2025 年 9 月 13 日上午，由 中國房地產(chǎn)業(yè)協(xié)會人工智能應(yīng)用分會承辦的“數(shù)字化工作座談會”順利召開 。本次活動匯聚了央國企、頭部房企、科技企業(yè)、金融機構(gòu)以及各省市行業(yè)協(xié)會代表。會議聚焦“AI 在房地產(chǎn)行業(yè)的應(yīng)用”，深入挖掘 AI 在房地產(chǎn)行業(yè)中的應(yīng)用場景，讓技術(shù)更好地服務(wù)于行業(yè)發(fā)展、推動 AI 從測試走向業(yè)務(wù)、打破技術(shù)應(yīng)用壁壘、推動 AI 普惠化和平民化，并致力于生態(tài)化建設(shè)，共建行業(yè)基礎(chǔ)設(shè)施。

中國房地產(chǎn)業(yè)協(xié)會會長陳宜明在講話中明確指出，人工智能是推動房地產(chǎn)行業(yè)創(chuàng)新升級的關(guān)鍵驅(qū)動力，國務(wù)院出臺的“AI+”實施方案已為行業(yè)發(fā)展指明了方向，提出了分階段實現(xiàn)智能體和智能終端廣泛應(yīng)用的策略。他號召全行業(yè)積極參與行業(yè)級 AI 應(yīng)用指南和標準的制定，共同推動行業(yè)協(xié)同進步和生態(tài)共建，助力房地產(chǎn)行業(yè)邁向高質(zhì)量發(fā)展的新階段。 克而瑞集團 CEO 張燕在會上發(fā)表了《 2025 房地產(chǎn)行業(yè) AI 應(yīng)用發(fā)展報告》主題演講 ，基于對頭部房地產(chǎn)企業(yè)深度調(diào)研，全面闡述了 AI 在房地產(chǎn)業(yè)的應(yīng)用現(xiàn)狀、挑戰(zhàn)與未來趨勢。

克而瑞集團CEO 張燕

2025 年是人工智能技術(shù)全面爆發(fā)的關(guān)鍵年份。無論是底層大模型技術(shù)的突破，還是各類智能體應(yīng)用的涌現(xiàn)，都在短時間內(nèi)實現(xiàn)了爆發(fā)式增長。我們已經(jīng)能夠清晰地觀察到 AI 技術(shù)塑造千行百業(yè)的發(fā)展雛形。

基于這一背景，克而瑞自身也加快了在 AI 應(yīng)用領(lǐng)域的各方面實踐步伐，并持續(xù)監(jiān)測行業(yè)各 AI 應(yīng)用場景的發(fā)展狀況。本次調(diào)研針對 TOP30 房地產(chǎn)開發(fā)企業(yè)、TOP20 物業(yè)管理企業(yè)以及不動產(chǎn)運營領(lǐng)域的核心企業(yè)進行了問卷和訪談，調(diào)研對象涵蓋數(shù)字化團隊和業(yè)務(wù)團隊，確保了調(diào)研結(jié)果的全面性和實用性。

一、AI 應(yīng)用發(fā)展

當前，人工智能正處于政策紅利黃金期。2025年，國家密集出臺了"人工智能+"和"城市更新"系列政策，政策支持呈現(xiàn)出從普惠性向精準性轉(zhuǎn)變的特征，聚焦于三個核心方向：第一，推動 AI 與傳統(tǒng)產(chǎn)業(yè)的深度融合。 "人工智能+"已上升為國家戰(zhàn)略，要求 AI 技術(shù)與實體經(jīng)濟實現(xiàn)深度結(jié)合，為傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級提供新動能。第二，構(gòu)建數(shù)字中國建設(shè)的新格局。 政策將生成式 AI 應(yīng)用列為重點發(fā)展方向，特別強調(diào)高質(zhì)量數(shù)據(jù)集的建設(shè)，凸顯了數(shù)據(jù)作為新型生產(chǎn)要素的戰(zhàn)略地位。第三，實現(xiàn)城市高質(zhì)量發(fā)展。 在前期數(shù)字化建設(shè)基礎(chǔ)上，對智慧城市概念進行升維，將 AI 技術(shù)深度融入城市治理、規(guī)劃與發(fā)展的各個環(huán)節(jié)。

AI 大模型作為新型通用技術(shù)，通過對生產(chǎn)要素的無限供給和高效重組，正在顛覆傳統(tǒng)的生產(chǎn)關(guān)系，催生基于"人機協(xié)同"的新經(jīng)濟范式。這不僅是生產(chǎn)力的巨大推動，更是對商業(yè)社會底層邏輯的深刻重構(gòu)。

AI 技術(shù)通過顯著降低服務(wù)邊際成本、重構(gòu)服務(wù)流程，正在建立萬億美元級別的龐大市場。根據(jù)紅杉資本的分析，AI 正在重構(gòu)萬億美元級市場。在全球 AI 競爭格局中，中美雙極態(tài)勢日益明顯。2022-2024 年期間，中美兩國大模型數(shù)量占全球比重從 72% 提升至 86%。截至 2025 年上半年，中國模型數(shù)量占據(jù)全球 40% 份額，處于領(lǐng)先地 位。美國則憑借底層技術(shù)的持續(xù)突破和多元化場景應(yīng)用繼續(xù)引領(lǐng)行業(yè)發(fā)展。

