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

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

克而瑞集團CEO 張燕

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

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

一、AI 應用發(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，政策支持呈現出從普惠性向精準性轉變的特征，聚焦于三個核心方向：第一，推動 AI 與傳統產業(yè)的深度融合。"人工智能+"已上升為國家戰(zhàn)略，要求 AI 技術與實體經濟實現深度結合，為傳統產業(yè)轉型升級提供新動能。第二，構建數字中國建設的新格局。政策將生成式 AI 應用列為重點發(fā)展方向，特別強調高質量數據集的建設，凸顯了數據作為新型生產要素的戰(zhàn)略地位。第三，實現城市高質量發(fā)展。在前期數字化建設基礎上，對智慧城市概念進行升維，將 AI 技術深度融入城市治理、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，通過對生產要素的無限供給和高效重組，正在顛覆傳統的生產關系，催生基于"人機協同"的新經濟范式。這不僅是生產力的巨大推動，更是對商業(yè)社會底層邏輯的深刻重構。

AI 技術通過顯著降低服務邊際成本、重構服務流程，正在建立萬億美元級別的龐大市場。根據紅杉資本的分析，AI 正在重構萬億美元級市場。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，中美兩國大模型數量占全球比重從 72% 提升至 86%。截至 2025 年上半年，中國模型數量占據全球 40% 份額，處于領先地 位。美國則憑借底層技術的持續(xù)突破和多元化場景應用繼續(xù)引領行業(yè)發(fā)展。

AI技術正在引發(fā)商業(yè)模式的深刻變革，主要體現在四個關鍵轉變：1. 收費模式轉變：從傳統按賬號 License 收費模式轉向按成果收費，創(chuàng)造可量化價值。2. 服務模式演進：從 SaaS（軟件即服務）向 Service-as-a-Software（服務即軟件）演進，通過 AI 應用直接嵌入軟件，形成更適應個性化和非標準化場景的應用模式。3. 創(chuàng)新空間拓展：應用層仍存在巨大創(chuàng)新空間，為垂直行業(yè)提供差異化解決方案。4. 發(fā)展重心轉移：從"新想法生成"轉向"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的態(tài)勢，二者在推進路徑與應用模式上呈現出顯著差異。美國正處于“全員化部署+消費端驅動”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——如地產科技中AI投資占比達 67.3%，39% 購房者靠 AI 輔助決策，已構建起“投資-消費-再投資”的閉環(huán)正向循環(huán)。

這一消費驅動特征在五大代表性應用場景中尤為明顯。以智能客服為例，垂直地產領域獨角獸 EliseAI 借助租賃與物管對話語料訓練專業(yè)模型，精準識別租金、維修等語義，實現 90% 以上溝通自動化，并通過響應、催繳、語音等智能體矩陣實現全場景賦能，覆蓋紐約超 70% 公寓，展現出AI重構傳統行業(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 服務數千萬開發(fā)者），營銷內容創(chuàng)作等均顯示出美國在消費與企業(yè)應用雙向拉動下的生態(tài)活力。

相比之下，中國更側重于“戰(zhàn)略投入與場景攻堅”的推進方式。絕大多數企業(yè)計劃增加 AI 預算，超 90% 擬在 1–2 年內開展試點，投資意愿非常活躍。當前應用高度聚焦于數據分析、客戶運營與產品研發(fā)三大核心場景。AI 不僅作為提質增效的關鍵工具，也正逐步深入產業(yè)流程，開啟對傳統業(yè)務的重構與變革，顯示出以戰(zhàn)略布局驅動技術落地的典型特征。

二、AI 應用 + 房地產行業(yè)

房地產行業(yè)在數字化投入方面經歷了顯著變化。十四五期間，頭部房企年均數字化投入在 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 年當中實現業(yè)務落地，但只有近 4 成的企業(yè)預計 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 應用發(fā)展的核心目標，主要聚焦在內部的運營效率提升和降本上。這一轉變標志著行業(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向。

