主題讨論會：智繪新境 | 觀點數字未來發展大會

主持嘉賓

黎振偉　世聯行首席技術官

讨論嘉賓

陳振連　華潤置地科創與智數部副總經理

趙　原　華潤萬象生活有限公司智能與數字化部總經理

苗　坤　鑫苑科技服務集團有限公司大物管産品中心總經理

劉天旸　中原集團首席運營官

王曉華　增城産業投資集團總助、廣州東進數智技術發展有限公司董事長

吳震東　仲量聯行科技部高級商務運營總監

黎振偉：上午我們參加了走進華為，讨論很熱烈，探讨了很多話題。緊接着下午的讨論就更多是從企業的角度了，我知道今天華為很關注在AI時代的企業如何用AI，科技企業包括金蝶，他們都在關注究竟怎麼樣為企業服務？

企業剛才也談到有點焦慮，我們怎麼樣去迎接AI時代。剛才我跟越秀張總也在探讨，其實數字化跟智能化並不是今天才有，早就有了。

為什麼AI的到來，使得我們大家都如此去思考呢？上午華為提出AI是場革命、是場變革，我們今天房地産也在面臨一場變革，所以這兩場變革應該說對當今社會沖擊也是最大的。我們怎麼把這兩場變革合在一起，一起推動社會的進步，可能也是今天我們在座各位探讨的。

今天的讨論總共有6位嘉賓，大概讨論一輪，然後再補充，每人可以談5到6分鐘。

第一位嘉賓，華潤陳總，您剛才介紹了華潤，您是公司層面，他是應用層面的，一個公司從兩個層面來探讨。作為傳統的行業企業，其實過去並不是沒有用IT，用了很多IT，也投了很多錢，信息化早就做了。

我們今天來探讨AI的時候，你覺得我們過去跟未來怎麼去延續？剛才您也談到在這個節點，今年是AI革命元年，我們如何在過去已有的數字化、智能化基礎上再提升？這個很重要。

還有一個是，這個提升不是推倒重來，不可能再來一遍。

過去的數字化跟今後的AI所設計的繫統最大的差别在哪里？這個變化難不難？

陳振連：我覺得黎總剛才問的問題其實是挺好的問題，當前是處在轉變期或轉型期，不管是做數字化，或者用AI，或者更早的信息化，它是要解決企業運營的問題、競争力的問題，根本的還是解決這些問題。這個過程實際上是持續的過程，不是要抛棄過去所有的東西。我覺得是有傳承的，當然也有叠代和進步的地方。

剛才華為的領導在講很多基礎的東西，其實本質上還有很多管理是否是規範，就是管理水平的問題。今天講到AI，有數據準備的問題，數據的質量怎麼樣？用來做調優、訓練，你的數據有沒有？

我們最近做一些應用的時候，發現要用大量的時間去做知識庫、知識圖譜，做很多很基礎的東西，這些東西跟過去是緊密關聯的。有了過去的基礎，可能有些管理、流程梳理沉澱下來，這個就形成了今天要去做一些。大家在談的DeepSeek，在通用的場景上用起來挺不錯的。但是真正落到企業里面用的時候，你會發現存在很大的鴻溝。比如說企業專有的知識要嵌進去，實際上你拿到的答案跟你的預期會發現有挺大的差别。比如說天天寫材料，能不能用這個東西幫你把材料完成呢？發現還是沒有達到預期或者達到跟領導直接溝通的程度，你會發現很多差距。

這些差距在前面的數字化階段沉澱的東西，在這個過程中能不能再發揮價值用起來？知識圖譜、知識庫能不能很好的梳理出來？是有這樣的一個過程。

對于未來，AI的應用或者對于原來的提升，我覺得這是顯而易見，或者是有巨大應用價值的領域，這個是毫無疑問的。

我相信未來整體企業的應用架構有一個Agent作為入口、路由，底層背後可能有各種應用，也有丁總說的數分的事情，還有一些數據洞察，可能還有一些小的獨立的模型去完成不同的任務。我相信未來是混合的架構。

