2025年9月13日上午，由中国房地产业协会人工智能应用分会承办的“数字化工作座谈会”顺利召开。

本次活动汇聚了央国企、头部房企、科技企业、金融机构以及各省市行业协会代表。会议聚焦“AI在房地产行业的应用”，深入挖掘AI在房地产行业中的应用场景，让技术更好地服务于行业发展、推动AI从实验室走向业务现场、打破技术应用壁垒、推动AI的普惠化和平民化，并致力于生态化建设，共建行业基础设施。

中国房地产业协会会长陈宜明在讲话中明确指出，人工智能是推动房地产行业创新升级的关键驱动力，出台的“AI+”实施方案已为行业发展指明了方向，提出了分阶段实现智能体和智能终端广泛应用的策略。

他号召全行业积极参与行业级AI应用指南和标准的制定，共同推动行业协同进步和生态共建，助力房地产行业迈向高质量发展的新阶段。

克而瑞集团CEO张燕在会上发表了《2025年度房地产行业AI发展报告》主题演讲，基于对头部房地产企业的深度调研，全面阐述了AI在不动产产业链的应用现状、挑战与未来趋势。

（克而瑞集团CEO 张燕）

2025年是人工智能技术全面爆发的关键年份。无论是底层大模型技术的突破，还是各类智能体应用的涌现，都在短时间内实现了爆发式增长。我们已经能够清晰地观察到AI技术塑造千行百业的发展雏形。

基于这一背景，克而瑞集团加快了在AI应用领域的实践步伐，并持续监测行业各AI应用场景的发展状况。本次调研针对TOP30房地产开发企业、TOP20物业管理企业以及不动产运营领域的核心企业进行了深度访谈，调研对象涵盖数字化团队和业务团队，确保了调研结果的全面性和实用性。业务前端的反馈对于AI技术与实际应用的结合具有重要的启示意义。

一、AI应用发展

当前，人工智能正处于政策红利黄金期。2025年，国家密集出台了"人工智能+"和"城市更新"系列政策，政策支持呈现出从普惠性向精准性转变的特征，聚焦于三个核心方向：

第一，推动AI与传统产业的深度融合。"人工智能+"已上升为国家战略，要求AI技术与实体经济实现深度结合，为传统产业转型升级提供新动能。

第二，构建数字中国建设的新格局。政策将生成式AI应用列为重点发展方向，特别强调高质量数据集的建设，凸显了数据作为新型生产要素的战略地位。

第三，实现城市高质量发展。在前期数字化建设基础上，对智慧城市概念进行升维，将AI技术深度融入城市治理、规划与发展的各个环节。

AI大模型作为新型通用技术，通过对生产要素的无限供给和高效重组，正在颠覆传统的生产关系，催生基于"人机协同"的新经济范式。这不仅是生产力的巨大推动，更是对商业社会底层逻辑的深刻重构。

AI技术通过显著降低服务边际成本、重构服务流程，正在建立万亿美元级别的庞大市场。根据红杉资本的分析，AI正在重构万亿美元级市场。在全球AI竞争格局中，中美双极态势日益明显。2022-2024年期间，中美两国大模型数量占全球比重从72% 提升至86%。截至2025年上半年，中国模型数量占据全球40%的份额，处于领先地位。美国则凭借底层技术的持续突破和多元化场景应用继续引领行业发展。

AI技术正在引发商业模式的深刻变革，主要体现在四个关键转变：

1.收费模式转变：从传统按账号License收费模式转向按成果收费，创造可量化价值。

2.服务模式演进：从SaaS（软件即服务）向Service-as-a-Software（服务即软件）演进，通过AI应用直接嵌入软件，形成更适应个性化和非标准化场景的应用模式。

3.创新空间拓展：应用层仍存在巨大创新空间，为垂直行业提供差异化解决方案。

4.发展重心转移：从"新想法生成"转向"评估有效性"，更加注重实际效果和价值创造。

在当前的全球AI竞争格局中，中美两国已形成双极引领的态势，二者在推进路径与应用模式上呈现出显著差异。美国正处于“全员化部署+消费端驱动”的初步成熟阶段，不仅51%的员工每周使用AI工具、70%的财富500强企业规模化部署Copilot，更在消费行为中广泛渗透——如地产科技中AI投资占比达67.3%，39%购房者靠AI辅助决策，已构建起“投资-消费-再投资”的闭环正向循环。

