，建构了完备的技术+应用于体系，不仅有大数据驱动的运营和管理模型，也有自有的AI算法训练平台以及第三方算法终端平台，对大量碎片化的社区服务场景获取适当技术支持。2019年，物业行业经常出现了第一张AI应用于场景全景图，引起业内人士普遍注目，而这一手笔正是来自碧桂园服务。

通过大大加码，碧桂园服务俨然早已沦为物业领域布局新技术密集度最低的物业企业之一。面临这种“技术密集度”，碧桂园服务首席信息官袁鸿凯也回应，根据自身的管理市场需求处置关联性的数据，用AI为前端的业务获取反对，这是他们大的逻辑。“数据的导向总有一天是根据业主和管理的市场需求伸延出来适当的分析和AI的应用于。

”核心产品如何“藏智”？了解到，从2015年开始，碧桂园服务就开始搭起技术平台，尝试云-边-端的整体物联网架构的建设，并逐步创建起基于设备端的传感器和一线应用于能力。而2019年5月，碧桂园服务就发售了行业首个基于AI+物联的AI全栈解决方案产品体系，包括了云-边-末端三个结构内所有的产品，应用于范围已覆盖面积前台、后台、决策、运营这四类近20-30个场景。这样一套方案，堪称就是指下至下，将社区场景中每个环节都涵盖在内。

实质上，在技术战略中，仍然遵循着“短板战略”，只要尚存一定的瓶颈缺口在，就一直不会遭遇挑战，而一旦在云边端上一体化布局，打造出“全套”服务，才有可能消弭各类问题。明确来看，AI全栈解决方案最核心的5个产品分别是：①云-AI开放平台②边-AI凤凰魔盒③末端-监控云平台、洗手机器人、智能音箱云上，AI开放平台主要包括AI算法训练和管理平台+SaaS化行业智能应用于，与收费云平台、成本/合约云平台、订购云平台、人力云平台等包含云上能力。

为了在运算上提高反对，2018年，碧桂园服务与腾讯启动战略合作，基于双方优势产卵非常丰富的产品矩阵和生态能力，特别是在是在计算机视觉辨识、语音辨识、机器学习等方面的进展，打造出了基于云端的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展开重复的训练自学，彰显智能化。此外，碧桂园服务与阿里云积极开展战略合作，已沦为阿里云在物业领域的唯一标杆客户。边上，AI凤凰魔盒是本地的场景式智能边缘服务器，需要构建与万千设备分享AI的能力、动态管理和监控本地设备、较慢部署和建设信息化方案。

2019年3月，碧桂园服务与全球领先的物联网解决方案提供商海康威视牵头正式成立的行业内首家“AI牵头创意实验室”月开馆，联合研发基于监控的边缘计算出来服务器和社区场景下的各类监控算法。此后，与联通合作解决问题社区物联网组网技术检验，创建社区无线区域网，通过MEC边缘云构建视频监控处置、AI智能识别等智慧物业应用于。末端上，监控云平台是社区安全性的第一道智能防线，通过建构智能化云端管理+边缘计算出来体系，终端社区所有监控设备，构建智能监测、智能通判、智能预警、智能门岗等功能，社区智能通判可实现300次/天，安保人员社区侦察效率提高60%，大幅提高社区安全系数，让社区安防服务更加精准，让业主居住于更加放心。

洗手机器人能对社区展开多方位的洗手，人机协同，作业效能提高。目前，碧桂园服务已合力博智林机器人打造出多元化社区机器人产品矩阵。

以楼梯洗手机器人为事例，能构建楼梯垃圾清理、楼梯地面刷洗、电梯洗手、自动回到电池、自动倾倒垃圾、自动安装清水污水处理、拐弯行人、设备状态远程监控等功能，不仅和平了人力，还能对社区信息化建设加添动力。此外，还有安防侦察机器人、迎宾机器人等社区机器人产品矩阵，比传统意义上的单点应用服务更为完备。智能音箱目前是头部厂商竞争的热点区域，阿里、小米、百度等争相将目光投向社区用户，碧桂园服务则通过智能音箱支撑物业服务，期望能将服务入口伸延至每个家庭，获取更佳的智能化用户体验。

