余志彬：垂直深耕，AI重塑業務價值閉環｜2026觀點數字科技未來大會

本文為余志彬先生在2026觀點數字科技未來大會發表的演講。

余志彬（深圳市社區雲科技服務有限公司聯合創始人/CTO ）：尊敬的各位領導、企業家及媒體朋友們，大家早上好。非常感謝觀點機構的邀請，讓我有機會在此進行匯報與分享。

我今天分享的主題是《垂直深耕，AI重塑業務價值閉環》。

從人類文明發展的維度來看今天的技術發展，實際上人工智能已經帶來生活中方方面面的變化。特别是deep seek的出現，推動國内AI技術飛速發展。我們正從工業文明邁向智業文明，這是我們社區雲提出來的。

國家早在2019年便将數據納入生産要素，並于2022年12月正式發布“數據二十條”。近兩年，我們在生産力——即算力與算法上取得了顯著進步，包括剛才陳總提到的光伏領域，以及存儲芯片都得到了大力發展。反觀生産關繫，過去由土地占有決定雇傭關繫，由資本雇傭決定生産關繫；而今天，我們更多在談論Token。

新華社在今年春節後連續發文普及Token（詞元）的概念，讓公衆知曉它是最小的計算單元和可衡量單元。在矽谷，我們也能發現Token逐漸變成工資的一部分，包括英偉達、Meta等企業，都将部分工資以Token形式發放。例如，若年薪為60萬，每年可能會配置30萬的Token。

在我們公司，我們将Token作為配額發放給員工，鼓勵其使用AI。我們發現，使用AI與不使用AI，生産力存在巨大差異。在這個偉大的時代，我們見證了從“互聯網+”向“人工智能+”的躍遷。

過去，互聯網解決的是連接問題，商業模式多圍繞To B、To C展開；而今天人工智能，我們更易聯想到結果與價值創造。

我們社區雲提出ABC：先為AI賦能，才能為企業賦能，最終為用戶賦能。這里的“賦能”與“互聯網+”時代略有不同：“互聯網+”講究效率提升，“人工智能+”則是價值創造。我們聚焦于能給企業和客戶帶來什麼實質價值。

過去我們談論流量和平台，現在我們談論Token能給企業、組織及協會帶來什麼，這是“人工智能+”與“互聯網+”最大的不同。

2025年8月26日，國務院發布《關于深入實施“人工智能+”行動的意見》，標志着AI發展正式從單一的技術探索階段，全面轉向全行業的規模化應用落地新階段。此次戰略與2015年的“互聯網+”戰略明顯不同，它明确提出了時間節點和覆蓋率目標：2027年智能應用普及率突破70%，2030年各行業智能應用普及率超過90%，2035年全面進入智能社會。這也對應着“十五五”規劃中的高質量發展與新質生産力。

回顧AI發展的里程碑，從1997年IBM 深藍打敗世界冠軍卡斯帕羅夫到2016年AlphaGo，再到2022年ChatGPT問世，直至2024年12月deep seek出來後國内大模型的爆發，AI發展速度極快。

今天提到DeepSeek已不再陌生，但實際上，滿打滿算其問世至今僅一年半，卻已充分融入我們的日常生活。

斯坦福大學3月份發布的最新報告顯示，2026年3月，美國的Claude Opus 4.6拿到1503分，中國字節跳動旗下模型Dola-Seed-2.0-Preview拿到1464分，如果換算成百分比，差距僅僅是2.7%。中美在人工智能領域的激烈競争，迫使我們必須擁抱人工智能。過去我們說數字化轉型是必選題，今天我認為“人工智能+”更是一道必選題。

人工智能已經從工具到伙伴，過去大家可能将DeepSeek、Llama或豆包作為智能問答工具。但實際上，從去年11月OpenCloud開源，到今年3月6日騰訊在深圳舉行的相關發布會，龍崗随後出了龍蝦十條，短短幾月大衆已切身感受到AI的普及。今年4月Promise agent再次刷新了大衆對AI發展速度的認知。

所以我們在調侃，是在選擇“小龍蝦”還是“愛馬仕”，可以發現AI的發展正從被動接收指令轉向主動理解意圖，正重新定義人機協同。

LMArena的排行榜顯示，整個過程還在加速，在去年發布的95個最具代表性的模型里，超過九成都來自産業界，不是學術機構、政府實驗室。2026年2月一個月，就有Gemini 3.1 Pro、Claude Opus 4.6、GPT-5.3 Codex、Grok 4.20、Qwen 3.5、Seed 2.0 Pro、MiniMax M2.5、GLM-5八九個旗艦模型同月入場。模型叠代速度已從按年計算縮短為按月計算。

這會對我們帶來什麼影響呢？Anthropic今年3月5日發布的報告指出，受AI影響最大的職業包括計算機程序員、客戶服務代表和數據錄入員。這些職業與不動産及物業行業息息相關。