這對于整個企業來講，有一些原來的應用體繫還會存在。我們知道今天的模型，說白了底層還是詞庫、概率，它是基于概率的邏輯。比如說會計記賬不是概率，一分錢就是一分錢，一塊錢就是一塊錢，這是非常嚴謹的，跟生成式還是有很多不一樣。

再就是流程的過程也是嚴謹的管理過程，也不是說基于概率，今天算一下余總審批通過的概率比較大，我們就到他那邊。丁博士審批比較嚴格，我們就不通過他。它不是基于概率的邏輯。你會發現肯定還是有很多結合，會發揮各自的優勢、長處的地方，但是不可否認這個改變是巨大的。

還有一個領域會巨大改變，就是人機交互。過去的流程有大量的輸入，比如用鍵盤、鼠標，可能這一部分在未來肯定是要大量簡化，可能被AI所取代。我更想說整體還是希望這個東西到前面分享的，就是以人為本的，能夠為人賦能的。我不希望提到這個東西就是降本，就是要減人。為什麼不能把它變成提質的？變成一種做差異化、提升競争力的工具？我們知道最終不得不卷，如果你知道整個世界是熵增的，但是也得去對抗熵增。

我們有責任讓我們的工作變得更美好，讓生活變得更美好，而不是簡單用這個來減人、降成本，這是我們應該去努力的。

黎振偉：謝謝陳總，今天我們工作5天，以後變成3天。今天華為說了這個話，我們革命不要把革命者被革掉，這個我覺得很重要。今天上午你沒有去，華為還是很關注華潤的意見。

我們下面請問趙總，趙總是來自于華潤萬象生活。剛才陳總談到了很多的架構、繫統，回到萬象生活在應用過程中，覺得AI将對你們産生什麼樣的作用？回過頭，你們給總部又提出什麼樣的要求？怎麼去改進原來的管理繫統？

趙原：感謝主持人，其實剛才陳總介紹的整個理念在我們公司内部已經比較高度達成一致了。尤其是今年春節前後的人工智能的進步，在節後公司内部也進行過多輪的探讨。

從總體的方向上來看，我們並不認為AI真的會馬上催生一場革命，它可能是在很多業務革命過程中的一個有利工具。

像剛才說到的，其實業務本身的痛點，還是在延續。可能過去業務面臨的痛點，現在仍然還有；過去需要聚焦的場景，現在也還是在聚焦。本身我們業務的競争力，底層的商業邏輯、商業模式並沒有發生根本性的變化。

然後，一個企業也好，一個行業也好，它的競争力和護城河也還是存在。

在這樣企業的内部，從應用層面，任何一項技術不單指AI或大數據，任何一個新技術的出現，我們認為首先需要去平衡的都是商業技術的成熟度和業務從數據到應用到場景的成熟度，在這個之間去找到合适的匹配關繫，然後來真正聚焦應用的效果。

在這個過程中，其實我們也做了大量的探讨。就像陳總剛才介紹的，我們評估了各個業務模塊的成熟度。智能化的前提是數字化，數字化的前提又是信息化，信息化的底層其實是先進的管理基礎。每個行當自己的數據積累的成熟度和管理經驗的固化、標準化以及先進程度，決定了它前端應用真正落地的情況。

我們在整個推進過程中，還是秉承着大膽創新、謹慎全面應用推廣的模式，並且聚焦高度標準化、成熟化的場景。

其實從剛才分享的嘉賓來看，大家的分享内容在很多模塊也是有重復聚焦的。比如大家都會提到合同的審核、人力方面的提效，為什麼大家都關注這幾個場景？

因為這幾個場景業務規則相對明确、數據積累相對成熟，從這些場景來看比較好切入、比較好入手，所以我們的思路跟大家差不多，就是會更落地聚焦。

另外一方面，我們也不會貪多，還是會秉承“積小勝成大勝”的原則。我們的核心，以萬象生活來說還是在營的100多個商場和物業的幾千個小區，在空間和服務過程中怎麼打造智慧的空間，怎麼在空間里面讓我們的客戶，讓各類型客戶都能感受到有溫度的服務。

