编者按
本文根据作者在 3 月 24 日“建筑产业人工智能发展态势研究沙龙（第四场）”活动上的发言整理而成，内容已经作者本人确认并授权发布。
AI 赋能不动产运营：从场景应用到不动产 AI 操作系统
文/张东东
龙湖集团千丁数科首席架构师
尊敬的各位老师、同学，大家好！我是龙湖集团千丁数科智慧空间首席架构师张东东，今天非常荣幸能走进清华，和大家分享龙湖在不动产运营领域的 AI 技术落地实践与创新探索，主题是《AI 赋能不动产运营：从场景驱动到不动产 AI 操作系统》。
千丁数科是龙湖集团旗下高科技企业，自 2014 年成立以来，深耕不动产数智化领域十余年，成为不动产科技领域的标杆企业。我们始终坚持技术自研，在 BIM、AI、物联网、数字孪生等方面积累了大量技术，这也是我们能实现 AI 深度赋能不动产运营的基础。
作为一家垂直领域商业公司，针对 AI 技术的快速发展，我们更关注 AI 技术带来的实际业务价值，尤其是经济价值。因此在前期探索领域，我们的核心策略是场景驱动，总结出一套场景驱动的企业 AI Agent 落地六步框架，分为认知、价值、平台、知识、应用、进化六大环节，而其中价值评估、知识工程场景落地，是整个框架的核心关键，也是我们实践中沉淀的核心经验。
首先来看价值评估环节，这是 AI 落地的前提，核心目标是由业务专家主导、AI 产品经理配合，挖掘和企业核心业务强相关、高价值的 AI 应用场景。以园区车场运营为例，传统人工审核异常抬杆，日均复核量有限且易出错，我们落地的 AI 车场审计员，能通过多模态大模型自动识别不合理放行行为，日审 50 万+次异常抬杆，让日均复核工单减负≥90%；同时实时计算折损金额、自动下发欠费账单，以 2025 年为例，全年追缴停车费损失 130 余万元。这就是典型的高价值场景：既解决了人力成本高的行业痛点，又直接创造了经营价值，而且实现成本极低，这样的场景才是 AI 落地的最佳切入点。
其次是知识工程环节，如果说 AI 是大脑，那知识就是大脑的 “养料”，这一步的核心是把企业散落在各处的数据转化为大模型可用的知识。龙湖作为不动产数字化的领先企业，积累了海量的数据，包括有 GIS 土地、楼栋等空间数据，有合同、规章制度等文本数据，有 BIM 模型、巡检照片等图像数据，还有安防视频、客服 VOC 等音视频数据，以及租金、收费率等结构化数据。如果为了 AI 应用，全量做向量化与知识化，成本和时间都是不可接受的。我们遵循场景驱动、急用先行的原则做数据筛选，再通过文档解析、向量化等 AI 数据预处理手段，快速构建起场景所需 AI 知识库，支撑场景落地。
有了高价值场景和扎实的知识底座，接下来就是 AI 赋能能力平台的构建，这是AI 落地的技术支撑。千丁数科打造了龙湖 AI 平台总体蓝图，从底层的湖仓一体数据平台、智能文档云平台，到模型层的行业大模型、数字孪生模型，再到六大智能体。而平台能力的最终落地，就是各类 AI Agent 在不动产场景的实际应用，这也是我们实践中最具成果的部分，今天重点和大家分享六大核心 AI Agent 的落地价值。
第一是远程巡检 Agent，它赋予物理空间 7×24 小时自我感知与诊断的智慧。通过小模型实时巡检、大模型复核，能自动识别重点区域入侵、垃圾桶满溢、机房人员擅离职守、违规停车等数十种场景，准召率达 95%，能在问题影响体验、发生事故前提前发现；同时自动创建工单、推送到对应负责人，处理完成后自动消单，实现问题处理的全流程线上化、留痕化，让园区巡检从 “人工随机查” 变成 “AI 全天候守”。
第二是设备智控 Agent，核心实现 AI 驱动的低碳运营。通过多源数据采集，结合 LSTM 时间序列模型提前 24 小时预测冷量需求，再用强化学习模型生成最优运行策略，动态调整冷机、水泵、冷却塔的运行参数，既让室内温度更接近最佳体感温度（±0.25℃），保证体验，又能实现能耗最小化。落地后全集团年节能27%，节约能源费用 3.2 亿元，设施运维成本降低 15%，实现了节能降耗与高效运营的完美统一。
第三是资产经营 Agent，聚焦不动产的经营价值提升。由项目定位、商业空间规划、品牌规划、经营诊断等多个子智能体协同，从空间效率、空间价值、品牌规划、店铺经营等维度，对商业项目进行全面综合诊断，输出问题识别和调整建议，再结合业务专家的评审反馈持续优化，让不动产资产经营从 “经验判断” 走向 “数据驱动”。
第四是服务品控 Agent，推动服务管理从“被动响应投诉”向“主动预测体验”升级。利用多模态大模型，对安品巡检、电梯维保、入户维修等 62 个服务场景的图、音、视频进行质检，覆盖管家、工程、秩序、保洁等全专业，年处理 3000 万+工单、1 亿+企微交互，通过 PDCA 闭环持续优化服务标准，实现服务品质的标准化、可控化。
第五是流程工单 Agent，打造企业的“流程中枢大脑”。将传统被动的、基于规则的流程管理，转变为主动的、AI 和数据驱动的智能流程管理，能实现智能单据审核、智能任务执行、智能辅助决策、智能流程优化。
第六是员工培训 Agent，构建 AI 驱动的智能培训闭环。基于企业知识库，为员工提供个性化学习路径、智能课程推荐、即时知识问答、AI 对练教练等服务，从出题到点评全链路自动化。
以上六大 Agent 是我们场景驱动的 AI 创新模式形成的成果，场景驱动的好处是效率高、价值获得明显。但随着 AI 技术的发展，这种散点式的创新已无法满足企业发展需求，需要一套系统性框架进行约束与整合。我们也参考 IT 操作系统与 openclaw 的架构，对不动产行业的数字化系统进行重构，建立了龙湖不动产 AI 操作系统，形成一套全栈式的数智化解决方案。参考操作系统架构，资源层是人员、设备、资产、空间等资源，驱动层实现资源的在线化，包括物联网、工单系统、资产标签等；操作系统包括大数据平台、AI 平台、工作流引擎等技术底座，也包括 IBMS、能源管理系统、物业管理系统等功能模块，人机交互层包括二维组态、三维数院孪生等。这套系统，龙湖基本已经搭建完成，也稳定运行多年，现在做的也是迭代与进化工作。随着 AI、机器人等新技术的快速发展，还有做三方面工作：
这套系统的落地，也让我们形成了不动产行业 AI 技术的选型梯度：对于消防联动、空调室温调节等高安全、强合规的基础控制，用预定义规则，保证 100% 可控；对于 CV 小模型发现事件-大模型复核派单等标准化、重复性高的 SOP，用 Langchain/Workflow，实现流程化编排；对于能耗分析这类可复用的专业领域能力，封装成 SKILL，实现模块化调用；对于非典型故障排查、非常规事件响应等复杂开放场景，用智能体，让 AI 自主决策、动态规划。不同技术适配不同场景，实现稳定性与灵活性的平衡。
今天的分享就到这里，感谢清华大学的各位老师、同学的聆听，也期待未来能和清华在不动产数智化、AI 大模型落地等领域开展更多产学研合作，共同推动 AI 技术在实体经济的深度融合与创新发展！谢谢大家！
