克日，，复旦大学经济学院举行“南土国际金融政策圆桌会第13期”暨“迎接AI时代系列”第2期
。。
。本次聚会以“人工智能希望及对金融业的影响与思索”为主题，，围绕人工智能手艺演进、工业应用场景、金融行业厘革、风险治理与人才作育等问题睁开讨论
。。
。粤浦科技工业生长集团助理总裁兼上海总司理韩毓祥在讲话中指出，，AI与古板资产并非相互遥远，，越是在房地产和存量资产承压的配景下，，古板行业越需要通过新手艺提升效率和价值
。。
。

韩毓祥以为，，讨论“AI+地产”“AI+园区”不可停留在看法包装层面
。。
。企业真正体贴的不是是否使用了大模子、智能客服或天生式工具，，而是AI能否切实提高资产回报、降低运营本钱、改善融资效率
。。
。AI赋能古板资产的价值，，应当由可剖析的数据、可实验的方案和可验证的效果来磨练
。。
。

围绕古板资产运营，，他提出三类典范AI应用场景：一是数据增信和金融资源设置
。。
。通过客流、租金、能耗、商户谋划和物业治理等数据辅助金融机构判断资产质量；；二是商业空间动态优化
。。
。使用人流轨迹和消耗行为识别冷区、热区，，优化租金定价和业态结构；；三是AI辅助治理
。。
。通过AI识外传感器数据异常模式，，优化能耗和运营治理，，并有用镌汰人为应付审核和巡检形式化问题
。。
。

他强调，，AI对古板工业的真正意义，，不是替失败的营业逻辑认真，，也不是用新看法包装旧模式，，而是让数据进入资产运营、风险定价和效果治理的真实环节
。。
。从“砖头”到“芯片”，，要害在于让AI深入工业自己，，资助老行业解决真实问题
。。
。

以下为韩毓祥讲话全文（已经自己审定）：

很是谢谢
。。
。适才张军平先生讲了一个很是大的手艺图谱，，花蕾博士讲了AI时代人与人、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
。。
。

我已往二十多年主要从事地产投资、股权投资、地方财务、工业和商业资产运营等事情
。。
。这些领域听起来都和水泥、砖头有关，，似乎离AI很远
。。
。但正由于房地产和种种存量资产这几年一连承压，，古板行业才更需要转变
。。
。我的问题是：在房地产这样的古板支柱行业走弱之后，，AI能不可真正对它赋能，，让价值重新回到古板市场，，而不是只停留在看法包装上？？？？？

已往我看过许多“AI+地产”“AI+园区”的方案
。。
。坦率说，，其中不少只是套壳方案，，把古板方案套一个AI外壳，，看起来拥抱了先进手艺，，但现实并没有显著提升运营效率和资产回报
。。
。许多地方引入智能客服、豆包、deepseek等AI工具，，更多是为了包装形象或应付审核，，并没有真正改变生产和运营
。。
。企业真正体贴的是：AI究竟怎样资助提升资产回报、降低本钱、提高效率？？？？？

在最先谈AI助力资产治理之前，，我们首先来看下房地产市场自己的规模和影响
。。
。

以2020年为例，，昔时全领土地和房地产相关税收加上土地出让收入，，合计10.4万亿元，，约占昔时地方政府综合财务收入的50%
。。
。家庭财产方面，，种种视察显示住宅资产占中国家庭财产的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
。。
。房地产及上下游修建业合计吸纳约7000万人，，占天下非农就业的15%
。。
。

但房地产行业自2021年起已一连多年下滑
。。
。政府卖地收入缺乏峰值5成，，房地产销售金额回落到2015年水平
。。
。古板的"砖头"在贬值，，这是现实
。。
。怎样用好"芯片"带来新的财产增添，，这是我们面临的新问题
。。
。

凯时AG视察来自过往实践，，分三个维度来谈
。。
。

1、数据增信：让金融敢贷、包管敢降

这个感悟来自园区的现实运营
。。
。

我们在园区内布设了大宗传感器，，实时收罗职员收支、车辆物流、水电能耗等谋划数据
。。
。最初只是为了日常治理，，但很快发明了一套意料之外的信用逻辑
。。
。

银行端： 由于能实时掌握企业的真实谋划状态，，银行对中小企业的无典质贷款额度，，从原来手机APP申请的100-200万元，，提升到了500万元
。。
。银行不是变大方了，，而是数据的网络和剖析有用镌汰企业和银行之间的信息差池称，，降低了风险溢价
。。
。

