起源：被菲律宾扣押的钢铁厂中国公民获释作者： 许育海：

粤浦科技韩毓祥：AI对传统资产有三方面价值

近日，复旦大学经济学院进杏装南土国际金融政策圆桌会第13期”暨“迎接AI时期系劣妆第2期
。本次会议以“人为智能进展及对金融业的影响与思虑”为主题，萦绕人为智能技术演进、产业利用场景、金融行业刷新、风险治理与人才造就等问题发展会商
。粤浦科技产业发展集团助理总裁兼上海总经理韩毓祥在讲话中指出，AI与传统资产并非彼此遥远，越是在房地产和存量资产承压的布景下，传统行业越必要通过新技术提升效能和价值
。

韩毓祥以为，会商“AI+地产”“AI+园区”不能停顿在概想包装层面
。企业真正关切的不是是否使用了大模型、智能客服或天生式工具，而是AI能否切实提高资产回报、降低运营成本、改善融资效能
。AI赋能传统资产的价值，该当由可分析的数据、可执行的规划和可验证的了局来检验
。

萦绕传统资产运营，他提出三类典型AI利用场景：一是数据增信和金融资源配置
。通过客流、租金、能耗、商户经营和物业治理等数据辅助金融机构判断资产质量；二是贸易空间动态优化
。利用人流轨迹和消费行为鉴别冷区、热区，优化租金定价和业态布局；三是AI辅助治理
。通过AI鉴别传感器数据异常模式，优化能耗和运营治理，并有效削减报答理酬查核和巡检大局化问题
。

他强调，AI对传统产业的真正意思，不是替失败的业务逻辑掌管，也不是用新概想包装旧模式，而是让数据进入资产运营、风险定价和了局治理的真实环节
。从“砖头”到“芯片”，关键在于让AI深刻产业自身，援手老行业解决真实问题
。

以下为韩毓祥讲话全文（已经自己鉴定）：

极度感激
。刚才张军平教员讲了一个极度大的技术图谱，花蕾博士讲了AI时期人与人、人与职业之间的关系
。我想从另一个角度谈一谈AI和“砖头”之间的关系
。

我从前二十多年重要从事地产投资、股权投资、处所财政、产业和贸易资产运营等工作
。这些领域听起来都和水泥、砖头有关，似乎离AI很远
。但正由于房地产和各类存量资产这几年持续承压，传统行业才更必要变动
。我的问题是：在房地产这样的传统支柱行业走弱之后，AI能不能真正对它赋能，让价值重新回到传统市场，而不是只停顿在概想包装上？

从前我看过好多“AI+地产”“AI+园区”的规划
。率直说，其中不少只是套壳规划，把传统规划套一个AI表壳，看起来拥抱了先进技术，但现实并没有显著提升运营效能和资产回报
。好多处所引入智能客服、豆包、deepseek等AI工具，更多是为了包装形象或应酬查核，并没有真正扭转出产和运营
。企业真正关切的是：AI到底怎么援手提升资产回报、降低成本、提高效能？

在起头谈AI助力资产治理之前，我们首先来看下房地产市场自身的规模和影响
。

以2020年为例，昔时全河山地和房地产有关税收加上地皮出让收入，计算10.4万亿元，约占昔时处所当局综合财政收入的50%
。家庭财富方面，各类调查显示住宅资产占中国度庭财富的7~8成，城镇住房市值476万亿，是同期GDP的4.7倍
。就业端更直接
。房地产及高低游构筑业计算吸纳约7000万人，占全国非农就业的15%
。

但房地产行业自2021年起已陆续多年下滑
。当局卖地收入不及峰值5成，房地产销售金额回落到2015年水平
。传统的"砖头"在贬值，这是现实
。若何用好"芯片"带来新的财富增长，这是我们面对的新问题
。

k8凯发天生赢家观察来自过往实际，分三个维度来谈
。

1、数据增信：让金融敢贷、保险敢降

这个感悟来自园区的现实运营
。

我们在园区内布设了大量传感器，实时采集人员进出、车辆物流、水电能耗等经营数据
。最初只是为了日常治理，但很快发现了一套意料之表的信誉逻辑
。

银行端： 由于能实使仄握企业的真实经营情况，银行对中幼企业的无抵押贷款额度，从原来手机APP申请的100-200万元，提升到了500万元
。银行不是变风雅了，而是数据的网络和分析有效削减企业和银行之间的信息不合称，降低了风险溢价
。

