矩陣未來：房產經紀人還在為資訊雜亂而愁？你需要一個AI助手 | 創業

效率是人工智慧的必殺技。

面臨海量的資訊需要迅速整合、分析的時候，天才也會瞬間崩潰。所以，在大資料滿天飛的今天，依舊依靠人的大腦做資料整合的方式會讓很多行業的發展放慢腳步——我們亟待新的工作方式。

人工智慧的出現給予了這些高負荷的領域一個喘息的機會。在資訊整合、處理速度、工作記憶、客觀推理等方面，不知疲倦的人工智慧完全秒殺人類。藉助資料整合、智慧分析及自然語言生成等技術，人工智慧更能勝任處理海量資料中的那些需要耐心，精準推理，大量重複的工作，滿足人們端對端的資訊需求。基於此機遇，市面上已經出現了大量此類解決方案公司，多數涉及醫療、金融等行業。如今，新興科技公司矩陣未來帶來了更新鮮的 AI 應用——以人工智慧資料技術引擎為核心, 針對解決專業人士端對端的資訊需求，聚焦於房地產領域。

矩陣未來由畢業於斯坦福、清華、哥倫比亞大學、密蘇里大學等知名學府的團隊創立，致力成為領先的房產置業人工智慧資料綜合解決方案提供商。其旨在通過資料整合引擎、智慧分析引擎以及自然語言生成引擎，由 AI 完成篩選資訊、整合資料並結構化呈現關鍵資訊的工作，幫助專業人士抵禦資訊過載，輔助其快速理性決策。

矩陣未來 CEO 張通達介紹，房地產行業目前就有典型的資訊紛繁冗雜、人工成本高昂、整合效率低下的特點。“尤其是海外房產領域，文件處理的自動化程度比較低。房產資料整理和稽核這個環節，就是比較靠人工耗時耗力從業者。”他說。

據悉，美國房產的整個銷售流程大量依賴於經紀人和買家、經紀人與賣家線上下場景的溝通和交流。然而房產資訊紛繁冗雜，涵蓋領域廣泛，導致人工整理資訊成本極高。如，美國的房地產的店鋪需要花費大量時間，做機械、重複的資訊整理搜尋，然後再做總結工作。由於海外房產的生活和投資資訊更依賴於當地社群，地方性很強，很小的地方會有不同的資料，所以人工整理資料不但比較耗時間精力，而且極容易出錯。“如果出現資訊紕漏問題，不僅影響口碑，而且海外監管嚴厲的情況下，還有導致一些處罰。”

不過，隨著近 10 年來美國房產線上資訊平臺發展迅速，上述問題有所改善，但也只是解決了購房者線上資訊初篩的痛點，房產經紀人的線下銷售道具並未得到更多更新。“因此，一個可輔助房產經紀對線下場景的銷售材料進行整合分析的工具，是很強烈的需求。”張通達說。

因此，矩陣未來希望藉助人工智慧，為房產經紀人打造一個強有力的智慧大腦。其解決方案主要包含資料整合、篩選分析、決策資料呈現三個層面。據張通達介紹，在搜尋框輸入房產地址之後， 3-10 分鐘機器自動生成中英文雙語報告，包含房屋預期增長率、周邊人口情況統計、短租長租租售比等資訊，服務於房產經紀人及專業投資者。

成立於 2017 年的矩陣未來，目前已經與海外一些類似於國內房管局的大型機構建立了合作關係。“我們其實在去年已經實現了自負盈虧。”張通達透露到，通過為 B 端客戶提供方案，再收取相關服務服的商業模式，矩陣未來一直在積極自我造血。融資方面，目前，其已經完成了中信雲網有限公司的天使輪融資。

“我們把自己定位為AI垂直行業的應用，簡單說是用新技術去滿足一些老需求。”說起競爭力表現，張通達覺得理解行業、能夠落地行業就是壁壘。“最新的科研成果、演算法原理都是公開的。我覺得壁壘主要是對一個場景的理解。”他說。

據其張通達介紹，該行業的大公司一般不願意把資料共享出來的，而且他們有自己專門的技術部門，所以創業公司如果要直接去取代它裡面的一些工作流程是非常難的。此外，對於房地產的小 B 端客戶來說，其對不可以直接帶來客流的方案，付費意願很低，這會導致整個客單價很低。“所以找到一個場景是客戶願意付錢，而且是標準化的非常重要。”他說。對此，矩陣未來選擇通過和大型B端企業完成聯合開發和推廣，而不是“取代”。目前，張通達認為，從市場反饋來看，這樣的模式效果比較理想。