Insight Tech

對於現今面對公眾的員工，管理者所面臨的挑戰是為工作人員提供複雜且瞬息萬變的資訊，以滿足訪客的需求。幕後很難訓練技藝純熟的員工來執行複雜的流程並遵循法規。「每個人的角色都愈加複雜，」對話式 AI 領導者 Vistry 的創辦人暨執行長 Atif Kureishy 表示。「員工必須取得即時的資訊，或者在一個非常專業的領域嫻熟且知識淵博。」

僱主也要應付自己的問題，因為面對經濟逆風和複雜的營運環境，他們得尋找創新的方法將勞動力支出最佳化。生成式 AI 聊天助理可協助員工和僱主解決這些問題。

一級方程式賽車美洲賽道使用的生成式 AI 工具

Vistry 在德克薩斯州奧斯汀的一級方程式 1（F1）美洲賽道（COTA）所部署的 AI Chat Staff Assist 是此類解決方案價值的有力例證。

COTA 活動有 450,000 名參加者和 10,000 名工作人員，龐大的規模本身就是一大挑戰。難以一一針對票務、交通運輸、日程安排和設施等主題回答訪客的問題。Vistry 與 COTA 官方人員及其 IT 夥伴合作，量身打造了 ZenoChat 生成式 AI 聊天助理，可讓工作人員透過行動裝置取用。

生成式 AI 是利用特定事件資料訓練以確保準確性，並配備多語言使用者介面，以促進員工與訪客之間順暢溝通。這項解決方案支援對查詢的即時回應，並透過第三方對應軟體增強，協助員工為賓客指路，並在雜亂無序的場地自行導航。

結果讓 COTA 領導階層和工作人員感到滿意。Vistry 的 AI 平台在三天活動期間能處理數百個不同的查詢。即使問題愈加頻繁和複雜，員工仍對這項工具愈加滿意。跟前幾年相比，結果是效率更高，壓力也更小。正如一位工作人員所說，AI 助理「將可能的一場混亂化為精心策劃的卓越」。活動籌辦人發現，AI 聊天機器人不僅提升員工的準備狀況，更強化了賓客體驗。

生命科學領域的 AI 聊天使用案例

AI 聊天解決方案在各種垂直領域與使用案例中提供了顯而易見的優勢。例如，在生命科學製造業中，量身打造的 AI 助理可為實驗室或廠房的工人提供支援。這些員工需要即時存取資訊（這種資訊通常儲存在大量無法存取的文件中），才能確保自己遵守適當的化學製造與控制協議，並符合監管機構的法規要求。

經過良好訓練的 AI 工具可協助製造業、品質保證部門，以及研發團隊找到物料清單（BOM）問題的答案、探索及瞭解原料供應商與其他類型之元件和設備供應商之間的依存關係，並取得他們工作所需的其他詳細資訊。

對於生命科學公司而言，實現符合 REACH、OSHA SDS 和 GHS 監管架構，是確保安全性與營運成功的不二法門。ZenoChat 平台透過建立法規遵循資訊圖、自動化文件流程，以及增強競爭性分析，來提供強大的解決方案。因此，生命科學公司可以簡化法規遵循的工作、減少錯誤，並在競爭激烈的產業中保持領先地位，同時確保它們符合所有的監管標準。

想當然爾，在講究準確性和精確度的產業，「人工智慧幻覺」的風險是一大顧慮，也就是生成式 AI 工具以虛假的確定性提供錯誤的資訊。但 Kureishy 表示，這種使用案例可以提升 AI 聊天助理的準確性。「我們的模型基於檢索增強生成（RAG）架構，在更有限且值得信賴的企業資料集中建立回應，並與知識圖相結合，進一步提升回覆的準確性和相關性。」

結果是 AI 模型將在其他 LLM 中出現幻覺的風險降至最低，並透過檢查和驗證使其更加可靠。

AI 電腦與軟體工具組實現邊緣部署

雖然基於 RAG的架構能提升準確性，但仍未因應工業企業的其他主要關切：資料安全性。對於涉及敏感智慧財產權的使用案例，即使是在雲端部署、普遍具有強大防護的模型，也可能構成不可接受的風險。

