过去十年间，英国房地产行业一直将人工智能视为即将到来的事物：迫在眉睫、不可避免，却又始终遥不可及。会议议程上充斥着房地产科技（PropTech）专题讨论，创新战略中也充斥着对数据和自动化的提及，大多数大型公司都能拿出至少几个试点项目、反响平平的举措或概念验证。然而，对于许多一线测量师而言，进展仍然感觉缓慢而零散。人工智能似乎无处不在，但在实际应用中却鲜有体现。

然而，这种表面上的冷漠掩盖了一个更为微妙的真相。问题不在于人工智能在房地产领域未能找到应用价值，也不在于这项技术本身不够成熟。事实上，人工智能已经在交易、估值、资产管理和楼宇运营等各个环节创造了切实价值。真正的问题在于，为什么英国房地产行业的采用速度比许多其他类似行业都要慢、谨慎且不均衡。答案与其说在于算法，不如说在于英国房地产行业自身的结构性特征。

要了解行业的发展方向，我们首先必须正视它目前的现状。

## 转变：从试点到工作流程整合

在过去的十二到十八个月里，发生了意义深远的转变。人工智能已彻底走出实验阶段，融入到日常专业工作流程中。仅仅一年前，大多数项目仍处于试点阶段，通常仅限于在企业边缘开展工作的小型创新团队。这些努力往往侧重于对话工具；聊天机器人旨在回答基本问题、撰写文本或从文档库中提取信息。虽然这些工具很有用，但它们很少与核心运营流程相连接。

如今，情况已截然不同。人工智能正日益融入测量员、分析师、资产管理人员和运营团队的日常工作中。这种变化的速度令人瞩目。去年，大部分活动都围绕着将大型语言模型 (LLM) 用作被动助手，而现在，人们的注意力已经转向了智能体系统；人工智能代理能够自主执行多步骤任务，收集信息，验证输入，生成输出，并在特定节点将问题上报人工审核。

然而，尽管人工智能发展如此迅速，英国房地产行业仍基本保持着一项原则：人工智能被用作决策支持工具，而非决策者。这种区别并非偶然，也并非仅仅是文化上的保守主义。它反映了人们对专业责任和风险根深蒂固的理解，这种理解持续影响着企业愿意且能够走多远。

## 人工智能在测量实践中的应用：增强而非自动化

在实践中，这一点在交易和尽职调查中体现得最为明显，这两个领域仍然是人工智能应用最为成熟的领域。在这些领域，人工智能的价值主张清晰而直接。人工智能系统现在已被常规用于读取和分析大型文档包，提取关键租赁条款，总结规划条件、能源性能证书和操作手册，并生成租赁协议、清单和尽职调查报告的初稿。所有这些应用案例的核心概念是“初步筛选”。人工智能使团队能够更快地发现问题，更一致地构建信息结构，并将专业人员的注意力集中在最关键的领域。它并非取代专业判断和经验，而是增强了它们的作用。

在估值和市场研究中，我们也观察到了类似的模式。人工智能越来越多地被用于筛选可比证据、撰写初步市场评论，并以过去难以企及的速度和规模运行情景或敏感性分析。然而，估值意见本身仍然牢牢地（且合法地）掌握在估值师手中。无论从专业角度还是保险角度来看，情况都是如此。人工智能加速了分析，但它不会，也不应该，对估值意见做出最终决定。它永远不会。

在资产和投资组合管理中，重点再次从速度转向视角。人工智能使公司能够以全新的方式审视其投资组合，以远超人工方法的深度和一致性探索利率敏感性、空置率或资本配置优先级等问题。再次强调，这并非决策自动化，而是战略思维的增强。

## 英国应用人工智能的结构性制约因素

鉴于人工智能在房地产领域的广泛应用，我们不禁要问，为何房地产领域的人工智能应用进展缓慢？答案是，主要制约因素并非技术层面，而是结构性和人为因素，这在很多情况下都是如此。

### 数据基础挑战

最明显也最持久的挑战在于数据。众所周知，房地产数据分散、不一致、访问成本高昂且往往结构化程度低。同一处房产在不同的系统中可能以多个名称（或地址）出现；文档之间经常相互矛盾；关键信息往往被埋没在孤立的PDF、扫描件或冗长的电子邮件链中。在这样的条件下，人工智能系统难以扩展。如果没有坚实的数据基础，即使是最先进的模型也无法发挥最佳性能。

此外，还存在一个更深层次的、行业特有的问题。房地产本质上是非标准化的。没有两处房产是真正完全相同的。房地产的物理特征各不相同，产权结构、激励方案和合同细节也各有差异。与大宗商品或消费品不同，房地产交易具有高价值、低交易量和独特性等特点。这使得创建清晰、统计上可靠的数据集远比那些交易规模庞大的标准化产品的行业要困难得多。

## 治理、问责和风险

除了数据之外，问责、治理和数据保护问题也至关重要。房地产行业的绝大多数活动都受到严格监管，政府通常（往往也理所当然地）对可能影响公众的变革持谨慎态度。当 Artef