AI浪潮勢不可擋，惟目前本港大型商場、住宅及商廈的物業管理大多依賴傳統閉路電視，或局限於執行定點巡邏的機械人。這些設備對環境安全往往只能作最基本的紀錄或避障反應，卻無法真正理解現場實際發生的情況。為解決這項技術瓶頸，物管業界開始引入視覺語言模型（VLM）以提升設備的環境感知與決策能力。本地人工智能研發團隊 CarryAI 指，這項技術能賦予鏡頭及自主移動設備邏輯運算功能，不再只是單純偵測障礙物，而是能夠辨識物件屬性與複雜的樓宇場景。

商場與商廈環境人流密集且瞬息萬變，在這種動態環境下，缺乏場景理解能力的傳統系統難以自主應變，最終仍需耗費大量保安與物管人力介入監督。新一代視覺語言模型配置了具備邏輯運算的邊緣端大腦，可實時辨識物件屬性，從而降低對人工遙控的依賴，大幅提升物管巡邏的流暢度與效率。

1. 跌倒及異常逗留偵測：精準識別訪客跌倒或長時間癱坐，即時發出警報以提供醫療協助。
2. 暴力及攻擊性行為識別：透過肢體動作分析辨識打架或推撞，讓保安團隊及早介入調停。
3. 違規使用滑板車或單車：即時識別室內違規騎行，通知前線人員勸阻以防途人受傷。
4. 液體潑灑與遺留垃圾偵測：辨識打翻飲料或棄置垃圾，自動指派清潔人員跟進，降低滑倒風險。
5. 無人看管物品及行李：追蹤長時間遺留的行李或紙箱，防範危險物品隱患並加快失物認領。
6. 禁煙區違規吸煙行為：敏銳捕捉禁煙區或隱蔽角落的吸煙動作，協助物管執行禁煙條例。
7. 可疑蒙面人士及異常遮蔽追蹤：標記並跨鏡頭追蹤異常遮蔽面貌的可疑人士，協助保安及早截查。
8. 車輛逾時停泊偵測：系統能自動追蹤並記錄車輛停留時間。若發現車輛逾時停泊或造成阻塞 。

超越死板訓練的極高適應力

除了解決上述具體痛點，這類系統無須針對每一種罕見的樓宇意外進行死板的預先訓練。它能夠理解物件之間的關聯，系統能即時推理出這極可能引發漏電或途人滑倒的風險，並主動發出警報。

在部署策略上，由於大型屋苑及商場動輒擁有數以百計的鏡頭，企業傾向挑選能直接應用於現有閉路電視網絡，從而大幅節省硬件升級成本。更重要的是，針對物業管理極度重視的住客及租戶私隱問題，CarryAI 的視覺語言模型特別採用了無雲端（No-cloud）的全流程本地部署（On-premise full pipeline）方案。所有影像數據均在本地網絡內完成實時運算與分析，無須上傳至第三方雲端伺服器；這不僅徹底杜絕了資料外洩的私隱風險，更能為企業省下龐大的長期雲端運算開支。

目前本地已有大型機構的實際應用案例，數據反映，把傳統大廈鏡頭升級為智能感測器後，日常設施巡檢與異常報告的處理效率提升了百分之六十，有效減輕前線保安及物管人員的文書負擔。此外，泰國一間大型物業管理公司亦已主動接洽 CarryAI，計劃在五年內全面升級旗下 2,000 部閉路電視，目標是完全取代依賴人手監察鏡頭的傳統巡檢模式。

視覺語言模型正徹底改變香港及海外物業與設施管理的自動化投資策略。透過賦予現有設備高階認知與多重任務處理能力，這項技術為解決物管業人手短缺的困局提供了一個極具經濟效益的發展方向。CarryAI 早前參與由《香港01》舉辦「企業人工智能升級轉型交流日」，與多個國際企業代表及發展商，共同探討最新 AI 在物業及設施管理上的應用實戰及商機。

（資料由客戶提供）