设施管理的讨论重心，已经从「AI 能做什么」转向「我们能用 AI 做成什么」。 FMC 以「传感五感 + AI 大脑 + 机器执行」的完整闭环为骨架，把 AI 与机器人编入 FM 作业体系 —— 不是替代人，而是给团队新增不会累、不用倒班的同事；同时用「场景三维打分 + 变革/优化双轨」控制落地节奏，让每一分投入都算得清账。
演讲内容将于 10 月 24 日在现场发布。想提前聊你的场景，或会后获取完整资料，都可以留下需求。
还没到现场？先看下方 FM 团队最常追问的 5 个问题，或直接看已经跑起来的落地成果。
从双碳、标准化、安全与创新，到连续两届把 AI 放进主线 —— FM 的科技底色已是必然。但落地现场，卡住的不是技术，而是从「跑得通」到「跑得起来」的那段距离。
Demo 效果惊艳、榜单指标领先，但真实工况里光照、遮挡、噪声全在变，数据要治理、流程要重排、一线要愿意用。中间隔着一道鸿沟：
单据从纸变成电子，人还是那些人、活还是那些活。信息化只搬走了纸，没搬走工作量 —— 这是很多 FM 团队数字化之后最真实的落差。
建筑全生命周期里，设计与工程建造只占约 20%，运营管理费用占约 80%；设施与基建资产平均占企业资产总量 33% 以上，运营管理费用平均占总运营成本 35%。降本的主战场在运营期。
感知、决策、执行三层合起来才算一个能干活的「人」。FMC 把三层打通，并配统一底座，让 AI 能力可以按场景切换、按项目复制。
视频 AI 识别环境、违停、水域、施工、门禁通道、治安消防等异常
全生命周期健康档案、预测性维护、故障自诊断与工单闭环
通行、环境健康、报事报修、访客与客服的智能化入口
小模型管标准算法、大模型管定制算法，支持场景共创与持续迭代
工单调度、质检、百事通等智能体在系统里干活，串起跨部门流转
时序预测、能耗群控调优、设备劣化趋势与风险预警
清洁、配送引导、综合巡检机器人，与门禁电梯排班联动
标准制定、例外处置、责任兜底 —— 人始终在回路里
与 BAS/消防/门禁/照明等既有系统打通，指令落到设备
三个环节任何一处断裂，闭环就停摆 —— 这就是当下必须把人留在回路里的原因。
传感点位有限、盲区大量存在；工况复杂导致数据质量参差；很多关键状态根本没有信号。
复杂推理易断链，因果接不上；生成结果不可全信，会一本正经地胡说；缺常识与现场经验。
依赖网络与算力，弱网即失效；开锁、拔插、搬运这类非标动作做不了；精度与安全边界需人兜底。
＊成熟度为我方基于项目实践的定性评估示意，非实测数据；节奏取决于技术成熟速度与组织准备度。
技术分工很细、成熟节奏各异，而一个真实场景往往要一次凑齐一堆能力。所以别只问「能不能做」，要同时问「值不值得做」和「现在做不做得动」。
客服智能化、自动化，提升响应速度与客户满意度。
提高一线效率，实现「机器助人」，把重复活交给机器。
节能降耗、资产保值增值、降低故障率、保障业务连续性。
挖掘数据价值，给管理层一个「专家辅助」。
← 左右滑动查看完整维度 →
| 候选场景 | A 业务价值 | B 技术成熟度 / 成本 | C 变革土壤 | 建议动作 |
|---|---|---|---|---|
| 工单与客户体验智能体 | 痛感强、收益可度量 | 成熟、集成轻 | 流程较易标准化 | 快赢 · 立即可上 |
| 视频 AI 安全与合规巡检 | 高频刚需、算得出钱 | 成熟、需算法适配 | 需一线配合纠偏 | 首批 · 树标杆 |
| 设备预测性维护 | 价值高、周期较长 | 依赖历史数据质量 | 数据基础要求高 | 试点 · 数据先行 |
| 能耗优化与群控调优 | 节能收益明确 | 需与 BAS 打通 | 随改造推进更顺 | 择优 · 随改造推进 |
| 机器人替代高危巡检 | 替代价值高 | 非标动作仍受限 | 组织接受度待培育 | 观察 · 等技术成熟 |
＊评分为我方项目实践示意，实际请按自身项目的痛点强度、预算与组织准备度校准。先做「A 高 × B 高 × C 够用」的那一个，把标杆立起来再往外复制。
可靠性 = 各因素成功率相乘，链条越长乘积越低 —— 关键节点必须留人确认。但这条线正在快速移动，所以方案要设计成灵活可适配的。
机器做重复、高危、夜间任务，判断权与流程控制权仍在人手里。
机器负责执行与初筛，人负责确认、纠偏、处理例外与跨部门协同。
机器自主运行，人退到标准制定、例外处置与最终责任的位置上。
复用既有摄像头做全时段视频巡逻，异常自动识别与上报。
结合 SOP 检查结果与过程的符合度，把抽检变成普检。
本地知识库 + 公域知识，报事报修咨询与工单自动流转。
清洁、配送引导、综合巡检机器人统一调度，与门禁电梯联动。
＊指标为典型项目实测口径，不同项目因基础条件差异会有浮动，以项目实测为准。
AI 在系统里干活，机器人在现场干活 —— FM 团队第一次有了「不会累的同事」。
通用模型在 FM 现场常常不够用。我们真正花时间的是两件事：算法可调（用户参与算法共创，小模型管标准、大模型管定制），以及把准确率当「可运营指标」而非「交付指标」来管 —— 一线一键纠错，标注自动回流到模型。
工单调度智能体自动分类、派单、催办与回访闭环，跨部门流转不再靠人天天盯；清洁机器人夜间公区保洁、任务完成自动回充；配送引导机器人打通门禁与电梯，做物料接驳与跨楼层配送。
服务客户覆盖不动产与设施管理多个行业；以上结果为典型项目实测口径，具体数字随项目条件浮动。
用「优化」的确定性，去换「变革」的时间 —— 答案不是二选一，而是让两条腿同时走。
回答的是：三年后的 FM 应该长什么样。战略上必须选它 —— 但周期长、见效慢，需要耐心与组织共识。
回答的是：这个季度省了多少、快了多少。战术上靠它积累信任 —— 见效快、风险低，是变革的弹药库。
战术侧按双周一版小步迭代，战略侧同步推进变革方向：先用「快赢场景」立标杆、拿数据，再往预测性维护、能耗优化、机器人逐步扩展。每一步都以可度量的现场价值收口，而不是以功能上线数量收口。
选了客户真正会问、但页面上还没正面回答的几条，答案尽量给具体口径。