摘要：碧桂園服務打造的雲-邊-端AI全棧解決方案，在助力場景的智能化，打造AI+社區落地方面，起到了強力的支撐作用。
物業貌似正在成為房地產的下一個風口。
據最近公開資料顯示，目前已公佈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後，中國房地產行業正處於從「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，並以每年10%-20%的比例逐年攀升。如果不採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慧技術，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，碧桂園服務率先採用領先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雲-邊-端AI全棧解決方案，利用人工智慧和物聯網的深度融合，將物業服務場景智能化，並下放至邊緣端，應用範圍已覆蓋前台、後台、決策、運營這四類近20-30個場景，這無論是對安防領域如一鍵巡邏、人臉/車牌識別等，還是對管理決策經營分析，都起到了強力的支撐作用，並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。在最近公佈的年報上，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%。
他是怎麼做到的？
人工智慧如何落地物業服務？
儘管人工智慧被業界熱捧，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，較高的演算法研究成本……使得人工智慧一直猶如空中樓閣，更多地還是停留於概念化、理論化的嘗試階段，難以實現真正的商業化落地。而物業服務行業複雜的線下場景，以及大量的社區實時數據的積累，可以說為人工智慧落地提供了天然實驗場。
要實現人工智慧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，最後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台，嘗試雲-邊-端的整體物聯網架構的建設，並逐步建立起基於設備端的感測器和一線應用能力。
為了在運算上提升支持，2018年，碧桂園服務與騰訊合作，基於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，打造了基於雲端的AI智能平台和AI演算法訓練平台，所有業務場景都可以在雲端進行反覆的訓練學習，賦予智能化。
為了讓「AI無處不在」，不僅僅高掛在雲端，而是下放到本地社區，碧桂園服務又打造了基於邊緣的伺服器，也就是說將雲端的智能賦予邊緣端，能夠在邊緣進行計算處理。
「以前人工智慧應用需要把採集到的數據上傳到雲端，時效性很差。如果加入邊緣處理，將雲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伺服器，車閘有車閘的伺服器，門禁有門禁的伺服器，設備智能管理還有專門的伺服器，而現在可以把所有這些伺服器的功能集成在一個伺服器裏面，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。這對於物業服務行業來說相當可觀。」
實際上，儘管不少雲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，而且基於硬體有一系列產品的支持，比如基於邊緣的晶元，基於邊緣的網路等，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，就在於其雲端的演算法是完全基於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於雲-邊-端的AI全棧解決方案。它的邏輯是這樣的：通過雲端的AI智能平台和演算法平台，對設備設施數據進行管理分析；然後下傳至邊緣端，來集成相關分析結果及演算法訓練后的能力，最後通過邊緣去管理所有端的設備，並將人工智慧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。利用雲-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，然後邊緣會把這些圖片都切好，送到雲端，依賴雲端強大的演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，基於這一場景，把它放到雲端去進行相應的學習，之後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雲端+邊緣端+人工智慧的整體的一個聯動效果。
值得提出的是，人工智慧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範功能，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，並與語音聯動，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，在小區範圍內搜索這個人。
人工智慧不僅僅被應用於前端的安防領域，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，以及後台的管理決策支持、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，人工智慧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，但利用人工智慧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，這項複雜的工作就會被替代，管家就可以思考怎麼為業主提供定向服務。
對於人工智慧會否替代人，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、人工智慧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。
人工智慧未來的挑戰和變革
回看人工智慧，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。儘管目前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，但隨著人工智慧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慧的潛能發揮到最大？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。並成立了全資子公司「博智林機器人」，研究機器人在建築、餐飲、物業、零售等領域的應用，其中位於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，機器人也是人工智慧和物聯網深度結合的完美呈現。
「大多數情況下，人工智慧並不是一種全新的業務流程或商業模式，而是對於現有的業務流程、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慧。未來是一個人類和機器共存、協作完成各類工作的時代。人工智慧將會重建人類與機器之間的相互協作關係。」
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，這就要求雲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。
對於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；二是平台能力。
「就業務場景來說，目前AI演算法研究的公司接觸不到複雜的業務場景，隨著AI的發展，AI將越來越多和我們線下複雜場景結合。如何快速適應這些複雜場景將是所有AI服務商的最大挑戰。二是平台的處理能力，複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），平台是否能支持這樣大數據量的及時處理也是挑戰。」
（本文轉自鈦媒體，作者/胡江路，編輯/劉湘明）