AI技術(shù)正在引發(fā)商業(yè)模式的深刻變革，主要體現(xiàn)在四個關(guān)鍵轉(zhuǎn)變：1. 收費模式轉(zhuǎn)變： 從傳統(tǒng)按賬號 License 收費模式轉(zhuǎn)向按成果收費，創(chuàng)造可量化價值。2. 服務(wù)模式演進： 從 SaaS（軟件即服務(wù)）向 Service-as-a-Software（服務(wù)即軟件）演進，通過 AI 應(yīng)用直接嵌入軟件，形成更適應(yīng)個性化和非標準化場景的應(yīng)用模式。3. 創(chuàng)新空間 拓展 ： 應(yīng)用層仍存在巨大創(chuàng)新空間，為垂直行業(yè)提供差異化解決方案。 4. 發(fā)展重心轉(zhuǎn)移： 從"新想法生成"轉(zhuǎn)向"評估有效性"，更加注重實際效果和價值創(chuàng)造。

在當前的全球 AI 競爭格局中，中美兩國已形成雙極引領(lǐng)的態(tài)勢，二者在推進路徑與應(yīng)用模式上呈現(xiàn)出顯著差異。美國正處于“全員化部署+消費端驅(qū)動”的初步成熟階段，不僅 51% 的員工每周使用AI工具、70% 的財富 500 強企業(yè)規(guī)?；渴?Copilot，更在消費行為中廣泛滲透——如地產(chǎn)科技中AI投資占比達 67.3%，39% 購房者靠 AI 輔助決策，已構(gòu)建起“投資-消費-再投資”的閉環(huán)正向循環(huán)。

這一消費驅(qū)動特征在五大代表性應(yīng)用場景中尤為明顯。以智能客服為例，垂直地產(chǎn)領(lǐng)域獨角獸 EliseAI 借助租賃與物管對話語料訓(xùn)練專業(yè)模型，精準識別租金、維修等語義，實現(xiàn) 90% 以上溝通自動化，并通過響應(yīng)、催繳、語音等智能體矩陣實現(xiàn)全場景賦能，覆蓋紐約超 70% 公寓，展現(xiàn)出AI重構(gòu)傳統(tǒng)行業(yè)的巨大潛力。其它如智能問答（ChatGPT 日請求超 10 億）、文檔自動化、編程輔助（GitHub Copilot 服務(wù)數(shù)千萬開發(fā)者），營銷內(nèi)容創(chuàng)作等均顯示出美國在消費與企業(yè)應(yīng)用雙向拉動下的生態(tài)活力。

相比之下，中國更側(cè)重于“戰(zhàn)略投入與場景攻堅”的推進方式。絕大多數(shù)企業(yè)計劃增加 AI 預(yù)算，超 90% 擬在 1–2 年內(nèi)開展試點，投資意愿非?；钴S。當前應(yīng)用高度聚焦于數(shù)據(jù)分析、客戶運營與產(chǎn)品研發(fā)三大核心場景。AI 不僅作為提質(zhì)增效的關(guān)鍵工具，也正逐步深入產(chǎn)業(yè)流程，開啟對傳統(tǒng)業(yè)務(wù)的重構(gòu)與變革，顯示出以戰(zhàn)略布局驅(qū)動技術(shù)落地的典型特征。

二、AI 應(yīng)用 + 房地產(chǎn)行業(yè)

房地產(chǎn)行業(yè)在數(shù)字化投入方面經(jīng)歷了顯著變化。十四五期間，頭部房企年均數(shù)字化投入在 2021 年達到 1.5 億元的峰值，隨后逐年下降：2022 年下降 10%，2023 年下降 18%，2024 年下降 28%。在十五五，毫無疑問，AI 會成為這一輪投資的重點，超過 9 成的頭部房企都判斷 AI 將在 1~2 年當中實現(xiàn)業(yè)務(wù)落地，但只有近 4 成的企業(yè)預(yù)計 AI 投資的年增長率是在 10~30%，前景都能看到，但投入的時候還是相對謹慎。十五五期間，房企對于 AI 應(yīng)用發(fā)展的核心目標，主要聚焦在內(nèi)部的運營效率提升和降本上。這一轉(zhuǎn)變標志著行業(yè)正從"投錢"向"賺錢"、從規(guī)模投入向智能增效的深刻價值轉(zhuǎn)向。

在當前企業(yè) AI 應(yīng)用規(guī)劃中，呈現(xiàn)出“穩(wěn)健探索與重點突破并存”的總體態(tài)度。近半數(shù)企業(yè)傾向于“逐步探索，根據(jù)業(yè)務(wù)需求穩(wěn)步推進”，同時超過三分之一的企業(yè)已明確采取“重點突破”或“全面推廣”策略，顯示出企業(yè)在 AI 應(yīng)用上兼具理性與緊迫感。