在當前企業(yè) AI 應用規(guī)劃中，呈現出“穩(wěn)健探索與重點突破并存”的總體態(tài)度。近半數企業(yè)傾向于“逐步探索，根據業(yè)務需求穩(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 應用上兼具理性與緊迫感。

企業(yè)對 AI 應用的期待，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)將精準的市場預測和定價列為首要突破點，這正對應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 驅動的個性化產品設計也成為關注焦點，此舉恰好契合了行業(yè)從規(guī)模擴張向高質量發(fā)展轉型的內在需要。

這些趨勢表明，AI 正在超越傳統的“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)行走向驅動戰(zhàn)略，深度融入業(yè)務核心流程，以適應發(fā)展模式的根本轉變。

當前地產行業(yè)在 AI 應用上呈現出三個顯著特點，深刻反映出行業(yè)在智能化轉型中的戰(zhàn)略選擇與務實考量。

首先，在投入規(guī)模上呈現明顯兩極分化：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 投資在兩年內實現回報，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、快回報的領域集中。

在技術選型方面，國產大模型已占據主導地位，DeepSeek、通義和豆包成為主流選擇。企業(yè)平均采用 2.9 個模型以適應不同業(yè)務需求，多模態(tài)（文本、圖像、語音）融合運用趨勢顯著，體現出技術架構的實用性和適配性。現階段行業(yè)仍聚焦于 AI 基礎設施建設，為后續(xù)深度應用打下基礎。

在應用場景上，多模態(tài)大模型和 AI 數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 數字人則主要應用于客服和營銷環(huán)節(jié)—這些能夠快速體現投入產出比的場景，成為現階段 AI 價值實現的最直接體現。這也表明地產行業(yè)的 AI 應用正從“工具賦能”走向“業(yè)務賦能”，緊密結合行業(yè)從規(guī)模擴張向高質量運營轉型的實際需求。

行業(yè)在 AI 應用當中，現行的最大挑戰(zhàn)，一是技術，二是人才。上一輪數字化應用中，頭部企業(yè)基本都完成了基礎的數據建設，但是這些數據基本上大多集中在結構化數據當中，而對于圖表、文本語音等數據類資產應用相對較為薄弱。但在這一輪的 AI 應用，基于非結構化數據的挖掘及應用就出現了瓶頸。高質量數據集的建設涵蓋了結構化和非結構化兩個部分，尤其是在知識庫建設中，使用的 RAG 技術，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 多智能體的應用，基本現在還處于初步的了解階段。

當前企業(yè)在 AI 技術部署上呈現出審慎與探索并存的特點。近半數企業(yè)采用“公私混合”的部署模式，體現出對數據安全與模型靈活性的雙重考量。然而，多項關鍵技術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，同時對 AI Agent（智能體）的應用，近半數企業(yè)僅停留在了解層面，尚未進入大規(guī)模實踐。這些技術部署的節(jié)奏與行業(yè)面臨的主要挑戰(zhàn)密切相關。在諸多困難中，投入產出比難以衡量（41%）成為最大障礙，缺乏既懂業(yè)務又懂 AI 的復合型人才（17%）以及技術與業(yè)務場景結合不緊密（17%）緊隨其后，共同反映出 AI 從概念驗證走向規(guī)?；瘧眠^程中的核心瓶頸。

許多企業(yè)（尤其是頭部企業(yè)）在上一輪數字化中已完成基礎數據建設，但數據資產多集中于結構化數據，對文本、圖像、語音等非結構化數據的處理與應用能力仍較為薄弱。而本輪AI應用高度依賴多模態(tài)、高質量的數據集，尤其需要打通結構化和非結構化數據以構建企業(yè)知識庫，這也正是 RAG 等技術被高度重視、但同時多數企業(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 應用的推廣。技術落地與人才短缺，因此成為制約 AI 從“可用”走向“可信、可推廣”的關鍵難題。

