最近公開資料顯示，目前已公布業績的三家內地物業管理公司——碧桂園服務、雅居樂服務，及背靠新城控股的新城悅，2018年凈利潤增長均超過1倍。這與行業景氣度密切相關。

在經歷了規模化增長的黃金十年后，中國房地產行業正處于從“增量市場”向“存量市場”的轉軌期，對存量市場的挖掘和運營成為未來企業競逐的主戰場。物業服務也告別之前“粗放式”的管理模式，開始向精細化運營發展。

然而，目前物業服務市場的現狀有點參差不齊。在鈦媒體研究院發起的2017-2018房地產行業調研報告中發現，物業服務行業正面臨一系列痛點：一方面物業費升值空間有限，原有的管理水平跟不上日益膨脹的規模發展，另一方面，作為物業成本結構比例最高的人力成本卻高居不下，并以每年10%-20%的比例逐年攀升。如果不采用數字化的手段來加以管控，未來物業公司面臨的壓力將不堪重負。

能夠大幅提高效率、降低用人成本的人工智能技術，自然成為了物業服務公司的優先選擇。實際上，物業服務領軍企業都已經開始謀求智慧化轉型，如龍湖地產將物業品牌升級為智慧服務，提出“空間即服務”的戰略。在向業主提供刷臉門禁、紅外垃圾監測等諸多服務的同時，其全面落地的“智囊型管家”項目也成為業主設備報修、衛生保潔等一站式服務的標配。

在所有這些物業公司提交的成績單中，碧桂園服務的成績尤為亮眼。作為港交所市值最大的物業管理公司，碧桂園服務率先采用領先AI技術，在物業服務這條新賽道上一路狂奔。

碧桂園服務所打造的云-邊-端AI全棧解決方案，利用人工智能和物聯網的深度融合，將物業服務場景智能化，并下放至邊緣端，這無論是對安防領域如一鍵巡邏、人臉／車牌識別等，還是對后臺的決策支持經營分析，都起到了強力的支撐作用，并大幅提高了管理效率。

2018年，碧桂園服務獲得中國物業服務百強企業經營績效第一，還摘得中國社區服務商客戶滿意度第一。在最近公布的年報上，碧桂園服務2018年營業額為46.75億元，同比增長近一半，達49.8%，凈利潤為9.23億元，同比上升129.8%。

這是怎么做到的？

人工智能如何落地物業服務？

盡管人工智能被業界熱捧，但要真正實現落地還很難。缺乏足夠樣本量的有效數據及豐富的應用場景，較高的算法研究成本……使得人工智能一直猶如空中樓閣，更多地還是停留于概念化、理論化的嘗試階段，難以實現真正的商業化落地。而物業服務行業復雜的線下場景，以及大量的社區實時數據的積累，可以說為人工智能落地提供了天然實驗場。

要實現人工智能在物業服務行業的落地，需滿足四個基礎條件：一是千萬級的數據量，二是強大的運算能力，三是清晰的業務場景，最后要有物聯網及物聯設備的支持。

數據和場景都是現成的，也是碧桂園服務的核心優勢。如何在運算和物聯網上發力，是碧桂園服務接下來要做的事情。

從2016年開始，碧桂園服務就開始搭建技術平臺，嘗試云-邊-端的整體物聯網架構的建設，并逐步建立起基于設備端的傳感器和一線應用能力。

為了在運算上提升支持，2018年，碧桂園服務與騰訊合作，基于騰訊豐富的產品矩陣和生態能力，尤其是在計算機視覺識別、語音識別、機器學習等方面的進展，打造了基于云端的AI智能平臺和AI算法訓練平臺，所有業務場景都可以在云端進行反復的訓練學習，賦予智能化。

為了讓“AI無處不在”，不僅僅高掛在云端，而是下放到本地社區，碧桂園服務又打造了基于邊緣的服務器，也就是說將云端的智能賦予邊緣端，能夠在邊緣進行計算處理。

“以前人工智能應用需要把采集到的數據上傳到云端，時效性很差。如果加入邊緣處理，將云端能力賦能到社區本地去處理，就能快速反應，即時性很明顯。”碧桂園服務首席信息官袁鴻凱介紹說。

