---
title: "你用 ChatGPT 找房的姿势全错了：AI 看不见的街道级数据"
description: "AI 能做澳洲房产的宏观研究,却看不见 3 米宽排水 easement、洪水叠加层、山火分区,以及高压线 100 米内的折价。"
author: Joey Don
date: 2025-08-04
dateModified: 2026-08-05
language: zh-CN
category: 市场分析
url: https://premiumrea.com.au/zh/blog/chatgpt-property-advice-blind-spots-zoning-traps
tags: ["AI 买房", "ChatGPT", "分区", "规划叠加层", "洪水区", "地役权", "Melbourne", "尽职调查", "房产数据", "买家中介"]
---

# 你用 ChatGPT 找房的姿势全错了：AI 看不见的街道级数据

*By Joey Don, Co-Founder & CEO at PremiumRea — 2025-08-04*

*更新于 2026-08-05*

> 悉尼一位科技公司 CEO 把 320GB 的基因组数据喂给 ChatGPT，设计出一套癌症治疗方案，把自家狗的肿瘤缩小了 75%。结果确实惊人。现在换个角度想一下：你用 AI 找投资房的时候，到底喂给它多少数据？就一句话？问题就在这。

最近有个故事一直在我脑子里转。悉尼一位科技公司 CEO，家里的狗 Rosie 被诊断为晚期癌症。兽医说已经没招了，常规治疗全部失败。剩下的时间可能就几周，最多两个月。

然后他花了 $3,000 澳元，在新南威尔士大学做了全基因组测序，拿回 320GB 的基因数据——相当于大约 70 万页信息。Rosie 癌细胞里的每个核苷酸、每个突变、每个异常都被映射成数字。接着他把整套数据塞进了 ChatGPT、AlphaFold 和 Grok。

他根据输出结果设计了一套定制 mRNA 疫苗。Rosie 的肿瘤缩小了 75%。

这个故事确实了不起。但大多数人从里面学到的教训完全跑偏了。他们听到的是「AI 救了狗」，真正的教训其实是「320GB 精确的、颗粒度极细的、针对这只狗的个体化数据救了狗」。AI 只是处理引擎。没有那座数据山给它处理，它给出的建议跟任何一本教科书没什么两样。

我想直接问你一个问题。这也是我每次听到客户说「我在用 AI 研究房子」时都会问的问题。

你问 ChatGPT 投资建议的时候，到底喂给它多少数据？

「我想在 Victoria 买一套投资房。预算 $700,000 澳元。你觉得应该看哪里？」

这句话大概 80 字节数据。跟 320GB 比，连个零头都算不上。是那只狗拿到数据的 0.000000025%。而你拿回来的答案？值多少钱完全取决于你输入了多少——基本等于零，只不过被包装成了听起来很自信的几段话。

## AI 对澳洲房产到底知道多少（和不知道多少）

先把话说公道。我自己也在用 AI。团队也在用。它确实擅长高速聚合公开信息。问 ChatGPT Cranbourne 的独立屋中位价、墨尔本东南走廊的人口增长趋势、或者 RBA 历次加息决定的历史，它能给你一个相当过得去的答案。它总结 CoreLogic、Domain、ABS 报告的速度比任何人类分析师都快。做宏观层面的研究——三万英尺高空俯瞰的视角——它是真正的效率工具。

但有些事它做不到。而真正的危险，就潜伏在这里——对任何要做六位数、七位数购房决定的人来说。

**AI 看不到街道层面的分区边界。** 拿墨尔本西边的 St Albans 来说。同一条街的两边——字面意思的一条马路隔开——这边可能是 Residential Growth Zone (RGZ)，同一块 600sqm 的地可以盖四到五套住宅，地价里已经包含了这份开发潜力。马路对面同样是住宅用地，但分区是 General Residential Zone (GRZ1)，同样 600sqm 最多只能盖两套。