這正是 Vistry 完全在邊緣執行其 AI 聊天工具的原因之一，這種部署模式在很大程度上要歸功於該公司與 Intel 的技術合作。

「看到在 Intel AI 電腦的邊緣裝置上部署基於 RAG^® 的系統這麼輕鬆，我們非常興奮，」Kureishy 表示。「即使在處理這些 AI 模型所需的 GPU 密集型推斷工作負載時，Intel^® Core^™ Ultra 處理器的效能也非常出色。」

此外，Vistry 利用 Intel^® OpenVINO^™ 工具組將邊緣部署的 AI 模型最佳化，同時仍能提供維護使用者體驗所需的速度和準確性。

完全在邊緣部署 AI 聊天助理的能力，可讓高度避險的使用者利用這些解決方案。除此之外，它也支援在遠端地點運作的企業，因為連線能力是個問題，要讓每家企業都能確保在 IT 中斷時以「中斷連線」模式持續提供服務。

釋放非結構化資料的價值

未來幾年可望會有愈來愈多的組織改用 AI 工具，協助員工提升效率與生產力，部分是因為很多領域的工作人員需要針對他們的問題，得到快速、準確的答案。

「人們的期望是能夠輕鬆地使用非結構化、文件導向的資訊，但當資訊激增並散落在各種內容管理系統時，就會出現實際的差距：這是我們大家無論在個人或是職場上都經歷過的，」Kureishy 表示。「AI 助理終於能讓員工輕鬆即時地取得所有資訊，這對許多企業來說極其珍貴。」

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

醫生長期以來一直仰賴診斷放射學，在治療前辨識及查明患者疾病。現代放射線介入治療（IR）設備可讓他們在手術室取得即時醫療影像，為他們的工作提供資訊並加速進展。

醫院急切希望擴大 IR 的使用範圍，這樣可以壓低成本、降低風險、改善患者治療結果，並縮短住院時間。然而，這些系統的設備製造商發現難以滿足院方的需求。打造可快速分析醫療影像並提供現場指導的 IR 機器在技術上來講很複雜，且醫療設備需要經過漫長的認證審查才能發布。

嵌入式運算 OEM 協助醫療設備供應商克服許多障礙。舉例來說，醫療保健技術領先創新者 Siemens Healthineers、電腦視覺醫療影像系統開發商 HY Medical，以及數位外科手術平台供應商 Caresyntax 等公司可以取得專家協助，進行產品設計和技術選擇，不僅可以更快取得認證，還能更快地將設備交付給客戶。

透過將合適的硬體整合至設備，他們可以確保醫院與診所將獲得多年的支援，進而節省要價不菲的升級和修復費用。

在醫療影像中使用 AI

IR 系統由軟硬體元件組成，兩者必須天衣無縫地合作，提供近乎即時的結果，而且設計起來很複雜。而且由於設備是用來治療患者的，因此歸類為安全關鍵，必須滿足嚴格的技術要求才能取得認證。將新產品推向市場通常需要數年時間。

全球 OEM 和嵌入式運算系統製造商 Prodrive Technologies 是最好的例子，說明擁有深厚醫療保健技術經驗的夥伴如何對醫療設備製造商至關重要。「過去 30 年來，我們一直在建置、測試及整合複雜的系統，」Prodrive 銷售經理 Bartosz Straszak 表示。

除了放射學技術，該公司在醫療機器運作所必需的技術方面也擁有專業知識，包括運動控制，這是穩定許多 X 光和 CT 機器在手術過程中使用 C 型臂所不可或缺的。C 型臂繞着患者旋轉，從許多角度擷取即時高解析度影像，讓醫師無需移動患者即可獲得外科手術區域的多維檢視圖。Prodrive 也產生梯度放大器，調節 MRI 機器的磁場傳遞。

「從影像擷取的地方到經過處理之處，我們具備所有的體驗和元件，協助開發者建置系統。他們找上門提出自訂要求，我們可以將其整合並提供完整的產品，」Straszak 表示。

Prodrive 也在自家設施測試、驗證及認證關鍵安全產品，可能會縮短數年的開發時間。雖然該公司不設計軟體，但它可以幫助建造商做出有效部署的決策。舉例來說，如果建造商想用 AI 軟體近乎即時地為醫療影像自動註釋，Prodrive 可協助他們選擇最優異的硬體平台，高效執行程式。

Prodrive 也可以將設備建置商推薦給軟體合作夥伴，協助執行訓練電腦視覺模型以辨識醫療影像等任務。「我們協助客戶，將他們介紹給合適的軟體合作夥伴。這成為三方合作夥伴關係，」Straszak 表示。

