商业房地产巨头仲量联行(JLL)正在拥抱新的“即服务”商业模式,充分利用云和数据转型。
仲量科技(JLL Technologies)首席技术官Yao Morin
疫情后工作时代,城市的摩天大楼和办公园区可能仍然人很少,但是商业房地产公司仲量联行的业务并没有放缓,这要归功于公司对技术的拥抱、通过高增长机会适应时代实现发展。
这家总部位于美国芝加哥的商业房地产公司是全球最大的商业房地产公司之一,仲量联行投入巨资开发了自己的设施管理和可持续发展软件及服务产品,目标是云数据中心、电子商务仓储运营商、甚至是像Wendy’s这样的快餐连锁店等高增长商业企业,以确保这个规模达200亿美金的帝国不断向前发展。
例如,仲量联行为很多云和数据中心运营商提供设施管理服务。最近,仲量联行推出了Carbon Pathfinder,一款AI驱动的可持续发展软件规划工具,以SaaS或包含专业服务的套件形式对外出售。
仲量科技(JLL Technologies)首席技术官Yao Morin表示:“人工智能绝对是仲量联行与竞争对手展开竞争的关键优势之一,而可持续发展是我们业务线技术的另一个关键驱动力。”她表示,仲量联行在技术领域远远领先于其他商业房地产经纪企业。
“没有其他哪家公司可以做到这一点,因为我们拥有人工智能技术和数据来了解所需的投资类型、法规、以及如何使建筑可持续发展,”Morin在谈到净零碳规划工具时补充说。
仲量联行的优势在于其广泛的租赁和销售经纪服务组合以及技术服务部门,该部门还开发了财务报告、能源使用和暖通空调合规工具。
“我们拥有非常多元化的产品组合,”Morin负责管理公司技术部门内大约1000名IT员工,但估计总共有2000到3000名员工在开发、销售或者维护仲量联行的软件。
转型为技术提供商
Morin表示,仲量联行开发设施管理软件的举措是扩展业务模式的其中一部分,这种模式让公司能够困难时期有良好的表现。Morin在软件开发方面采取了混合式策略,也就是在自主开发的同时与其他SaaS厂商展开合作。
仲量联行转型为技术提供商的核心,是使用AWS、Google Cloud Platform和微软Azure、以及用于数据存储的Snowflake和用于AI模型的Azure AI和Databricks所构建起来的云基础设施。
最后一部分对于仲量联行来说至关重要,因为Morin认为,人工智能的发展为仲量联行提供了更多为现有客户提供服务并获得新客户的机会。她说:“我们非常认真地利用AI和生成式AI的全部潜力来解决我们的问题。”
她说,此前仲量联行一直在表格中使用“干净的”结构化的数据开发经典的人工智能模型。例如,有一种模型融合了仲量联行运营的84个县的客户租金和租赁条款。目前,仲量联行的IT专家正在训练算法来提取租赁中最结构化的数据,然后将这些数据输入这个AI模型中。
但生成式AI和大型语言模的问世已经是一项重大的进步,因为生成式AI和大型语言模型让仲量联行能够整合所有类型的数据,而不仅仅是最结构化的数据。
Morin表示:“我们在租赁和合同方面做了大量的文书工作,还有一页又一页的多种语言法律文件”,以前合并这些文件一直是一项挑战。生成式AI和大型语言模型正在改变这一切。Morin说:“现在可以以非常自然的方式直接处理不同的语言。你不必清理它,你可以把租约交给生成式AI模型,并要求它自己提取所有这些信息。”
Morin将生成式AI视为一项“非常具有革命性的技术”,并指出,生成式AI的高效率为开发者释放了更多时间,并将扩大仲量联行的业务范畴。她说:“它彻底改变了我们如何使用信息的方式。”
当然,仲量联行才刚刚开始使用生成式AI和大型语言模型。仲量联行还向软件开发人员和业务主管发布了有关于如何保护客户数据、定义哪些数据可以使用、哪些不能使用的指南。
发展核心业务。尽管向远程办公模式的转变,对仲量联行的业务产生了负面影响,但这已经不是什么秘密了。除了软件开发部门之外,仲量联行与其他商业房地产经纪公司一样,也面临着寻找新前景的压力。例如,根据仲量联行自己的研究结果显示,截至2023年,美国的实体入住率与新冠疫情之前的水平相比,范围在45%至65%之间。
为了解决这个问题,仲量联行瞄准了正在经历高速增长的商业领域,例如需要庞大占地面积的云和数据中心运营商。
Morin说:“商业房地产涵盖许多不同的领域,我们可以为蓬勃发展的数据中心、医院、科技园和电子商务公司买卖建筑物提供帮助。云基础设施等数据中心正在增长;尤其是在人工智能之后,市场对数据中心的需求是巨大的。”
此外,Morin指出,由于工作场所环境策略仍在不断变化,疫情期间增加的外包设施管理需求,现在依然强劲。
她说:“谷歌和 Facebook本身并不管理设施,他们把这件事外包给我们。必须有人更换卫生纸,确保办公室里的人有足够的零食和咖啡。”
有分析师表示,商业房地产行业正在调整和改变商业模式以满足疫情后时代的需求和新兴技术的需求。
Gartner分析师Janel Everly表示:“过去20多年来,资本市场发生了从有形资产到无形资产的重大转变。制造业和大型有形资产密集型企业大力推动他们的投资组合多元化,纳入了无形资产。”
Everly表示,仲量联行正在走上这条路,她看到,这家商业房地产巨头整合了更多“即服务”产品,并转向设施管理软件。
“由于这与数据中心和电子商务仓库相关,它主要是由需求和空间类型利用率的宏观房地产变化所驱动的,”她说。
好文章,需要你的鼓励
随着IT成为企业运营的核心支撑,IT服务台的重要性日益凸显。现代ITSM平台已从简单的帮助台发展为复杂的管理系统,集成了工单跟踪、资产管理、性能监控等功能。这些平台的核心是工单门户,确保请求得到及时处理。许多产品强调自助服务功能和AI集成,通过智能路由、预测分析和生成式AI来提高问题解决效率。本文详细介绍了21款主流ITSM工具,帮助企业选择适合的解决方案。
新西兰奥克兰大学研究团队发布了首个专门针对教育领域的情感分析数据集EDURABSA,包含6500条学生真实评价,涵盖课程、教师和大学三个维度。同时开发了ASQE-DPT标注工具,能够精确识别学生反馈中的细微情感和隐含观点。这项研究填补了教育反馈智能分析的空白,为教育机构提供了科学的决策支持工具,让学生声音被更好地听见和理解。
思科与英伟达、VAST Data合作推出安全AI工厂,整合服务器、GPU和存储设备为企业提供一体化AI基础设施。该方案采用融合基础设施形式,以AI POD作为核心组件,搭载英伟达RTX PRO 6000 Blackwell GPU和思科UCS服务器。存储方面支持NetApp、Pure Storage或VAST Data产品。VAST声称其InsightEngine能够加速RAG管道,将响应延迟从分钟级降至秒级,支持企业级智能体AI应用。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。