企業(yè)對 AI 應(yīng)用的期待，清晰反映出其角色正從表層工具向核心決策系統(tǒng)躍遷。降本僅僅是 AI 價值的開始，而遠非終點。超過七成企業(yè)將精準的市場預(yù)測和定價列為首要突破點，這正對應(yīng)著當前投資容錯空間縮小背景下，行業(yè)對提升決策確定性的剛性需求。與此同時，全流程的成本優(yōu)化與 AI 驅(qū)動的個性化產(chǎn)品設(shè)計也成為關(guān)注焦點，此舉恰好契合了行業(yè)從規(guī)模擴張向高質(zhì)量發(fā)展轉(zhuǎn)型的內(nèi)在需要。

這些趨勢表明，AI 正在超越傳統(tǒng)的“降本增效”工具定位，逐漸升級為企業(yè)的“決策大腦”，從輔助執(zhí)行走向驅(qū)動戰(zhàn)略，深度融入業(yè)務(wù)核心流程，以適應(yīng)發(fā)展模式的根本轉(zhuǎn)變。

當前地產(chǎn)行業(yè)在 AI 應(yīng)用上呈現(xiàn)出三個顯著特點，深刻反映出行業(yè)在智能化轉(zhuǎn)型中的戰(zhàn)略選擇與務(wù)實考量。

首先，在投入規(guī)模上呈現(xiàn)明顯兩極分化： 超過三分之一的企業(yè)（主要為頭部央國企）投入已超過千萬元，而大多數(shù)企業(yè)仍處于百萬級的試點階段。值得注意的是，幾乎所有企業(yè)都要求 AI 投資在兩年內(nèi)實現(xiàn)回報，這一方面為 AI 落地提供了明確的動力，另一方面也在一定程度上限制了 AI 實施中的場景選擇，推動資源向高價值、快回報的領(lǐng)域集中。

在技術(shù)選型方面，國產(chǎn)大模型已占據(jù)主導(dǎo)地位 ，DeepSeek、通義和豆包成為主流選擇。企業(yè)平均采用 2.9 個模型以適應(yīng)不同業(yè)務(wù)需求，多模態(tài)（文本、圖像、語音）融合運用趨勢顯著，體現(xiàn)出技術(shù)架構(gòu)的實用性和適配性?，F(xiàn)階段行業(yè)仍聚焦于 AI 基礎(chǔ)設(shè)施建設(shè)，為后續(xù)深度應(yīng)用打下基礎(chǔ)。

在應(yīng)用場景上，多模態(tài)大模型和 AI 數(shù)字人成為兩大重點方向。 多模態(tài)大模型正推動底層能力升級，而 AI 數(shù)字人則主要應(yīng)用于客服和營銷環(huán)節(jié)—這些能夠快速體現(xiàn)投入產(chǎn)出比的場景，成為現(xiàn)階段 AI 價值實現(xiàn)的最直接體現(xiàn)。這也表明地產(chǎn)行業(yè)的 AI 應(yīng)用正從“工具賦能”走向“業(yè)務(wù)賦能”，緊密結(jié)合行業(yè)從規(guī)模擴張向高質(zhì)量運營轉(zhuǎn)型的實際需求。

行業(yè)在 AI 應(yīng)用當中，現(xiàn)行的最大挑戰(zhàn)，一是技術(shù)，二是人才 。上一輪數(shù)字化應(yīng)用中，頭部企業(yè)基本都完成了基礎(chǔ)的數(shù)據(jù)建設(shè)，但是這些數(shù)據(jù)基本上大多集中在結(jié)構(gòu)化數(shù)據(jù)當中，而對于圖表、文本語音等數(shù)據(jù)類資產(chǎn)應(yīng)用相對較為薄弱。但在這一輪的 AI 應(yīng)用，基于非結(jié)構(gòu)化數(shù)據(jù)的挖掘及應(yīng)用就出現(xiàn)了瓶頸。高質(zhì)量數(shù)據(jù)集的建設(shè)涵蓋了結(jié)構(gòu)化和非結(jié)構(gòu)化兩個部分，尤其是在知識庫建設(shè)中，使用的 RAG 技術(shù)，近 6 成的企業(yè)，在目前仍然處于評估的階段，而且對 AI 的可靠性還是持謹慎的態(tài)度。對于 AI 多智能體的應(yīng)用，基本現(xiàn)在還處于初步的了解階段。

當前企業(yè)在 AI 技術(shù)部署上呈現(xiàn)出審慎與探索并存的特點。近半數(shù)企業(yè)采用“公私混合”的部署模式，體現(xiàn)出對數(shù)據(jù)安全與模型靈活性的雙重考量。然而，多項關(guān)鍵技術(shù)的落地仍處于早期階段：近 60% 的企業(yè)仍在評估 RAG（檢索增強生成）技術(shù)，同時對 AI Agent（智能體）的應(yīng)用，近半數(shù)企業(yè)僅停留在了解層面，尚未進入大規(guī)模實踐。這些技術(shù)部署的節(jié)奏與行業(yè)面臨的主要挑戰(zhàn)密切相關(guān)。在諸多困難中，投入產(chǎn)出比難以衡量（41%）成為最大障礙，缺乏既懂業(yè)務(wù)又懂 AI 的復(fù)合型人才（17%）以及技術(shù)與業(yè)務(wù)場景結(jié)合不緊密（17%）緊隨其后，共同反映出 AI 從概念驗證走向規(guī)?；瘧?yīng)用過程中的核心瓶頸。