就像剛才陳總說的，不是所有科技都是伴随着無人化或減人，我們是以服務為競争力的公司，在這個過程中怎麼把競争力提升上來，我覺得這是在科技應用方面持續探索的場景。

黎振偉：下一次觀點可以專門組織走進華潤商場，破解如何做到前三，有了AI以後可能是前一了，這個話題很值得探讨。第四位是來自于鑫苑的苗總，房地産開發已經慢慢減少了，AI最大的場景就是物業經營以及城市更新、改造。您覺得在物管方面，AI應該怎麼提升？以前我們都在談怎麼增效，有了AI怎麼更有效幫助物業公司把服務做好成本降低？還可以延續做下去。

苗坤：今天提的很多問題都非常好，其實您提的問題，也是我們鑫苑服務這兩三年一直在思考、一直在改進和一直在做的事情。在AI時代如何更好地提升我們的服務及更好地利用我們數字化的基礎來做好服務，降本增效等等。其實我們物業行業已經進入了存量市場，就是随着地産的逐步萎縮。並且我始終有一個問題，我不太認同物業歸屬到房地産行業里面。因為物業本身有住宅、非住，也有園區、醫院、高校，其實物業行業本身就是比較獨立的行業。我個人覺得，它歸屬到服務業可能更合适一些。

在存量的市場，每一個物業公司都在做價值的深挖。到了數智化轉型的階段，因為我們經歷了從手工到信息化，然後到數字化、數智化，再到以AI來引領這一次産業的重塑和變革。

萬科的朱總前幾天也發表了一篇文章，AI對于行業的影響也有一些個人的觀點。大家有唱衰的，也有唱好的，這個也都很正常。2000年到2010年的這十年，我也是剛進入到企業里面做信息化相關的轉型工作。當時流行兩句話說"信息化轉型就是找死，不轉型就是等死"，在我們年代走過來的"老人"，大家對這句話都有聽說過。

但是科技的發展，其實是一種歷史不可抗拒的，無論看好還是不看好，無論是馬斯克說"AI就是潘多拉的魔盒不能打開，打開就滅亡人類等等"。無論怎麼樣，趨勢是無法改變了。

到了這個階段，我們作為物業方面，我們認為數智化的轉型還沒有徹底。随着AI的到來，可能會推進這一個進程的改變。

為什麼呢？因為數字化到數智化，就是我們引入了一些人工智能，希望通過AI監控、設備監控來降低能耗，來提升我們設備的維修效率，來幫我們更好地做好服務，提升各方面的一些服務效率。但是它還是半智能的狀态，比如AI監控，我們說可以監控人員翻閱，但是你的誤報率有多少？在應用過程中，我們發現誤報率還不低。随着半人工時代對于我們的管理一提效還是有一定的影響。每一個工具的使用是否能颠覆這個行業，能夠帶來巨大生産力的變革？可能在人工轉信息化時代帶來了變革，這一次從數字化到數智化，這個也是一次非常重大的變革。

因為AI是帶來了時代的平權，我們以往每個行業靠經驗形成了護城牆，形成了壁壘，慢慢無論是個人或企業靠經驗去維持現狀會越來越難。随着趨勢的發展，我們會發現跨行業的競争和颠覆也會司空見慣。所以AI這一輪的發展，我們也從幾個方面在探索和使用。

從去年，比如品質管理監控輿情、提升服務品質，包括通過AI客服去幫助提升客服的服務效率，還有通過語義分析精準定位業主生活服務需求來提升多金的收入，這些場景也都有了一些探索。

