Butlr
只感測熱訊號的匿名空間分析，知道有幾個人卻不知道是誰
Butlr 做的是空間智慧（spatial intelligence），用低解析度的熱感測器判斷空間裡有多少人、他們在哪、待了多久。他們的標語講得很白：「我們只感測熱。就這麼簡單。」——這句話同時是技術說明也是隱私承諾。
功能特色與適用場景
為什麼要用熱感測而不是攝影機？因為多數空間分析的需求根本不需要知道「這個人是誰」，只需要知道「這裡有沒有人、有幾個」。攝影機能給你答案，但同時帶來一整套隱私、法遵與員工反彈的麻煩。Butlr 的 Heatic 2 與 Heatic 2+ 感測器只讀取熱訊號，解析度低到無法辨識個人身分，卻足以做人數統計與移動軌跡分析。平台採 API-first 設計，資料可以餵進既有的 BI 或設施管理系統。他們近期推出 Butlr Care GPT，讓照護人員能用自然語言直接問「哪個房間的動線設計容易導致跌倒」這類問題。目前服務超過 200 家企業、遍及 22 個國家，應用橫跨辦公空間、長照、大學校園與智慧建築；據點在加州 Burlingame、麻州 Cambridge 與東京。
最適合需要做空間使用率分析、但又不想（或不能）裝攝影機的場景——辦公室規劃、長照機構、教育空間、零售動線。台灣企業這幾年在推混合辦公與空間縮編，最缺的就是「我們的會議室到底真的用了多少」這種客觀數字；用攝影機做這件事在台灣的辦公室文化裡會引發反彈，熱感測是條相對好走的路。
主要功能
- Heatic 2／Heatic 2+ 熱感測器，僅讀取熱訊號、無法辨識個人身分
- 即時人數統計、佔用率與停留時間分析
- 移動軌跡與空間動線分析
- API-first 資料平台，可串接既有 BI 與設施管理系統
- Butlr Care GPT：以自然語言查詢空間與照護洞察
- 電池供電、無線部署，安裝不需佈線
- 適用辦公、長照、教育與智慧建築等多種場域
常見用途
- 辦公室會議室與工位的實際使用率分析
- 混合辦公下的空間縮編與重新配置決策
- 長照機構的房間動線與跌倒熱點分析
- 大學教室與圖書館的空間使用調度
- 零售賣場的人流動線與停留分析
- 依實際佔用率調整空調與照明，節省能耗
TheAI學院 編輯建議
編輯實測後的真心話總編輯的話：我很欣賞 Butlr 願意在官網上把「我們只感測熱」講成賣點，而不是拼命堆 AI 字眼。這其實是個很有紀律的產品決策——他們主動放棄了影像能提供的豐富資訊，換取一個乾淨的隱私立場。在台灣要推辦公室空間分析，這個取捨我覺得是對的：你要是拿攝影機去數工位使用率，數字還沒跑出來，內部信箱就先炸了。
主要功能
- Heatic 2／Heatic 2+ 熱感測器，僅讀取熱訊號、無法辨識個人身分
- 即時人數統計、佔用率與停留時間分析
- 移動軌跡與空間動線分析
- API-first 資料平台，可串接既有 BI 與設施管理系統
- Butlr Care GPT：以自然語言查詢空間與照護洞察
- 電池供電、無線部署，安裝不需佈線
- 適用辦公、長照、教育與智慧建築等多種場域
如何使用 Butlr
- 空間或設施管理單位洽詢 Butlr 導入。
- 裝 Heatic 2 或 Heatic 2+ 熱感測器。
- 只讀熱訊號判斷有幾人、在哪、待多久。
- 解析度低到無法辨識個人身分兼顧隱私。
- 做人數統計與移動軌跡分析。
- 用 API-first 把資料餵進既有 BI 或設施系統。
- 依官方方案洽詢導入。
適用場景
- 辦公室會議室與工位的實際使用率分析
- 混合辦公下的空間縮編與重新配置決策
- 長照機構的房間動線與跌倒熱點分析
- 大學教室與圖書館的空間使用調度
- 零售賣場的人流動線與停留分析
- 依實際佔用率調整空調與照明，節省能耗
Butlr 的優點與缺點
優點
- 隱私設計是從硬體層就決定的，不是靠軟體承諾，說服力完全不同
- 無線電池式部署，不需重新佈線，導入摩擦低
- API-first 讓資料能真正流進企業既有的分析流程
- Care GPT 讓非技術背景的照護或設施人員也能自己撈資料
缺點
- AI 並非產品核心，主要價值在熱感測硬體與資料平台，分析深度不如影像方案
- 熱感測本質上取得的資訊量有限，無法做行為細節判讀
- 感測器數量隨空間面積線性增加，大型場域的硬體成本可觀
- 未公開定價；電池式裝置有長期更換維護的營運負擔
Butlr 常見問題
熱感測器真的認不出是誰嗎？
Butlr 的感測器解析度刻意設計得很低，讀到的是熱區塊而非人臉或體態細節，設計上就無法做個人身分辨識。這跟「有影像但我們承諾不看」是根本不同的隱私架構。
這算 AI 工具嗎？
要誠實講：AI 不是 Butlr 的核心技術，熱感測硬體與資料平台才是。他們有 AI 分析層（包含 Care GPT），但如果你想找的是深度行為分析，影像類的方案能給的更多。Butlr 的定位是「夠用的資訊、最低的隱私成本」。