这一消费驱动特征在五大代表性应用场景中尤为明显。以智能客服为例，垂直地产领域独角兽EliseAI借助租赁与物管对话语料训练专业模型，精准识别租金、维修等语义，实现90%以上沟通自动化，并通过响应、催缴、语音等智能体矩阵实现全场景赋能，覆盖纽约超70%公寓，展现出AI重构传统行业的巨大潜力。其它如智能问答（ChatGPT日请求超10亿）、文档自动化（微软Copilot）、编程辅助（GitHub Copilot服务数千万开发者），均显示出美国在消费与企业应用双向拉动下的生态活力。

相比之下，中国更侧重于“战略投入与场景攻坚”的推进方式。绝大多数企业（92.3%）计划增加AI预算，超90%拟在1–2年内开展试点，投资意愿非常活跃。当前应用高度聚焦于数据分析、客户运营与产品研发三大核心场景。AI不仅作为提质增效的关键工具，也正逐步深入产业流程，开启对传统业务的重构与变革，显示出以战略布局驱动技术落地的典型特征。

二、AI 应用 + 房地产行业

房地产行业在数字化投入方面经历了显著变化。

十四五期间，头部房企年均数字化投入在2021年达到1.5亿元的峰值，随后逐年下降：2022年下降10%，2023年下降18%，2024年下降28%。

在十五五，毫无疑问，AI会成为这一轮投资的重点，超过9成的头部房企都判断AI将在1~2年当中实现业务落地，但只有近4成的企业预计 AI投资的年增长率是在10~30%，前景都能看到，但投入的时候还是相对谨慎。

十五五期间，房企对于AI应用发展的核心目标，主要聚焦在内部的运营效率提升和降本上。这一转变标志着行业正从"投钱"向"赚钱"、从规模投入向智能增效的深刻价值转向。

在当前企业AI应用规划中，呈现出“稳健探索与重点突破并存”的总体态度。近半数企业倾向于“逐步探索，根据业务需求稳步推进”，同时超过三分之一的企业已明确采取“重点突破”或“全面推广”策略，显示出企业在AI应用上兼具理性与紧迫感。

企业对AI应用的期待，清晰反映出其角色正从表层工具向核心决策系统跃迁。降本仅仅是AI价值的开始，而远非终点。超过七成企业将精准的市场预测和定价列为首要突破点，这正对应着当前投资容错空间缩小背景下，行业对提升决策确定性的刚性需求。与此同时，全流程的成本优化与AI驱动的个性化产品设计也成为关注焦点，此举恰好契合了行业从规模扩张向高质量发展转型的内在需要。

这些趋势表明，AI正在超越传统的“降本增效”工具定位，逐渐升级为企业的“决策大脑”，从辅助执行走向驱动战略，深度融入业务核心流程，以适应发展模式的根本转变。

当前地产行业在AI应用上呈现出三个显著特点，深刻反映出行业在智能化转型中的战略选择与务实考量。

首先，在投入规模上呈现明显两极分化：超过三分之一的企业（主要为头部央国企）投入已超过千万元，而大多数企业仍处于百万级的试点阶段。值得注意的是，几乎所有企业都要求AI投资在两年内实现回报，这一方面为AI落地提供了明确的动力，另一方面也在一定程度上限制了AI实施中的场景选择，推动资源向高价值、快回报的领域集中。

在技术选型方面，国产大模型已占据主导地位，DeepSeek、通义和豆包成为主流选择。企业平均采用2.9个模型以适应不同业务需求，多模态（文本、图像、语音）融合运用趋势显著，体现出技术架构的实用性和适配性。现阶段行业仍聚焦于AI基础设施建设，为后续深度应用打下基础。

在应用场景上，多模态大模型和AI数字人成为两大重点方向。多模态大模型正推动底层能力升级，而AI数字人则主要应用于客服和营销环节—这些能够快速体现投入产出比的场景，成为现阶段AI价值实现的最直接体现。这也表明地产行业的AI应用正从“工具赋能”走向“业务赋能”，紧密结合行业从规模扩张向高质量运营转型的实际需求。

行业在AI应用当中，现行的最大挑战，一是技术，二是人才。上一轮数字化应用中，头部企业基本都完成了基础的数据建设，但是这些数据基本上大多集中在结构化数据当中，而对于图表、文本语音等数据类资产应用相对较为薄弱。但在这一轮的AI应用，基于非结构化数据的挖掘及应用就出现了瓶颈。高质量数据集的建设涵盖了结构化和非结构化两个部分，尤其是在知识库建设中，使用的RAG技术，也就是搜索增强生成，近6成的企业，在目前仍然处于评估的阶段，而且对AI的可靠性还是持谨慎的态度。对于AI多智能体的应用，基本现在还处于初步的了解阶段。