分区差异让开发潜力相差 250%。让土地价值相差几十万澳元。而且这种差异就在同一条街上、有时候同一个街区里，一栋一栋地变化。

你问 AI「我该不该在 St Albans 买房？」，它给你的是城区层面的答案。它会讲人口增长、交通、中位价走势。在三万英尺高空全都对，但你买的不是一整个城区。你买的是某条街上某一块具体的地。在那个分辨率——赚钱和亏钱真正分水岭的那个分辨率——AI 完全是瞎的。

**AI 拿不到 local council（地方议会）层面的叠加层数据。** 规划叠加层——洪水区、遗产限制、山火区、环境重要性叠加层、设计与开发叠加层——这些都由地方议会维护。有些在 Victorian Planning Scheme 网上可以搜到，很多则要通过正式的房产调查，或者直接打电话给议会规划部门才拿得到。

这里最要命的一点是：某些叠加层类别还有子类型，只存在于议会内部档案或本地人的经验里：

- **公开的洪水区划定**（通过议会地图工具或 VicPlan 可以在线查到）
- **议会内部的补充洪水数据**（需要通过正式的 Section 32 卖家声明调查、规划证书，或直接打电话给议会工程部门——就算这样，有些议会也拖拖拉拉不给你）
- **实际会淹水但官方没标注的区域**——可能是因为洪水建模 15 年没更新，可能是因为排水系统升级改变了淹水模式，也可能是因为那里只在五十年一遇的暴雨里才淹水，而这种事根本没留下正式记录

AI 知道第一类。如果网上有人写过，它也许会提到第二类。第三类它完全没辙。而第三类，往往才是决定你家暴雨之后会不会泡水的那一类——泡一次就能让房子一夜之间损失几万澳元，还可能让你买不到合理价格的保险。

## 地役权陷阱和地块临街面宽度的问题

有两个数据点能决定一个开发项目的生死——而且 AI 能访问的任何数据集里都没有它们。

**地役权（easement）。** 地役权是第三方（通常是公用事业公司、水务局或议会）为了基础设施用途进入你土地的法定权利。一条穿过你后院中间的排水地役权——账面上可能只有 2-3 米宽——足以彻底毁掉一个分割土地（subdivision）或 granny flat（副住宅）的计划。地役权不只让它覆盖的那条带子变成废地；它实际上让整个后半部分都无法开发，因为你不能盖任何跨越或侵占地役权的永久建筑物。

我在 Narre Warren 见过一块 650sqm 的地，纸面上做双拼开发简直完美——地块平、形状好、分区对。但一条 3 米宽的排水地役权斜穿过后三分之一。整个分割计划直接被枪毙。业主按完整开发潜力的价格付了钱，拿到的却是一块只能盖一栋房子的地。

地役权数据藏在该房产的 Certificate of Title 里，登记在 Land Use Victoria。你只能一块一块地单独调出来——没有批量数据集，没有 API，AI 根本没办法以编程方式访问这类信息。每次查产权要 $30-$50 澳元，1-3 个工作日出结果。没有任何捷径。

我见过客户因为没查地役权，损失了 $50,000-$100,000 的潜在开发价值。也见过其他客户因为买了隔壁那块——同一条街、同样大小、没有地役权、完整的开发潜力——多赚了同样的数。

**地块临街面宽度（face width / frontage）。** 房产临街面的宽度决定了在 ResCode 条款（Victorian Planning Provisions 第 55 和 56 条）下可以建多少套住宅。在 Victoria 大多数议会，标准住宅地块做双拼开发需要至少约 15.4 米临街面。有些议会还加更严格的地方规定。

一块 600sqm、宽 20 米的地，两套房子并排摆下来很轻松。同样 600sqm 但宽只有 12 米的地，在任何情况下都不能分割——临街宽度根本不够。同一个城区，同样的总面积，投资结果完全是两码事。一块可能作为开发用地值 $800,000 澳元，另一块作为单栋独立屋只值 $600,000。这 $200,000 的差距，全由一个 AI 根本不知道的测量数字决定。