許多企業(yè)（尤其是頭部企業(yè)）在上一輪數(shù)字化中已完成基礎(chǔ)數(shù)據(jù)建設(shè)，但數(shù)據(jù)資產(chǎn)多集中于結(jié)構(gòu)化數(shù)據(jù)，對文本、圖像、語音等非結(jié)構(gòu)化數(shù)據(jù)的處理與應(yīng)用能力仍較為薄弱。而本輪AI應(yīng)用高度依賴多模態(tài)、高質(zhì)量的數(shù)據(jù)集，尤其需要打通結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)以構(gòu)建企業(yè)知識庫，這也正是 RAG 等技術(shù)被高度重視、但同時多數(shù)企業(yè)仍持謹慎評估態(tài)度的原因。此外，AI 的可靠性問題尚未得到完全驗證，進一步延緩了智能體等更深層次 AI 應(yīng)用的推廣。技術(shù)落地與人才短缺，因此成為制約 AI 從“可用”走向“可信、可推廣”的關(guān)鍵難題。

當前，企業(yè)在推進 AI 應(yīng)用過程中面臨著嚴峻的數(shù)據(jù)基礎(chǔ)挑戰(zhàn)，其中“數(shù)據(jù)孤島”問題尤為突出。超過 70% 的企業(yè)存在中度至嚴重的數(shù)據(jù)隔離，更有 64% 的企業(yè)坦言面臨嚴重的數(shù)據(jù)孤島困境，這使得跨系統(tǒng)、跨部門的數(shù)據(jù)整合與 AI 訓(xùn)練難以有效開展。

在數(shù)據(jù)類型方面，企業(yè)最迫切希望建設(shè)的是高質(zhì)量的房地產(chǎn)市場交易與價格趨勢數(shù)據(jù)集（超 70% 企業(yè)需求），以及客戶需求偏好與行為模式數(shù)據(jù)集，這些都直接關(guān)系到精準營銷、產(chǎn)品優(yōu)化和投資決策等核心業(yè)務(wù)。

然而，企業(yè)在數(shù)據(jù)應(yīng)用方面普遍陷入“有數(shù)不能用，有意不敢用”的雙重困境。一方面，大量非結(jié)構(gòu)化數(shù)據(jù)（如圖像、文本、語音）及低質(zhì)量數(shù)據(jù)得不到有效治理，嚴重制約 AI 模型的價值實現(xiàn)；另一方面，企業(yè)雖迫切希望使用數(shù)據(jù)，但對核心業(yè)務(wù)信息與商業(yè)秘密泄露的顧慮，甚至超過了對一般隱私合規(guī)的擔憂。

這一矛盾揭示出當前 AI 落地中的深層瓶頸：在數(shù)字化階段未能解決的數(shù)據(jù)割裂問題，在 AI 時代被進一步放大。數(shù)據(jù)資產(chǎn)質(zhì)量不足、治理機制不完善，以及企業(yè)在使用與保護之間的艱難權(quán)衡，正極大限制 AI 從實驗性工具邁向全面賦能業(yè)務(wù)的進程。

人才短缺正成為企業(yè)深化 AI 應(yīng)用的核心瓶頸。目前，既懂業(yè)務(wù)又懂技術(shù)的復(fù)合型 AI 人才在企業(yè)中的占比普遍低于 10%，尤其是跨界融合型人才極度稀缺。從需求端來看，企業(yè)最急需的人才有三類：一是“營銷策劃+ AI”產(chǎn)品經(jīng)理，二是“地產(chǎn)投資+ AI”分析師，三是數(shù)據(jù)科學家與算法工程師。這一需求結(jié)構(gòu)與當前 AI 在營銷、投資研判等場景的落地應(yīng)用高度吻合。

面對這一困局，企業(yè)正從組織與人力資源策略層面積極應(yīng)對。40% 的企業(yè)選擇“積極推動員工轉(zhuǎn)型，提供系統(tǒng)性的 AI 技能培訓(xùn)”，24% 的企業(yè)則“計劃逐步以 AI 替代部分重復(fù)性、標準化崗位”。這顯示出，企業(yè)正嘗試通過內(nèi)部轉(zhuǎn)型與外部引進相結(jié)合的方式突破人才約束。要實現(xiàn) AI 應(yīng)用的縱深發(fā)展，必須在組織架構(gòu)、薪酬激勵與人才培養(yǎng)機制上進行系統(tǒng)性的調(diào)整與重塑，構(gòu)建真正支持 AI 賦能業(yè)務(wù)新型人才體系。

通過調(diào)研，目前整個不動產(chǎn)鏈條中 AI 應(yīng)用的 5 個核心業(yè)務(wù)場景，包含了 投資決策、設(shè)計建造、營銷服務(wù)、物業(yè)服務(wù)和不動產(chǎn)運營 。1. 投資決策： 多模態(tài)預(yù)測模型推動從經(jīng)驗判斷到數(shù)據(jù)驅(qū)動的轉(zhuǎn)變。2. 建造過程： AI 實現(xiàn)建筑設(shè)計與施工方案的全局最優(yōu)解。3. 營銷過程： 精準洞察與需求創(chuàng)造，重塑客戶觸達與轉(zhuǎn)化路徑。4. 物業(yè)服務(wù)： 從被動響應(yīng)到主動服務(wù)的體驗革命。5. 不動產(chǎn)運營： 數(shù)據(jù)智能驅(qū)動節(jié)能閉環(huán)，實現(xiàn)運營效率與綠色效益雙重提升

