AI浪潮势不可挡，惟目前本港大型商场、住宅及商厦的物业管理大多依赖传统闭路电视，或局限于执行定点巡逻的机械人。这些设备对环境安全往往只能作最基本的纪录或避障反应，却无法真正理解现场实际发生的情况。为解决这项技术瓶颈，物管业界开始引入视觉语言模型（VLM）以提升设备的环境感知与决策能力。本地人工智能研发团队 CarryAI 指，这项技术能赋予镜头及自主移动设备逻辑运算功能，不再只是单纯侦测障碍物，而是能够辨识物件属性与复杂的楼宇场景。

商场与商厦环境人流密集且瞬息万变，在这种动态环境下，缺乏场景理解能力的传统系统难以自主应变，最终仍需耗费大量保安与物管人力介入监督。新一代视觉语言模型配置了具备逻辑运算的边缘端大脑，可实时辨识物件属性，从而降低对人工遥控的依赖，大幅提升物管巡逻的流畅度与效率。

1. 跌倒及异常逗留侦测：精准识别访客跌倒或长时间瘫坐，即时发出警报以提供医疗协助。
2. 暴力及攻击性行为识别：透过肢体动作分析辨识打架或推撞，让保安团队及早介入调停。
3. 违规使用滑板车或单车：即时识别室内违规骑行，通知前线人员劝阻以防途人受伤。
4. 液体泼洒与遗留垃圾侦测：辨识打翻饮料或弃置垃圾，自动指派清洁人员跟进，降低滑倒风险。
5. 无人看管物品及行李：追踪长时间遗留的行李或纸箱，防范危险物品隐患并加快失物认领。
6. 禁烟区违规吸烟行为：敏锐捕捉禁烟区或隐蔽角落的吸烟动作，协助物管执行禁烟条例。
7. 可疑蒙面人士及异常遮蔽追踪：标记并跨镜头追踪异常遮蔽面貌的可疑人士，协助保安及早截查。
8. 车辆逾时停泊侦测：系统能自动追踪并记录车辆停留时间。若发现车辆逾时停泊或造成阻塞 。

超越死板训练的极高适应力

除了解决上述具体痛点，这类系统无须针对每一种罕见的楼宇意外进行死板的预先训练。它能够理解物件之间的关联，系统能即时推理出这极可能引发漏电或途人滑倒的风险，并主动发出警报。

在部署策略上，由于大型屋苑及商场动辄拥有数以百计的镜头，企业倾向挑选能直接应用于现有闭路电视网络，从而大幅节省硬件升级成本。更重要的是，针对物业管理极度重视的住客及租户私隐问题，CarryAI 的视觉语言模型特别采用了无云端（No-cloud）的全流程本地部署（On-premise full pipeline）方案。所有影像数据均在本地网络内完成实时运算与分析，无须上传至第三方云端伺服器；这不仅彻底杜绝了资料外泄的私隐风险，更能为企业省下庞大的长期云端运算开支。

目前本地已有大型机构的实际应用案例，数据反映，把传统大厦镜头升级为智能感测器后，日常设施巡检与异常报告的处理效率提升了百分之六十，有效减轻前线保安及物管人员的文书负担。此外，泰国一间大型物业管理公司亦已主动接洽 CarryAI，计划在五年内全面升级旗下 2,000 部闭路电视，目标是完全取代依赖人手监察镜头的传统巡检模式。

视觉语言模型正彻底改变香港及海外物业与设施管理的自动化投资策略。透过赋予现有设备高阶认知与多重任务处理能力，这项技术为解决物管业人手短缺的困局提供了一个极具经济效益的发展方向。CarryAI 早前参与由《香港01》举办“企业人工智能升级转型交流日”，与多个国际企业代表及发展商，共同探讨最新 AI 在物业及设施管理上的应用实战及商机。

（资料由客户提供）