丁險峰：機器人如何服務于不動産行業 | 2026博鰲産業科技大會

本文整理自丁險峰先生在2026博鰲産業科技大會上的演講内容。

丁險峰（明明機器人總經理）：非常高興來到這里，並向葛會長致敬。葛會長起了一個很好的頭，我今天的分享可以看作是對他内容的技術接續。前面陳總、彭總更多在思考業務如何運營，我作為一個CTO，重點想講清楚如何把空間技術這張圖真正落地。

縱向集成、橫向集成、端到端集成，本質上就是産業互聯網的落地邏輯。前面無論是京東還是吉寶，都談到了生态，而生态必須有一個互聯網平台。吉寶剛才提到物聯網底座，物聯網底座首先連接的是園區里帶電的設備，比如安防、消防、人行、車行系統，這些都是園區物聯網里已有的部分。

同時，平台還要連接作業設備，比如保潔機器、保潔機器人等，把它們也接入進來。一家産業公司如何升級為運營平台公司？以淘寶為例，它圍繞人、貨、場構建生态；京東要形成生态，同樣需要連接客戶、供應鏈和上下遊，並且必須有一個入口讓人進來，這就是平台。平台怎麼建？就是通過橫向集成、縱向集成和端到端集成。

縱向集成的關鍵是機器，橫向集成的重點則是把供應鏈一體化整合起來。比如京東在同一個區域内有多個園區，當這些園區連接在一起之後，保安業務是否可以一體化協同、人機協同？保潔業務是否也可以一體化協同？

我們在深圳南山區西麗街道的萬科雲城做過實踐，那里既有住宅、商場、寫字樓，也有公共服務，是否可以用一套保潔體系，通過人機協同來完成？這次來博鰲，我在機場登機時看到，前面有兩個人刷臉通過，另一個人過不去，就被引導到人工通道。這就是人機協同：自動化的走自動化，特殊情況走人工。

縱向集成的核心是人機協同，有了機器人和設備之後，關鍵是如何讓它們在業務中充分發揮産能。産能發揮到位，設備折舊才能覆蓋ROI。很多人說掃地機器人不劃算，因為只算了折舊：一台自動駕駛機器人二十萬元，折舊下來每月超過四千元，再加上每月約兩千元的遠程技術支持，成本就更高了。所以核心問題就是，如何把人機協同做到極致，才能算的過來經濟賬，讓機器人真正用起來。

端到端集成的業務，是不動産行業最重要的事情之一，是服務好消費者的衣食住行。在辦公園區里，同樣存在衣食住行需求。

第二個端到端業務是資産服務，也就是如何用數據為REITs或RWA提供更好的支撐。這就是空間科技的全棧圖。橫軸是業态，包括住宅、商寫等；縱軸是運營，從最上層的資管，到下面的物管、商管；Z軸是科技，包括雲、網、邊、端，以及各類AI和區塊鏈技術。

大家都聽過LLM，也就是大語言模型；VLM是視覺大模型，VLA是具身智能大模型，VLN是自動導航大模型。把這些AI能力裝進機器人，機器人就可以自主工作，不需要遙控，這是核心。只有讓機器人自動運行，才能實現高效的人機協同。這些技術點，前面幾位嘉賓也已經提到。

人機協同的關鍵還在于改變工作分配。以前園區巡防主要靠人，現在可以引入機器人巡防，人和機器按比例分工：一部分由人工處理，一部分由機器人處理。随着時間和技術叠代，越來越多工作交給機器人，企業運營效率就會持續提升。這是機器人進入園區運營的核心邏輯。

如果在空間里做衣食住行服務，到家服務、到店服務、街區服務都可以接入。但一家物業或不動産公司提供這麼多服務，其實沒有哪一項是它自己直接做的，基本都只是通過APP接入。它給業主提供的是一個聚合入口。這樣，企業不僅把生态伙伴拉了進來，還可以利用自己的橫向供應鏈，與生态形成一體化運營。

舉例來說，一家物流公司的APP接入你的平台後，快件送到門口，你安排保安取進去，既從物流公司那里賺到了一點服務費，又完善了自己的APP生态。美發、健身等業态同理。這樣既建立了客戶聯系，又形成了生态，這就是人、貨、場的邏輯。