當前，AI 大模型在投資決策領(lǐng)域的應(yīng)用正處于快速興起與深度探索并存的階段。超過 50% 的企業(yè)計劃在一年內(nèi)部署 AI 大模型，應(yīng)用場景高度聚焦于區(qū)域發(fā)展?jié)摿υu估和宏觀市場預(yù)測，反映出在行業(yè)投資容錯空間收窄的背景下，企業(yè)對提升決策精準度的迫切需求。盡管如此，AI 目前主要仍作為輔助決策工具，尚未完全替代傳統(tǒng)的數(shù)字化模型和專家經(jīng)驗判斷體系。

從應(yīng)用深度來看，多數(shù)企業(yè)仍依賴原有數(shù)字化工具與人工研判相結(jié)合的方式，真正基于高質(zhì)量數(shù)據(jù)集、能夠?qū)崿F(xiàn)歸因分析與精準推演的行業(yè)級 AI 模型尚未完全成熟。即便部分企業(yè)自稱已實現(xiàn)“規(guī)模化應(yīng)用”，其對 AI 應(yīng)用深度的理解仍存在差異，反映出當前 AI 技術(shù)在投資決策中尚未實現(xiàn)從“支撐”到“驅(qū)動”的根本性跨越。

當前，AI 在設(shè)計建造環(huán)節(jié)的應(yīng)用呈現(xiàn)“重點突破、試點先行”的特點，尚未實現(xiàn)全流程規(guī)?；涞?/strong>。數(shù)據(jù)顯示，僅有不到 10% 的企業(yè)實現(xiàn) AI 全流程應(yīng)用，超過 30% 的企業(yè)仍集中在特定設(shè)計環(huán)節(jié)開展試點，反映出技術(shù)應(yīng)用仍處于由點及面的發(fā)展階段。

從應(yīng)用場景來看，現(xiàn)場管理及施工質(zhì)量智能檢測與控制成為最受關(guān)注的領(lǐng)域，占比均達到 67%，顯示出企業(yè)對施工階段傳統(tǒng)痛點的集中治理需求。另有 50% 的企業(yè)聚焦于施工工藝優(yōu)化與改進。這些場景均屬建造環(huán)節(jié)的剛需，AI 目前已在這些方面形成較深入的應(yīng)用實踐，并收獲企業(yè)的正向反饋。

多模態(tài) AI 技術(shù)也在該領(lǐng)域逐步發(fā)揮價值。60% 的企業(yè)將其用于設(shè)計規(guī)范與標準檢查，提升設(shè)計合規(guī)性與審核效率。此外，AI 在供應(yīng)鏈協(xié)同與提效方面作用顯著，超過 50% 的企業(yè)反饋 AI 對供應(yīng)鏈效率產(chǎn)生較大提升。值得注意的是，此類應(yīng)用不僅限于房企，還包括大量建造與服務(wù)類平臺企業(yè)，體現(xiàn)出 AI 在建筑產(chǎn)業(yè)生態(tài)中的滲透性與通用價值。

盡管建造環(huán)節(jié)的 AI 應(yīng)用相比投資決策更為深入，但仍面臨由“單點智能”到“全程智能”的跨越挑戰(zhàn)。未來若要實現(xiàn)全流程賦能，仍需在數(shù)據(jù)集成、模型兼容性與業(yè)務(wù)適配度等方面進一步突破。

在推動 AI 技術(shù)與建筑地產(chǎn)行業(yè)深度融合的過程中，已涌現(xiàn)出一批具有代表性的成功實踐，充分體現(xiàn)出 AI 在全流程賦能、效率提升與對外能力輸出方面的價值。

越秀地產(chǎn)打造的“YUE 智工坊 AI 平臺”已實現(xiàn)建筑設(shè)計、開發(fā)建設(shè)與運營管理的全流程 AI 覆蓋，集成多項前沿技術(shù)，顯著提升業(yè)務(wù)效率。該平臺使設(shè)計方案初期時間縮短 60%，并輔助滯銷項目去化周期縮短 15-20%，展現(xiàn)出AI在地產(chǎn)全周期管理中的系統(tǒng)化應(yīng)用能力。

萬科基于“建筑圖紙大語言模型”構(gòu)建的“AI 數(shù)字工程管理平臺”，則聚焦于工程圖紙的智能識別與管理，實現(xiàn)了圖紙查找效率提升 6 倍、核對效率提升 15 倍的顯著成效。該平臺技術(shù)成熟度較高，并已實現(xiàn)對外服務(wù)輸出，標志著頭部企業(yè)正從 AI 應(yīng)用者向解決方案提供者延伸。

廣聯(lián)達推出的 AecGPT 依托超過 2 億條行業(yè)語料訓(xùn)練，專注于工程交易與評標場景的智能化。在實戰(zhàn)中，該模型僅用 1 小時 40 分鐘就完成 5 個標段、47 份文件的智能評審，節(jié)省時間 46%，且評審結(jié)果與專家判斷高度一致，體現(xiàn)出垂直領(lǐng)域大模型在專業(yè)場景中的可靠性與高效性。