当前企业在AI技术部署上呈现出审慎与探索并存的特点。近半数企业采用“公私混合”的部署模式，体现出对数据安全与模型灵活性的双重考量。然而，多项关键技术的落地仍处于早期阶段：近60%的企业仍在评估RAG（检索增强生成）技术，同时对AI Agent（智能体）的应用，近半数企业仅停留在了解层面，尚未进入大规模实践。

这些技术部署的节奏与行业面临的主要挑战密切相关。在诸多困难中，投入产出比难以衡量（41%）成为最大障碍，缺乏既懂业务又懂AI的复合型人才（17%）以及技术与业务场景结合不紧密（17%）紧随其后，共同反映出AI从概念验证走向规模化应用过程中的核心瓶颈。

许多企业（尤其是头部企业）在上一轮数字化中已完成基础数据建设，但数据资产多集中于结构化数据，对文本、图像、语音等非结构化数据的处理与应用能力仍较为薄弱。而本轮AI应用高度依赖多模态、高质量的数据集，尤其需要打通结构化和非结构化数据以构建企业知识库，这也正是RAG等技术被高度重视、但同时多数企业仍持谨慎评估态度的原因。此外，AI的可靠性问题尚未得到完全验证，进一步延缓了智能体等更深层次AI应用的推广。技术落地与人才短缺，因此成为制约AI从“可用”走向“可信、可推广”的关键难题。

当前，企业在推进AI应用过程中面临着严峻的数据基础挑战，其中“数据孤岛”问题尤为突出。超过70%的企业存在中度至严重的数据隔离，更有64%的企业坦言面临严重的数据孤岛困境，这使得跨系统、跨部门的数据整合与AI训练难以有效开展。

在数据类型方面，企业最迫切希望建设的是高质量的房地产市场交易与价格趋势数据集（超70%企业需求），以及客户需求偏好与行为模式数据集，这些都直接关系到精准营销、产品优化和投资决策等核心业务。

然而，企业在数据应用方面普遍陷入“有数不能用，有意不敢用”的双重困境。一方面，大量非结构化数据（如图像、文本、语音）及低质量数据得不到有效治理，严重制约AI模型的价值实现；另一方面，企业虽迫切希望使用数据，但对核心业务信息与商业秘密泄露的顾虑，甚至超过了对一般隐私合规的担忧。

这一矛盾揭示出当前AI落地中的深层瓶颈：在数字化阶段未能解决的数据割裂问题，在AI时代被进一步放大。数据资产质量不足、治理机制不完善，以及企业在使用与保护之间的艰难权衡，正极大限制AI从实验性工具迈向全面赋能业务的进程。

人才短缺正成为企业深化AI应用的核心瓶颈。目前，既懂业务又懂技术的复合型AI人才在企业中的占比普遍低于10%，尤其是跨界融合型人才极度稀缺。从需求端来看，企业最急需的人才有三类：一是“营销策划+AI”产品经理，二是“地产投资+AI”分析师，三是数据科学家与算法工程师。这一需求结构与当前AI在营销、投资研判等场景的落地应用高度吻合。

面对这一困局，企业正从组织与人力资源策略层面积极应对。40%的企业选择“积极推动员工转型，提供系统性的AI技能培训”，24%的企业则“计划逐步以AI替代部分重复性、标准化岗位”。这显示出，企业正尝试通过内部转型与外部引进相结合的方式突破人才约束。要实现AI应用的纵深发展，必须在组织架构、薪酬激励与人才培养机制上进行系统性的调整与重塑，从而构建真正支持AI赋能业务的新型人才体系。

通过调研，目前整个不动产链条中AI应用的5个核心业务场景，包含了投资决策、设计建造、营销服务、物业服务和不动产运营。

1.投资决策： 多模态预测模型推动从经验判断到数据驱动的转变

2.建造过程： AI实现建筑设计与施工方案的全局最优解

3.营销过程： 精准洞察与需求创造，重塑客户触达与转化路径

4.物业服务： 从被动响应到主动服务的体验革命

5.不动产运营： 数据智能驱动节能闭环，实现运营效率与绿色效益双重提升

当前，AI大模型在投资决策领域的应用正处于快速兴起与深度探索并存的阶段。超过50%的企业计划在一年内部署AI大模型，应用场景高度聚焦于区域发展潜力评估和宏观市场预测，反映出在行业投资容错空间收窄的背景下，企业对提升决策精准度的迫切需求。尽管如此，AI目前主要仍作为辅助决策工具，尚未完全替代传统的数字化模型和专家经验判断体系。

