黄璟：AI大模型、数字化对物流地产园区运营的影响和意义 | 观点数字未来发展大会演讲

本文为黄璟先生在2025观点数字未来发展大会发表的演讲。

黄璟（普洛斯ASP副总裁、首席信息官）：各位领导、各位嘉宾，大家下午好！感谢观点网提供了这样的机会，跟大家能够沟通我们对新技术、对数字化的经验和想法，我觉得这是一个难得的机会。

上午闭门会大家讨论得很激烈，就是后面谈到AI大模型的时候，大家有一些困惑，那个时候说了好几次感觉焦虑。刚刚我们观点的陈总应该也提了这个词，焦虑。这么好的一个东西，大家怎么都焦虑呢？在我看来，这种焦虑要么是特别懂，大家会焦虑。要么是一点都不太了解，会有一些敬畏感，会有焦虑。对于我这样懂一点点反而不焦虑，反而觉得这是挺好的机会。

因为在我看来，AI大模型单看是没有任何的意义，这个东西还是要延续着企业的数字化一起来谈的。今天我们在谈AI大模型的时候，本质上对大家都是一个机会，因为在现在的历史阶段，它把很多公司的技术鸿沟拉平了，让大家在一个起跑线上做新的竞争，这时候考验大家的就是各个公司对自己业务的理解，基于对自己业务、对业务创新的理解，谁这个时候创新做得更好，谁就占据了接下来商业的先机。从这一点来看，我觉得这个对大家都是新的机会。

上午还提到了大模型对整个业务数字化的一些观点，大家也说了如果我们要做大模型，怎么做？心里没有底。其实我觉得连自己的数字化路径都还没有想好的情况下，这个时候就去做大模型，其实是一件蛮危险的事情，可能会造成很多没有必要的投入。企业今天谈AI大模型，肯定是先从企业的数字化开始谈。

普洛斯ASP是普洛斯旗下中国领先的基础设施资产管理服务平台，现在管理着全国超过4000万平方米的管理面积，全国有500多个园区。除了普洛斯自己的400多个园区，还运营着非普洛斯的将近100个园区，这个体量是非常大的。

在物流园区智慧化方面，很多时候问题不是技术的问题，是成本的问题。这个新的技术很好，但是能不能使用，能不能在我们预算范围之内来使用？这个是我们遇到最大的问题。

我进入到这个行业，是2016年就开始做物流地产行业的智慧园区，应该是国内最早做物流地产智慧园区的那一批人。

我们那个时候开始在物流地产里面大规模使用IoT物联网，还是因为成本的原因，便宜。那个时候，我们觉得IoT物联网便宜，比以前所有的有线网络、光纤网络，比那些要便宜很多，IoT传感器也比较便宜。所以那时候有机会在园区里大规模部署IoT物联网。这个对目前整个物流园区技术发展，带来了非常根本性的变革。

但是从那之后，这些年我们再看到新的技术，不管是5G也好，还是所谓的其他的一些技术，其实这些年并没有带来太根本性的变革。但是这一次AI大模型反倒觉得是很好的机会，因为现在从整个成本上来看，其实是负担得起的，对我们来说是一个新的机会。

回到普洛斯，普洛斯为什么开始用AI大模型？看看我们的体量就知道了，全国四五百个园区，每个园区假如说一年只发生一次突发事件，平均每天都有一两起突发事件。其实在做园区管理，管理者最朴素的愿望就是睡一个好觉，每天不要在睡梦中被突发事情吵醒。甚至真的出现了突发事情，我们可以第一时间知道，这是我们最朴素的想法。

从过去一年来看，其实过去一年不是非常安稳的一年。尽管在我们运营的园区没有明显体现，但从全国来看，各种物流园区过去一年发生了多起火灾事故、安全事故，在过去一年中国的异常天气给园区造成的影响也是高于往年的，这都是通过数据统计出来的。如果不通过数字化、新的技术手段，根本没办法面对现在层出不穷的意外情况。

普洛斯这些年在做园区管理的时候，在做智慧园区的时候，我们的理念发生了三个阶段、两次比较大的变化。普洛斯最早做智慧园区是2017年、2018年，那个时候注重园区的现场管理，比如说流程问题、现场各种智能化，以及各种场景融合的科技运营体系，其实就是解决现场的问题。我们认为现场哪些情况下，只依靠人工是不够靠谱的，需要用更靠谱的设备来替代他们。我希望收集到的数据更加准确，希望能够通过一些技术的投入降本提效，让园区的人少一点、靠谱一点，可控性更强一点。

那个时候园区铺设了大量的IoT设备，然后把所有的流程线上化，做好了园区的管理，投入很大的。但是从ROI上面，硬件设备投入跟节省人员成本是差不多的，但是可靠性更增强一些，这是第一阶段。

第二阶段，再往园区里面做一些智能化投入的时候，那个时候就认为还是要回到商业本身，所谓商业本身就是投这些能够为整个业务带来多大的利润，带来多大的增值。对于物流地产来说，就是能不能为资产包保值和增值，这是第二阶段考虑的问题，不仅仅是现场的问题。

那个时候就要看通过智慧园区的投入，能不能为园区里的资产，比如让资产整个生命周期延长，这样能够做一些保值增值。比如定期盘点，避免园区里面有一些遗失遗漏，或者造成客户资产盘盈现状，这个都是对园区整个资产会带来很多的收益，这是做资产管理时会关注的一些点。

第三阶段，差不多从去年开始逐步意识到，当我们在园区里面通过设备、传感器收集到了这么多的数据之后，数据会发生越来越大的价值。我们逐步发展这些数据已经成为了整个企业数字化转型或数字化治理最基础的能力和基础。现在的环境下，各个企业都已经开始进入到精细化管理的阶段，企业肯定会想我们的人效是怎么样的？对于仓库来说，坪效是怎么样的？人员能力和业务结果是什么样的关系？人员能力、业务结果以及和人员成本会是什么关系？单个园区的表现怎么样，业务复杂度是怎么样的？以前这些东西全都是靠经验来积累的。