临街宽度的数据藏在测绘图和议会房产档案里。有些议会网上可以查，很多不行。就算技术上能查到，要正确解读这个数字，还得懂具体议会是怎么对不规则形状地块、转角地、弧形临街地块应用 ResCode 的。这种解读，只存在于城市规划师和有经验的买家中介脑子里，AI 的训练数据里一个字都没有。

「AI 会痛快地告诉你这块地有 700 平米,却不会告诉你后院横着一条排水 easement。而 plan of subdivision 上的那一条线,就是「能不能做第二套住所」的分界线。」 —— Joey Don,联合创始人兼 CEO,PremiumRea

## 山火区、高压线，和 AI 永远拿不到的数据

再列几个我工作中经常碰到的盲区——这些东西能让房产价值上下浮动五到六位数，但目前没有任何 AI 系统能检测出来。

**高压输电线。** 100 米以内有高压线的房产，在价值和吸引力上都有可测量的影响。关于潜在健康风险（尤其是儿童白血病风险）的研究争论了几十年也没有定论，但光是那种心理感受就已经影响买家和租客愿意付的价格了。几乎所有银行估价师都会把靠近输电线当作减分项。这段距离到底会让某一份估价打多少折，取决于具体的估价师和贷款机构，并没有公开的固定比例——谁给你一个确定的折扣数字，那都是猜的。

但问题是：输电线的精确走向——具体在街的哪一侧、到最近铁塔的距离多少、是从房子前面还是后面经过——没有任何标准化的可搜索数据集收录。你得亲自到现场看，查高分辨率航拍图，或者查电力分销商的资产地图（这些图 AI 根本没索引过）。

我们帮一位客户在 Glen Waverley 以 $1.3 million 澳元买了一套房。它距离一条主要高压输电走廊只有 79 米。这个距离把购买价格压低了大约 $150,000-$200,000，对比附近离输电线更远的同类房产。客户完全清楚自己在买什么、为什么买——他打算把它改造成 rooming house（分租屋），按房间出租。每周合计 $2,000 澳元的租金，对应 $1.3 million 澳元的买入价，算术上是 8% 的毛租金回报率，还没有扣掉改造成本、空置，以及 rooming house 本身持续的合规义务。这是他进场时的计划:用现金流来对冲资本增值受限的劣势。这是一个刻意设计的策略。但这个策略只有在你买之前就知道高压线在那里的前提下才成立。AI 是不会提醒你的。

**山火叠加层分级非常重要，差一级天壤之别。** Victoria 规划体系里区分 Bushfire Management Overlay (BMO) 和 Bushfire Prone Area (BPA) 两种。BMO 是严重级别——它会触发强制建筑标准（BAL 分级），可能阻止某些类型的开发，显著推高保险成本（每年保费经常要多 $2,000-$5,000 澳元），还可能让房产在风险规避型买家眼里变得难出手。

BPA 则轻得多——多数情况下不影响保险定价、不限制开发，对房价的实际影响也很小。但两者都叫「bushfire」，对外行人（或者处理自然语言的 AI 系统）来说，长得差不多。

AI 可能会告诉你某个城区「有一些山火风险」。它不会告诉你具体某套房在 BMO 还是 BPA，也不会告诉你它是不是处在叠加层边缘（小幅边界调整就可能改变划定），更不会告诉你这个叠加层是不是正被议会复核（这种事比一般人想象的要常见）。

**坡度和排水。** 在 Google Maps 上看起来平坦的地块——AI 也会把它描述成一块平整的郊区地——可能从前到后有 3 米的落差。这个落差改变了建筑成本、挡土墙需求、雨水排水工程的一切。一块有坡度的地，建筑成本可能比同一条街上同样大小的平地多 $50,000-$100,000 澳元。在 granny flat 项目上，平地和坡地的差别有时候就是一个项目能不能做下去的差别。