通過建設空間數據和大數據，可以賦能商場、寫字樓的招商，服務資産的各個闆塊，比如資産管理、招租、物業運營、企業服務等。把數據整理好，再與AI對接，就形成了智能體。

好處是，數據不斷積累，智能體就會越來越聰明。十年後，别人剛開始做，而你現在開始做，十年後你已經積累了大量數據，那麼你的智能體的智商是50分，别人智能體的之上才0分，客戶當然選擇你。這就是馬太效應：起步越早，智能體越聰明，後來者越難追上。

同樣，社區業務也要思考如何做成類似貝殼那樣的公司。如果物業或房地産公司天天依賴貝殼，貝殼就會抽走利潤。未來房地産行業利潤空間收窄，繼續依賴外部平台會非常痛苦。

剛才葛總講了一句很重要的話。前面的内容，不動産從業者必須理解；但具體的技術架構圖，不需要每個人都懂，交給專業的人來做就可以了。不動産從業者必須懂的是，如何用技術運營業務，理解數據、業務、技術之間的循環。只有運營更多，數據才能積累更多，技術才會越來越聰明。

但IaaS層、PaaS層、SaaS層怎麼架構，軟件怎麼拼在一起，可以交給阿里雲、華為雲、金蝶、用友這樣的軟件廠商來做。做好之後，你就擁有一套可運營的軟件。但運營邏輯必須自己掌握。不會寫代碼沒關系，不一定非要自己寫；架構上我們可以幫忙，但運營邏輯必須是你自己的。

回到最初的問題：機器人怎麼真正用起來？關鍵是把“小腦”裝到機器人上，同時也要把“大腦”接進來。所謂把VLN、VLM、VLA等能力灌入機器人，就是讓它具備自主導航、視覺識别和具身操作能力。

以京東園區為例，機器人並不需要海量算力，但一定需要适量算力。沒有算力，機器人跑不起來。園區里的3D地圖、VLN導航等，可以由大腦處理；小腦則裝在機器人上，不可能裝下所有地圖。所以每個小園區都需要一個算力中心。大腦與小腦結合，機器人就能自主作業。小腦負責數據采集，大腦負責通過大模型融會貫通。未來每個園區都需要一個“大腦”，但不需要像阿里雲那樣大的雲腦，園區級的“大腦”就足夠了。

剛才葛會長也講，不要一味追求算力規模，但一定要有一定算力。AI可以部署在雲腦或園區大腦上，把語音、文本、視覺等能力打通，連接MCP、知識庫和結構化數據，然後開放給所有Agent調用。

舉例來說，指揮員下達任務後，機器人自主完成巡邏，結束後回到充電位，並匯報任務完成。不能是後台有人遙控，讓機器人跳舞。機器人必須自己幹活、自己匯報，嵌入日常運營流程，這才是核心。也就是通過大腦和小腦之間的分析，機器人完成作業後自動匯報，並關閉工單。

最後非常關鍵的一點是資産服務。如何建立一個基于區塊鏈的體系，把IoT數據、租約現金流數據，通過邊緣隐私處理和邊緣隐私計算進行管理。

會長剛才講到聯邦學習，聯邦學習的特點是數據不出域。邊緣隐私計算也類似，各節點只把結果匯總，原始數據留在本地。這樣形成的結果不可篡改，用這些數據去做REITs或RWA就具備可行性。這是關鍵。因此，每個園區都需要一定算力中心，但不需要太多；需要有一個“大腦”。

經營性不動産在香港發行RWA的技術框架中，必須有隐私計算，資産中台是核心驅動力。

總結一下。過去6個月，我雖然暫時離開了不動産行業，但從事的仍然是不動産科技。以前身在行業内，反而有“只緣身在此山中”，有“一葉障目”的感覺；現在跳出來看，發現不動産行業滿地是金礦。

我們要服務的行業資産價值高達100萬億元。這些資産需要降本增效、開源節流，也需要運營服務。所以，未來還沒有真正到來，未來令人激動。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。