利用高效能運算支援關鍵系統

快速可靠的硬體是 Prodrive IR 系統的核心。「影像處理是相當運算密集的過程，而我們仰賴 Intel 元件作為基礎，」Straszak 表示。

Prodrive 的 Zeus 伺服器採用第 4 代 Intel^® Xeon^® 可擴充處理器和第 5 代 Intel^® Xeon^® 可擴充處理器，能近乎即時地處理大量資料的影像。該公司的 Poseidon 工業電腦採用第 13 代 Intel^® Core^™處理器和第 14 代 Intel^® Core^™ 處理器，讓醫務人員進行即時的 AI 影像分析與編輯，最近因 Intel 處理器的速度和效率提升而實現這項功能。

「最新一代的 Intel Core 處理器的效能是五年前的三至四倍。這使建置商能夠打造以前過於昂貴且無法實現商業可行性的解決方案，」Straszak 解釋道。

對於設備製造商及其醫院客戶而言，另一個福音是電子硬體的長期支援。「Intel 為嵌入式運算設備提供極其長的生命週期，最多可達 15 年。這表示即使產品開發需要兩至三年，設備仍可在接下來的 12 年內保持不變地生產，」Straszak 表示。

可靠和持續維護是醫院機器格外強大的賣點。即使對患者附近使用的硬體進行微小的變更，也可能引發重新認證的需要，無限期地延後搶手設備的部署。

不斷演變的 IR 未來

隨著 IR 深度學習模型從運行中的系統收集愈多資料，其準確性和功能也將繼續精進。日後生成式 AI 可能會在為醫務人員註釋圖表、建立外科手術報告摘要等方面發揮作用。

「在許多情況下，AI 能看到肉眼看不到的細節，但有時難以做出準確的決定，」Straszak 表示。「生成式 AI 或許能解釋 AI 決策，然後可由人類驗證。我們必須要信任 AI 輸出，才能打造新的功能。」

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

商店、百貨公司和其他零售地點到處都架設了攝影機，為零售商提供了用於 AI 應用程式的視覺資料珍寶。只要將攝影機資料輸入支援電腦視覺的分析系統，零售企業就能將營運最佳化、更深入瞭解客戶，並做出更優異的策略性決策。

「零售業的使用案例非常廣泛，」零售業和其他領域的 AI 與視訊系統專家 Aurify 執行長暨共同創辦人 Pranita Palekar 表示。「電腦視覺可用來建立鉅細靡遺的客戶檔案、分析店內購物者行為、管理員工、監控貨架、防止損失，以及支援智慧數位招牌。」

當然，分析及操作大量原始影片資料可能頗具挑戰性，需要即時處理或大規模多據點部署時尤其如此。但強大的邊緣裝置和成熟的 AI 模型部署工具使電腦視覺解決方案得以進入商店，而創新零售商已抓住這個千載難逢的機會。

店內影片分析帶來業務成果

以 Aurify 在印度實施兩項零售業務為例。

在一項部署中，一家擁有 150 多個據點的大型頂尖店中店零售商希望更深入瞭解顧客，進而改善行銷和銷售工作。領導階層認為，由於仰賴員工手動計算和觀察購物者，目前的業務流程不準確且效率低下，但他們也擔心高技術的替代方案可能成本過高。

在另一項實施中，全國性的時尚連鎖店面臨類似的挑戰，只是這次規模更大。管理團隊的顧慮是，它無法集中式掌握 700 多家商店的網路，因此無法及時做出資料導向的營運和銷售策略決策。

Aurify 根據 StoreScript AI 零售影片分析平台，為兩家公司開發量身打造的解決方案。現有的閉路電視基礎架構用於收集資料，然後對其進行分析，提供清楚的顧客人口統計資料和商店的即時客流量。這家時尚零售商包含銷售點（POS）監控和排隊管理，協助簡化營運、管理庫存，並獲得對顧客購買行為的更多深入解析。新獲得的資料導致商品銷售策略的重大轉變，進而帶來大幅的銷售成長。

