2025年秋第7课—李博：从 AI Ready 到 AI Inside ：不动产企业数智化转型探索

《中国房地产发展之路》课程被清华大学研究生院列为全校研究生学术与职业素养平台课程。课程目标为：

第一，分析中国房地产业发展的历程、面临的挑战以及未来的发展方向，使学生能够理解房地产行业发展的基本制度环境、商业逻辑，建构房地产行业未来的发展图景；

第二，为房地产行业相关领域的未来发展提供一个分析的框架，也力求为有意愿在相关领域发展的学生提供未来职业发展规划的前景指导；

第三，结合理论分析和实践经验总结，掌握行业分析框架，并能将方法论拓展到其他领域未来机会与挑战的分析中。

上课时间：2025年11月3日(周一) 18:45-22:00

Part Ⅱ 20:30-22:00 主题演讲

李博：从 AI Ready 到 AI Inside ：不动产企业数智化转型探索

第七课：从 AI Ready 到 AI Inside ：不动产企业数智化转型探索

一、课程核心框架

本次课程围绕不动产企业数智化转型展开，核心分为三大模块：AI 技术发展与核心认知、企业 AI 落地思考与实践路径、不动产企业数智化转型框架，核心逻辑是“技术演进驱动行业变革，落地方法支撑转型实践，场景应用兑现价值增量”。

二、AI 技术发展与核心认知

1. 技术发展三阶段演进

信息化时代（1995 年起）：核心是“数据记录与管理数字化”，以 PC、互联网、数据库构建 “端 - 网 - 库” 闭环，支撑政务电子化、企业 ERP 等场景。

数字化时代（2010 年起）：核心是“业务与数据全面在线化融合”，以云计算、物联网、大数据、移动互联网实现 “资源、数据、物、人” 全在线，完成从 “结果记录” 到 “线上运营” 的跨越。

智能化时代（2025 年起）：核心是“数据驱动的自主决策与行动”，以机器学习、大语言模型（LLM）、计算机视觉（CV）等为核心，实现从 “被动响应” 到 “主动智能” 的升级。

计算智能：基于统计分析和算法处理数据，挖掘规律，如淘宝千人千面推荐、天气预测等。

感知智能：具备看、听、说能力，如人脸识别、语音识别、图像分类，典型案例为 Google 猫脸识别系统。

认知智能：具备思考、学习、行动能力，核心是模拟人脑神经元的深度学习技术 AlphaGo 围棋对弈、大语言模型对话

大语言模型（LLM）：核心是下一个 token 预测，可处理文本生成、对话交互等任务，但存在幻觉、短记忆、无感知外部能力等局限。

AI 智能体（AI Agent）： LLM 为控制中枢，补充工具调用、长期记忆、规划反思能力，解决复杂业务问题，但目前在严肃生产环境落地仍处于探索阶段。

建筑机器人：应用成熟度较高的机器人集中在高危场景（如拆除、消防机器人），清洁、施工类机器人受成本限制，尚未大规模普及。

Embedded 模式：人类设定目标，AI 提供信息或建议，以人为主导。

Copilot 模式：人类设定目标，AI 完成任务初稿，人类修改确认，适用于创意、编程等场景。

Agent 模式：人类设定目标并监督结果，AI 自主完成任务拆分、工具选择、进度控制，落地案例尚不成熟。

提示词工程（Prompt Engineering）：快速验证场景可行性，适用于内容创作、头脑风暴等。

检索增强生成（RAG）：补充企业内部知识或最新信息，适用于专业知识问答、工作指引等。

模型微调（Fine-tuning）：基于标注数据优化模型输出，适用于案例分类、专业报告解读等专项任务。

AI 应用关键是数据与算法，需建立 数据收集 模型训练 反馈生成 实施改进的闭环。

复合式 AI 是最佳选择，需结合大模型、小模型、知识库、规则引擎等多种技术。

要做好AI应用，需拥抱 AI 思维。具体包括放弃完美计划、从因果逻辑转向数据炼金错误成为系统进化动能、重组人机技能、重视 AI 伦理。

四、不动产行业数智化转型框架1. 行业转型背景与挑战

核心挑战：精细化运营需求提升、可持续发展（双碳目标）压力、业务提效诉求迫切、人口老龄化影响行业供需。

2. 转型三大核心维度

商业模式：以空间数智化推动存量提质，创造数据服务、线上平台等新价值。

运营模式：建立“投建管运服” 全链路智慧运营体系，实现数据驱动、人机合一。

技术范式：依托 BIM、IoT、AI、数字孪生四大核心技术，构建数智化底座。

地产开发全周期通过管理驾驶舱实现投、融、建、供、销、存全链路数据可视化，提升决策效率。

资产运营管理：实现空间、招商、商户、会员、运营“五在线”。在此基础上，基于数据实现精细化运营，实现对商户的赋能，以及针对会员的精准营销。

物业管理数智化：搭建智慧空间平台、智慧运营平台以及客户端，提升物业服务及管理水平，客户满意度提升93%，工单处理时长缩减 80%，降低50%巡检频次以及工作量。典型场景包括：利用 AI 巡检提升15倍巡检频次，提升80%响应速度。利用多模态大模型进行车场审计，替代 90% 人工复核工作。通过 AI 冷站智控、能耗监测等技术，实现公区能耗节省 27%，降低运营成本。

利用 AI 巡检提升15倍巡检频次，提升80%响应速度。

通过 AI 冷站智控、能耗监测等技术，实现公区能耗节省 27%，降低运营成本。

4. 四大核心技术支撑

(1)BIM：一模贯通设计、施工、运营全周期，大幅度提升设计施工质量，提升效率，如审图时长缩至原来 1/4、项目变更率控制在1%以内。

(2)IoT：支撑 1000 万 + 智能设备在线管理，覆盖 99% 设备品牌，实现 7×24 小时实时监测。

(3)AI：研发 500 + 业务算法，覆盖 120 + 场景，打造数字员工平台提升工作效率。

(4)数字孪生：1 周内可还原 100km² 城市底板，实现基于空间的人流、车流、能耗流等场景化推演。

五、关键结论

不动产企业数智化转型是系统性工程，需遵循“信息化 - 数字化 - 智能化” 的演进规律，以 AI 为核心驱动力，结合业务场景选择合适的落地模式，依托四大核心技术构建数智底座，最终通过精细化运营、智慧化服务实现降本增效与价值再造。

清华大学土木水利学院院长 吴璟教授 为讲课老师颁发感谢状

参加课程的老师和清华校友总会城乡建设专委会到场嘉宾合影

- END -

声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。