新生尚未报到，迎新住宿保障工作已提前紧锣密鼓启动。本科、硕士、博士新生规模、男女生分布、老生床位保留、床位腾退进度、分校区返校住宿需求…… 一组组动态变化的学生数据，与分布在各楼栋、各楼层的床位资源如何精准匹配，是公寓服务中心每年迎新前必须答好的一道考题。

往年，床位核算工作高度依赖人工操作。工作人员需要在多份表格间反复核对、统计、试算，一旦新生人数、房源情况发生变动，整套数据就要重新调整，耗时费力。今年迎新筹备启动后，公寓服务中心杜佳男、葛韵声一直在思考：能不能找到更高效的工作方法？

床位核算，根基在于摸清真实底数。公寓服务中心组建专项工作组，从房源摸排入手。杜佳男、葛韵声主动对接学工、研工及各分校区相关部门，逐项核实老生留床、床位腾退、返校住宿等信息，梳理整合分散在各部门的数据。

纸面数据核验完成，现场核查同步跟进。公寓管理员逐楼、逐层、逐间核验拟腾退床位；针对因外出等原因未能按时退房的学生，及时沟通跟进；对零散分布在各房间、楼层的空余床位重新登记归集，挖掘台账之外的闲置床位资源。通过部门数据、现场实景、实际房源三方交叉比对，把台账上的 “床位数” 转化为迎新可用的“有效床位数”。

底数摸清，床位排布的复杂计算接踵而至。按照住宿标准，本科生、硕士生原则上安排 4 人间，博士生安排2人间，同时还要兼顾性别分区、学院相对集中、年级衔接、楼栋承载上限等多重约束。杜佳男、葛韵声发现，大量工作并非管理研判，而是重复性的数据分类、统计与方案试算。为此，二人尝试引入AI赋能业务。

他们拆解床位核算全流程，梳理各学段学生数量、性别构成、房型标准、楼栋容量、可用床位等要素，将多年一线床位排布经验提炼为标准化计算规则，依托AI完成数据整理、运算与初步匹配。不止于单次AI运算，二人在反复调试中，借助AI开发床位计算小程序，固化核心计算逻辑与关键参数。工作人员只需录入学生人数、性别、住宿标准、房源信息，系统便可依据预设规则快速输出床位供需匹配方案，为床位排布提供参考。

这套工具可重复调用、持续迭代。后续学生规模、住宿标准、房源结构发生变化时，仅需调整参数与规则，小程序即可更新适配。

与此同时，公寓中心明确：AI和小程序不能替代人工研判。同样数量的空床位，可能分散在不同楼层；满足总量的排布方案，还需要兼顾学院布局、日常管理衔接与实际入住体验。工作坚持“人工摸底、人工定规、AI运算、小程序测算、人工复核” 的工作模式。程序输出初步方案后，杜佳男、葛韵声会同一线管理员，结合楼栋现场实际逐项微调。AI提速增效，人工把控尺度。

迎新床位核算只是公寓管理的微小切口，但杜佳男、葛韵声没有固守传统模式。面对人工核算痛点，他们拆解业务流程，主动拥抱数字化工具，将一次性计算思路转化为可复用小程序。本次迎新数据专项工作，公寓团队归集整理25套公寓在住学生信息库，完成150余次数据表格归并，绘制各类统计图表30余份。借助 AI 智能体辅助，整体工作周期较往年压缩约15个工作日，迎新住宿统筹效率显著提升。

从纸质床位台账到智能测算小程序，变化的是基层工作人员解决问题的手段，不变的是住宿管理的责任初心。数字化技术落地到每一张床位、每一间宿舍，让管理人员从繁杂重复的数据工作中解放，将更多精力投入现场踏勘研判与学生服务。

下一步，公寓服务中心将结合实际应用场景持续优化床位计算小程序，完善AI辅助核算模式，打磨这款源自一线的实用工具，持续助力迎新住宿保障与公寓精细化管理提质增效。