這兩家公司最後都實現了完全自動化的視訊分析系統，消除繁瑣的手動流程，並以最低的資本支出提供所需的深入解析

其他客戶也受益於實施使用案例，例如：計算與轉換相比的停留時間、群組計數、熱度圖生成、營業時間自動追蹤，以及隨時追蹤商店的顧客人數。

靈活的技術堆疊代表了升級改造，而非砍掉重練

在成本敏感的零售領域，決策者一直在尋找可快速高效實施的解決方案。因此，靈活的運算平台是關鍵所在。Aurify StoreScript 解決方案能與各種品牌的攝影機搭配使用，也可以使用 HD 或 IP 等不同攝影機類型的影片資料。在這方面，該公司與 Intel 的技術合作至關重要。

「我們的 AI 影片分析解決方案採用 Intel 處理器，為邊緣工作負載的電腦視覺提供卓越的效能與穩定性，」執行董事暨共同創辦人 Rishi Palekar 表示。「我們因此能夠使用來自現有閉路電視的原始攝影機資料，將客戶的硬體成本降至最低，並加速部署。」

Aurify 廣泛使用 Intel^® OpenVINO^™ 工具組，最佳化、自訂及部署從邊緣到雲端的深度學習模型。這樣一來，StoreScript 就能適應多種使用案例，並支援內部部署、雲端或混合式部署模型。

結果是零售商可以實施及自訂店內的 AI 分析解決解決方案，滿足自身獨特的需求，而無須大量投資新的基礎架構。

超越零售業：不同領域的 AI 影片分析

零售 AI 平台的靈活性無疑會對眾多零售企業帶來吸引力。但這也意味著這些解決方案可以用於其他領域。

Aurify 已為各行各業開發影片分析解決方案。在製造業可用來放大工業設備上訓練的攝影機影片資料，偵測異常振動及落實預測性維護。樓宇和建築公司可以利用 AI 影片分析進行自動化品質控制、確保員工遵守適當的安全程序，並即時偵測危險和事故。智慧城市可以利用邊緣電腦視覺進行交通管理、公共安全以及關鍵基礎架構的監控。

「在軟體和處理方面，AI 的進展讓各行各業都能部署強大、可擴充的電腦視覺解決方案，」Palekar 表示。「這將以增加成長、減少支出、提升盈利能力的方式，為許多領域的企業帶來切實的好處。」

 

本文由 insight.tech 編輯總監妮．貝內施（Georganne Benesch）編輯。

試想一下，您想要策劃一場晚宴，卻不知道會有多少賓客會來。這樣會無從準備。這正是在設施管理人員在無法存取即時使用人數（RTO）資料的情況下，實施需求控制通風（DCV）所面臨的日常挑戰。

需求控制通風系統根據建築物目前的空氣品質和溫度最佳化暖通空調的使用情況，實現能源效率。但舊式的 DCV 方法通常仰賴 CO₂ 感應器，缺少實現最佳效率所需的資料細微性。

「基於CO₂ 的系統可以確定空間何時處於『使用模式』，即有人在房間裡，但無法取得即時使用人數的資料，」提供基於使用人數的 DCV 解決方案的能源效率專家 Feedback Solutions 共同創辦人暨執行長 David Whalley 解釋道。「因此，即使只有少數人在場，他們仍被迫預設為接近系統容量 100% 的通風等級。舉例來說，我們合作的客戶辦公室區域是為 4,000 名員工打造，但有時使用人數會降至 300 人以下。」

這種過度通風的代價高昂。同時也阻礙了在大學、政府設施、商業辦公大樓和其他大型場所減少溫室氣體（GHG）的努力，綠能永續不只是首要任務，而且在許多情況下，也是一項合規要求。

不過，現今靈活的邊緣運算平台能實現基於使用人數的需求控制通風解決方案。基於使用人數的 DCV 比使用 CO₂ 感應器的舊式系統更有效，而且已取得令人刮目相看的實際成果。能源效率提升是因為通風風扇所需的 kWh 減少，以及由於加熱或冷卻所需的外部空氣量減少而節省熱量的結果。

實現環保建築的益處

典型案例是紐約州能源研究與發展局（NYSERDA）在紐約大學（NYU）部署的 Feedback Solutions。

全球建築營運佔 GHG 排放的 28%，但在氣溫極端、設施普遍老舊的紐約，這個數字還會更高。紐約州與紐約大學的領導階層都很關切校園的能源效率，這也不難理解。

Feedback Solutions 的工程師與紐約大學合作，在曼哈頓華盛頓廣場校區的牙醫學院安裝了基於使用人數的 DCV 系統。人員計數感應器利用在 Intel 裝置上執行的 Feedback Solutions 軟體在邊緣處理資料，即時監控了演講廳和其他大型會議室的確切人數。接著將所得的資訊透過建築自動化控制網路（BACnet）通訊協定傳送至大學的樓房管理系統（BMS），以便根據目前的實際需求自動調整通風等級。