保险端：经营情况可监控、火警隐患可预判，保险费率最高降落了90%
。

传统银行发放贷款，重要看抵押物和主体信誉
。但好多中幼企业既没有足够抵押物，也不足美满报表和有效信誉纪录
。通过AI把日常人流、物流、租金、能耗等经营数据结构化，并用于风险定价，就能援手金融机构更正确判断资产质量，改善中幼企业融资效能
。

2、动态优化：助力贸易资产提升

这个案例来自我此前在万达掌管集团200多个商场资产治理的经历
。

以商场为例，招商和铺位布局从前很依赖经验
。运营者会预判哪些区域是热区，哪些是冷区，但现实人流会随着功夫、品牌、业态和消费偏好变动而变动
。此刻通过手机定位、WiFi或其他信号，能够大体描述消费者在商场内的行动轨迹
。一个商场每天可能有三四万人，所有轨；阕芎，就能够重新界说冷区和热区
。

这个发现带来了两层优化：

一是租金重定价
；谡媸等肆鞫蔷楣浪，整体资产估值随之上升
。二是业态精准匹配
。我们发现分歧业业对人流的敏感度截然分歧——快消、餐饮与人流高度正有关；珠宝、奢侈品则相对不敏感
。因而我们把人流敏感型业态放旺区，把不敏感型业态放冷区
。了局是：前者交易额上升，后者降落不显著，整体租金收入反而提高了
。

从前这套调整齐全靠经验和人为，一个周期要1.5到2年，且无法跨城市复造
。AI染指之后，实时数据采集成为可能，动态调整从"过后总结"造成了"实时响应"
。AI让贸易资产从静态的砖头，造成了动态的、可提升的有效资源
。

3、辅助治理：了局为导向的治理优化

商场内部有大量传感器，蕴含温度、湿度、二氧化碳浓度、客流计数等
。总部往往但愿节能降耗，处所项目也会晤对查核压力
。但现实中存在好多“应酬查核”的做法
。例如把冰水或湿毛巾放在温度传感器旁边，使温度数据看起来达标；或者通过鸡蛋引流、气球过传感器等报答方式刷客流数据
。从前这类舞弊问题重要靠人为抽查和举报，总部实时发现这些问题并不容易
。

AI进入后，能够从海量传感器数据中鉴别异常模式
。它不再是“人盯人”抓舞弊，而是从数据异常中发现问题
。传感器读数忽然变动、某个时段客流异常、巡检蹊径过于机械，都可能被模型鉴别出来
。好比从前巡检必要到现场扫码，但有人可能把二维码拍下来放在桌上，一分钟扫齐全数点位
。这样的模式在从前并不容易发觉，但是通过AI的大数据处置，问题萌发初期就能得到有效遏造
。

因而，判断AI是否有价值，不能看它是不是用了大模型、用了智能客服或天生了汇报，而要看它是否降低成本、提高效能、提升资产价值
。技术要服务于了局导向
。AI不能替身类的无能和失败掌管，最终的价值导向、了局导向和责任承担依然将落地到人身上
。

最后做个总结
。AI对传统资产有三方面价值：一是数据增信，让数据成为风险定价基
；二是动态优化，让存量贸易资产通过更精准运营实现价值提升；三是辅助治理，让技术服务于成本节造和了局验证
。数据要能分析，分析要能执行，了局要能验证
。从砖头到芯片，不是用一个概想去包装传统产业，而是让AI真正深刻产业自身，援手老行业解决真实问题
。

本文系观察者网独家稿件，未经授权，不得转载
。