，不是少用，而是在維持健康舒適下，減少不必要的浪費。（圖片提供／楊謙柔）

建築不應永遠只是「吃電怪獸」

做建築能源工作多年，我一直期待一件事：建築可不可以不要永遠只是電力系統裡的負擔？

現在，這件事已經慢慢有機會實現。

當建築整合太陽光電、BIPV、儲能、電動車充電、時間電價與需量反應之後，它就不再只是單純的用電戶。

白天有太陽時可以發電，尖峰時利用儲能降低需量，必要時調整部分非關鍵負載；遇到特殊狀況，微電網也能提升建築本身的能源韌性。

建築因此有機會從過去的「能源負擔」，逐漸成為電力系統中的彈性能源資產。

這也意味著，未來建築設計的視野要再往外擴。

建築師與工程師不能只看基地紅線裡的一棟樓，還要開始思考它和社區、電網，甚至整個城市能源系統之間的關係。

這會是智慧淨零產業接下來很值得關注的一個方向。

▲建築也能成為可調度、可互動、可創造價值的能源資產。（圖片提供／楊謙柔）

淨零不能只看一張電費單

談淨零建築，另一個明顯的改變，是我們不能再只盯著建築使用階段的電費。

一棟建築至少要看兩本碳帳。

第一本是營運碳，來自空調、照明、電梯、熱水及其他設備在使用過程中消耗能源所產生的碳排。

第二本是蘊含碳，來自水泥、鋼筋、玻璃及其他建材的生產、運輸與施工，還包括未來修繕、設備更新及拆除所產生的碳排。

所以未來談低碳建築，除了問一年用了多少電，還要開始問：

每一批進場的材料，到底帶進來多少碳？

這件事會直接影響建材與設備產業。

未來一項建築產品除了價格、性能、尺寸與保固之外，碳排資料是否完整、來源是否可信，也會逐漸成為業主採購與設計選材的重要依據。

▲淨零建築不能只看電表，也要看每一批進場的材料。（圖片提供／楊謙柔）

AI整理資料很快，但不能替數據背書

真正做過生命週期評估（LCA）的人，大概都有相似的經驗：最花時間的往往不是公式，而是資料整理。

同一種材料，名稱可能不同；單位不同，數量也可能缺漏。不同資料庫的碳排係數未必一致，再加上年份、產地與生命週期範圍不同，資料一多，很容易失去一致性。

所以未來的碳資料，至少要能做到三件事：

可以對照、可以比較，也能回頭查到來源。

這些工作正好很適合AI協助。

它可以幫忙整理材料清單、比對名稱、找出缺漏，也能加快不同方案之間的比較。

但有一件事一定要說清楚：

AI不能替碳數據背書。

AI找到一個碳排係數，不代表這個數字就適用台灣，更不表示可以直接拿去做正式揭露。

資料是哪一年、來自哪個地區、生命週期範圍怎麼設定，最後仍然必須由專業人員確認。

AI可以把工作做得更快，但專業責任不會因此消失。

別忘了，AI自己也要用電

我們用AI幫建築節能，但AI自己也需要能源。

背後的伺服器、資料中心、感測器、通訊設備與各種運算，都有能源成本。

因此，AI導入建築並不是愈多愈好。

如果一個簡單的設備排程，用傳統控制就可以處理得很好，未必需要為了標榜AI而使用更複雜的模型。

真正應該算的是：

AI幫我們省下來的能源與碳，有沒有明顯高於它新增的能源、設備與營運成本？

如果沒有，那就只是為了AI而AI。

智慧淨零要走得長久，這一筆帳不能不算。

下一個商機，不一定是賣更多設備

當智慧建築從設備規格逐漸轉向實際績效，整個產業鏈也會跟著改變。

建築師不只完成圖面與空間設計，也需要更早思考能源、健康、碳排與未來營運。

設備商把主機交出去之後，也會開始面對新的問題：設備用了五年，效率還剩多少？有沒有持續調整？能不能讓它長期維持好的表現？

建材商需要提供更可靠的碳排資料。

系統整合商也不能只做到「點位都接上了」。資料品質、名稱、時間同步與控制邏輯，都會逐漸變成服務的一部分。

其中，我特別看好物業管理的轉型。

物業團隊最接近建築真實的使用狀況，也長期掌握能源、設備與維護資料。如果能從等待故障、接受報修，進一步掌握能源管理、設備健康與室內環境品質，就有機會成為真正的建築績效營運者。

金融、保險、ESG及碳管理服務，也會逐步進入這條產業鏈。

因為只要能源效率、碳排、設備風險與韌性逐漸有可靠的資料，這些資訊就會開始影響租賃、融資、保險與資產評價。

所以智慧淨零真正值得期待的商機，也許不是再多賣一套設備，而是：

陪著一棟建築，把五年、十年的績效真正做好。

台灣智慧淨零，現在最需要的是把基本功做好

面對AI與淨零同時進入建築產業，我認為台灣現在最需要的，不是再多一波口號，而是把幾件基本工作做紮實。

專案開始時，先不要急著問要買哪一套AI，應該先說清楚到底想改善什麼：是能源？設備效率？室內環境？碳排？還是營運成本？

能源管理要有合理的Baseline，否則節能成果從哪裡來，很難說服人。

中央監控與AI分析也不能只停在告警，要一路做到派工、改善與後續確認。

建築減碳則不能只盯著用電，營運碳與蘊含碳都要納入。

還有一件看似不起眼，卻會決定AI到底能不能發揮作用的事情，就是資料品質。

能源資料如此，設備資料如此，未來的碳資料更是如此。

資料不完整、名稱不一致、來源不清楚，AI再強，也只會更快得到一個不一定可靠的答案。

而產業最後還是得回答一個很現實的問題：

我們究竟是在賣設備，還是在替業主創造長期的建築績效？

我認為，這會是智慧建築走向智慧淨零的一條重要分界線。

最後留下來的，應該是績效

AI還會繼續進步，而且速度只會愈來愈快。

但我並不認為，AI愈強，建築專業就愈不重要。

剛好相反。

當AI可以在幾分鐘內產生數十個設計方案，也能在短時間整理大量能源與碳排資料之後，真正重要的反而是：我們知不知道問題在哪裡？哪些資料值得相信？哪一個方案真的適合現場？最後又是誰願意為決策負責？

讓建築會思考，不是把所有決定交給AI。

讓建築會省電，也不是把設備全部關掉。

讓建築會減碳，更不是做完一份碳盤查報告就算完成。

真正希望看到的，是一棟建築交付五年、十年之後，能源效率還維持得住，人在裡面仍然健康舒適，設備沒有因為缺乏管理而快速失去效率，碳排逐步降低，建築本身也保有應有的價值。

所以我認為，台灣智慧淨零產業下一波真正要比的，不是誰的平台最大，也不是誰裝的設備最多。

而是：

你的 performance，你的成果，能不能真正留在這棟建築物裡。

當產業開始從設備數量回到建築長期表現，智慧建築才真正跨入智慧淨零的新階段。

▲新的價值，不在單點設備，而在跨角色共創可量化、可驗證、可持續的建築績效。（圖片提供／楊謙柔）