AI 如何改变澳洲房产搜索(以及它至今做不到的事)

我得先坦白一件事。我是一位买家中介,正在主动构建理论上可以替代买家中介的 AI 工具。

听上去像自杀式行为。让我解释一下为什么它不是。

过去一年,我们团队一直在试验 AI 驱动的房产搜索工具——具体来说,是用大型语言模型来复现原本需要 $10,000-$15,000 澳元专业委托才能拿到的城区分析、物业打分、甚至谈判沟通。结果真的挺让人吃惊。

我亲眼看着这些工具在大约 90 秒内分析出一个城区的人口增长、犯罪构成、租金回报率历史、基建管线、学校排名和洪水覆盖区。这种活原本要我们分析师花 4-6 小时。我也看着它们针对卖方中介的消息生成谈判回复,比很多初级买家中介能写出来的更锐利、也更有策略感。

可是,经过一年测试,我反而比以往更确信:AI 不会取代买家中介。它会让优秀的变得更强,同时让那些只是在收 $10K 卖「现在已经免费的信息」的平庸者暴露出来。但一位专业买家真正的价值——关系、实地勘查、内部房源渠道、决策速度——其实是被 AI 放大,而不是威胁。

AI 做得最好的事:以非人速度聚合数据

先把该给的credit给到位。今天可用的 AI 工具——我说的是通用大模型,不是专门打造的房地产 AI——做城区分析的水平,放到五年前都像科幻小说。

给一个像 DeepSeek 的模型一个这样的 prompt:「把 Hampton Park, Victoria 作为房产投资目的地分析一下。考虑人口增长、犯罪率、租金回报率、基建、学校质量和洪水风险。与 Cranbourne 和 Narre Warren 做对比」——你会在 60-90 秒内拿到一份相当准确的详细分析。

模型会从公开数据源里抓取——ABS 人口普查数据、Crime Statistics Agency Victoria、SQM Research 的租金回报、维州规划局的 overlay、NAPLAN 学校排名——然后把它们综合成结构化的对比。它能发现人类分析师会发现的规律,只是只花了几分之一的时间。

我们一直在给内部的 AI 工具喂超过 100 笔已完成交易的数据——购买价、装修成本、租金表现、估价结果、谈判记录——看它能不能学会我们的决策框架。早期结果显示,它大约能复现我们 70% 的城区筛选方法,房产具体打分大约能复现 50% 1。

对消费者来说,这是革命性的。不用花 $10,000+ 请买家中介做城区分析,你就能免费拿到这份分析的 70%。「专业级城区数据 $10K 起步」这道门槛实际上已经塌了。

AI 表现够用的事:谈判辅助

这一条让我意外。我们把 AI 生成的谈判回复,和过去交易里真实的卖方中介沟通做对比,结果质量出乎意料地好。

模型可以分析卖方中介的消息——价格预期、紧迫信号、竞争出价说法——然后生成一份回复,既保住杠杆、又避开买家常见的失误(比如暴露最高预算),并引用可比成交数据来支撑更低的报价。

其中一次测试,我们把一段和 Cranbourne 卖方中介的真实短信对话喂给 AI,对方当时在推 $720K。AI 找到六周前同一街道上一套以 $680K 成交的可比房,把它写进还价回复里,并建议以 $695K 作为「走人价」,外加一段紧凑的交割期作为让步。我们在这套房上实际谈判最终成交价是 $690K。AI 的策略和真实结果只差 $5K 1。

局限在于,AI 的谈判是基于文本的。真实的澳洲房产谈判,80% 是关系,20% 是数据。那位卖方中介愿意给我们这个条件,部分原因是他们过去一年里已经通过我们挂出三套房,知道我们会快速交割。没有哪个 AI 能复制这份关系资本。

但对那些没有中介关系的 DIY 买家来说?AI 辅助的谈判,比起自己发一堆情绪化、结构散、一上来就亮底牌的消息,是一次显著的升级。

AI 绝对做不到的事:物理世界

这就是炒作撞上现实的地方。

AI 没法走进一套房子、注意到地板在 3 米距离上倾斜了 15 毫米——这通常意味着地基移动和可能 $40K 的修复账单。AI 闻不到地板下层空间里渗上来的潮气。AI 听不见附近主干道的交通噪音——那被挂牌照片有意裁掉了。AI 感受不到木地板踩上去那种发软的状态——那往往暗示白蚁损害。