随着今年年初DeepSeek的發布，拉低了AI大模型的應用門檻，我們也部署了DeepSeek的大模型。基于大模型，業績也做相應物業智能體的研發，比如管家智能體、400客服智能體。未來可能還有很多智能體，比如運營智能體、工程智能體等等。這些智能體在我們看來，它會大幅度提升效率。拿管家智能體來講，管家一天的工作有消息處理、工單處理等等，也希望通過相關AI智能體的建設，真正實現物業管理中提升服務質量、增效、創收、避險等等，來改變物業的現狀。

黎振偉：今天上午讨論的時候，我們都探讨為什麼華為都進入房地産不多呢？說房地産行業斷點比較多，而且很多東西也不知道怎麼做，大家不熟悉。您現在在用AI幫助提升，你們有沒有想過請專業公司一起做，還是你們自己在解決這個問題呢？

苗坤：其實這兩塊我們都有結合，内部+外部，重點是在内部本身。我們有一個比較強大的科技團隊。

黎振偉：還是需要多結合，謝謝！

苗坤：謝謝您！

黎振偉：剛才丁總說AI對我們行業沖擊不大，可能對直接的行業包括房地産代理、顧問，用人多的地方影響比較大，特别是包括設計公司很多都已經裁員了。下面是中原集團首席運營官劉總，我們都面臨着同樣的問題，樓難賣，企業也在做自己的東西，寫個報告也不需要你寫了。中原今天面對AI、智能化，我們如何利用AI提升傳統服務力，創造新的能力，讓專業更專業，更好地服務客戶化解對我們業務的影響。

劉天旸：謝謝黎的問題，其實這個問題算是行業里面比較繫統的問題，首先這幾年從這個行業整個的服務質量來說，其實改善不大，就是還是傳統的方法。如果在座的各位以一個客戶的視角接觸過銷售人員的話，你會發現買一個人生當中價值最大的物業，和你去一個高檔餐廳消費一兩千的一頓飯，和你住幾千塊的酒店，得到的服務好像買幾百萬、上千萬的房子還不如那種服務感受好，我覺得這是這個行業服務的情況。

另外是這個行業現在的付費也發生了變化，像從存量房來說，從前是買家付費，現在是雙邊付費，未來可能是賣家付費。付費方式的變化，就是證明整個行業會從賣方市場轉向買方市場，這種轉變很多人還沒有完全有感受。因為大部分行業從業者是賣方時代參與工作，就是只需要拿出房子，不需要特别多的服務，會有很多人來搶，也有各種搖号政策。現在供過于求了，很多人不會願意有錢先買一套房，不會把買房作為最關注的事情了。對于現在很多的從業者是挺大的挑戰。

另外，如果現在要做好房産的銷售，其實流量+效率這兩點是比較重要的，這也是跟AI有很大的關聯性。如果提高經紀人在客戶方面的能力，就要從特别具體的小的點給經紀人賦能和助力。

首先在中原的AI實踐當中，第一個是房源信息的整理，無論拿到一套新的房，我們就管它叫統裝，二手房是散裝，這個房源該如何描述，如何跟同類的房源進行對比？客戶在線上的疑問，如何進行響應？並且如何去處理房源信息的及時上傳？我覺得這些都需要AI工具去做。

相對比較好的，就是中原在實踐AI的時候，我們因為有香港和海外的公司，所以是直接接ChatGPT的，國内用的是阿里大模型。基于這個，我們覺得把過去的數據、業務流程、銷售說詞或操盤的流程喂給模型跑。坦白講，現在模型對業務的實際幫助還不是特别明顯，因為數據的樣本量也好，包括近期政策的變化，其實都會對整個的數據穩定性和給客戶提供的能力會有質疑。

我們現在更多的是輔助經紀人能力建設，第一個會給經紀人做智能房評，就是放一套盤或做一套盤，讓可能學歷並不高的經紀人去寫會，通過更精準的更有特色的描述，會讓這個房源的價值跳出來。

