AI 驅動的建築 MRI 技術：Lamarr.AI 引領既有建築能效強化與資產管理轉型
科技產業資訊室(iKnow) - 廖雅韻 發表於 2025年11月13日
圖、AI 驅動的建築 MRI 技術：Lamarr.AI 引領既有建築能效強化與資產管理轉型
在全球淨零排放趨勢的推動下，提升既有建築的能源效率已成為建築產業當前最迫切的課題之一。許多老舊建築因屋頂滲漏、窗戶老化與隔熱缺失而造成不必要的能源耗損；隨著能源法規日益嚴格、資產管理要求也更為提升，如何以合理成本進行精準、快速的診斷，成為建築所有者必須面對的重要挑戰。
傳統的建築診斷方式，如鼓風機門測試、煙霧測試及手持紅外線熱影像儀，雖能提供部分資訊，但普遍存在成本高、作業時間長、資料零散且難以釐清問題根本原因等限制。在工具與流程受限的情況下，建築管理往往仍停留在低頻率、費用高昂的「一次性評估」模式，導致維護策略常從「預防性管理」退回到「被動危機處理」，只有在問題惡化或能源費用激增後才啟動修復。
由麻省理工學院（MIT）研究團隊創立的 Lamarr.AI，開發出一套建築外殼自動化診斷平台，為建築診斷提供突破性的解方。其核心概念是以『MRI 式掃描』的方式全面檢測建築健康狀態。平台透過無人機、紅外線熱影像、可見光影像及 AI 電腦視覺技術整合，以高速且大範圍的方式偵測建築外殼異常。與傳統檢測不同的是，Lamarr.AI 聚焦於找出真正需要改善的局部問題，提供「針對性修復」的數據基礎，而非建議昂貴的整體汰換，協助建築所有者以更低投入達到更高效的能源改善成效。
Lamarr.AI 的作業流程具備高度標準化。當客戶委託檢測後，合作的無人機團隊會依規劃航線拍攝建築立面與屋頂的紅外線及可見光影像。例如以 MIT Schwarzman College of Computing建築物為例，其建築面積約 18 萬平方英尺，所需影像超過 2,000 張。若以人工方式分析，往往需要耗時數週；但 Lamarr.AI 的 AI 模型僅需數秒便能完成影像分析處理，大幅縮短檢測流程並提升判讀準確性。
除了辨識熱異常的位置之外，Lamarr.AI 的模型還能推論背後的原因，包括空氣滲漏、隔熱材料缺失與水分入侵等，並將異常位置精準對應到建築的 3D 模型與相關結構資料。最終系統會整合影像、幾何資訊與能源模擬結果，自動生成工程等級的診斷報告，內容涵蓋改善項目的成本評估、能源效益分析及投資回收期，讓管理者能以數據為基礎制定策略性的改造計畫。
Lamarr.AI 的技術已在多種建築類型展現成效，包括醫療院所、高等教育校園與集合住宅等。透過精準修復取代不必要的全面汰換，該平台已協助多個客戶節省超過 300 萬美元的工程支出，同時有效延長建築壽命並降低能源消耗。此外，其可規模化的診斷流程也使大型建築群的管理單位更容易落實週期性資產管理。
2024 年，Lamarr.AI 與美國底特律市（Detroit）合作，針對三棟市政建築進行診斷，其中兩棟建築共發現超過 460 項隔熱缺陷與滲水問題。能源模擬顯示，若進行局部改善，可降低空調系統能耗高達 22%。這也是全球首個利用遠端操作無人機進行建築熱診斷的大規模專案，展現了高度的成本效率與可應用性，使高品質的建築診斷服務更容易普及。
Lamarr.AI 推動的不只是建築檢測方法的創新，更代表建築科學領域的一次重要躍進。透過自動化、標準化與 AI 驅動的多感測分析，使建築能效診斷得以從低頻率、依賴人力的判讀，轉型成高解析度、可制度化的「建築健康監測」。當建築外殼性能監控能如同健康檢查般成為定期程序時，管理者將能提前發現隱藏問題，降低維護成本、提升能源效益與安全性，最終打造更智慧、更具韌性的建築環境。（1246字；圖1）
參考資料：
Giving buildings an “MRI” to make them more energy-efficient and resilient. MIT News, 2025/11/7
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|