人工智能如何落地物业服务？

最近公开资料显示，目前已公布业绩的三家内地物业管理公司——碧桂园服务、雅居乐服务，及背靠新城控股的新城悦，2018年净利润增长均超过1倍。这与行业景气度密切相关。

在经历了规模化增长的黄金十年后，中国房地产行业正处于从“增量市场”向“存量市场”的转轨期，对存量市场的挖掘和运营成为未来企业竞逐的主战场。物业服务也告别之前“粗放式”的管理模式，开始向精细化运营发展。

然而，目前物业服务市场的现状有点参差不齐。在钛媒体研究院发起的2017-2018房地产行业调研报告中发现，物业服务行业正面临一系列痛点：一方面物业费升值空间有限，原有的管理水平跟不上日益膨胀的规模发展，另一方面，作为物业成本结构比例最高的人力成本却高居不下，并以每年10%-20%的比例逐年攀升。如果不采用数字化的手段来加以管控，未来物业公司面临的压力将不堪重负。

能够大幅提高效率、降低用人成本的人工智能技术，自然成为了物业服务公司的优先选择。实际上，物业服务领军企业都已经开始谋求智慧化转型，如龙湖地产将物业品牌升级为智慧服务，提出“空间即服务”的战略。在向业主提供刷脸门禁、红外垃圾监测等诸多服务的同时，其全面落地的“智囊型管家”项目也成为业主设备报修、卫生保洁等一站式服务的标配。

在所有这些物业公司提交的成绩单中，碧桂园服务的成绩尤为亮眼。作为港交所市值最大的物业管理公司，碧桂园服务率先采用领先AI技术，在物业服务这条新赛道上一路狂奔。

碧桂园服务所打造的云-边-端AI全栈解决方案，利用人工智能和物联网的深度融合，将物业服务场景智能化，并下放至边缘端，这无论是对安防领域如一键巡逻、人脸／车牌识别等，还是对后台的决策支持经营分析，都起到了强力的支撑作用，并大幅提高了管理效率。

2018年，碧桂园服务获得中国物业服务百强企业经营绩效第一，还摘得中国社区服务商客户满意度第一。在最近公布的年报上，碧桂园服务2018年营业额为46.75亿元，同比增长近一半，达49.8%，净利润为9.23亿元，同比上升129.8%。

这是怎么做到的？

人工智能如何落地物业服务？

尽管人工智能被业界热捧，但要真正实现落地还很难。缺乏足够样本量的有效数据及丰富的应用场景，较高的算法研究成本……使得人工智能一直犹如空中楼阁，更多地还是停留于概念化、理论化的尝试阶段，难以实现真正的商业化落地。而物业服务行业复杂的线下场景，以及大量的社区实时数据的积累，可以说为人工智能落地提供了天然实验场。

要实现人工智能在物业服务行业的落地，需满足四个基础条件：一是千万级的数据量，二是强大的运算能力，三是清晰的业务场景，最后要有物联网及物联设备的支持。

数据和场景都是现成的，也是碧桂园服务的核心优势。如何在运算和物联网上发力，是碧桂园服务接下来要做的事情。

从2016年开始，碧桂园服务就开始搭建技术平台，尝试云-边-端的整体物联网架构的建设，并逐步建立起基于设备端的传感器和一线应用能力。

为了在运算上提升支持，2018年，碧桂园服务与腾讯合作，基于腾讯丰富的产品矩阵和生态能力，尤其是在计算机视觉识别、语音识别、机器学习等方面的进展，打造了基于云端的AI智能平台和AI算法训练平台，所有业务场景都可以在云端进行反复的训练学习，赋予智能化。

为了让“AI无处不在”，不仅仅高挂在云端，而是下放到本地社区，碧桂园服务又打造了基于边缘的服务器，也就是说将云端的智能赋予边缘端，能够在边缘进行计算处理。

“以前人工智能应用需要把采集到的数据上传到云端，时效性很差。如果加入边缘处理，将云端能力赋能到社区本地去处理，就能快速反应，即时性很明显。”碧桂园服务首席信息官袁鸿凯介绍说。

而承载这种边缘处理能力的重要工具，就是智能魔盒。这也是降低设备智能化改造成本的一个关键。

据袁鸿凯介绍，以前物业公司做智能化改造时会上大量的服务器，车闸有车闸的服务器，门禁有门禁的服务器，设备智能管理还有专门的服务器，而现在可以把所有这些服务器的功能集成在一个服务器里面，这就是所谓的智能魔盒。

“相较同行，用智能魔盒来进行智能化改造的成本能降低30%左右。这对于物业服务行业来说相当可观。”

实际上，尽管不少云服务厂商都在积极打造自己的边缘能力。比如华为，有自己的边缘小站，而且基于硬件有一系列产品的支持，比如基于边缘的芯片，基于边缘的网络等，阿里也有一组边缘的设备生态的组织。但碧桂园服务在边缘能力上的不同之处，就在于其云端的算法是完全基于物业服务的场景特性去设计的，这也是它在物业服务领域树立门槛的一个核心优势。

至此，碧桂园服务构建起来基于云-边-端的AI全栈解决方案。它的逻辑是这样的：通过云端的AI智能平台和算法平台，对设备设施数据进行管理分析；然后下传至边缘端，来集成相关分析结果及算法训练后的能力，最后通过边缘去管理所有端的设备，并将人工智能赋能到所有终端设备，实现“AI无处不在”。