跟直接用門口計數器差在哪？
門口計數器只知道進出總數，Butlr 能告訴你空間內部的分布——哪張桌子常被用、哪個角落沒人去、人在哪裡停留最久。做空間規劃時，這個顆粒度的差別很關鍵。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
Butlr 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 企業專用
更多美國的 AI 工具
同樣來自美國的 AI 工具，一起看看。
Butlr 相關文章與教學
Butlr 評測：值得用嗎？
這是什麼
Butlr 的產品哲學可以濃縮成一句話：隱私是硬體的屬性，不是軟體的政策。它用的是熱感測器，物理上就拍不到臉、也記錄不到任何個人識別資訊——不是靠軟體承諾不儲存，是感測器根本沒有那個能力。
平台服務三個場景：辦公空間（用匿名人流資料優化不動產成本與員工體驗）、照護場域（不用攝影機也不用穿戴裝置的 24 小時監測）、資料中心（持續熱監測，偵測電源接點過熱）。感測器無線部署、不需拉線施工，提供開放 API 供第三方系統串接，規模可從單一樓層擴展到全球資產組合。客戶包含 Snowflake、Georgia-Pacific、高通與 Lendlease。
官方引用的一項調查是：五分之四的商用不動產與職場主管，缺乏能用來降低辦公室成本的正確資料。
實際能力與限制
先講它真正解決的問題。混合辦公之後，企業最大的困惑是「我們到底需要多少辦公室」。刷卡資料只知道有人進大樓，不知道人在哪；問卷調查全是主觀；裝攝影機做人流分析則會引發員工反彈與工會問題。Butlr 卡進的正是這個空隙——資料夠用來做決策，但拿不到任何個人資訊。
限制也來自同一個地方。熱感測的資訊粒度就是比攝影機粗，它能告訴你「這區現在有 12 個人」，不能告訴你這 12 個人在做什麼、是同一群人開會還是各自工作。如果你的需求是理解行為而不只是計算人數，這個粒度不夠。
照護場景我持保留態度。不用攝影機也不用穿戴裝置聽起來很理想，但熱訊號能判讀的行為有限，跌倒偵測的可靠度是否足以取代專用方案，官方沒有給出具體數字。我會建議把它當成環境監測與作息趨勢分析的工具，而不是急性事件的偵測器。
資料中心的應用反而是我覺得最扎實的一塊。電源接點過熱是資料中心真實且昂貴的故障源，用熱感測持續監測是對症下藥，而且這個場景完全沒有隱私爭議，價值最單純。
優點
- 硬體層級的匿名性，這是最強的隱私論證，不需要相信任何承諾
- 無線部署不需拉線施工，導入摩擦極低
- 開放 API 好串接，不會變成資料孤島
- 資料中心的熱點偵測是紮實的高價值應用
缺點
- 資訊粒度粗，只能算人數不能理解行為
- 照護場景的偵測可靠度缺乏公開數據支持
- 價格不公開
- 感測器需要一定密度才有效，大空間的部署成本會累積
適合誰、不適合誰
適合：想優化辦公空間配置但顧慮員工隱私的企業（尤其在歐洲有工會或 GDPR 壓力的組織）、資料中心營運商，以及需要空間使用率資料來談租約的資產管理者。
不適合：需要理解具體行為而非人數的場景（零售的顧客動線分析、工安的違規偵測）、以及需要急性事件即時偵測的照護場域。
替代方案
辦公空間分析可以看 VergeSense 這類專攻職場感測的方案；照護場景若需要可靠的跌倒偵測，Nobi 的影像式方案（但影像不外傳）或 CarePredict 的穿戴式方案覆蓋度更好；若你的需求是商用不動產的整體營運優化，Nantum AI 涵蓋的能源與 ESG 面向更廣。
台灣觀點
台灣企業對辦公空間使用率的資料需求，其實比歐美低一些——混合辦公在台灣的滲透率沒那麼高，多數公司仍以進辦公室為主，「該不該退租一層樓」的問題沒那麼迫切。但這件事正在改變，尤其是跨國公司的台灣分部，總部往往會要求提供使用率數據來決定續租。
我認為在台灣最有潛力的反而是資料中心那塊。台灣資料中心的建置量這兩年隨著 AI 需求暴增，電力密度越拉越高，電源接點過熱是實實在在的風險，而且這個應用完全沒有勞資或隱私爭議，是最好賣的場景。
隱私架構這件事也值得台灣企業學一課。個資法的合規成本很高，而 Butlr 示範了一種思路：與其花力氣證明你有好好保護資料，不如從一開始就讓系統拿不到那筆資料。這在設計任何內部監測系統時都適用。
總評
Butlr 是一個立場很清楚的產品：為了隱私，主動放棄資訊粒度。這個取捨在辦公空間與資料中心的場景裡非常划算——那些場景本來就只需要知道人數與溫度。但放到照護或零售，粒度不足就變成硬傷。判斷要不要用它，其實就是問自己一個問題：我需要的是計數，還是理解？答案是前者，Butlr 大概是市面上最乾淨的選擇。
本評測由 TheAI學院編輯群整理，內容力求客觀、含優缺點，僅供參考。
最後更新：2026年9月