你没法从数据库里测坡度。你只能站在地上测。这些东西都不在 AI 的训练数据里。它们在那个每周都去现场走一遍的人的腿上和眼里。

## AI 会淘汰掉差的买家中介（这是好事）

有句话我作为一家买家中介机构的老板说出来可能有点反常识：AI 会让房产行业变得更好，因为它会干掉最底层的那批买家中介。我挺高兴的。

现在市面上有的买家中介，整套价值主张就是上 realestate.com.au 搜一搜、按城区和价格筛一筛、也许跑个最基础的可比成交分析，然后把一份候选清单和几句点评发给你。就这。这就是那个 $10,000-$15,000 澳元的服务。有些人甚至连自己推荐的房子都不去实地看——全靠房源照片和中介描述。

这些事 AI 免费就能做。而且做得更快、更一致，不会向你收购房价的百分比。这批人被淘汰是活该。他们提供的价值配不上收费。

但能活下来的那批——Optima 团队我是坚定地放在这一类里——靠的是任何训练数据集都不包含、任何 AI 模型都无法复制的街道级情报。我们知道 Boronia 主干道哪一侧是 800sqm 地块，哪一侧是 600sqm。我们知道 Casey Council 里哪位规划官对 granny flat 申请带小幅退界调整比较宽容，哪一位会让你同一件事改三遍再送回来。我们知道 Hampton Park 某条街暴雨后会局部淹水，尽管任何官方洪水叠加层里都没这条——因为我们见过围栏上的水痕，也跟住了 20 年的邻居聊过。

这种知识，来自多年里亲自看过几千套房子。来自和议会规划官的私交，他们会非正式地告诉你哪个申请大概率通得过。来自已经在同一个建商手上见过 50 栋房子同一种施工缺陷的建筑检查师。来自跟我们关系好的本地中介——他们在房子上市之前就打电话给我们，因为他们知道我们动作快、交割（settlement）不出岔子。

它也来自于犯错然后付代价。我买过有隐藏地役权的房子。我漏看过一个让建筑报价多了 $60,000 澳元的坡度。我推荐过一条街，后来发现三个街区外一个工厂在某些夜里开工会发出噪音。每一个错误都花了钱，换来的是任何数据集里都没有的知识。

AI 是一个工具。一个非常好得工具。我们自己也用——做数据聚合、市场趋势分析、初步城区筛选、报告总结。它每周给我们省好几个小时。但从「AI 辅助研究」跳到「AI 主导的购房决策」，就是普通人会被狠狠教育的地方。拿着三万英尺的 AI 分析做一个 $700,000 澳元的购房决定，就像根据一次 WebMD 搜索去做手术。信息并不算错，只是漏掉了一切真正重要的东西。

## 怎么在找房时正确使用 AI（不至于被坑）

我不是让你忽视 AI。那才叫蠢。我是让你用对它——搞清楚它擅长什么，更重要的是搞清楚它做不了什么。下面是我推荐的框架：

**用 AI 做宏观筛选。** 它在城区层面筛选上非常好用：人口增长率、就业数据、交通基建规划、历史价格走势、租金回报率均值、空置率数据、学校排名、犯罪统计。这些都是公开信息，AI 比你人工整理比较快得多。让它把你的注意力从 300 个城区收到 10-15 个候选。这个工作是真有价值的，它能帮你省下好几周的研究时间。

**不要用 AI 做微观筛选。** 从「这个城区看起来有戏」跳到「这条街这个门牌号在这个价位上是好标的」，需要的是 AI 根本没有也拿不到的数据：地块级别的分区边界、具体地块的叠加层状态、Certificate of Title 里的地役权位置、测绘图上的临街宽度、现场坡度和排水条件、高压线距离、议会对特定开发类型的态度，还有几十个跟现场有关的变量。这一块人工专业、本地知识和实地勘察是不可替代的。

**把 AI 的输出跟实地核查配对。** AI 说 Cranbourne 宏观数据看着不错，好，这是一个有用的起点。接下来，把目标区域的每一条街开一遍。对每一块你认真考虑的地，查规划叠加层地图。调 Certificate of Title，看地役权图。亲自到现场看——走一遍地块，看坡度，查高压线，注意邻居物业的状况。找议会规划部门聊聊他们会批什么、不批什么。给销售中介打电话，问那些房源描述里没回答的问题。

