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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。