第二個是房源曝光度的資源分配，其實也會通過AI給房屋進行打分，這里面也會引用業主的知識。所以我們會在大的方向上，在很多小的細節去改善客戶的體驗，和改善經紀人對于客戶的服務能力。未來行業應該還是會走向品質服務的階段，像現在看房屋購房意願下滑以後，很多垂直類媒體平台的流量都被打散了，而且新年紀的客戶更多采用新媒體的方式獲取房源信息。

幾個情況，行業内包括大的行業變化，都會讓行業變得基本上找不到可抄襲的對象了，這也是大家集體陷入迷茫或糾結的元素，就是沒有對標去做了，這個時候會形成比較大的轉變。也許會出現一波原來根本不知道的人突然做的非常好，但是這個行業在過去沒有被科技和資金重構的很大一部分原因，就是這個行業很靠管理和場景的持續深耕。但凡不敬畏這個行業的人會輝煌一會，所以我們還是要有進取的心擁抱科技才能有機會提供更好的服務和有價值的内容給到行業的消費者與客戶、用戶。

黎振偉：我們行業有一個標杆的企業，貝殼在科技應用上真的做得很好，所以今天也引領了市場，也給我們做了很好的示範，科技真是厲害，沒有它不行。中間插一個問題，對話嘉賓唯一的政府代表，其實它代表政府，其實是政府，來自于增城産業投資集團的總助，廣州東進數智科技發展有限公司董事長。上午在華為讨論的時候，我跟王總讨論一個問題，當下政府以前都很有錢，做很多的智慧城市，但是今天發現錢少了，因為地賣不出去，還有維護很大，所以政府也在改變過去大量投入智慧城市的資金。今後AI大模型情況下，智慧城市的需求是什麼？同時有什麼要求呢？因為在座也有金蝶、華為等科技公司。今天我們又談到一個東西，過去很多的需求是僞需求，它不是真實的，我們怎麼把它變成真需求？還有我們如何從過去的購置大量資産到買服務？當然需要提供更好服務的公司，提供更好滿足需求的公司。

王曉華：非常感謝黎總，您這個問題非常客觀以及真實，我其實代表不了政府。因為國企是不敢去說這個話的。但是我就我們跟政府的溝通、交流，可以分享政府對智慧化需求的理解。您剛剛談到智慧城市，我覺得智慧城市雖然談了很多年，但一直是很大的命題，因為涉及到各方面，而且投的錢特别多。如果今天特别聚焦回答這個問題的話，我想仍舊從AI在政府端的部署，在這個點去切入來談一下我的不成熟的一些看法。

分理想和現實兩端，理想端，政府認為我需要AI，我需要部署AI模型，我認為我需要。AI的服務商，它會我認為政府需要。一個是我認為我需要，一個是我認為你需要。在這樣一個想象當中，雙方就碰面了。那到底需不需要呢？大家交流後發現這個需要有點不太清晰，首先政府跟服務商交流完之後，不清楚部署AI的需求和痛點，要解決的問題是什麼？因為聊着聊着，這個東西就不确切了。唯一确切的，可能是目前AI這一波的熱潮，确實非常熱。我作為地方政府，每個地方都說在部署，我是不是也得部署？作為政治任務，我好像必須部署，如果不部署，好像落後了，最後變成聊到這個點上面來。

作為服務商，跟政府聊完之後，發現已經搞不懂要怎麼弄了，或者沒法弄。沒法弄的原因，我想各位專家談得特别到位，我想有兩層：

第一層，各個地方政府的數據底座基礎不太一樣，差異非常大，或者說絕大部分的數據底座基礎是偏弱的。

其次，針對于地方政府能夠解決實際問題的智能體，我們已經不能叫大模型了，因為太通用或者不具有針對性也好，去談那個沒有太現實的意義。我們只能說針對政務端或政府端開發的智能體很少，很多時候如果政府要定制化去解決這個需求，服務商要重新開發，重新開發就有重新開發的費用。

目前在經濟下行的情況下，各個地方的财力是比較緊張的，很多時候不願意花這個錢，也是因為這個問題解決了和沒解決好像沒有多大的差别，對于提升政府的效率或獲得更高級别領導對工作的認可沒有多大的差别，本質是這個原因。