包管端：谋划状态可监控、火灾隐患可预判，，包管费率最高下降了90%
。。
。

古板银行发放贷款，，主要看典质物和主体信用
。。
。但许多中小企业既没有足够典质物，，也缺乏完善报表和有用信用纪录
。。
。通过AI把日凡人流、物流、租金、能耗等谋划数据结构化，，并用于风险定价，，就能资助金融机构更准确判断资产质量，，改善中小企业融资效率
。。
。

2、动态优化：助力商业资产提升

这个案例来自我此前在万达认真集团200多个阛阓资产治理的履历
。。
。

以阛阓为例，，招商和铺位结构已往很依赖履历
。。
。运营者会预判哪些区域是热区，，哪些是冷区，，但现实人流会随着时间、品牌、业态和消耗偏好转变而转变
。。
。现在通过手机定位、WiFi或其他信号，，可以大致描绘消耗者在阛阓内的行动轨迹
。。
。一个阛阓天天可能有三四万人，，所有轨；；阕芎，，就可以重新界说冷区和热区
。。
。

这个发明带来了两层优化：

一是租金重定价
。。
；；谡媸等肆鞫锹睦浪，，整体资产估值随之上升
。。
。二是业态精准匹配
。。
。我们发明差别行业对人流的敏感度截然差别——快消、餐饮与人流高度正相关；；珠宝、奢侈品则相对不敏感
。。
。于是我们把人流敏感型业态放旺区，，把不敏感型业态放冷区
。。
。效果是：前者营业额上升，，后者下降不显着，，整体租金收入反而提高了
。。
。

已往这套调解完全靠履历和人工，，一个周期要1.5到2年，，且无法跨都会复制
。。
。AI介入之后，，实时数据收罗成为可能，，动态调解从"事后总结"酿成了"实时响应"
。。
。AI让商业资产从静态的砖头，，酿成了动态的、可提升的有用资源
。。
。

3、辅助治理：效果为导向的治理优化

阛阓内部有大宗传感器，，包括温度、湿度、二氧化碳浓度、客流计数等
。。
。总部往往希望节能降耗，，地方项目也碰面临审核压力
。。
。但现实中保存许多“应付审核”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、气球过传感器等人为方式刷客流数据
。。
。已往这类作弊问题主要靠人工抽查和举报，，总部实时发明这些问题并禁止易
。。
。

AI进入后，，可以从海量传感器数据中识别异常模式
。。
。它不再是“人盯人”抓作弊，，而是从数据异常中发明问题
。。
。传感器读数突然转变、某个时段客流异常、巡检路径过于机械，，都可能被模子识别出来
。。
。好比已往巡检需要到现场扫码，，但有人可能把二维码拍下来放在桌上，，一分钟扫完所有点位
。。
。这样的模式在已往并禁止易觉察，，可是通过AI的大数据处理，，问题萌发初期就能获得有用阻止
。。
。

因此，，判断AI是否有价值，，不可看它是不是用了大模子、用了智能客服或天生了报告，，而要看它是否降低本钱、提高效率、提升资产价值
。。
。手艺要服务于效果导向
。。
。AI不可替身类的无能和失败认真，，最终的价值导向、效果导向和责任肩负仍然将落地到人身上
。。
。

最后做个总结
。。
。AI对古板资产有三方面价值：一是数据增信，，让数据成为风险定价基
。。
；；二是动态优化，，让存量商业资产通过更精准运营实现价值提升；；三是辅助治理，，让手艺服务于本钱控制和效果验证
。。
。数据要能剖析，，剖析要能实验，，效果要能验证
。。
。从砖头到芯片，，不是用一个看法去包装古板工业，，而是让AI真正深入工业自己，，资助老行业解决真实问题
。。
。

本文系视察者网独家稿件，，未经授权，，不得转载
。。
。

传承友谊，，见于现实
。。
。今年以来，，中朝职员往来一直传来好新闻
。。
。3月尾，，双方公路、铁路、航空已实现周全复通；；5月初，，新一拨中国留学生抵达平壤，，在金日成综合大学等高校？？？？袅粞
。。
。