與以前的解決方案相比，這能使 HVAC 策略效率顯著提高，這是因為前者要求通風設備在系統處於使用模式時，以超過 80% 的容量運作。基於使用人數的新型 DCV 解決方案能夠將使用量少或人數波動的房間的空氣品質和溫度設定值維持在平均 30-40% 的容量，進而將整體 GHG 排放量降低 18%。Feedback 的系統讓通風率能在後台自動隨著暖通空調區的人數升降，而無需手動干預。

大學對結果非常滿意，因此在校園的其他 15 棟樓房推出這項技術，新的解決方案所帶來的財務激勵讓這項決策更加容易。除了直接節省省營運成本之外，紐約大學也抵消了與紐約地方法 97（市政永續建築指令）相關的罰款。此外，大學也能利用當地電力公司實施的獎勵計畫，縮短投資回收期。

「紐約和其他許多注重永續發展地區的地方性公用事業供應商，提供了一些非常慷慨的環保建築獎勵，」Whalley 表示。「這些獎勵措施可以將已經很快的三年投資回報期縮短一半。」

符合未來需求的永續建築

將老化的基礎設施以更環保的方式改頭化面，這項能力吸引了全球大型組織和政府。公用事業供應商也很感興趣，畢竟他們需要尋找減少現有建築負荷的方法，實現新建築的電氣化。

但升級改造的一大障礙是，每個設施都有自己現有的 BMS 解決方案，以及獨特的需求和擔憂。為了因應這項挑戰，解決方案供應商訴諸可適應不同建築類型的靈活設計。

比方說，Feedback Solutions 提供適用於不同感應器和 BMS 的軟體平台。如果終端使用者有獨特的感應器需求，或在 IT 環境中執行多種 BMS 解決方案，仍然可以輕鬆協助建築營運商和能源團隊實施符合他們需求的 DCV 系統（圖 1）。

該公司與 Intel 的技術合作夥伴關係在開發如此多功能的 DCV 平台上扮演了不可或缺的角色。

「我們使用的 Intel 邊緣裝置強大且高度靈活，」Whalley 表示。「因此我們能為終端使用者提供許多不同的配置，例如將所有使用資料傳送至雲端的架構，以及完全內部部署的解決方案。」

打造全方位的資料分析策略

基於使用人數的 DCV 系統本身即至關重要。但取得樓房即時使用者的資料具有深遠的影響，讓這些解決方案能夠成就更多。

組織一旦知道空間是怎麼使用的，就能釋放巨大的價值。辦公室和大學可以合理化後疫情時代的房地產足跡。設施管理團隊可以更高效地安排，減少使用不足的樓房營運時間，並更合理地分配清潔和維護人員。長遠來看，是有可能根據實際使用模式做出資料導向的決策，來重新利用或整合樓房。

這不僅是在不同領域增加價值。一旦將樓房使用率資料視為通用結構，就能採用整合式的方法解決未來幾十年最棘手的問題。

「打破資料孤島，就能實現更複雜的最佳化策略，」Whalley 表示。「我們將自己視為未來的一環，這個世界能透過全方位的解決方案因應能源效率、空間利用以及永續發展的挑戰。」

 

本文由 insight.tech 編輯總監 Christina Cardoza 編輯。

鋼材、混凝土、電線、水管，諸如此類的東西能蓋成一棟建築物。但什麼能蓋成智慧建築呢？智慧建築又如何發展為智慧永續建築？隨著目前推動員工重返辦公室，增加樓房的佔用率以及後續為建築系統帶來的壓力，這些問題也變得更加緊迫。新建築的優勢在於能將永續和智慧系統結合，但老舊建築呢？技術解決方案是否也挽救不了？

部分問題會由 Nantum AI（前身為 PrescriptiveData）的品牌與行銷副總裁 Lauren Long，以及尖端解決方案供應商 Blue Bolt 的到職專家 Maciej Labuszewski 回答（影片 1）。他們探討了智慧建築在對抗氣候變遷危機中所能發揮的作用、將 AI 和資料整合至智慧建築解決方案的原因，以及與最佳技術合作為最佳解決方案注入動能的優勢，因為這些都是錯綜複雜的系統，也是舉足輕重的雄心壯志，這所有的一切不僅只是要記得關燈。