回到數據底座端，為什麼現在偏弱？有幾個主要的原因，剛剛黎總您提到在信息新基建，這個是有比較大的關繫。第一，我們舉一個很典型的例子，政府有很多職能局，這些職能局有兩類，條條和塊塊。條條是上面直管的，市屬、省屬，甚至到中央。條條的職能局沒有存在本地。塊塊是在本地，但是這些數不一定完完全全在本地就存好了，為什麼呢？因為這些年原來政府布的政務雲的存儲空間是不夠的，存不下，這樣兩個問題導致了目前數據底座不太理想。因為增城屬于廣州市的增城區，我們都面臨這樣的問題，可想而知在西部地區這一塊也是偏弱的。但這是我的想象，沒有調查的真實數據。

基于這個原因，下一步在信息新基建面向政務端可能會有幾個需求：

第一，圍繞着政務雲、政府大腦的部署，包括視頻雲會有一波新基建的需求。

第二，圍繞着政務數據的價值開發，我要不出域進行處理，需要構建可信數據空間。這是第二類，我認為政府端會需要的新基建的投資。

但是問題來了，這兩類投資的投資規模和金額，可能合起來都是上億級别的，包括算力可能也需要做一些本地化的部署，包括2027年國家對信創的需要。上億的金額目前在地方财力偏弱的情況下，尤其是區縣級财力是真實偏弱的。在這個情況下，服務商很多時候是很想幹，但是發現政府告訴他沒錢或者只能挂賬，你能忍受幾年挂賬？甚至需要服務商提供全流程的解決方案，融、投、退一攬子都解決了，我就不出錢，我也沒有錢出。然後你通過商業變現，通過資産的運營，通過本地化的面向市場端收費去做閉環，這個是新的挑戰和命題。

我認為這一波的新基建，尤其是政府端新基建既是機會也是挑戰，機會是确實有新基建大量的需求，挑戰是資金怎麼解決。因為服務商也是企業，要活下去，也要活的更好的。

我就分享這些。

黎振偉：謝謝王總的挑戰與機會，真的說得蠻透徹。最後是來自于仲量聯行科技部高級商務經理吳震東先生。同樣也是我跟中原劉總探讨的問題，貴公司是國際五大行，顧問行業是你們很重要的一塊。像我們跟華為探讨的時候，你跟他合作創造了很好的模型。最近我在做商業項目，設計公司也提到了這個模型，我們就可以結合了，您怎麼看我們如何用AI提升顧問的能力？讓我們的專業更專業。

吳震東：剛剛劉總談到AI怎麼賦能，包括像專業服務公司。AI特别是DeepSeek興起對專業服務公司産生了全方位的影響。首先如果從需求端來說，我覺得DeepSeek很大的作用是在非常短的時間内，把AI滲透率幾乎打滿了。就像之前提到，之前AI在DeepSeek之前，在生成式人工智能之前，人工智能已經存在很多年了，從來沒有像今天一樣在全民認知程度可以達到如此高的地方，特别是這麼短的時間内。帶來的直接影響是什麼呢？在很短時間内，把各個階層的領導、各級的領導都在短時間内教育了一遍。在短時間内，在各個公司一把手最熟悉的技術術語就是人工智能，我覺得對于在需求端來講，制造了非常興旺的需求，這個對于各類專業服務公司來說本身就是很大的利好或者吸引力。