我们的一线团队——Steven 和 Edward——每周都在实地看房。他们走过几千套房子。他们知道什么样的裂缝图案是反应性黏土造成的、什么样是沉降造成的、什么样是结构过载造成的。他们在一间厨房里站 30 秒,就能把装修范围估到 $5,000 的误差内。

这世上没有任何 AI 模型能做到这些。也不会有,直到我们有带触觉反馈的人形机器人能走进开放看房——那在 2021 年或 2031 年都不会发生。

实地勘查是整个买房流程里价值最高的环节。$50,000 级别的错误要么在这里被抓住,要么在这里被错过。而它需要一具人类身体处在物理空间里,动用任何相机都无法复现的感官。

我做过一个测试:我给 AI 工具一份完整的挂牌——照片、户型图、Section 32 数据、可比成交——让它评估这套房。它给出了对数据点相当合理的分析。但它没法告诉我:后院那道向邻居围栏方向凸出的挡土墙(只有从特定角度看后院才能看到)、那个没有建筑许可的车库改建(Section 32 里写了,但模型没标出来)、以及会阻止未来分割土地的共用车道地役权(埋在卖家声明第 47 页)。

三个问题。合计金融影响:大约 $80,000。全部被 AI 漏掉了。全部被一次 20 分钟的实地勘查 + 一次彻底的 Section 32 审阅抓到 2。

我们的内部 AI 实验:把 100 笔交易喂给它之后学到的

让我把「用我们自己的交易历史训练 AI」这件事讲得更细一点。

我们整理了超过 100 笔已完成交易的数据:城区选择理由、物业打分标准、购买价、装修成本、租金结果、交割后银行估价、谈判记录(匿名化处理)。把这些喂给一个大型语言模型,让它识别出我们隐性的决策框架——那些我们从没正式写下来的规则。

结果既迷人又让人谦卑。

模型正确识别了我们的核心标准:土地占建筑比高于 80%、地块面积大于 500sqm、最多距离火车站 5 公里、装修后目标租金回报率 5.5-6.5%、位于我们的核心增长走廊(Casey、Cardinia、Frankston、Maroondah)之内。

但它也找到了一些我们自己都没有意识到的规律。比如:我们表现最好的那批收购(按 ROI 排前四分之一)里,78% 发生在街区段长度小于 300 米的街道上——较短的街段和更低的穿行交通、更高的家庭吸引力相关。模型还发现我们的平均购买价比购买时所在城区的中位价低 8.2%,这印证了我们的谈判流程能稳定挤出价格折扣。

模型失败的地方:它没法从挂牌照片里评估装修范围。它把一套写着「最近翻新过厨房」的房子(这往往意味着廉价的表面功夫,背后藏着结构问题),和一套真正结构良好、只需要重新刷漆和换地毯的房子,打成了同样的分。一位有经验的买家中介看 30 秒挂牌照片就能分辨区别——看电器品牌、填缝质量、柜体五金、地板过渡条。模型把所有「已装修」的房子一视同仁。

它也识别不了内部房源机会。数据集里我们最好的一笔交易——Boronia $660K 到 $890K 的案例——对模型完全隐形,因为它从未出现在任何公开挂牌上。模型只能处理公开可得的信息,而这充其量代表市场总量的 60-70% 5。

我们得出的结论:AI 是一位了不起的研究放大器。它把我们在城区筛选和房源初选上的分析师工时削减了 60-70%。但它是专业判断的补充,而不是替代品。AI 碰不到的那 30% 价值——实地勘查、内部房源渠道、关系资本——恰恰是产生最大回报的那 30%。

实操建议:今天怎么在房产搜索里用 AI

关于有人想用 AI 做房产投资研究,我诚心建议如下。

可以用 AI 做的:

• 初步城区筛选。让模型对 5-6 个城区在人口增长、犯罪率、租金回报率、基建管线和学校质量方面做对比。几分钟内会给出一份像样的分析。
• 可比成交研究。AI 可以扫 Domain 和 CoreLogic 的数据,找到支持你压价的最近成交。
• 理解规划 overlay。让模型解释 Heritage Overlay、Special Building Overlay 或 Design and Development Overlay 对你这套房具体意味着什么。
• 起草谈判回复。把卖方中介的消息粘过去,让它给一份战略性还价。输出通常 80% 是可用的。
• 财务建模。用具体输入(购买价、定金、利率、租金、支出)让它给一份现金流预测。数学它算得对。

千万不要用 AI 做的:

• 最终房产评估。没有任何模型能取代你走进一套房、动用自己的感官。
• 合同审阅。AI 会漏掉关键的 Section 32 细节。用持牌的 conveyancer(过户律师)。
• 市场择时决策。AI 模型训练在历史数据上,它预测不了转折点。
• 内部房源搜寻。不在互联网上的,AI 找不到。
• 情绪校准。AI 没法告诉你一套房「感觉对不对」——而那种由经验支撑的直觉,比大多数数据派愿意承认得都要重要。

未来十年能搭建出最好投资组合的人,是那些把 AI 的数据速度、人类关系资本、物理世界判断力组合起来的人。不是二选一。是三者都要。

我们现在就在把这种混合打法嵌进团队工作流。分析师用 AI 做前面 70%——初选、数据聚合、财务建模。然后一线团队接手最后 30%——实地勘查、中介沟通、谈判。结果是更快的决策、更好的数据,以及一直以来就是我们优势的那种以关系驱动的交易流。

买房的未来,不是 AI 取代中介,而是「AI 增强的中介」跑赢所有人。这就是我押的赌注。

民主化悖论:免费数据不等于同等结果

最后一个想法,我觉得它对理解 AI 在房产世界里的位置很重要。

AI 正在把房产数据的访问权民主化。过去作为买家中介服务一部分要花 $10,000 的城区分析,现在任何会打 prompt 的人都能免费拿到。对消费者来说,这毫无疑问是好事。信息不对称本来就是投资决策失败的最大源头之一,AI 正在把它抹平。

但这里有一个悖论:当所有人都能拿到同样的信息,信息本身就失去了作为竞争优势的价值。如果每个买家都能在 90 秒内做一份城区分析,那么「会做城区分析」就不再能把聪明买家和普通买家区分开来。优势会转移到那些 AI 提供不了的东西——决策速度、内部房源渠道、中介关系、实地勘查能力、以及资本结构优化。

想想 GPS 导航。GPS 出现之前,知道从 A 到 B 的最佳路线是真正的优势——有经验的出租车司机能多挣,因为他们知道捷径。今天,每个 Uber 司机都有 Waze。路线优势被消除了。但最好的司机依然挣得更多——因为他们提供更好的服务、车保养得更干净、评分更高。优势从信息转到执行上去了。

房产投资也会走这条路。AI 消除信息优势。执行优势——更快地根据信息行动、更好的关系、物理世界的判断力——成为超额回报唯一的来源。那些只提供城区数据的买家中介会被扫掉。那些提供执行速度、内部房源渠道、促成交易关系的买家中介会活得很好。

对 DIY 投资者来说,AI 显著抬高了你的下限。你会少犯一些一眼就错的决定。但它不抬高你的上限——最好的交易、内部房源里的白菜价、那些一成交就制造 $50K-$100K 瞬时净值的折扣谈判——仍然需要 AI 无法复制的人类能力。

AI 永远取代不了的:内部房源渠道

我们的收购大约 30-40% 来自内部房源 3。这些房子从未出现在 realestate.com.au 或 Domain 上。它们是卖方中介直接推给我们的,因为他们知道我们会在 48 小时内看完、72 小时内做决定、交割不出幺蛾子。

这份渠道之所以存在,是因为我们用几百笔交易和卖方中介搭起了关系。他们先给我们打电话,因为我们让他们的工作更轻松——快速决策、干净合同、可靠交割。这是建立在多年业绩基础上的信任网络。

AI 对这个网络零访问。AI 工具可以分析每一个门户上的每一份挂牌。但它接不到那个卖方中介打来的电话:「Joey,我有一套 Hampton Park 的 600sqm 街角地块,下周四挂牌。屋主想尽快交割。我先给你看。」

那一通电话,价值 $50,000-$100,000 的低于市场购买价。它之所以发生,是因为人际关系,不是算法。而这是买家中介能提供的最有价值的一件事。

AI 会让数据分析变成大宗商品。它会把城区筛选和谈判战术民主化。但它不会——也不能——复制产生内部房源交易流的关系资本。那仍然是人类领地,也是买家中介行业真正价值所在。

我们的 Boronia 那笔交易——$660K 买入,四周后估值 $890K——是内部房源 4。没有门户挂牌,没有公开拍卖。是一位信任我们会成交的中介打来的电话。AI 没找到那笔交易,电话找到了。

用 AI 做研究。用人做关系。两个都用,才有结果。