要说与场景结合的典型案例，不得不提“一键巡逻”。原来保安巡逻都是每隔1个小时巡逻一次，一次至少也要1小时，而且在监控室，1000多张监控显示屏滚动播放，靠人力很难及时发现问题。利用云-边-端解决方案后，只需联动小区所有关键路径上的摄像头进行一次性抓拍，然后边缘会把这些图片都切好，送到云端，依赖云端强大的算法生成一份巡逻报告，再将报告传至边缘端，这样一线人员看到的就是一份已经算好的安全报告，会根据报告去调动巡逻岗处理各种各样的状况。据袁鸿凯介绍说，一键巡逻功能上线后，现在不需要人去线下巡逻，只需每隔20分钟抓取一次监控，就能实时解决问题。

再比如垃圾满溢服务。在对垃圾进行清扫时，有一项重要工作就是对垃圾桶的溢满要做一个检测，基于这一场景，把它放到云端去进行相应的学习，之后通过监控检测出有溢满的垃圾桶，就会及时跟下面的维修或保洁人员进行联动，及时进行清扫。这就是碧桂园服务整体的云端+边缘端+人工智能的整体的一个联动效果。

值得提出的是，人工智能对碧桂园服务提升管理效率也是显而易见。

譬如抓小偷。原来监控室里有3-400路的摄像头传输，小偷在为非作歹时，仅靠肉眼，难以从监控中第一时间识别小偷身份。现在，碧桂园服务启用了周界防范功能，就是在小区内或外面划定一片区域，你靠近区域的外围时，系统不会发出警报，但是当有一些行为，如攀爬、大的动作、踹门等异常行为发生时，系统就会发出很强烈的警示，并与语音联动，提示人为去干预。

还有对可疑人员的以图找人。就是通过对可疑人员的面部识别，系统会根据这个人的行动轨迹、具体位置等，在小区范围内搜索这个人。

人工智能不仅仅被应用于前端的安防领域，包括人脸识别、语音报修、辅助巡逻等，在业主服务，如提醒缴费机器人，以及后台的管理决策支持、企业运营等角度，也发挥着不小的功效。

最典型的是管家服务。在碧桂园服务，管家系统集成了CRM、ERP等系统的整合，一个管家通过系统，至少管理500-800户业主。通过将成本数据、收入数据等模型的融合，再通过运算，人工智能可以给实际决策人员以支撑。

“比如收费率的预测，实际上影响收缴率大概有200多个因素，这些因素融合在一起会导致收缴率的波动，但利用人工智能最终预测的波动不会超过1%。这样在下发年度经营指标时就是很好的一个参考。”袁鸿凯介绍说。

碧桂园服务正在研发的提醒缴费机器人，更是会替代管家完成提醒缴费任务。比如针对不同业主、不同的缴费习惯，系统会提供不同的策略，而且会有语音的介入。如果一个人习惯在月底缴费，系统就不会在月底之前的时段发出提示。而且管家不需要给业主打任何电话，全部由系统自动完成。这样，这项复杂的工作就会被替代，管家就可以思考怎么为业主提供定向服务。

对于人工智能会否替代人，造成人员的大批下岗、失业，袁鸿凯直言不会。他认为人才是企业数字化转型的重要因素之一，人员匹配是根据小区面积来定的。通过数字化、智能化的转型，安保人员在掌握人机结合、人工智能这些科技上的能力会越来越高，单个管理面积和管理效率也会大幅提升。

人工智能未来的挑战和变革

回看人工智能，从 IBM “深蓝”横空出世，到 AlphaGo 大战世界冠军，AI已悄无声息地渗透进我们现实生活的点点面面。无论是交通导航、无人仓库，还是语音助手、智能服务机器人，创建智慧城市、智慧社区正在成为国家层面大力推动的一个长远规划。

从物业管理行业来说，AI+社区的布局也越来越成为众多物业公司的选择。尽管目前AI在社区服务上的落地还不尽善尽美，用户习惯也有待培养，但随着人工智能在自然语言处理技术、语音语义分析以及人脸识别等技术上的日臻完善，AI+社区的全面落地指日可待。

如何让碧桂园社区结合人工智能的潜能发挥到最大？袁鸿凯认为，下一个主战场是机器人领域。与AI、机器人的深度融合，或将成为碧桂园“AI+社区”进化之路的有力武器。

实际上，碧桂园控股董事局主席杨国强早在去年就确立了打造“地产、农业、机器人”三驾马车的战略布局。并成立了全资子公司“博智林机器人”，研究机器人在建筑、餐饮、物业、零售等领域的应用，其中位于碧桂园总部的机器人餐厅已经开始实际运营。

在袁鸿凯看来，机器人也是人工智能和物联网深度结合的完美呈现。

“大多数情况下，人工智能并不是一种全新的业务流程或商业模式，而是对于现有的业务流程、商业模式的根本性改造。AI重在提升效率，而非发明新的流程、新业务。机器人在服务场景的广泛应用必须降低成本，而有效降低成本的途径就是依靠物联网和边缘端的人工智能。未来是一个人类和机器共存、协作完成各类工作的时代。人工智能将会重建人类与机器之间的相互协作关系。”

尤其是，在AI技术不断迭代，不断有更加强大的功能注入后，系统的迅速反馈和适应能力也是企业面临的一个挑战。

袁鸿凯认为，如果将单体机器人注入智能的能力，成本很昂贵，所以机器人必须是要与边缘端去结合的，这样才能完成整体的动作。边缘端需要不断更新，这就要求云端结合大量的场景不断地去训练，不断赋能，这对系统有很高的要求。

对于AI在物业行业广泛应用面临的挑战，袁鸿凯认为有两点，一是业务场景；二是平台能力。

“就业务场景来说，目前AI算法研究的公司接触不到复杂的业务场景，随着AI的发展，AI将越来越多和我们线下复杂场景结合。如何快速适应这些复杂场景将是所有AI服务商的最大挑战。二是平台的处理能力，复杂多样的业务场景会产生大量的各类数据（视频、图片、音频等），平台是否能支持这样大数据量的及时处理也是挑战。”