影片 1。Nantum AI 的 Lauren Long 與Blue Bolt 的 Maciej Labuszewski 探討邁向智慧永續建築的歷程。（資料來源：insight.tech） 

智慧永續建築的真正定義是什麼？

Lauren Long：每座建築無論在建構的時間、建構的風格、使用的材料，都各不相同。因此綠能永續的樣貌沒有統一的標準答案。但永續建築有一些共同點，其中許多都和意圖有關。您想避免浪費：所以您會把沒人用的房間關燈、用低水量沖馬桶、密封窗戶等。這個層面上能做的事有很多。

但若再進一步思考技術層面，就是讓建築更智慧、更永續的方式。這是因為我們正在收集資料，並有望據之以行。但沒有基準，何來改善？因此瞭解目前的情況並制定改良計畫非常重要。

據說建築界的碳排放量佔全球 40% ，其中 28% 來自營運流程，因此要讓建築舒適並維持正常運作，就需要採取一切措施。如果我們讓建築營運的效率比目前提升 50%，那麼全球排放量就會減少 14%，這是相當大的影響。

Deloitte 的一份 2024 年房地產展望報告顯示，只有 5% 的建築完全現代化，這表示它們擁有可以輕鬆整合新興數位技術的核心系統。然而，報告也表示，34% 的建築物大多改用這些現代化系統，而 30% 的建築物目前正要從舊式模型脫胎換骨。

隨著感應器進入建築系統，並向營運商提供更多資料，實際上改變的確會成真。因此，雖然建築無疑是問題的一部分，但它也有得天獨厚的能力，成為解決方案的一環，作為其他產業的榜樣。

建築業主和管理者在永續發展工作中需要關注哪些面向？

Maciej Labuszewski：近年來，人們在可回收建築材料和簡化建築流程等領域取得了豐碩的成果。但在此同時，人們關注的焦點已有所轉變，不僅要永續建造建築，還要在整個生命週期內實現永續利用。隨著愈來愈多的老屋在市場上不斷累積，實現淨零目標並減少碳和塑膠足跡是延長建築物壽命的必要條件，否則建築物會視為事過境遷的明日黃花。

實際上，建築業主關注的兩大重點。其一是減少舊式系統的使用，以及暖氣、照明和空調模式的錯估，導致效率低下。這些錯估往往是因為資料不足，資料有助於辨識目標、設定效能指標，並找出不必要的成本。但如果無法取得資料，那基本上就不可能制定策略，更不要說成功實施了。

其二是邀請租戶改變自己的消費模式。然而，在一棟租戶眾多、背景各異的建築中，這是一項相當艱鉅的任務。這需要適當的溝通、適當的獎勵，當然也要制定生效的時間。

Blue Bolt 考量到我們為建築提供的每項功能中，綠能永續都是不可或缺的一大要素，並以此來因應這些問題。其例之一是從舊式的存取控制工具 (塑膠卡片和遙控器) 切換成完全儲存在手機上的存取方式。在大型辦公大樓中，每年光憑卡片出入所耗費的塑膠量就幾乎可達 200 公斤。

近期有哪些技術創新讓落實這些解決方案？

Maciej Labuszewski：我認為一開始有必要明確地指出，在房地產市場中，光是擁有建築應用程式已不再能改變現狀。 許多行動解決方案提供的功能都是針對特定、孤立、非常狹隘的問題而量身打造，而且只是鎖定極為特定的房地產組合。它們只是缺乏滿足業主、管理部門與租客需求的範圍和規模。

建築經理現在將目光投向更複雜的解決方案，提供可衡量成果、並在整個產品組合中具有通用功能，具有統一的 ESG 標準、訪客管理，且無須耗費大量時間即可改變傳統方法 (存取卡和遙控器) 的資源，以便立即感受到結果。同樣也非常重視解決方案的成本效益。

Blue Bolt 在這方面能一展長才，由於系統採用極致靈活且具調適性的硬體，因此無論建築有多老舊，我們幾乎都可以在任何建築物上安裝，並在數天內部署整個系統。這與我先前說的不斷累積的老舊屬性有關。