而承載這種邊緣處理能力的重要工具，就是智能魔盒。這也是降低設備智能化改造成本的一個關鍵。

據袁鴻凱介紹，以前物業公司做智能化改造時會上大量的服務器，車閘有車閘的服務器，門禁有門禁的服務器，設備智能管理還有專門的服務器，而現在可以把所有這些服務器的功能集成在一個服務器里面，這就是所謂的智能魔盒。

“相較同行，用智能魔盒來進行智能化改造的成本能降低30%左右。這對于物業服務行業來說相當可觀。”

實際上，盡管不少云服務廠商都在積極打造自己的邊緣能力。比如華為，有自己的邊緣小站，而且基于硬件有一系列產品的支持，比如基于邊緣的芯片，基于邊緣的網絡等，阿里也有一組邊緣的設備生態的組織。但碧桂園服務在邊緣能力上的不同之處，就在于其云端的算法是完全基于物業服務的場景特性去設計的，這也是它在物業服務領域樹立門檻的一個核心優勢。

至此，碧桂園服務構建起來基于云-邊-端的AI全棧解決方案。它的邏輯是這樣的：通過云端的AI智能平臺和算法平臺，對設備設施數據進行管理分析；然后下傳至邊緣端，來集成相關分析結果及算法訓練后的能力，最后通過邊緣去管理所有端的設備，并將人工智能賦能到所有終端設備，實現“AI無處不在”。

要說與場景結合的典型案例，不得不提“一鍵巡邏”。原來保安巡邏都是每隔1個小時巡邏一次，一次至少也要1小時，而且在監控室，1000多張監控顯示屏滾動播放，靠人力很難及時發現問題。利用云-邊-端解決方案后，只需聯動小區所有關鍵路徑上的攝像頭進行一次性抓拍，然后邊緣會把這些圖片都切好，送到云端，依賴云端強大的算法生成一份巡邏報告，再將報告傳至邊緣端，這樣一線人員看到的就是一份已經算好的安全報告，會根據報告去調動巡邏崗處理各種各樣的狀況。據袁鴻凱介紹說，一鍵巡邏功能上線后，現在不需要人去線下巡邏，只需每隔20分鐘抓取一次監控，就能實時解決問題。

再比如垃圾滿溢服務。在對垃圾進行清掃時，有一項重要工作就是對垃圾桶的溢滿要做一個檢測，基于這一場景，把它放到云端去進行相應的學習，之后通過監控檢測出有溢滿的垃圾桶，就會及時跟下面的維修或保潔人員進行聯動，及時進行清掃。這就是碧桂園服務整體的云端+邊緣端+人工智能的整體的一個聯動效果。

值得提出的是，人工智能對碧桂園服務提升管理效率也是顯而易見。

譬如抓小偷。原來監控室里有3-400路的攝像頭傳輸，小偷在為非作歹時，僅靠肉眼，難以從監控中第一時間識別小偷身份。現在，碧桂園服務啟用了周界防范功能，就是在小區內或外面劃定一片區域，你靠近區域的外圍時，系統不會發出警報，但是當有一些行為，如攀爬、大的動作、踹門等異常行為發生時，系統就會發出很強烈的警示，并與語音聯動，提示人為去干預。

還有對可疑人員的以圖找人。就是通過對可疑人員的面部識別，系統會根據這個人的行動軌跡、具體位置等，在小區范圍內搜索這個人。

人工智能不僅僅被應用于前端的安防領域，包括人臉識別、語音報修、輔助巡邏等，在業主服務，如提醒繳費機器人，以及后臺的管理決策支持、企業運營等角度，也發揮著不小的功效。

最典型的是管家服務。在碧桂園服務，管家系統集成了CRM、ERP等系統的整合，一個管家通過系統，至少管理500-800戶業主。通過將成本數據、收入數據等模型的融合，再通過運算，人工智能可以給實際決策人員以支撐。