當前，企業(yè)在推進 AI 應用過程中面臨著嚴峻的數據基礎挑戰(zhàn)，其中“數據孤島”問題尤為突出。超過 70% 的企業(yè)存在中度至嚴重的數據隔離，更有 64% 的企業(yè)坦言面臨嚴重的數據孤島困境，這使得跨系統、跨部門的數據整合與 AI 訓練難以有效開展。

在數據類型方面，企業(yè)最迫切希望建設的是高質量的房地產市場交易與價格趨勢數據集（超 70% 企業(yè)需求），以及客戶需求偏好與行為模式數據集，這些都直接關系到精準營銷、產品優(yōu)化和投資決策等核心業(yè)務。

然而，企業(yè)在數據應用方面普遍陷入“有數不能用，有意不敢用”的雙重困境。一方面，大量非結構化數據（如圖像、文本、語音）及低質量數據得不到有效治理，嚴重制約 AI 模型的價值實現；另一方面，企業(yè)雖迫切希望使用數據，但對核心業(yè)務信息與商業(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：在數字化階段未能解決的數據割裂問題，在 AI 時代被進一步放大。數據資產質量不足、治理機制不完善，以及企業(yè)在使用與保護之間的艱難權衡，正極大限制 AI 從實驗性工具邁向全面賦能業(yè)務的進程。

人才短缺正成為企業(yè)深化 AI 應用的核心瓶頸。目前，既懂業(yè)務又懂技術的復合型 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”產品經理，二是“地產投資+ AI”分析師，三是數據科學家與算法工程師。這一需求結構與當前 AI 在營銷、投資研判等場景的落地應用高度吻合。

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對。40% 的企業(yè)選擇“積極推動員工轉型，提供系統性的 AI 技能培訓”，24% 的企業(yè)則“計劃逐步以 AI 替代部分重復性、標準化崗位”。這顯示出，企業(yè)正嘗試通過內部轉型與外部引進相結合的方式突破人才約束。要實現 AI 應用的縱深發(fā)展，必須在組織架構、薪酬激勵與人才培養(yǎng)機制上進行系統性的調整與重塑，構建真正支持 AI 賦能業(yè)務新型人才體系。

通過調研，目前整個不動產鏈條中 AI 應用的 5 個核心業(yè)務場景，包含了投資決策、設計建造、營銷服務、物業(yè)服務和不動產運營。1. 投資決策： 多模態(tài)預測模型推動從經驗判斷到數據驅動的轉變。2. 建造過程： AI 實現建筑設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，重塑客戶觸達與轉化路徑。4. 物業(yè)服務： 從被動響應到主動服務的體驗革命。5. 不動產運營： 數據智能驅動節(jié)能閉環(huán)，實現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域的應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)計劃在一年內部署 AI 大模型，應用場景高度聚焦于區(qū)域發(fā)展?jié)摿υu估和宏觀市場預測，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，尚未完全替代傳統的數字化模型和專家經驗判斷體系。

從應用深度來看，多數企業(yè)仍依賴原有數字化工具與人工研判相結合的方式，真正基于高質量數據集、能夠實現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“規(guī)?；瘧谩?，其對 AI 應用深度的理解仍存在差異，反映出當前 AI 技術在投資決策中尚未實現從“支撐”到“驅動”的根本性跨越。

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

從應用場景來看，現場管理及施工質量智能檢測與控制成為最受關注的領域，占比均達到 67%，顯示出企業(yè)對施工階段傳統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用實踐，并收獲企業(yè)的正向反饋。

多模態(tài) AI 技術也在該領域逐步發(fā)揮價值。60% 的企業(yè)將其用于設計規(guī)范與標準檢查，提升設計合規(guī)性與審核效率。此外，AI 在供應鏈協同與提效方面作用顯著，超過 50% 的企業(yè)反饋 AI 對供應鏈效率產生較大提升。值得注意的是，此類應用不僅限于房企，還包括大量建造與服務類平臺企業(yè)，體現出 AI 在建筑產業(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)。未來若要實現全流程賦能，仍需在數據集成、模型兼容性與業(yè)務適配度等方面進一步突破。