這些案例表明，AI 正在設(shè)計-建造-管理全鏈條中實現(xiàn)從單點嘗試到系統(tǒng)賦能、從內(nèi)部提效到對外服務(wù)的跨越，為行業(yè)數(shù)字化轉(zhuǎn)型提供了清晰路徑與落地標桿。

在營銷服務(wù)場景中，AI 應(yīng)用正逐步深入，已成為地產(chǎn)行業(yè)數(shù)字化轉(zhuǎn)型中的重要實踐領(lǐng)域。目前，超過 40% 的企業(yè)處于部分應(yīng)用或試點階段，應(yīng)用高度集中（85%）于客戶洞察、內(nèi)容生成和銷售賦能三大環(huán)節(jié)，表明AI價值在營銷與銷售流程中更易顯性化和獲得認可。

從應(yīng)用價值來看，客戶畫像分析與精準營銷、客戶需求挖掘與匹配，以及廣告文案與宣傳素材的自動創(chuàng)作，被企業(yè)視為最具價值的三大方向。尤其值得注意的是，數(shù)字人技術(shù)已獲得超過 30% 企業(yè)的試點或?qū)嶋H應(yīng)用。由于其服務(wù)流程標準化程度高、降本增效效果顯著，數(shù)字人有望成為客服與營銷自動化中發(fā)展最快的細分賽道。

盡管營銷是 AI 落地較早的場景，但目前仍以“點狀實踐”為主，尚未實現(xiàn)全鏈路整合。這些探索正在不斷積累行業(yè)經(jīng)驗，有望在未來聚合為系統(tǒng)性解決方案，甚至推動傳統(tǒng)地產(chǎn)銷售與服務(wù)模式的根本變革。

在營銷與客戶服務(wù)場景中，具備平臺和數(shù)據(jù)優(yōu)勢的企業(yè)正通過 AI 構(gòu)建 B、C 雙端聯(lián)動的智能服務(wù)生態(tài)。貝殼通過 AI 應(yīng)用，體現(xiàn)出這一路徑：在 B 端，其 AI CRM 智能體“來客”系統(tǒng)已覆蓋 69 個城市，服務(wù) 33.5 萬經(jīng)紀人，提供 AI 選房、AI 聊天等工具，高頻使用者的委托轉(zhuǎn)化率可高出 30%；在 C 端，AI 助手“布丁”為用戶提供從市場行情到房源對比的智能問答服務(wù)，7 月會話量環(huán)比增長 59%，初步形成經(jīng)紀人賦能與購房者服務(wù)雙向促進的 AI 閉環(huán)。

另一方面，綠城中國與旺小寶合作的“AI 工牌”則展現(xiàn)出 AI 在案場接待與銷售流程數(shù)字化中的深度價值。該應(yīng)用實現(xiàn)了客戶接待、復(fù)訪、盤客等六大核心場景的全程數(shù)字化管理，有效降低重復(fù)性工作量 60%，提升銷客匹配效率 40%，客戶滿意度提高 25%，成交轉(zhuǎn)化率提升 15%。

這些實踐表明，AI 不僅正在重構(gòu)營銷與服務(wù)的傳統(tǒng)流程，更通過平臺化、智能化工具的廣泛嵌入，逐步形成覆蓋多方主體、融合多類場景的數(shù)字化服務(wù)生態(tài)。

在物業(yè)服務(wù)領(lǐng)域，AI 應(yīng)用目前仍處于以場景試驗為主的發(fā)展階段。盡管該行業(yè)數(shù)字化基礎(chǔ)相對較好，但AI的實際滲透率依然有限：超過 70% 的企業(yè)僅開展小范圍試點或初步探索，深度應(yīng)用比例不足 20%。尤其在與業(yè)主高頻交互的客服場景中，AI 替代效果尚不顯著，超過 80% 的智能客服交互仍需人工介入。

造成智能客服滲透率偏低的原因主要有三：一是 人工服務(wù)在響應(yīng)速度和效率方面不斷優(yōu)化 ，大幅提高了替代門檻；二是 物業(yè)行業(yè)長期依賴“人本服務(wù)” ，形成較強的人文服務(wù)路徑依賴；三是 當前 AI 技術(shù)在語義理解、多輪對話和復(fù)雜問題處理方面仍與人工存在明顯差距 。這些因素共同導(dǎo)致 AI 物業(yè)服務(wù)中的容錯空間較小，企業(yè)推進態(tài)度趨于審慎。

盡管面臨現(xiàn)實應(yīng)用瓶頸，多數(shù)企業(yè)仍將“智慧服務(wù)”（以 AI 為核心的客戶服務(wù)體系）和“智慧運營”（AI 驅(qū)動的內(nèi)部效率提升）列為未來重點發(fā)展方向，希望借助 AI 推動物業(yè)服務(wù)從“成本中心”逐漸轉(zhuǎn)向“價值中心”，并實現(xiàn)綠色低碳與數(shù)據(jù)資產(chǎn)化的協(xié)同發(fā)展。然而調(diào)研顯示，真正在這兩個領(lǐng)域取得實質(zhì)性突破的企業(yè)仍然較少，反映出愿景與落地之間仍存在一定差距。

