傳統節能的 5 大痛點 · AI 解方
左側是傳統節能讓企業卻步的困擾，右側是 AI 軟體控制策略對應的解法
設備汰換花費巨大
動輒數百萬資本支出，回收期長、財務壓力沉重
中斷營運風險
施工期間設備停擺，影響產線、製程或服務
導入期間冗長
工程動輒數月，影響日常正常營運節奏
學習成本高
新系統需要重新培訓，內部抗拒導入
維護費用居高不下
每年固定維運支出，長期累積可觀
不汰換設備
沿用既有冰機與管路，純軟體導入，導入成本僅傳統方案的 1/5 ~ 1/10。
不影響營運
純軟體導入、運轉中即可上線，停機時間 0 小時，產線製程完全不受影響。
快速上線
無須等待施工排程，最快 2 ~ 4 週 完成部署上線。
低學習成本
AI 自動運轉、介面一目了然，培訓需求近乎為零，內部無痛接軌。
維護即附加價值
一魚多吃、持續優化，年節能率穩定維持 8% ~ 15%，維護費用直接轉為節能效益。
5 大痛點，AI 全部解決。 不汰換設備、不停機、不培訓，立即開始節能。
AI 如何讓冷氣自己省電
結合氣象預報、LSTM 負載預測與最佳化策略，逐時推估明日冷凍噸數，自動調整冰水主機、冷卻水塔與泵組運轉組合。
氣象預報 + 負載預測
結合中央氣象署資料與場域歷史耗電，逐時預測明日冷房負載 (RT)，並標示尖峰時段。
AI 控制策略最佳化
依預測負載動態調整冰水溫度設定、冷卻水塔溫度與冰機組合，找出最低 kW/RT 運轉點。
M&V 節能效益驗證
依 ASHRAE Guideline 14 自動建立基線，逐月計算節電量、節電率與減碳量，透明可驗證。
平台四大模組
從資訊看板到 M&V 報告，AI 全程協助你看清、控制並驗證節能成效
資訊總覽看板
整合空調系統即時運轉數據，提供 24h 預估節電量、節能率、減碳量與電費等關鍵指標。
AI 控制策略
LSTM 負載預測搭配最佳化引擎，自動推算明日逐時冷凍噸數與最佳冰機組合策略。
歷史數據查詢
完整保存運轉與耗電歷史，支援自訂時段比較、設備效率分析與基線重建。
M&V 報告
依 ASHRAE Guideline 14 / IPMVP 自動建立節能基線，逐月驗證節電效益並輸出報告。
資訊總覽看板 — 月度製冷量與用電量趨勢
財務評估報告 — 一筆帳算清楚
從投入到回報，每一分錢都透明 — 我們用真實案例的 20 年財務模型，解析純設備汰換 (A 方案) v.s. AI 系統整合 + 變頻控制 + 補助 (B 方案) 的差距。
補助後財務評估
案例：三處 (B/C/E 大樓) 共 1,030 RT 中央空調系統 · 20 年期評估
| 指標 | A 方案 | B 方案 |
|---|---|---|
| 年節電量 (萬度) | 41.2 | 115.2 |
| 年節電費 (萬元) | 192.8 | 538.9 |
| 節電率 | 11.3% | 23.7% |
| 年減碳量 (噸) | 195.3 | 545.9 |
| 自籌投入 (萬元) | 3,270 | 2,574 |
| 20 年累計淨利 (萬元) | -1,898 | +1,498 |
| 回收年限 (年) | 31.3 | 5.7 |
| IRR 內部報酬率 | — | 12.1% |
20 年期累積淨現金流
提早 25.6 年
優於定存利率
降低 57.8%
資本槓桿
投入 2,574 萬自籌款，20 年創造逾 3,396 萬純利（已含 7% 折現率）
財務投報
內部報酬率高達 12.1%，遠優於定存與多數低風險投資商品
節電成本
攤提所有維保費用後，每度節電成本僅 2.48 元，降低 57.8%
回本速度
累積現金流轉正僅需 5.7 年，較純設備汰換提早 25.6 年