“比如收費率的預測，實際上影響收繳率大概有200多個因素，這些因素融合在一起會導致收繳率的波動，但利用人工智能最終預測的波動不會超過1%。這樣在下發年度經營指標時就是很好的一個參考。”袁鴻凱介紹說。

碧桂園服務正在研發的提醒繳費機器人，更是會替代管家完成提醒繳費任務。比如針對不同業主、不同的繳費習慣，系統會提供不同的策略，而且會有語音的介入。如果一個人習慣在月底繳費，系統就不會在月底之前的時段發出提示。而且管家不需要給業主打任何電話，全部由系統自動完成。這樣，這項復雜的工作就會被替代，管家就可以思考怎么為業主提供定向服務。

對于人工智能會否替代人，造成人員的大批下崗、失業，袁鴻凱直言不會。他認為人才是企業數字化轉型的重要因素之一，人員匹配是根據小區面積來定的。通過數字化、智能化的轉型，安保人員在掌握人機結合、人工智能這些科技上的能力會越來越高，單個管理面積和管理效率也會大幅提升。

人工智能未來的挑戰和變革

回看人工智能，從 IBM “深藍”橫空出世，到 AlphaGo 大戰世界冠軍，AI已悄無聲息地滲透進我們現實生活的點點面面。無論是交通導航、無人倉庫，還是語音助手、智能服務機器人，創建智慧城市、智慧社區正在成為國家層面大力推動的一個長遠規劃。

從物業管理行業來說，AI+社區的布局也越來越成為眾多物業公司的選擇。盡管目前AI在社區服務上的落地還不盡善盡美，用戶習慣也有待培養，但隨著人工智能在自然語言處理技術、語音語義分析以及人臉識別等技術上的日臻完善，AI+社區的全面落地指日可待。

如何讓碧桂園社區結合人工智能的潛能發揮到最大？袁鴻凱認為，下一個主戰場是機器人領域。與AI、機器人的深度融合，或將成為碧桂園“AI+社區”進化之路的有力武器。

實際上，碧桂園控股董事局主席楊國強早在去年就確立了打造“地產、農業、機器人”三駕馬車的戰略布局。并成立了全資子公司“博智林機器人”，研究機器人在建筑、餐飲、物業、零售等領域的應用，其中位于碧桂園總部的機器人餐廳已經開始實際運營。

在袁鴻凱看來，機器人也是人工智能和物聯網深度結合的完美呈現。

“大多數情況下，人工智能并不是一種全新的業務流程或商業模式，而是對于現有的業務流程、商業模式的根本性改造。AI重在提升效率，而非發明新的流程、新業務。機器人在服務場景的廣泛應用必須降低成本，而有效降低成本的途徑就是依靠物聯網和邊緣端的人工智能。未來是一個人類和機器共存、協作完成各類工作的時代。人工智能將會重建人類與機器之間的相互協作關系。”

尤其是，在AI技術不斷迭代，不斷有更加強大的功能注入后，系統的迅速反饋和適應能力也是企業面臨的一個挑戰。

袁鴻凱認為，如果將單體機器人注入智能的能力，成本很昂貴，所以機器人必須是要與邊緣端去結合的，這樣才能完成整體的動作。邊緣端需要不斷更新，這就要求云端結合大量的場景不斷地去訓練，不斷賦能，這對系統有很高的要求。

對于AI在物業行業廣泛應用面臨的挑戰，袁鴻凱認為有兩點，一是業務場景；二是平臺能力。

“就業務場景來說，目前AI算法研究的公司接觸不到復雜的業務場景，隨著AI的發展，AI將越來越多和我們線下復雜場景結合。如何快速適應這些復雜場景將是所有AI服務商的最大挑戰。二是平臺的處理能力，復雜多樣的業務場景會產生大量的各類數據（視頻、圖片、音頻等），平臺是否能支持這樣大數據量的及時處理也是挑戰。”