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

越秀地產打造的“YUE 智工坊 AI 平臺”已實現建筑設計、開發(fā)建設與運營管理的全流程 AI 覆蓋，集成多項前沿技術，顯著提升業(yè)務效率。該平臺使設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%，展現出AI在地產全周期管理中的系統化應用能力。

萬科基于“建筑圖紙大語言模型”構建的“AI 數字工程管理平臺”，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。該平臺技術成熟度較高，并已實現對外服務輸出，標志著頭部企業(yè)正從 AI 應用者向解決方案提供者延伸。

廣聯達推出的 AecGPT 依托超過 2 億條行業(yè)語料訓練，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%，且評審結果與專家判斷高度一致，體現出垂直領域大模型在專業(yè)場景中的可靠性與高效性。

這些案例表明，AI 正在設計-建造-管理全鏈條中實現從單點嘗試到系統賦能、從內部提效到對外服務的跨越，為行業(yè)數字化轉型提供了清晰路徑與落地標桿。

在營銷服務場景中，AI 應用正逐步深入，已成為地產行業(yè)數字化轉型中的重要實踐領域。目前，超過 40% 的企業(yè)處于部分應用或試點階段，應用高度集中（85%）于客戶洞察、內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，數字人技術已獲得超過 30% 企業(yè)的試點或實際應用。由于其服務流程標準化程度高、降本增效效果顯著，數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，尚未實現全鏈路整合。這些探索正在不斷積累行業(yè)經驗，有望在未來聚合為系統性解決方案，甚至推動傳統地產銷售與服務模式的根本變革。

在營銷與客戶服務場景中，具備平臺和數據優(yōu)勢的企業(yè)正通過 AI 構建 B、C 雙端聯動的智能服務生態(tài)。貝殼通過 AI 應用，體現出這一路徑：在 B 端，其 AI CRM 智能體“來客”系統已覆蓋 69 個城市，服務 33.5 萬經紀人，提供 AI 選房、AI 聊天等工具，高頻使用者的委托轉化率可高出 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，7 月會話量環(huán)比增長 59%，初步形成經紀人賦能與購房者服務雙向促進的 AI 閉環(huán)。

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

這些實踐表明，AI 不僅正在重構營銷與服務的傳統流程，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、融合多類場景的數字化服務生態(tài)。

在物業(yè)服務領域，AI 應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)數字化基礎相對較好，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在響應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”，形成較強的人文服務路徑依賴；三是當前 AI 技術在語義理解、多輪對話和復雜問題處理方面仍與人工存在明顯差距。這些因素共同導致 AI 物業(yè)服務中的容錯空間較小，企業(yè)推進態(tài)度趨于審慎。

盡管面臨現實應用瓶頸，多數企業(yè)仍將“智慧服務”（以 AI 為核心的客戶服務體系）和“智慧運營”（AI 驅動的內部效率提升）列為未來重點發(fā)展方向，希望借助 AI 推動物業(yè)服務從“成本中心”逐漸轉向“價值中心”，并實現綠色低碳與數據資產化的協同發(fā)展。然而調研顯示，真正在這兩個領域取得實質性突破的企業(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)服務企業(yè)的 AI 應用實踐中，萬物云 展現出較高的成熟度與系統性。其自研的“ AI 員工”已邁過試點階段，進入規(guī)?；瘧茫采w智慧運營、客戶服務、職能提效與數據智能四大核心方向，體現出 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 7×24 小時自動化巡檢與項目運營支持；客戶服務場景中，多模態(tài)交互與客戶洞察能力增強了園區(qū)服務的響應性與精準度；人力行政和智能報銷系統則顯著提升了中后臺職能效率；而基于數據智能的業(yè)財流程融合，正逐步打通傳統數據孤島，賦能業(yè)務分析與增長決策。萬物云推行 AI 應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)新服務模式，并探索新的增長曲線，展現出 AI 作為價值創(chuàng)造者而不僅是效率工具的戰(zhàn)略定位。