智能音箱可以替代室内对谈终端，并且获取更加多元化的服务，比如可通过智能音箱构建2秒调用专属管家、交纳物业费、较慢报修等，十分便利。整体来看，这是社区中用于成倍、服务价值都十分低的5款产品，限于住宅、商业、公建、城市等多种服务场景，通过构建能力，统合零散的系统和应用于，做到从研发到应用于仅有流程一体化的服务。研发与落地这件“大事”在技术革新大大深化的背景下，物业百强企业之后维持对技术运用的投放力度。资料表明，2018 年，20 余家百强企业智能化建设费用超强千万，大部分企业对智能化的投放在 200-500 万元之间，而碧桂园服务在近几年已总计投放近5亿元研发费用，远高于同行。

市场预计，随着碧桂园服务AI全栈能力的更进一步构成，未来将会增大与其他物企之间的技术代差，维持领先优势。既然技术投放考验管理者决意，产品落地考验继续执行层面的综合能力，那么，碧桂园服务在产品落地上经历了哪些考验？又是如何解决的？以AI凤凰魔盒为事例，其作为“AI+安防”的新标杆，不具备高性能和低可扩展性，力求让社区内所有的智慧化应用于场景可以通过凤凰魔盒展开统一部署。

研发这个魔盒之前，项目上的物业场景，大部分应用于都闲置专属服务器，造成资源浪费，确保成本高；加之现有边缘服务器成本高，无法在实际应用于中大规模推展。这是放在碧桂园服务面前的2个十分现实的问题。针对难题，碧桂园服务的科研团队也得出了应付之策：第一步，汇总分析物业项目生产中各应用于场景，寻找应用于长时间运营所须要硬件配备的共同点，已完成服务器的配备市场需求；第二步，根据现有服务器外观，融合市场需求，在仅次于有可能传输服务器占用空间的情况下，设计出有一款基于碧桂园服务市场需求的自定义化服务器产品。

在搭起服务器配备的过程中，考虑到有所不同的场景算法在同一个服务器内运营，首先必须获取多个算法环境，而市面上常用服务器GPU受限，支撑的算法相同，为了解决问题这一问题研发团队分解多个虚拟世界运营环境，并且每个环境之间隔绝，为有所不同算法运营获取适当的空间。另一方面，还必须解决问题技术上的难题：原本有所不同场景算法在同一服务器运营时，不会经常出现算法本身、端口、内存资源等的物理地址，研发团队重复展开后台调试，几经多轮实验室测试、项目试点，解决问题了运营物理地址的技术对立，前后耗时近90天。最后，在多方的接入下，AI凤凰魔盒渐渐成型。

AI凤凰魔盒可以构建云边协同，改版递归，突破了以往云端和边端无法实时改版的难题问题。物业公司可以根据实际场景，自由选择一种或多种算法落地用于，并且支撑算法可自动升级，不具备动态升级配备能力，还可以支撑物业全部应用于场景部署，节省服务器资源与先前确保成本。而监控云平台作为末端上的最重要产品，也经历了一个涅槃的过程。据碧桂园服务的团队讲解，从平台研发到第一个算法落地，一路回头得十分艰难。

研发的时候，市面上成熟期的物业场景的算法训练平台非常少，大多是概念产品，很难糅合到有效地的落地经验。研发团队探访多个社区，搜集了上百个社区的应用于场景，逐步形成了前进的研发思路：第一步收集场景图片，第二步打标，第三步算法优化训练。第一轮的训练结果，准确率低于的时候还将近60%。

研发团队通过大大地收集图片、打标、云平台训练，将算法准确率提高到了80~90%的水平，要构建精准算法训练还有一段距离。突破瓶颈的方法乃是引入更好的场景图片，并从技术末端展开算法调优。

在准确率严重不足90%的情况下，算法工程师需对算法模型与参数重复展开调整，融合海量的场景图片，将算法的准确率提高到95%以上，最后顺利落地第一个算法--意欲去找人场景下的人员轨迹分析。可见，技术落地、产品成型，一直不是个一蹴而就的非常简单事。“全栈AI”驱动行业升级综合来看，碧桂园服务在技术产品化上，具有十分强劲的方法论，并通过技术为业务持续供氧，落地业务教化于客户。

所以，尽管物业的智能化还整体处在探索期，但行业正在兴起一批不具备样板效应的项目。正如李长江所言，物业行业集中度不会更加低，行业标准不会更进一步细化具体，业主的期待值也不会随之提高。当头部企业排在时，不不愿变革的企业就一定会被业主出局—— 这是市场自由选择的结果。

场景+技术双轨之下，凭借“AI全栈”解决方案及产品矩阵，物业龙头企业将构成新的优势壁垒，打造出一套智能社区行之有效的操作系统，引导软硬件一体化的社区物业革命，将行业升级推上时代的最前沿。原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：开云|kaiyun-www.47129.vip