从应用深度来看，多数企业仍依赖原有数字化工具与人工研判相结合的方式，真正基于高质量数据集、能够实现归因分析与精准推演的行业级AI模型尚未完全成熟。即便部分企业自称已实现“规模化应用”，其对AI应用深度的理解仍存在差异，反映出当前AI技术在投资决策中尚未实现从“支撑”到“驱动”的根本性跨越。

当前，AI在设计建造环节的应用呈现“重点突破、试点先行”的特点，尚未实现全流程规模化落地。数据显示，仅有不到10%的企业实现AI全流程应用，超过30%的企业仍集中在特定设计环节开展试点，反映出技术应用仍处于由点及面的发展阶段。

从应用场景来看，现场管理及施工质量智能检测与控制成为最受关注的领域，占比均达到67%，显示出企业对施工阶段传统痛点的集中治理需求。另有50%的企业聚焦于施工工艺优化与改进。这些场景均属建造环节的刚需，AI目前已在这些方面形成较深入的应用实践，并收获企业的正向反馈。

多模态AI技术也在该领域逐步发挥价值。60%的企业将其用于设计规范与标准检查，提升设计合规性与审核效率。此外，AI在供应链协同与提效方面作用显著，超过50%的企业反馈AI对供应链效率产生较大提升。值得注意的是，此类应用不仅限于房企，还包括大量建造与服务类平台企业，体现出AI在建筑产业生态中的渗透性与通用价值。

尽管建造环节的AI应用相比投资决策更为深入，但仍面临由“单点智能”到“全程智能”的跨越挑战。未来若要实现全流程赋能，仍需在数据集成、模型兼容性与业务适配度等方面进一步突破。

在推动AI技术与建筑地产行业深度融合的过程中，已涌现出一批具有代表性的成功实践，充分体现出AI在全流程赋能、效率提升与对外能力输出方面的价值。

越秀地产打造的“YUE智工坊AI平台”已实现建筑设计、开发建设与运营管理的全流程AI覆盖，集成多项前沿技术，显著提升业务效率。该平台使设计方案初期时间缩短60%，并辅助滞销项目去化周期缩短15-20%，展现出AI在地产全周期管理中的系统化应用能力。

万科基于“建筑图纸大语言模型”构建的“AI数字工程管理平台”，则聚焦于工程图纸的智能识别与管理，实现了图纸查找效率提升6倍、核对效率提升15倍的显著成效。该平台技术成熟度较高，并已实现对外服务输出，标志着头部企业正从AI应用者向解决方案提供者延伸。

广联达推出的AecGPT依托超过2亿条行业语料训练，专注于工程交易与评标场景的智能化。在实战中，该模型仅用1小时40分钟就完成5个标段、47份文件的智能评审，节省时间46%，且评审结果与专家判断高度一致，体现出垂直领域大模型在专业场景中的可靠性与高效性。

这些案例表明，AI正在设计-建造-管理全链条中实现从单点尝试到系统赋能、从内部提效到对外服务的跨越，为行业数字化转型提供了清晰路径与落地标杆。

在营销服务场景中，AI应用正逐步深入，已成为地产行业数字化转型中的重要实践领域。目前，超过40%的企业处于部分应用或试点阶段，应用高度集中（85%）于客户洞察、内容生成和销售赋能三大环节，表明AI价值在营销与销售流程中更易显性化和获得认可。

从应用价值来看，客户画像分析与精准营销、客户需求挖掘与匹配，以及广告文案与宣传素材的自动创作，被企业视为最具价值的三大方向。尤其值得注意的是，数字人技术已获得超过30%企业的试点或实际应用。由于其服务流程标准化程度高、降本增效效果显著，数字人有望成为客服与营销自动化中发展最快的细分赛道。

尽管营销是AI落地较早的场景，但目前仍以“点状实践”为主，尚未实现全链路整合。这些探索正在不断积累行业经验，有望在未来聚合为系统性解决方案，甚至推动传统地产销售与服务模式的根本变革。