對于像仲量聯行專業服務公司來講有幾方面，是可以在當中可以做的事情。

首先是新業務的需求，因為我們是科技部門，可以看到AI轉型本身其實就是很大的需求，就是需要專業服務公司在其中發揮作用的。剛剛幾位嘉賓談到了，在房地産領域科技的進展都是相對比較緩慢的，不是那麼快的。但是AI這一波可能會稍微有一些些的不一樣，因為落地場景、配套是以前從來沒有的速度向前推進。比如我認識IT行業，他們是做出海、做加速的，幫助服務器做加速的。他們有一個團隊是IT運營部門，每天做的事情是在全球幾十個、大幾十個機房供應商溝通，看機房情況怎麼樣，然後告訴客戶你定的軟件在某個機房、機器在維修，或者什麼時候下架，包括收費、付費等等。從去年下半年開始，就用AI大模型來幫助讀所有的郵件，回大部分的郵件，然後總結内容，匹配相關的信息，半年的時間裁掉了50%的員工。

裁掉員工之後不僅僅是流程改變了，會導致員工技能圖譜要求也會不一樣，包括整個組織架構都可能是不一樣的。在巨大的變化浪潮當中，對于很多公司來說，大家都是第一次做這些事情，專業公司的服務是非常急迫的場景。在房地産領域更加如此，因為很多的專業知識需要你運用到AI流程化當中。現在大家用AI的時候還是簡單的知識庫、智能體的運用，不能解決很實際的業務問題，這也是我們要去嘗試的方向，就是看看是不是可以幫助大家在AI轉型當中提供更多的專業支持。

第二個是現有業務的改造，有兩個點是我們可以去做的。第一個是業務的AI化，第二個是數據的資産化。現在我們做的很多AI，其實大家用的模型是沒有差别的，是平權的。只要是别人用的模型，你也可以用，他用DeepSeek，你也可以用。他用阿里的，你也可以用阿里的。差别的點在于流程改造，以及用的數據、信息的差别。很多公司有自己獨有的信息，這當然很好。作為專業服務公司很大的優勢，就是在過程當中，在多年的業務積累當中，其實是積累了大量的業務數據。這些數據反過來，其實是可以幫助客戶提供差異化的賦能，使得他們在模型建立過程當中，他們在尋求決策支持的過程當中，他們是可以看到一些不一樣的結論和洞見，我覺得這個可以給客戶産生直接的價值。

其實這也是我們在過完年之後感受非常深的點，短短一兩個月的時間就接到很多包括對于數據方面的需求，希望能夠在客戶自建模型、自建資産分析平台的過程當中得到這方面的支持，我覺得這是第二點，就是對于專業服務公司來說在AI浪潮當中可以做的事情。

第三個就是内部的賦能。作為專業服務公司，我覺得有兩個特點，第一個是人力密集型，第二個是信息密集型。專業服務公司給客戶提供的服務，要麼幫你做外包人力密集的事情，免得你自己做。要麼給你提供你沒有的信息、洞見或專業知識幫助解決專業的問題。這兩類問題，其實都是AI非常擅長去解決的問題，也是可以AI賦能幫助大家提升的事情。

以我們自己為例，我們在2023年七八月份的時候，仲量聯行在美國發布了第一個面向商業地産的大語言模型，當時是基于GPT的，也是全球第一個。在這個基礎之上，我們也在不斷叠代一些新的AI的應用，包括現在也在向全球客戶推的基于整體數據，幫他提供數據的分析，因為我們為很多客戶提供物業服務。在這上面用了很多軟件，客戶自己的，包括我們的，把所有的軟件數據整合到一個平台上，提供數據的解讀，這個對客戶來說是可以産生非常直接的價值。

我覺得AI在特别是像預測性維護領域，可以對于客戶産生非常深遠的影響。預測性維修在房地産領域說了很多年，不僅是房地産領域，在整個AI領域都說了很多年，十幾年前GE就推出了predict（音）想做預測性維修，但也不太成功。大語言模型對預測性維修蹚平了道路，可以在這個基礎上更精準預測設備的狀态等等，來創造更多的價值。

從這三方面，新業務、現有業務的提升以及内部的賦能，這個對于專業咨詢公司像我們這樣的服務公司來說都是創造了新的機會場景。

黎振偉：希望我們的客戶在跟你們接觸的時候看到我們業務的創新，包括中原也一樣。謝謝各位！我們的時間到了。

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。