大模型时代，物业行业不能缺位
现在大模型非常红火，我参加了好几次学术界的讨论，发现学者不谈大模型，恐怕要落后时代。正好我们课题组从年初的时候，我们就使用ChatGPT进行相关的学术研究和物业行业研究。
同样，物业管理行业也不能缺位AI浪潮，也要找到我们行业可能的切入点。此文正好结合过去大半年时间，我们课题组的一些研究以及所思所想，和大家做一个交流。
现在的物业公司，都完整掌握了依据业主画像设计服务的研究逻辑。例如，我曾经见过碧桂园服务基于社交活动、自我实现意识、身体健康三个指标，建立社区老年人的画像，并最终设计社区养老产品。
当然，碧桂园服务采取了业主定性访谈的方式，这种方式比较费时费力，对访谈人的能力要求也较高，更重要的是，很多访谈对方根本找不到，无法实现定性访谈。有无更好的方法，能够高效率提升用户画像效率。
显然，诸如ChatGPT通用大模型，获取业主画像的效率更明显。
正好，今年年初，我们帮助一家物业公司设计国家实验室物业服务体系，其中一部分就涉及科学家物业服务。显然，大面积访谈科学家群体是不现实的，我们采用ChatGPT通用大模型，快速生成科学家群体用户画像。
无论是社区的老年人，还是实验室的科学家，其群体特征并不是专属于物业行业，借助通用大模型是非常有效的研究手段。
但是，通用大模型数据大多来自于公开文献与网络信息，专业行业数据积累不足，必须让模型由通才转化为行业专才，才能提高纵深领域任务处理能力。例如，近几年国家一直积极推进基层治理相关的美好家园建设、党建引领物业管理、“四好建设”的选树活动。选树的目的不是简单局限在街道、业主和企业最佳实践的展示，根本目的是通过大量的选树活动，找到中国基层社区治理的路径和模式，以及路径舒畅形成的关键因素和变量。这个时候，建立物业行业大模型，采取文本分析的方法，就可以在保持基础大模型精度的同时，大幅降低资源开销与训练成本。
同样的道理，中国与物业管理有关的法律非常复杂，初步统计一下，国家层面超过110部相关法律、条例、规定、通知及司法解释，用来规范物业服务企业、业主及业委会的行为。以《住宅室内装饰装修管理方法》为例，第三章开工申报与监督中提到报告有关部门依法处理。问题就产生了，什么是有关部门，不同城市约定也不一样，国家层面法律也不可能规定这么详细。如何解决?通过GPT-4打造物业行业法律的生成式AI服务，专注法律文本分析。大模型在法律的落地场景非常明确，从文书整理 ，案情分析，案例收集比对证据收集和校对都有直接应用价值。
构建法律大模型，已经有先例。今年6月26日，汤森路透以6.5亿美元现金收购了法律技术服务商Casetext。Casetext的核心产品之一 CoCounsel，是通过GPT-4打造的一款专注法律领域的ChatGPT产品，可实现分析法律文件、合同、生成证词和法律备忘录等。未来Casetext的产品矩阵将与汤森路透的核心法律产品Westlaw进行技术融合，为汤森路透的客户群提供法律领域的生成式AI服务。
此外，每年我们课题组为了训练学生，都要进行上市物业公司的财务表格分析，诸如简单财务报表分析，技术要求不高，有些风险评估分析，技术要求就较高。目前，我们就遇到一个迫切提高研究效率的问题。我们课题组可以根据三四个指标，采用最优分割法，把上市物业公司分成6种类型。其实，我们特别想进一步横向比较相同类型的上市物业公司，包括投资策略建议、风险评估、股票预测、金融新闻摘要、公司财报分析、债券评级和市场趋势分析等业务场景。这些研究都极其消耗时间和人力资源，如果出现针对物业行业的金融大模型一定会好很多。
众所周知，大模型的训练依赖于先进的算法。这些算法包括深度学习、强化学习、迁移学习等，它们可以帮助模型在大量数据中快速找到有效的特征和规律。我们完全可以设想，基于多模态数据融合基础模型，既可以找到面向社区供暖自适应调节的气温预测模型，用来降低社区碳排放，也可以社区场景理解模式以及行人识别模型。例如，我们课题组今年参与设计寄宿制高中的物业安全管理体系，其中我们就提出，可否利用摄像头，及早识别和发现有抑郁症倾向的高中生，这也是学校物业安全管理预防重于应急理念的落地。这个想法最终能够完全落地，极大可能需要大模型获取抑郁症群体特征。
新一轮的AI已来，中国的物业管理行业不仅不能缺位，而且一定会大放异彩，甚至可能是改变物业行业困境的一把利刃。
此文是我在2023广州物业博览会物业进化论论坛的发言节选。