**如果你要用 AI，那就喂它更好的输入。** 与其问「我该在墨尔本哪里投资」，不如换成：「分析 Cranbourne、Hampton Park、Narre Warren 过去 12 个月的价格增长、租房空置率和州政府计划中的基建投入。对比这三个城区里 600sqm 以上地块独立屋的土地价格比。找出新建住宅审批和人口增长比例最低的那个城区。」问题有多具体，答案就有多靠谱。你喂 80 字节进去就得到 80 字节的回答。你喂一个结构化的、数据丰富的查询进去，得到的东西才可能有点用。

**永远别让 AI 做最终决策人。** 把它当成众多输入中的一个。我见过的最好的购房决定，都来自数据分析（AI 擅长）、本地市场知识（有经验的中介擅长）、实地勘察（你自己的眼睛和腿擅长），以及 conveyancer（过户律师）、建筑检查师、贷款经纪人的专业建议（持牌专业人士擅长）组合起来的结果。少了哪一项，你就是半盲飞行。

那位狗主人其实本能地懂这个道理。他没问 AI「怎么治我的狗」——这种泛泛的问题只会得到泛泛而无用的答案。他花了 $3,000 澳元拿到 320GB 针对这只狗的数据，再让 AI 处理人脑处理不了的东西。精确数据加上 AI 处理能力的组合，产生的结果是两者单独都做不到的。

你的购房决定是一场 $700,000 澳元赌你未来财务的下注。它配得上同样的严谨度。要么把机器喂对，要么干脆别用。

320GB 的数据救了一条狗。你人生最大的财务决定，至少值得同样的输入投入。

## 参考资料

1. [Victorian Planning Provisions,《Clause 32 — Residential Zones》，DELWP，2021 年。分区类别与开发标准。](https://planning-schemes.app.planning.vic.gov.au/Victoria%20Planning%20Provisions/ordinance)
2. [Land Use Victoria,《Certificate of Title — Easement Records》，2021 年。如何查询并解读产权调查。](https://www.propertyandlandtitles.vic.gov.au/)
3. [Victorian Building Authority,《ResCode — Clause 55 & 56 Standards》，2021 年。最小临街宽度与地块面积要求。](https://www.vba.vic.gov.au/building/rescode)
4. [Department of Environment, Land, Water and Planning,《Bushfire Management Overlay — Practice Note》，2021 年。](https://www.planning.vic.gov.au/policy-and-strategy/bushfire-planning)
5. [CoreLogic,《Property Profile Data Coverage》，2021 年。可用于自动化房产分析的数据集。](https://www.corelogic.com.au/products/property-data)
6. [Australian Bureau of Statistics,《Regional Population Growth》，2020-21 年。城区层面的人口估算。](https://www.abs.gov.au/statistics/people/population/regional-population/latest-release)
7. [City of Casey,《Planning Scheme — Overlay Maps》，2021 年。洪水、遗产与环境叠加层。](https://www.casey.vic.gov.au/planning-building/planning-scheme)
8. [Domain Group,《Suburb Profile Data — Cranbourne, Hampton Park, Narre Warren》，2021 年 Q1。](https://www.domain.com.au/suburb-profile/)
9. [Melbourne Water,《Flood Management Strategy — Port Phillip and Westernport》，2021 年。洪水区划定方法。](https://www.melbournewater.com.au/building-and-works/stormwater-management/flood-management-strategy)
10. [UNSW Newsroom,《CEO Uses AI to Design Cancer Treatment for Pet Dog》，2021 年。Rosie 基因组测序案例研究。](https://newsroom.unsw.edu.au/)

---

Source: https://premiumrea.com.au/zh/blog/chatgpt-property-advice-blind-spots-zoning-traps
Publisher: PremiumRea (Optima Real Estate) — Melbourne buyers agent