在营销与客户服务场景中，具备平台和数据优势的企业正通过AI构建B、C双端联动的智能服务生态。贝壳通过AI应用，体现出这一路径：在B端，其AI CRM智能体“来客”系统已覆盖69个城市，服务33.5万经纪人，提供AI选房、AI聊天等工具，高频使用者的委托转化率可高出30%；在C端，AI助手“布丁”为用户提供从市场行情到房源对比的智能问答服务，7月会话量环比增长59%，初步形成经纪人赋能与购房者服务双向促进的AI闭环。

另一方面，绿城中国与旺小宝合作的“AI工牌”则展现出AI在案场接待与销售流程数字化中的深度价值。该应用实现了客户接待、复访、盘客等六大核心场景的全程数字化管理，有效降低重复性工作量60%，提升销客匹配效率40%，客户满意度提高25%，成交转化率提升15%。

这些实践表明，AI不仅正在重构营销与服务的传统流程，更通过平台化、智能化工具的广泛嵌入，逐步形成覆盖多方主体、融合多类场景的数字化服务生态。

在物业服务领域，AI应用目前仍处于以场景试验为主的发展阶段。尽管该行业数字化基础相对较好，但AI的实际渗透率依然有限：超过70%的企业仅开展小范围试点或初步探索，深度应用比例不足20%。尤其在与业主高频交互的客服场景中，AI替代效果尚不显著，超过80%的智能客服交互仍需人工介入。

造成智能客服渗透率偏低的原因主要有三：一是人工服务在响应速度和效率方面不断优化，大幅提高了替代门槛；二是物业行业长期依赖“人本服务”，形成较强的人文服务路径依赖；三是当前AI技术在语义理解、多轮对话和复杂问题处理方面仍与人工存在明显差距。这些因素共同导致AI在物业服务中的容错空间较小，企业推进态度趋于审慎。

尽管面临现实应用瓶颈，多数企业仍将“智慧服务”（以AI为核心的客户服务体系）和“智慧运营”（AI驱动的内部效率提升）列为未来重点发展方向，希望借助AI推动物业服务从“成本中心”逐渐转向“价值中心”，并实现绿色低碳与数据资产化的协同发展。然而调研显示，真正在这两个领域取得实质性突破的企业仍然较少，反映出愿景与落地之间仍存在一定差距。

在物业服务企业的AI应用实践中，万物云展现出较高的成熟度与系统性。其自研的“AI员工”已迈过试点阶段，进入规模化应用，覆盖智慧运营、客户服务、职能提效与数据智能四大核心方向，体现出AI从单点工具向体系化赋能的演进。

在智慧运营方面，AI助手可实现7×24小时自动化巡检与项目运营支持；客户服务场景中，多模态交互与客户洞察能力增强了园区服务的响应性与精准度；人力行政和智能报销系统则显著提升了中后台职能效率；而基于数据智能的业财流程融合，正逐步打通传统数据孤岛，赋能业务分析与增长决策。

万物云推行AI应用的目标并非简单的人力替代，而是致力于重塑工作流程、创新服务模式，并探索新的增长曲线，展现出AI作为价值创造者而不仅是效率工具的战略定位。

永升服务通过与钉钉深度合作，依托阿里大语言模型的技术能力，系统性构建了“场景-流程-数据”闭环体系，实现了其在服务、风控与运营领域的三大范式重构：

其一，管理范式从“人盯人”升级为“智能驱动”。通过AI实现晨会自动评分等功能，使管理效率提升30%以上；

其二，服务响应机制由“流程化”转向“对话化”，将传统工单系统转化为自然语言交互模式，工单处理效率提升60%；

其三，风控逻辑从依赖“人工排查”发展为“智能免疫”，实现合同条款秒级自动审查，错误率降低90%。

目前，永升服务已有八个核心场景应用基本落地，体现出其以AI重塑业务架构、提升系统智能水平的战略推进路径。

克而瑞在推进物业AI应用过程中，充分发挥自身在数据积累、平台连接与行业理解方面的独特优势，系统构建面向行业的AI服务生态。其核心优势在于多年积累的丰富行业数据—包括结构化和非结构化数据，以及在数字化阶段已建立的可信数据集基础。与此同时，克而瑞凭借其第三方身份，更易于整合和构建覆盖政策、法规与案例的深度行业知识库，弥补了当前物业领域缺乏统一知识体系的短板。