今天当我们拥有了这么多的数据，我们其实是有机会能够通过这些大模型、AI，把它作为更精准的、更准确的模型和计算，来给我们提供一些业务的决策和业务的预测，这个是我们最近这一年看到的一些业务的价值，所以也愿意在这方面多做一些投入、多发一些力。

今天特别多的嘉宾希望了解AI大模型相关的知识，所以我也尝试列了一些我们现在企业当中觉得可以使用到的业务场景。

这一些上面显示的，包括知识问答、机器人或者是看板、办公的体验。经过我们的经验，这些对企业的数字化治理都是有帮助的。

后面重点分享一下我们的一些经验，谈一谈AI大模型和数字化在物流地产园区运营当中的应用。最大的价值是在园区的运营管理里面会有更大的帮助，因为这个场景会更复杂，越是复杂的时候，它的业务价值会越清晰地体现出来。

第一个观点，今天大家关心的AI大模型其实是数字化的延伸。如果企业没有数字化，就不用谈什么所谓的AI大模型的东西。首先要把自己的数字化的事情想好，它解决的是企业数字化的问题。而企业的数字化要搞哪些东西、投哪些东西，这个取决于企业精细化管理的诉求，你现在要管什么？业务重心是什么？痛点是什么？要解决什么样的问题？我们才做什么样的应用、什么样的功能。如果企业直接很盲目地上DeepSeek，或者是上一些其他的投入，自己都还没有想好，肯定后面是用不好的。

我给大家讲个故事，讲讲我们在这方面的一些经验。刚才讲了我们有四五百个园区，每个园区都有人要运营，都有园区经理。传统的考核方式，我们会看三方评审或者是KPI完成情况，这个人、这个园区治理得怎么样，管理得怎么样，经营得怎么样，这些是通常的考核标准。

我们怎么来评估这个人和人之间拿到业务结果的差别？有可能是因为这个人本身能力就强，背后意味着付出的成本高，他的级别高、工资高。也有可能是因为管的园区相对来说管理起来比较简单，业务不复杂，园区里面的业务也不多，客户好沟通。

其实物流园区不同的业态，业务差异性是非常大的，跟地点也有关系，跟客户是什么快递快运的，还是仓储的、大宗的，这个差异性是非常大的。

我们尝试过把很多的因素放在一起来做综合的考虑，但是发现我们所谓的综合考虑最后建立的模型，其实还是靠人工去汇总的经验，然后综合做一个模型，可以比较准确地分析出业务的实际情况，能够做到一园一策，每一个园区都会有自己的画像，看到自己的业务情况。因为有了数字化、数据，可以做这样的专家模型，可以人工在里面做综合的评估。

今天我们有了AI大模型的技术，其实是可以把更多的参数和数据灌进去，由大模型建立更加科学的模型、结果出来，我可能不知道它的算法，但是我可以评估它的结果是不是准确的。如果准确，我信它。如果不准确，就不停地训练调整，这样就可以拿到好的结果，这样就可以拿到一园一策综合的画像，对于这个人员也会有每个人的画像。甚至可以针对这个园区这个人的画像，定向去做一个招聘，我觉得这个对我们来说就是一个价值。

从这一点，我想跟大家分享的是我们做的是以往数字化的延续，而不是今天凭空觉得这个东西好，我们突然想到了这个点而开始做这个功能，这个是不太可能的。

还有一点，我们认为它的优势是体现在海量数据的实时交互。因为以往我们在看报表的时候，在做业务看板的时候，经常看到看板虽然是实时抓取出来的，但是让我们想看到综合的结果，或者是计算结果的时候，我们需要有一段时间。而且，你没办法实时去输一些参数让它反馈出一些结果。比如我想看这个园区的经营情况，或者实时的安全情况。我现在可能看到。但是我想知道这个区域的，再给它更泛的一些条件，比如我要全国所有二线城市、三线城市的数据，它可能就不是特别准确了。通过这种实时交互的方式，我们能够看到更准确的数据。

第二个观点是AI大模型可以为业务决策和预测提供支持，这一点对于园区管理的业态是非常有帮助的。因为在园区管理的时候，我们看到很多园区综合做一个比较，横向拉开，纵向的历史做一些评估，我们是可以通过数据实时计算出来，能够给业务决策和预测提供支持。我们现在在做AI大模型的重心，都是放在业务决策和预测上的，这一点是重点。

通过这一些的因子、要素，我们知道影响它的因子、要素是非常多的，这个数据仅仅是一个园区的数据。如果有400个园区，再把时间放在一年、两年，甚至颗粒度再精细到每天来说的话，因子是非常多的。以往通过专家模型是做不到的，通过以往的BI可能也做不到。但是现在通过AI大模型，我们有机会算得更加科学和精确。

第三个观点是，我们觉得有了这个东西之后，让我们的管理者对于业务有了更高的期待、更多的关注，所以现在整个业务运营的效果，对数据是非常重要了。因为业务运营不好，这个数据就是不准确的。工单执行不好，数据就不准确，所有数据就会被污染，最后所有分析出来的效果不好。现在管理者关注了，我们有机会通过这种方式更加往前去规范业务团队、运营团队，让他们把自己的业务做得更标准、更好，这也是我们看到的业务价值。

时间有限，我今天就分享到这里，有机会跟大家再讲一讲做的好玩的东西，谢谢大家！

免责声明：本文内容与数据由观点根据公开信息整理，不构成投资建议，使用前请核实。