至顶网软件与服务频道消:房地产涉及到我们生活的方方面面——我们的家园、工作场所、我们购物的地方,甚至我们试图逃离的地方。因此,截至2018年房地产是美国最大的行业也就不足为奇了。但在技术进入所有行业前沿的时代,房地产行业在信息技术上的投入不到1%。
为什么我们最大的行业却顶着最不具备创新精神的帽子?作为一家Proptech公司的首席执行官,我看到越来越多的创业公司将技术引入房地产,并将物业销售、购买和管理变得前所未有的轻松。风险资本家可能已经看到了光明的“钱景”。
什么是Proptech?
首先,让我们了解房地产技术是什么。你听说过Fintech,但你知道Proptech是什么吗?
我们可以将Proptech这个词当成是“财产”(property)和“技术”(technology)的巧妙组合,它指的是通过简化我们购买、销售和管理物业的方式来帮助推动变革的所有技术。如果你曾经在网上搜索过你的梦想家园或预订了周末租用的房屋,那么你就已经使用过Proptech了。
Proptech的开始
在Proptech领域出现的第一批游戏改变者将物业购买和出售变得更加容易和快捷。
像Zillow这样的公司改变了我们购买或租赁下一套房屋的方式,无论是在未来30年还是仅仅12个月之后。Airbnb推出了将房屋重新用于短期租赁的概念,而WeWork通过按需工作空间完全颠覆了商业地产行业。
根据Grand View Research的数据,到2025年,房地产行业将达到4.26万亿美元的规模。这些独角兽并不是在现有的蛋糕中争夺份额:我相信他们将把蛋糕做大。
资金正在快速流入Proptech领域
Proptech 的声势正在不断增强,CBInsights(通过ThinkRealty)的数据显示,该领域内的全球投资创下了新的记录——从2013年的4.59亿美元增加到2016年的26.65亿美元。它在2017年达到了126亿美元,在2018年达到了96亿美元。从这个角度来看,它超过了媒体渠道中大力宣传的许多行业的投资规模。仅举几例,区块链和加密货币初创公司在2018年全球至少筹集了13亿美元,人工智能和机器学习公司在2017年的全球投资额达到108亿美元。
一个历来保守的行业在如此短的时间内创造了巨大的繁荣。是什么发生了改变,并且让风险资本家现在想要掏出他们的钱包?
Proptech的未来
请记住:Proptech是一种技术,可以让物业购买、出售和管理变得更加简单。已经建立起来的一些代表专注于购买和销售领域。目前,很少有技术能够将物业管理自动化。我相信下一个前沿是通过物联网、传感器、大数据和人工智能等最新的技术进步来优化房地产领域的运营。
这个蛋糕可能会变成蛋糕店。通过购买和销售,你可以获得房产生命周期的快照。让物业管理变得更容易的创业公司将在任何时间点上创造更多收入的想法变得可能。在另一些公司里,例如我的公司,SMS Assist和HqO已经出现了。我预测Proptech将继续扩展技术,推动高效的实用程序监控,甚至将人工智能技术用于物业维护。通过物业管理自动化工作流程和收集数据可以使物业经理和运营部门能够做出更好的决策,从而带来更多的收入和更高的效率。
想象一下,如果房地产这个美国最大的产业,拥抱技术并将信息技术支出从0.5%增加到甚至只有5%。Proptech就将迎来大爆发。
如何从Proptech的崛起中获益
作为房地产专业人士,你的优势在于首先了解行业中的这一新浪潮,并迅速适应以获得收益。我认为最重要的是与行业共同发展,以让客户满意。你今天可能拥有满意的顾客,但是从现在开始的五年后呢?思考你如何才能够利用技术为你的业务增加价值。随时掌握最新的技术趋势,倾听未来的年轻一代的想法。知识确实是力量。最后,保持创新并乐于改变,这样你就不会错失良机。这仅仅是个开始。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。