我们的 AI 用一小时找到了一套低估 $100K 的房产。我花了三天才相信这是真的。

AI 改变房产投资的方式,会和它改变国际象棋的方式一样。不是取代人,而是让那些会用它的人难到你没法和他竞争。

从 2021 年初开始,我们一直在训练自己的找房模型,把几百笔交易的数据喂给它——每一笔购买价、每一次估价结果、每一笔装修成本、每一次租金表现。目标很简单:把我们团队那种集体的模式识别能力做成一个数字版本。一个不睡觉、不分神、也不会有状态不好那天的工具 1。

上个月,它找到了一样东西,让我坐下来盯着屏幕看了很久。

那份不可能的委托

我们有一位客户,预算 $1.2 million 澳元,六条要求。任何一条单独拿出来都算合理。合在一起,就像一位从没买过房的人写的许愿清单。

一、年资本增值 10% 或更高。 二、临街的商业分区,便于客户经营 GP 诊所。 三、后方要有住宅空间,便于客户实际居住。 四、万一生意失败,房产要能切换成纯投资用途,租金回报率至少 5%。 五、价格必须是真便宜——明显低于市场价。 六、具有分地或后院开发潜力。

我看着这份委托心想:这套房不存在。六条指向不同方向的标准。商业和住宅在同一个产权上。既要高增长又要高回报。又要开发潜力又要宜居。以我的经验,一套房里能同时具备其中两三项就不错,哪有六项 2。

但我们还是把参数设进了工具里。一个小时后,它标记出了一套房。

AI 找到的东西(以及我一开始为什么不信)

这套房 2017 年的购买价是 $1,020,000。现在的挂牌价是 $800,000-$880,000。就算把中介的 underquote(低报)算进去,现实的成交价也在 $1,000,000 左右——也就是八年之后,又回到了 2017 年的价格。

单这一点就不寻常。Melbourne 房产通常不会横盘八年。一定有什么东西吓跑了之前的买家。这个挂牌挂的时间也比平均水平更长。

但 AI 比挂牌本身看得更深。它把分区 overlay、邻居的开发史、建筑的户型图,和它从我们过往交易中学到的训练数据都交叉比对了一遍。

它识别出来的是这些:

房子两边的邻居都已经完成了分地——一家开发出两套住宅,另一家建了三套。这印证了分区允许开发,而且 council 已经在同一条街上批过类似申请 3。

房子的前段是一栋商业建筑,适合改造成诊所。后段有一栋独立的住宅结构——已经建好了——可以作为客户的自住房。

车道宽 3 米,足以支持独立的后院通道。而独立后院通道,是大多数 Melbourne council 批准分地或次级住宅的不可谈条件。

接下来是其中一个 AI 模型做了一件我根本没想到要查的事:它发现同一条街上 104 号那栋房子,已经被改造成了兽医诊所,用的是同一种分区。它核实两者的分区代码完全一致。既然兽医诊所能通过,GP 诊所在分区层面就不会再遇到额外阻力 4。

三个 AI 模型,三种视角

我们对每一套被标记的房产都跑多个评估模型。每个模型都用我们历史数据的不同切面训练过,从不同角度看同一个机会。

一号模型——通才——给出了直白的评估:这套房满足自住标准,具备后院分地潜力。扎实,但不惊艳。

二号模型——专门在商业改造上训练——标记出了商业潜力,并把 3 米车道宽度作为未来后院通道的正面指标。它还指出前建筑的布局适合医疗或咨询用途,无需大规模结构改动。

三号模型——深度研究员——走出了这套房本身。它爬了 council 的公开记录,找到了 104 号兽医诊所的改建记录,核实了分区代码一致,把邻居们的可比开发申请拉了出来。这种研究,人类要做,得花上半天的 council 网站翻页和电话 5。

三个模型合起来,画出了一幅非常有说服力的画面。这不是一套将就着符合委托的房子,而是六条标准近乎完美命中的一套。

有一条警示:后院受 Significant Landscape Overlay 影响。如果任何一棵树高度超过 5 米,或者在离地 1 米处的主干周长超过 0.5 米,移除它就要申请许可。这可能会让开发变复杂。AI 把它标了出来。一个人在 Section 32 里可能会漏掉 6。

AI 做不到的事(以及这为什么同样重要)

我想说清楚一件事:这个工具不会取代买家中介。它替代的是买家中介工作里最糟糕的那一部分——枯燥、重复地扫新挂牌、交叉核对分区数据、深夜查那些交易失败后重新上架的房子。

AI 不会谈判。它不读一位卖方中介在开放看房时的肢体语言。它不知道一个刚刚离婚的卖家,只要你能在 30 天内交割,他会接受低于挂牌价 15% 的出价。这些是需要情商和情境判断力的人类技能。

AI 能做的,是确保没有机会从缝里漏掉。一套房可能在晚上 10 点条件销售失败,午夜前就被重新上架、价格指引往下走。AI 立刻抓住。第二天早上 9 点之前,我们团队已经看过一遍,正在给中介打电话 7。

在一个好交易 48 小时内就会消失的市场里,这份速度优势每笔交易值几万澳元。

AI 另一件干得很漂亮的事,是消除确认偏误。人类买家中介——包括我——都有自己熟的城区和被自己忽略的城区,有舒服的房型和下意识过滤掉的房型。AI 没有偏好。它按标准评估每一份挂牌,匹配了就标出来,不管那是不是一个我听都没听过的城区 8。

更大的图景:数据驱动的澳洲房产

我们之所以开始搭这个工具,源于一个简单的观察:澳洲房产市场产生了海量的公开数据——挂牌、成交记录、分区地图、council 申请、估价报告——但几乎没人系统地把它们整合起来。

大多数投资者基于 Domain 搜索、口耳相传和直觉做决定。大多数买家中介在此之上加了经验和网络渠道,这很有价值,但仍然留下大量数据没有被检视。

我们的做法不一样。我们一直在把完成的每一笔交易——购买价、装修成本、估价结果、实际租金、租客质量、维护成本——编目并喂回给模型,让它们识别任何单个人类都看不到的规律 9。

走过 350 多笔交易之后,这套数据集相当可观。模型已经学会好交易在多个维度上长什么样:位置、土地面积、分区、建筑状态、相对于可比成交的价格、相对于购买价的租金潜力。

这不是魔法。这就是量化交易员几十年来在金融市场上用的同一套方法。房产行业只是落后了 20 年。

对我们的客户来说,实际影响很简单:我们发现更多机会、更快、漏掉更少。AI 处理扫描,我们的团队处理判断。合在一起,比任何一方单独都强。

那位六条「不可能」标准的客户?我们后来又找到了两套比第一套匹配得更好的房。其中一套现在已经在合同里了。AI 找到线索,我谈下价格。客户拿到的这套房,满足他当初那份我一开始以为不现实的每一条要求 10。