在落地路径上，克而瑞重点打造三大特色方向：一是建设高质量行业知识库，强化底层数据能力；二是通过MCP多平台生态（如阿里云、腾讯云、百度等）实现知识库的便捷调用，大幅降低企业使用门槛；三是创新性推出“物业AI陪练”模式，与钉钉合作将垂直知识库与工程化能力相结合，切实解决行业“学用脱节”的痛点。目前，克而瑞已从“AI陪练”等单点应用切入，并计划逐步拓展至物业管理更多场景，旨在与更多企业共建开放、协同、可持续的AI生态，推动行业实现从“可用”到“好用”的跨越。

在不动产运营领域中，AI应用正逐步与ESG战略深度融合，展现出从单点尝试向系统化、价值认可型应用发展的趋势。尽管商业、办公、产业园区等细分场景仍以分散化的试点为主，其共性应用目前仍高度集中在设施设备能效管理方面。

值得关注的是，超过40%的企业已明确将AI纳入其ESG战略框架。其中，建筑全生命周期碳排放的精准评估与动态优化被视为最具价值的应用方向，AI技术正从局部节能延伸至“设计-运营-改造”全流程的碳管理。这一价值的认可也直接反映在企业支付意愿上——近60%的企业表示愿意为AI带来的节能效果支付5%-15%的溢价，体现出“基于效果付费”的实用主义倾向。

从技术演进来看，多数企业看好边缘计算与AI大模型的结合，期待通过“云-边-端”协同架构实现实时能效调控与低碳自治运营，推动AI从辅助工具逐步成长为可持续运营的核心赋能者。

在智慧运维与低碳运营领域，AI技术正推动不动产行业从传统的“能耗管控”迈向“碳资产生成”的新阶段。这一转变在万象云与云智易的实践中得到充分体现。

万象云通过AI全局优化技术，实现对空调与供热系统的全链路智能调控，显著提升能源使用效率。以北京清河万象汇为例，该平台助力空调能耗下降66.48万kWh，节省电费65万元，并实现574吨碳排放减排，展现出AI在系统级节能与碳管理方面的强大能力。

云智易则依托自研物联网平台，构建X-AI Agent智能体系统，对接超过30类数据源，实现能效的实时监控、多模态交互管理与自动化的能耗分析报告生成。该平台平均可帮助项目降低10%-20%的能耗支出，凸显出AI在数据整合与智能决策中的关键价值。

AI不仅优化了传统能源管理流程，更通过系统赋能与数据驱动，推动不动产运营实现低碳化、精细化和资产化转型。

三、总结

AI应用的价值释放并非一蹴而就，而是一个遵循“J型曲线”的长期过程—前期需承受较高投入与回报缓慢的压力，而真正的价值跃升往往出现在3-5年的持续积累之后。在这一过程中，企业需保持战略耐心，并系统推进以下五大实施路径：

首先，企业应明确自身资源与目标，选择适配的AI战略路径，无论是自研、合作还是融入生态；其次，必须将高质量数据集建设视为“一号工程”，夯实AI应用的底层数据基础；第三，应遵循“高频、刚需、有数据、可闭环、可量化”原则，筛选高价值场景切入；第四，需大力培育“业务+技术”复合型人才，打破组织壁垒，构建新型组织能力；最后，应积极拥抱生态合作，通过资源共享与能力互补共建行业级AI解决方案。

与此同时，行业也正迎来三大技术浪潮：2025年将成为多模态融合广泛应用之年，2026年智能体技术预计迎来爆发，而2027年有望成为AGI（通用人工智能）元年。对企业而言，唯有清晰定位、夯实数据、聚焦场景、培优人才、开放协同，才能在AI重塑行业的过程中把握先机，实现从效率提升到价值创造的跨越。

克而瑞与中房协人工智能应用分会携手，共同启动行业AI应用发展合作计划，旨在系统总结并推动房地产领域的智能化实践。双方将于年底联合发布《2025房地产行业AI应用报告及优秀案例集》，并面向全行业广泛征集优秀AI应用案例，为产业持续发展提供扎实支撑。

一是通过全景扫描AI应用现状与趋势，形成具有深度的行业洞察，为企业战略制定提供数据支撑；二是提炼可复制、可落地的方法论与最佳实践，形成实战指南，助力企业降低试错成本、加快AI落地步伐；三是着眼于未来，探讨AI技术如何真正赋能产品研发与服务升级，以创新视角引领行业迈向高质量发展。

作为AI应用的亲历者和实践者，希望借此机会凝聚行业智慧，共建共享，推动AI从“单点尝试”走向“系统赋能”，也为更多企业提供可借鉴、可参考的实施路径。