在物業(yè)服務(wù)企業(yè)的 AI 應(yīng)用實踐中，萬物云 展現(xiàn)出較高的成熟度與系統(tǒng)性。其自研的“ AI 員工”已邁過試點階段，進入規(guī)?；瘧?yīng)用，覆蓋智慧運營、客戶服務(wù)、職能提效與數(shù)據(jù)智能四大核心方向，體現(xiàn)出 AI 從單點工具向體系化賦能的演進。在智慧運營方面，AI 助手可實現(xiàn) 7×24 小時自動化巡檢與項目運營支持；客戶服務(wù)場景中，多模態(tài)交互與客戶洞察能力增強了園區(qū)服務(wù)的響應(yīng)性與精準度；人力行政和智能報銷系統(tǒng)則顯著提升了中后臺職能效率；而基于數(shù)據(jù)智能的業(yè)財流程融合，正逐步打通傳統(tǒng)數(shù)據(jù)孤島，賦能業(yè)務(wù)分析與增長決策。萬物云推行 AI 應(yīng)用的目標并非簡單的人力替代，而是致力于重塑工作流程、創(chuàng)新服務(wù)模式，并探索新的增長曲線，展現(xiàn)出 AI 作為價值創(chuàng)造者而不僅是效率工具的戰(zhàn)略定位。

永升服務(wù)通過與釘釘深度合作，依托阿里大語言模型的技術(shù)能力，系統(tǒng)性構(gòu)建了“場景-流程-數(shù)據(jù)”閉環(huán)體系，實現(xiàn)了其在服務(wù)、風控與運營領(lǐng)域的三大范式重構(gòu)：其一，管理范式從“人盯人”升級為“智能驅(qū)動” 。通過AI實現(xiàn)晨會自動評分等功能，使管理效率提升 30% 以上；其二，服務(wù)響應(yīng)機制由“流程化”轉(zhuǎn)向“對話化” ，將傳統(tǒng)工單系統(tǒng)轉(zhuǎn)化為自然語言交互模式，工單處理效率提升 60%；其三，風控邏輯從依賴“人工排查”發(fā)展為“智能免疫” ，實現(xiàn)合同條款秒級自動審查，錯誤率降低 90%。目前，永升服務(wù)已有八個核心場景應(yīng)用基本落地，體現(xiàn)出其以AI重塑業(yè)務(wù)架構(gòu)、提升系統(tǒng)智能水平的戰(zhàn)略推進路徑。

克而瑞在推進 AI 應(yīng)用過程中，充分發(fā)揮自身在數(shù)據(jù)積累、平臺連接與行業(yè)理解方面的獨特優(yōu)勢，系統(tǒng)構(gòu)建面向行業(yè)的 AI 服務(wù)生態(tài)。其核心優(yōu)勢在于多年積累的豐富行業(yè)數(shù)據(jù)—包括結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以及在數(shù)字化階段已建立的可信數(shù)據(jù)集基礎(chǔ)。在落地物業(yè) AI 應(yīng)用路徑上，重點打造三大特色方向：一是建設(shè)高質(zhì)量行業(yè)知識庫，強化底層數(shù)據(jù)能力；二是通過 MCP 多平臺生態(tài)實現(xiàn)知識庫的便捷調(diào)用，大幅降低企業(yè)使用門檻；三是推出“物業(yè) AI 陪練”模式，與釘釘合作將垂直知識庫與工程化能力相結(jié)合，切實解決行業(yè)“學用脫節(jié)”的痛點。目前，克而瑞已從“AI 陪練”等單點應(yīng)用切入，并計劃逐步拓展至物業(yè)管理更多場景，旨在與更多企業(yè)共建開放、協(xié)同、可持續(xù)的 AI 生態(tài)，推動行業(yè)實現(xiàn)從“可用”到“好用”的跨越。

在不動產(chǎn)運營領(lǐng)域中，AI 應(yīng)用正逐步與 ESG 戰(zhàn)略深度融合，展現(xiàn)出從單點嘗試向系統(tǒng)化、價值認可型應(yīng)用發(fā)展的趨勢。盡管商業(yè)、辦公、產(chǎn)業(yè)園區(qū)等細分場景仍以分散化的試點為主，其共性應(yīng)用目前仍高度集中在設(shè)施設(shè)備能效管理方面。

值得關(guān)注的是，超過 40% 的企業(yè)已明確將 AI 納入其 ESG 戰(zhàn)略框架。其中，建筑全生命周期碳排放的精準評估與動態(tài)優(yōu)化被視為最具價值的應(yīng)用方向，AI 技術(shù)正從局部節(jié)能延伸至“設(shè)計-運營-改造”全流程的碳管理。這一價值的認可也直接反映在企業(yè)支付意愿上—近 60% 的企業(yè)表示愿意為AI帶來的節(jié)能效果支付 5%-15% 的溢價，體現(xiàn)出“基于效果付費”的實用主義傾向。

