2026 年 9 月 8 日，苏黎世应用科技大学（ZHAW）设施管理研究所"智能建筑管理"能力小组在苏黎世科技园举办首届实践导向研讨会，主题为"智能建筑管理：运营优化"，来自研究界与产业界的 160 余位专家参会。会议将议题切分为投资、运营、数据三个板块，这一划分本身即透露出行业判断的转向：智能建筑的难题，已经从"能不能做"转向"值不值得做、谁来运营、靠什么数据支撑"。
三条贯穿全场的判断值得记录：技术能力的扩张并不自动转化为建筑绩效；AI 落地的瓶颈在组织而不在技术；数据的关键不在数量，而在质量与用途。
一、投资：AI 的回报逻辑与全生命周期错配
第一板块以"投资"为题，其立论前提略显反直觉——更多的技术并不会自动带来更好的建筑。
Pensimo 首席执行官 Marie Seiler 展示了 AI 的具体落点，例如供暖系统的运行优化。在多数情形下，由此产生的能耗节约足以覆盖高昂的初始投入。但她强调必须始终意识到一点：技术的寿命远短于建筑的寿命。 这句话点出了智能建筑投资的根本张力——建筑的设计寿命以数十年计，而控制系统的技术代际更替往往只有数年，投资决策因此必须建立在"可替换、可演进"的前提之上，而非绑定于某一代技术。
ETH 房地产总监 Hannes Pichler 的判断更为直接：每一项技术投资都必须服务于一个明确的目的。他介绍了设计—建造（design-build）一体化流程，即把传统上相互分离的设计与施工打包为一个合同发包，从而缩短实施周期、降低成本——这实际上把"投资效率"问题前置到了交付模式层面。
JLL 瑞士负责人 Jan Eckert 从工作环境视角切入：AI 正在彻底改变房地产行业的组织结构。同时他提醒两点风险：AI 的成本不容低估；AI 带来了大范围专业知识流失的威胁，而培养下一代专业人才是一项重大挑战。
随后的圆桌讨论给出一个被反复强调的结论：AI 的导入主要不是技术挑战，而是组织挑战。 企业必须明确哪些任务可以自动化、哪些环节仍需人的监督，而数据质量是这一切的前提。市场对"能够评估数据并从中推导出行动建议"的专业人才，需求正在上升。
二、运营：自主化运营的边界在哪里
第二板块"运营"围绕一个更具前瞻性的假设展开：未来，智能建筑在 AI 自主控制下的运行效率，是否会高于人工管理？
ZHAW 研究员 Simon Ashworth 博士介绍了与产业伙伴合作推进的项目，并以图恩市（Thun）为例——那里的关注点已不再是单体的智能建筑，而是智能城市。
瑞士联邦能源局 EnergieSchweiz 总经理 Tim Frey 强调，能效是瑞士能源战略的三大支柱之一。许多场景中的优化空间依然显著，例如配置不当的热泵、效率低下的照明系统。通过运营层面的优化，有时可实现高达 30% 的节约。 这一数字对国内读者同样具有参照意义：存量建筑的运营优化，其边际收益往往高于新一轮硬件投入。
瑞士设施管理协会 SVIT FM Switzerland 主席 Martina Reinholz 提出一个精炼判断：自主化的建筑，其智能程度取决于它的运营方式。 她特别指出，从建设阶段向运营阶段的过渡尤为关键，必须确保重要信息不在这一环节丢失。为更好释放潜力，行业正在讨论一类新的角色，她称之为"运营智能经理"（Operational Intelligence Manager）——需要同时具备技术、组织与运营三个维度的能力。
Vebego 首席执行官 Oliver Hofmann 与首席运营官 Serafino Melloni 分享了对数据驱动型设施管理的构想，落点在客户价值。以通风系统为例：借助实时数据，通风只在真正需要的地方运行，从而降低能耗与成本。
圆桌的结论同样克制：只有基于可测量数据、并能导向可执行措施的指标才有意义；同时必须给员工赋能，让他们能够履行自己的职责。
三、数据：当知识不再稀缺，什么才是稀缺的
第三板块聚焦数据如何用于建筑资产组合（portfolio）的管理。
ZHAW 的 Christian Coenen 教授在"AI 时代的战略"演讲中抛出三个值得反思的问题：当知识变得极大丰富、从而失去价值，实际发生了什么？价值又是如何被创造的？他认为，仍然稀缺的东西才有价值——他把"协调"与"与用户的关系"归入这一类。最后一个问题是：我们自己扮演什么角色？他主张成为"意图架构师"（Architect of Intent）——一个认识到建筑服务于其目的、而不仅仅是服务于其关键绩效指标的人。这需要好奇心、策展能力与共情能力。
Loriot 首席执行官 Julian Studer 展示了数据驱动应用开辟的新可能：传感器可以早期发现泄漏或火灾，监测技术系统的状态，或按需触发维护工作。此类方案对既有建筑尤其具有潜力。
在由 Julian Studer、IFMA 联合主席 Annett Fack、Viboo 首席运营官 Julie Vienne 与 LEIQ 首席客户官 Jan Müller 参与的最后一场圆桌上，共识十分清晰：重要的不是可用数据的数量，而是它的质量以及被使用的方式。 开放接口、对建筑资产组合的透彻理解，以及清晰的责任划分，被视为数字化成功的关键前提。
四、三方视角对照
五、对建筑智能化行业的四点启示
Andrea González 教授在总结中给出三条判断：优化不是项目的终点，而是一种运营模型；当投资、运营与数据三者协同工作时，影响才会产生；AI 支持决策，但责任与治理始终处于核心位置。结合国内建筑智能化的实践，可以进一步落为四点可操作的启示：
其一，交付边界要从"工程交付"前移到"运营能力交付"。 会议反复出现的"技术寿命短于建筑寿命"与"优化不是终点而是运营模型"，指向同一个现实：以竣工验收为终点的交付模式，天然无法对运行绩效负责。把运营优化的目标、可测量的绩效指标与考核周期写入交付范围，是让智能化投入产生持续回报的前提。
其二，数据治理应成为招标与技术规格的组成部分。 开放接口、数据字典、责任划分被列为数字化成功的关键前提，这在国内项目中往往停留在集成商的口头承诺层面。将其固化为采购条款，比事后协调更为经济。
其三，角色需要复合化。 "运营智能经理"这类提法背后，是技术、组织与运营能力的叠加需求。国内建筑智能化行业长期存在"设计—施工—运维"三段割裂，复合型角色的缺位，正是大量系统建成即闲置的直接原因。
其四，AI 的治理框架需与部署同步建立。 AI 支持决策、但不承担责任的定位，意味着必须提前划定自动化边界、明确人工监督点与最终责任归属，而不是在事故发生后倒推。同时，正如会议上所提醒的，AI 带来的专业知识流失风险，需要通过有意识的人才培养来对冲。
结语
这场研讨会的价值，不在于展示了多么前沿的技术，而在于把一个容易被技术叙事掩盖的问题重新摆上台面：智能建筑的目标是"高效、可持续、舒适且有利于健康的运行"，技术只是抵达这一目标的手段。当投资、运营与数据形成闭环，AI 才真正成为建筑绩效的放大器；而当三者彼此割裂，再先进的系统也只会成为又一项需要维护的资产。
参与评论 (0)