AI 扮演了什麼角色，讓建築變得更智慧而永續？

Lauren Long：AI 和機器學習絕對是協助我們達成目標的利器。資料可整合至統一的使用者介面，接著由您深入剖析，找出不同資料類型之間的模式、相關性或因果關係。試圖把所有資料當作人類來監控幾乎是天方夜譚；AI 是讓資料擴充的唯一途徑。總是需要考量人為錯誤的因素。

就使用所有這些資料而言，我們在業界的地位的確獨一無二。我經常從行銷的角度推薦傑佛瑞·摩爾的著作《跨越鴻溝》。但建築空間的情況非常相似，因此您可以說我們必須跨越工程的鴻溝。讓我為您打造情境。

建築營運中，永續經理也是目標設定者。他們合作設定目標、尋找解決方案，並追蹤永續發展的進展。也有資產經理負責成本最佳化。他們分析、投資及管理房地產，實現長期的價值和永續發展。

但還有第三個群體：建築營運商，也就是變革者。他們維持高效的營運，並最佳化建築效能，實現永續發展。我提到的鴻溝是指前兩個群體與建築營運商之間，沒有任何即時效能資料。

但若您擁有資料，卻不使用，那有什麼意義？利用 AI 取得可據以行動的深入解析，對於建立即時問責非常重要。這是 Nantum AI 透過日常 AI工程建議，以及我們的法規遵循分析所做的事，我們能夠評估系統向工程師傳送的建議數量、實際採取行動的數量，以及由此產生的成功。

有沒有業者推動永續發展變化的實例？

Maciej Labuszewski：我們的第一批的客戶中有個共享辦公室品牌，它們也是商業房地產的業主，在五個國家/地區設有辦公室。真正吸引他們注意並證明非常成功的 Blue Bolt 功能之一，就是在非高峰時段關閉電梯。這要歸功於我們的 AI 系統，彙總建築物出入控制和電梯系統的資料，並將其整合為易於瀏覽的資訊，供業主和資產管理者查看。正是這種解決方案應證了我們不僅是另一款小玩意兒，而是有助於每天做出明智決策的工具。

Lauren Long：Nantum AI 數一數二備受青睞的功能就是協助公司實現節能措施，即 ECM。我們的客戶之一是 Jamestown Properties；他們在舊金山有一座海濱廣場。他們想利用 Nantum AI 在白天透過智慧關機節省開支，根據即時佔用率改變建築系統的營運方式。相較於 2019 年的基準，他們節省了超過 71,000 美元，將近 285,000 千瓦的能量。只要建築營運中做出小小的改變，就能帶來大大的不同。

來聊聊協助打造這些解決方案的技術夥伴吧。

Lauren Long：我們主要關注軟體層面，並且與許多能取得精準確切資料的公司合作。輸入的資料愈好，就代表輸出的資料愈好，對嗎？但我們也極度仰賴硬體，我們發現搭載 Intel晶片的建築物最有能力實現智慧。

我們所有的建築都在 Intel 閘道上運作，也因此成為 Intel 的完美夥伴。我們的目標是成為全球每座建築更具智慧的建築供應商，而我深信每座建築都能成為智慧建築。這是由 Intel 實現並提供支援。

在智慧建築的歷程中，人們還應該思考什麼？

Maciej Labuszewski：我們的討論一直繞著技術打轉，但在永續方面值得一提的是，它必須用來團結人們、實現共同目標。我們所談的不僅是業務決策，也是可能會影響集體未來的倫理決策。

我們在Blue Bolt 開發的解決方案，不僅是一個需要實現的商業模式，而且是一個更宏大的概念，在思考利益相關者、使用者的需求，以及我們將集體利益發揮到極致時需要銘記在心。

Lauren Long：我完全同意 Maciej 剛說的話。打造及維護永續建築迫在眉睫。我們確實需要共同努力，消除不同部門的資料孤島和挑戰，但我們也必須落實現有的技術、瞭解所需的技術，才能實現目標。AI 是一個巨大的工具，也是我們的工具箱中的一筆龐大的資產，可望實現全球脫碳的目標。

相關內容

若要進一步瞭解永續智慧建築，請收聽 AI 創新：永續建築的基礎，並閱讀行動存取控制促進永續建築以及從聰明建築到智慧建築。若要瞭解 Nantum AI 的最新創新技術，請在 X/Twitter 的 @nantumai 與 LinkedIn 關注他們。若要瞭解 Blue Bolt 的最新創新技術，請在 LinkedIn 關注他們。

 

本文由 Erin Noble 編審。