黃璟：AI大模型、數字化對物流地産園區運營的影響和意義 | 觀點數字未來發展大會演講

本文為黃璟先生在2025觀點數字未來發展大會發表的演講。

黃璟（普洛斯ASP副總裁、首席信息官）：各位領導、各位嘉賓，大家下午好！感謝觀點網提供了這樣的機會，跟大家能夠溝通我們對新技術、對數字化的經驗和想法，我覺得這是一個難得的機會。

上午閉門會大家讨論得很激烈，就是後面談到AI大模型的時候，大家有一些困惑，那個時候說了好幾次感覺焦慮。剛剛我們觀點的陳總應該也提了這個詞，焦慮。這麼好的一個東西，大家怎麼都焦慮呢？在我看來，這種焦慮要麼是特别懂，大家會焦慮。要麼是一點都不太了解，會有一些敬畏感，會有焦慮。對于我這樣懂一點點反而不焦慮，反而覺得這是挺好的機會。

因為在我看來，AI大模型單看是沒有任何的意義，這個東西還是要延續着企業的數字化一起來談的。今天我們在談AI大模型的時候，本質上對大家都是一個機會，因為在現在的歷史階段，它把很多公司的技術鴻溝拉平了，讓大家在一個起跑線上做新的競争，這時候考驗大家的就是各個公司對自己業務的理解，基于對自己業務、對業務創新的理解，誰這個時候創新做得更好，誰就占據了接下來商業的先機。從這一點來看，我覺得這個對大家都是新的機會。

上午還提到了大模型對整個業務數字化的一些觀點，大家也說了如果我們要做大模型，怎麼做？心里沒有底。其實我覺得連自己的數字化路徑都還沒有想好的情況下，這個時候就去做大模型，其實是一件蠻危險的事情，可能會造成很多沒有必要的投入。企業今天談AI大模型，肯定是先從企業的數字化開始談。

普洛斯ASP是普洛斯旗下中國領先的基礎設施資産管理服務平台，現在管理着全國超過4000萬平方米的管理面積，全國有500多個園區。除了普洛斯自己的400多個園區，還運營着非普洛斯的将近100個園區，這個體量是非常大的。

在物流園區智慧化方面，很多時候問題不是技術的問題，是成本的問題。這個新的技術很好，但是能不能使用，能不能在我們預算範圍之内來使用？這個是我們遇到最大的問題。

我進入到這個行業，是2016年就開始做物流地産行業的智慧園區，應該是國内最早做物流地産智慧園區的那一批人。

我們那個時候開始在物流地産里面大規模使用IoT物聯網，還是因為成本的原因，便宜。那個時候，我們覺得IoT物聯網便宜，比以前所有的有線網絡、光纖網絡，比那些要便宜很多，IoT傳感器也比較便宜。所以那時候有機會在園區里大規模部署IoT物聯網。這個對目前整個物流園區技術發展，帶來了非常根本性的變革。

但是從那之後，這些年我們再看到新的技術，不管是5G也好，還是所謂的其他的一些技術，其實這些年並沒有帶來太根本性的變革。但是這一次AI大模型反倒覺得是很好的機會，因為現在從整個成本上來看，其實是負擔得起的，對我們來說是一個新的機會。

回到普洛斯，普洛斯為什麼開始用AI大模型？看看我們的體量就知道了，全國四五百個園區，每個園區假如說一年只發生一次突發事件，平均每天都有一兩起突發事件。其實在做園區管理，管理者最樸素的願望就是睡一個好覺，每天不要在睡夢中被突發事情吵醒。甚至真的出現了突發事情，我們可以第一時間知道，這是我們最樸素的想法。

從過去一年來看，其實過去一年不是非常安穩的一年。盡管在我們運營的園區沒有明顯體現，但從全國來看，各種物流園區過去一年發生了多起火災事故、安全事故，在過去一年中國的異常天氣給園區造成的影響也是高于往年的，這都是通過數據統計出來的。如果不通過數字化、新的技術手段，根本沒辦法面對現在層出不窮的意外情況。