有了AI，我們應思考如何更好地應用它。智能體将帶來三大變革：工作效率革命、生活方式升級和社會結構演變。

我們也分析了物業行業的管理現狀，我将其總結為“散、亂、弱、差”四個字。“散”指行業雖為勞動密集型，但項目分散在全國，導致管理層級高、成本居高不下；“亂”指信息孤島嚴重，雖然大模型能處理非結構化數據，但企業級應用要求精準，標準數據亂，技術落後，會制約行業整體發展。

“弱”指運營能力薄弱，過度依賴個人經驗傳承，項目運營中存在大量盲區和漏洞，缺乏預見性，缺乏經驗傳承，事故頻發；“差”指服務體驗差，服務極度依賴經驗和記憶，響應速度慢，滿意度低，費用收繳困難，影響企業正常運轉和效益增長。

我曾在新加坡居住，疫情過後重訪，下車時酒店員工主動迎接，他看到預訂信息就知道是我。這種基于經驗的記憶服務在國内幾乎不存在。我們需要通過AI工具來解決這些問題。

在不确定性中構建确定性，我認為有兩點：數據自由與工具自由。過去，數據是組織架構的鏡像和權力邊界的投影。企業最難的不是繫統建設，而是審批權劃分和數據口徑定義。過去的繫統是為人服務的，未來的繫統是為數據自治而生的。去年年末到現在，SaaS行業股價的波動折射出這一點。所以，過去的SaaS是為人服務的，未來的繫統是為數據服務的。在開發層面，重點已從友好的交互界面轉向CLI，即以命令形式讓AI理解數據和繫統。

在工具方面，我們認為需在安全約束下，給予AI完全的執行權，使其能自由調度繫統資源、數據和接口，随需而動，自主執行閉環，從而直接提升效率。數據並不等于混亂，治理難度反而劇增。真正的智能産生于人類社會空間、物理空間與信息空間的融合，才會産生智能計算的結果。現實世界中有廣闊的數據源，解決數據問題的前提，是構建高質量的數據底座，這是滋養AI的前提。

在算力、算法、算量這三者中，企業家應優先考慮是否有企業數據，是否有行業的Know-how。如果連行業邏輯都不清楚，就無法定位問題，更無法設計基于AI運營邏輯的底層架構。這里引用國務院去年兩會期間的一篇報道：加快人工智能多場景應用，防止過度采用“私有化部署+項目制”的方式，因為私有化和項目制會導致數據割裂和孤島，阻礙行業知識圖譜和智能應用的構建。

第二點是工具自由，不等于失控。企業和用戶從關注哪些模型最強，到關注哪些模型能夠在自己的場景里用起來，以及到底能夠帶來什麼樣的實際價值。過去我們擁有工單繫統、資産管理繫統等各類軟件，這個過程中有沒有沉澱為數據，有沒有轉化為場景視圖、有沒有轉化為分析級服務、知識級服務和智能級服務，這是我們在構建數字化里需要思考的。這涉及到開發範式的轉變：從技術思維轉向業務思維的方式。

要達到一個好的結果，只有技術是不夠的，組織範式如何推動不動産及物業行業從勞動密集型向科技知識型轉變？如何重塑組織生産範式，促進生産力革命性躍遷和生産關繫深層次變革，形成人機協同、跨界融合、共創分享的智能。我分享三個階段：AI Embedded、AI Copilot和AI Agent。

首先要明确企業去向及當前數字化建設與AI融合的程度，才能更好地定義如何到達。AI Embedded階段以人為主，這個過程中使用部分AI工具，如用豆包處理報表；AI Copilot階段，AI協助計劃、控制、管理、反饋和監督，人機協同，例如在我們的種子客戶那里，催收工單和巡檢已由AI主導，人工僅做補充；AI Agent階段，企業組織轉變為AI Agent代理模式，領導層更多向AI下達指令，由AI管理AI，例如解決物業費收繳率低的問題。

這涉及組織範式的調整，即員工如何與AI協作。這要求場景垂直到底、智能嵌入到底、業務價值閉環到底。我們要構建業務内生的智能。過去互聯網時代是流量思維，通過APP鎖住入口；而今天是Token經濟，交互層應更友好，通過自然語言下發指令，這其實並不關心終端來源。智能代理AI Agent能否幫助一線提升服務大腦？AI都能夠帶來幫助。。

skill技能如何嵌入？過去依賴一個個API，現在封裝或自主創造能力已極大增強。像我本人技術出身，中途轉做管理，但現在利用Web Coding等工具，可以親自編程，一人可以帶領十幾個Agent。

最後，内生智能能否接入學習閉環？讓AI總結過去的經驗和決策是否合适，讓AI越用越懂業務。

在做數字化過程中，我們是在做補償性工程還是繫統性工程？企業應思考如何以行業 Know-How 為根，以智能架構為翼，為不動産以運營和服務為核心的價值創造提供垂直支撐，

讓智能從業務中來，到服務中去，實現物業企業的内生式增長。

互聯網解決的是連接，數字化解決的是記錄，而今天，人工智能解決的是價值創造。以上是我的分享，謝謝大家。

免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。