永升服務通過與釘釘深度合作，依托阿里大語言模型的技術能力，系統性構建了“場景-流程-數據”閉環(huán)體系，實現了其在服務、風控與運營領域的三大范式重構：其一，管理范式從“人盯人”升級為“智能驅動”。通過AI實現晨會自動評分等功能，使管理效率提升 30% 以上；其二，服務響應機制由“流程化”轉向“對話化”，將傳統工單系統轉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”，實現合同條款秒級自動審查，錯誤率降低 90%。目前，永升服務已有八個核心場景應用基本落地，體現出其以AI重塑業(yè)務架構、提升系統智能水平的戰(zhàn)略推進路徑。

克而瑞在推進 AI 應用過程中，充分發(fā)揮自身在數據積累、平臺連接與行業(yè)理解方面的獨特優(yōu)勢，系統構建面向行業(yè)的 AI 服務生態(tài)。其核心優(yōu)勢在于多年積累的豐富行業(yè)數據—包括結構化和非結構化數據，以及在數字化階段已建立的可信數據集基礎。在落地物業(yè) AI 應用路徑上，重點打造三大特色方向：一是建設高質量行業(yè)知識庫，強化底層數據能力；二是通過 MCP 多平臺生態(tài)實現知識庫的便捷調用，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、協同、可持續(xù)的 AI 生態(tài)，推動行業(yè)實現從“可用”到“好用”的跨越。

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

值得關注的是，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用方向，AI 技術正從局部節(jié)能延伸至“設計-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，體現出“基于效果付費”的實用主義傾向。

從技術演進來看，多數企業(yè)看好邊緣計算與 AI 大模型的結合，期待通過“云-邊-端”協同架構實現實時能效調控與低碳自治運營，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域，AI 技術正推動不動產行業(yè)從傳統的“能耗管控”邁向“碳資產生成”的新階段。這一轉變在萬象云與云智易的實踐中得到充分體現。

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

云智易則依托自研物聯網平臺，構建 X-AI Agent 智能體系統，對接超過 30 類數據源，實現能效的實時監(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 在數據整合與智能決策中的關鍵價值。

AI 不僅優(yōu)化了傳統能源管理流程，更通過系統賦能與數據驅動，推動不動產運營實現低碳化、精細化和資產化轉型。

三、總結

AI 應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，并系統推進以下五大實施路徑：

首先，企業(yè)應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，必須將高質量數據集建設視為“一號工程”，夯實 AI 應用的底層數據基礎；第三，應遵循“高頻、剛需、有數據、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+技術”復合型人才，打破組織壁壘，構建新型組織能力；最后，應積極擁抱生態(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)也正迎來三大技術浪潮：2025 年將成為多模態(tài)融合廣泛應用之年，2026 年智能體技術預計迎來爆發(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、夯實數據、聚焦場景、培養(yǎng)人才、開放協同，才能在 AI 重塑行業(yè)的過程中把握先機，實現從效率提升到價值創(chuàng)造的跨越。

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

一是通過全景掃描 AI 應用現狀與趨勢，形成具有深度的行業(yè)洞察，為企業(yè)戰(zhàn)略制定提供數據支撐；二是提煉可復制、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 技術如何真正賦能產品研發(fā)與服務升級，以創(chuàng)新視角引領行業(yè)邁向高質量發(fā)展。

作為 AI 應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“系統賦能”，也為更多企業(yè)提供可借鑒、可參考的實施路徑。

本文所有觀點及圖片為克而瑞浙江區(qū)域原創(chuàng)內容，如需轉載請聯系克而瑞聯系人。版權所有，抄襲必究。

【以上內容僅為個人觀點，不代表所在企業(yè)觀點?！?/p>