普洛斯這些年在做園區管理的時候，在做智慧園區的時候，我們的理念發生了三個階段、兩次比較大的變化。普洛斯最早做智慧園區是2017年、2018年，那個時候注重園區的現場管理，比如說流程問題、現場各種智能化，以及各種場景融合的科技運營體繫，其實就是解決現場的問題。我們認為現場哪些情況下，只依靠人工是不夠靠譜的，需要用更靠譜的設備來替代他們。我希望收集到的數據更加準确，希望能夠通過一些技術的投入降本提效，讓園區的人少一點、靠譜一點，可控性更強一點。

那個時候園區鋪設了大量的IoT設備，然後把所有的流程線上化，做好了園區的管理，投入很大的。但是從ROI上面，硬件設備投入跟節省人員成本是差不多的，但是可靠性更增強一些，這是第一階段。

第二階段，再往園區里面做一些智能化投入的時候，那個時候就認為還是要回到商業本身，所謂商業本身就是投這些能夠為整個業務帶來多大的利潤，帶來多大的增值。對于物流地産來說，就是能不能為資産包保值和增值，這是第二階段考慮的問題，不僅僅是現場的問題。

那個時候就要看通過智慧園區的投入，能不能為園區里的資産，比如讓資産整個生命周期延長，這樣能夠做一些保值增值。比如定期盤點，避免園區里面有一些遺失遺漏，或者造成客戶資産盤盈現狀，這個都是對園區整個資産會帶來很多的收益，這是做資産管理時會關注的一些點。

第三階段，差不多從去年開始逐步意識到，當我們在園區里面通過設備、傳感器收集到了這麼多的數據之後，數據會發生越來越大的價值。我們逐步發展這些數據已經成為了整個企業數字化轉型或數字化治理最基礎的能力和基礎。現在的環境下，各個企業都已經開始進入到精細化管理的階段，企業肯定會想我們的人效是怎麼樣的？對于倉庫來說，坪效是怎麼樣的？人員能力和業務結果是什麼樣的關繫？人員能力、業務結果以及和人員成本會是什麼關繫？單個園區的表現怎麼樣，業務復雜度是怎麼樣的？以前這些東西全都是靠經驗來積累的。

今天當我們擁有了這麼多的數據，我們其實是有機會能夠通過這些大模型、AI，把它作為更精準的、更準确的模型和計算，來給我們提供一些業務的決策和業務的預測，這個是我們最近這一年看到的一些業務的價值，所以也願意在這方面多做一些投入、多發一些力。

今天特别多的嘉賓希望了解AI大模型相關的知識，所以我也嘗試列了一些我們現在企業當中覺得可以使用到的業務場景。

這一些上面顯示的，包括知識問答、機器人或者是看闆、辦公的體驗。經過我們的經驗，這些對企業的數字化治理都是有幫助的。

後面重點分享一下我們的一些經驗，談一談AI大模型和數字化在物流地産園區運營當中的應用。最大的價值是在園區的運營管理里面會有更大的幫助，因為這個場景會更復雜，越是復雜的時候，它的業務價值會越清晰地體現出來。

第一個觀點，今天大家關心的AI大模型其實是數字化的延伸。如果企業沒有數字化，就不用談什麼所謂的AI大模型的東西。首先要把自己的數字化的事情想好，它解決的是企業數字化的問題。而企業的數字化要搞哪些東西、投哪些東西，這個取決于企業精細化管理的訴求，你現在要管什麼？業務重心是什麼？痛點是什麼？要解決什麼樣的問題？我們才做什麼樣的應用、什麼樣的功能。如果企業直接很盲目地上DeepSeek，或者是上一些其他的投入，自己都還沒有想好，肯定後面是用不好的。