從技術(shù)演進來看，多數(shù)企業(yè)看好邊緣計算與 AI 大模型的結(jié)合，期待通過“云-邊-端”協(xié)同架構(gòu)實現(xiàn)實時能效調(diào)控與低碳自治運營，推動 AI 從輔助工具逐步成長為可持續(xù)運營的核心賦能者。

在智慧運維與低碳運營領(lǐng)域，AI 技術(shù)正推動不動產(chǎn)行業(yè)從傳統(tǒng)的“能耗管控”邁向“碳資產(chǎn)生成”的新階段。這一轉(zhuǎn)變在萬象云與云智易的實踐中得到充分體現(xiàn)。

萬象云通過 AI 全局優(yōu)化技術(shù)，實現(xiàn)對空調(diào)與供熱系統(tǒng)的全鏈路智能調(diào)控，顯著提升能源使用效率。以北京清河萬象匯為例，該平臺助力空調(diào)能耗下降 66.48 萬 kWh，節(jié)省電費 65 萬元，并實現(xiàn) 574 噸碳排放減排，展現(xiàn)出 AI 在系統(tǒng)級節(jié)能與碳管理方面的強大能力。

云智易則依托自研物聯(lián)網(wǎng)平臺，構(gòu)建 X-AI Agent 智能體系統(tǒng)，對接超過 30 類數(shù)據(jù)源，實現(xiàn)能效的實時監(jiān)控、多模態(tài)交互管理與自動化的能耗分析報告生成。該平臺平均可幫助項目降低 10%-20% 的能耗支出，凸顯出 AI 在數(shù)據(jù)整合與智能決策中的關(guān)鍵價值。

AI 不僅優(yōu)化了傳統(tǒng)能源管理流程，更通過系統(tǒng)賦能與數(shù)據(jù)驅(qū)動，推動不動產(chǎn)運營實現(xiàn)低碳化、精細化和資產(chǎn)化轉(zhuǎn)型。

三、總結(jié)

AI 應(yīng)用的價值釋放并非一蹴而就，而是一個遵循“J 型曲線”的長期過程。前期需承受較高投入與回報緩慢的壓力，而真正的價值躍升往往出現(xiàn)在 3-5 年的持續(xù)積累之后。在這一過程中，企業(yè)需保持戰(zhàn)略耐心，并系統(tǒng)推進以下五大實施路徑：

首先，企業(yè)應(yīng)明確自身資源與目標，選擇適配的 AI 戰(zhàn)略路徑，無論是自研、合作還是融入生態(tài)；其次，必須將高質(zhì)量數(shù)據(jù)集建設(shè)視為“一號工程”，夯實 AI 應(yīng)用的底層數(shù)據(jù)基礎(chǔ)；第三，應(yīng)遵循“高頻、剛需、有數(shù)據(jù)、可閉環(huán)、可量化”原則，篩選高價值場景切入；第四，需大力培育“業(yè)務(wù)+技術(shù)”復(fù)合型人才，打破組織壁壘，構(gòu)建新型組織能力；最后，應(yīng)積極擁抱生態(tài)合作，通過資源共享與能力互補共建行業(yè)級 AI 解決方案。

與此同時，行業(yè)也正迎來三大技術(shù)浪潮：2025 年將成為多模態(tài)融合廣泛應(yīng)用之年，2026 年智能體技術(shù)預(yù)計迎來爆發(fā)，而 2027 年有望成為 AGI（通用人工智能）元年。對企業(yè)而言，唯有清晰定位、夯實數(shù)據(jù)、聚焦場景、培養(yǎng)人才、開放協(xié)同，才能在 AI 重塑行業(yè)的過程中把握先機，實現(xiàn)從效率提升到價值創(chuàng)造的跨越。

克而瑞與中房協(xié)人工智能應(yīng)用分會攜手，共同啟動行業(yè) AI 應(yīng)用發(fā)展合作計劃，旨在系統(tǒng)總結(jié)并推動房地產(chǎn)領(lǐng)域的智能化實踐。雙方將于年底聯(lián)合發(fā)布《2025 房地產(chǎn)行業(yè)AI應(yīng)用報告及優(yōu)秀案例集》，并面向全行業(yè)廣泛征集優(yōu)秀AI應(yīng)用案例，為產(chǎn)業(yè)持續(xù)發(fā)展提供扎實支撐。

一是通過全景掃描 AI 應(yīng)用現(xiàn)狀與趨勢，形成具有深度的行業(yè)洞察，為企業(yè)戰(zhàn)略制定提供數(shù)據(jù)支撐；二是提煉可復(fù)制、可落地的方法論與最佳實踐，形成實戰(zhàn)指南，助力企業(yè)降低試錯成本、加快 AI 落地步伐；三是著眼于未來，探討 AI 技術(shù)如何真正賦能產(chǎn)品研發(fā)與服務(wù)升級，以創(chuàng)新視角引領(lǐng)行業(yè)邁向高質(zhì)量發(fā)展。

作為 AI 應(yīng)用的親歷者和實踐者，希望借此機會凝聚行業(yè)智慧，共建共享，推動 AI 從“單點嘗試”走向“系統(tǒng)賦能”，也為更多企業(yè)提供可借鑒、可參考的實施路徑。

- The end -

本文僅為個人觀點，不代表所在企業(yè)觀點