我給大家講個故事，講講我們在這方面的一些經驗。剛才講了我們有四五百個園區，每個園區都有人要運營，都有園區經理。傳統的考核方式，我們會看三方評審或者是KPI完成情況，這個人、這個園區治理得怎麼樣，管理得怎麼樣，經營得怎麼樣，這些是通常的考核標準。

我們怎麼來評估這個人和人之間拿到業務結果的差别？有可能是因為這個人本身能力就強，背後意味着付出的成本高，他的級别高、工資高。也有可能是因為管的園區相對來說管理起來比較簡單，業務不復雜，園區里面的業務也不多，客戶好溝通。

其實物流園區不同的業态，業務差異性是非常大的，跟地點也有關繫，跟客戶是什麼快遞快運的，還是倉儲的、大宗的，這個差異性是非常大的。

我們嘗試過把很多的因素放在一起來做綜合的考慮，但是發現我們所謂的綜合考慮最後建立的模型，其實還是靠人工去匯總的經驗，然後綜合做一個模型，可以比較準确地分析出業務的實際情況，能夠做到一園一策，每一個園區都會有自己的畫像，看到自己的業務情況。因為有了數字化、數據，可以做這樣的專家模型，可以人工在里面做綜合的評估。

今天我們有了AI大模型的技術，其實是可以把更多的參數和數據灌進去，由大模型建立更加科學的模型、結果出來，我可能不知道它的算法，但是我可以評估它的結果是不是準确的。如果準确，我信它。如果不準确，就不停地訓練調整，這樣就可以拿到好的結果，這樣就可以拿到一園一策綜合的畫像，對于這個人員也會有每個人的畫像。甚至可以針對這個園區這個人的畫像，定向去做一個招聘，我覺得這個對我們來說就是一個價值。

從這一點，我想跟大家分享的是我們做的是以往數字化的延續，而不是今天憑空覺得這個東西好，我們突然想到了這個點而開始做這個功能，這個是不太可能的。

還有一點，我們認為它的優勢是體現在海量數據的實時交互。因為以往我們在看報表的時候，在做業務看闆的時候，經常看到看闆雖然是實時抓取出來的，但是讓我們想看到綜合的結果，或者是計算結果的時候，我們需要有一段時間。而且，你沒辦法實時去輸一些參數讓它反饋出一些結果。比如我想看這個園區的經營情況，或者實時的安全情況。我現在可能看到。但是我想知道這個區域的，再給它更泛的一些條件，比如我要全國所有二線城市、三線城市的數據，它可能就不是特别準确了。通過這種實時交互的方式，我們能夠看到更準确的數據。

第二個觀點是AI大模型可以為業務決策和預測提供支持，這一點對于園區管理的業态是非常有幫助的。因為在園區管理的時候，我們看到很多園區綜合做一個比較，橫向拉開，縱向的歷史做一些評估，我們是可以通過數據實時計算出來，能夠給業務決策和預測提供支持。我們現在在做AI大模型的重心，都是放在業務決策和預測上的，這一點是重點。

通過這一些的因子、要素，我們知道影響它的因子、要素是非常多的，這個數據僅僅是一個園區的數據。如果有400個園區，再把時間放在一年、兩年，甚至顆粒度再精細到每天來說的話，因子是非常多的。以往通過專家模型是做不到的，通過以往的BI可能也做不到。但是現在通過AI大模型，我們有機會算得更加科學和精确。

第三個觀點是，我們覺得有了這個東西之後，讓我們的管理者對于業務有了更高的期待、更多的關注，所以現在整個業務運營的效果，對數據是非常重要了。因為業務運營不好，這個數據就是不準确的。工單執行不好，數據就不準确，所有數據就會被污染，最後所有分析出來的效果不好。現在管理者關注了，我們有機會通過這種方式更加往前去規範業務團隊、運營團隊，讓他們把自己的業務做得更標準、更好，這也是我們看到的業務價值。

時間有限，我今天就分享到這里，有機會跟大家再講一講做的好玩的東西，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。