每个行业都声称自己是“人工智能驱动的”，房地产行业也不例外。从自动评估到智能聊天机器人，这个承诺听起来不可抗拒：为机器提供足够的数据，它就能精确预测房地产价格。

但这里有一个大多数人不会大声说出的真相——即使拥有最好的GPU、数据科学家和算法，人工智能也无法可靠地预测房地产价格，尤其是在像迪拜这样动态的市场中。让我们来探讨一下原因。

1. 验证问题：过去并不遵循规则

你无法在尚未发生的未来上测试模型。常见的解决方法——基于历史数据的回测在房地产领域是行不通的。

与股市不同，房地产市场是非平稳的：规则不断变化。政府政策的变化、移民激增或全球冲击意味着基于2015-2019年数据训练的模型在2020年将毫无用处。

问题不仅在于反馈循环缓慢；而在于过去并不是未来的可靠指南。使用这样的模型就像在向前驾驶时盯着后视镜。

2. 不可预测的供应冲击：2024年的例子

考虑一下迪拜的期房推出。在2023年，市场上推出了89,290个新单元。任何在那个时候基于历史数据训练预测模型的人都没有依据来预测接下来会发生什么。

在2024年，新推出的单元激增至167,588个，增长88%。

有人可能会争辩说，推出并不等于交付，许多期房在3-5年内不会交付。没错。但这完全没抓住要点。问题不在于预测交付；而在于预测开发商行为和市场情绪。没有哪个算法能预见到这次推出的激增，因为它是由开发商信心、监管变动和资本流动推动的，而这些因素都不遵循历史模式。

迪拜的供应端动态无视历史推断。

3. 甚至巨头也失败了：Zillow和Opendoor的教训

像Zillow和Opendoor这样的全球领导者花费了数亿来构建价格预测引擎。他们拥有庞大的数据、顶尖的人才和深厚的资本。

结果呢？数十亿的损失。Zillow在多次错误定价后关闭了其“Zestimate”购房单位。

批评者可能会说Zillow的失败是关于iBuying（实际购买房屋），而不仅仅是预测。但这个区别加深了论点：即使在数十亿美元的压力下，并且有充分的动机去做好预测，他们也做不到。如果在透明、成熟的市场中，具有实际利益的公司在估值（今天定价一套房子）上失败，那么在像迪拜这样快速变化的市场中，任何人在预测（明年定价一套房子）上又有什么机会呢？

4. 人为因素：黑箱问题

即使是最复杂的算法，如XGBoost、梯度提升机、随机森林，也依赖于对供应、利率和需求的人为假设。如果这些假设错误，输出将崩溃。

但人工智能带来了更深层次的风险：黑箱。

模型可能会学习到虚假的关联，将其 flawed logic 隐藏在创造者面前。人工智能并不能看到现实；它看到的是统计模式。它不是水晶球，而是一面反映其数据和创造者偏见与盲点的镜子。

5. 缺乏人口细分

有效的预测需要详细的人口洞察，包括年龄分布、生活方式偏好、购买模式和家庭组成。没有这些细致的输入，人工智能模型无法捕捉到关键的市场细微差别。

在迪拜，这些人口数据要么是支离破碎的，要么是不可用的。模型无法区分年轻专业人士寻找单间公寓的需求与家庭寻找别墅的需求，或区分最终用户与投资者。这种人口盲点导致根本性错误的预测。

6. “垃圾进，垃圾出”规则

没有哪个模型能超越其数据。

在迪拜，数据在开发商、期房推出和私人转售记录中是支离破碎的。没有一致、经过验证的真实数据，实际交易数据而不是报价，模型就会开始在噪声中检测模式。

结果是精确而不准确：一个计算到小数点后六位的数字，实际上毫无意义。

7. 对收入和购买力的洞察不完整

迪拜的房地产市场缺乏关于买方收入水平、就业状态和整体购买力的官方集中数据。此外，没有透明的首次购房者、抵押贷款违约、非居民投资者比例或买方国籍的追踪。这些遗漏给任何人工智能模型带来了重大盲点：

未知的首次购房者指标

首次购房者对需求模式的影响与重复或资深投资者不同。没有进入市场的首次购房者数量的统计，人工智能算法在预测买方行为时会遇到困难。

对止赎的模糊性

止赎可能会用受困物业淹没市场，影响价格。然而，缺乏公开的抵押贷款违约数据意味着人工智能预测可能会错过对物业价值施加的潜在下行压力。

未跟踪的非居民投资者

许多在迪拜的房地产交易涉及国际买家。然而，没有官方的年度非居民投资者数量细分，使得评估外部需求波动变得困难。

缺失的买方国籍数据

一个常见的误解是：许多人认为迪拜发布买方国籍数据。实际上并没有。现有的只是来自Ejari租赁合同的租户国籍数据，完全是不同的数据集。不同国籍的文化和监管因素影响物业偏好。没有官方的买方国籍记录，任何需求细分或人口建模都是根本不完整的。

没有收入/就业数据库

收入水平和就业率是许多房地产市场的核心指标，在迪拜根本没有公开的数据，这给准确的可负担性分析带来了进一步挑战。

8. 人工智能颠覆的变数

这里有一个深刻的讽刺：当我们讨论人工智能预测房地产价格的能力时，我们都在关注人工智能应用如何重塑就业市场本身。

人工智能会创造新工作还是取代现有工作？经济学家们对此意见不一，结果仍然具有真正的不确定性。但在迪拜，这个以服务为导向的经济体和大量外籍劳动力的城市，风险尤其高。如果人工智能取代了大量劳动力，对可负担物业的需求可能会发生剧烈变化。如果人工智能创造了新的高薪职位，奢侈品需求可能反而会激增。

这种循环依赖——我们要求预测市场的技术可能同时在重塑市场——又增加了一个当前模型无法考虑的变量。这不是确定性；它是一个变数。而变数，按定义来说，打破预测模型。

9. 验证悖论：低流动性，高风险

房地产交易的流动性本质上比金融市场低。一个物业每5-10年可能只转手一次，这意味着反馈循环是以年为单位，而不是以天为单位。

考虑一个类比：企业软件公司在新版本的Oracle数据库证明在生产环境中稳定之前不会升级。他们等待、测试和验证。失败的成本太高，不值得信任一个未经验证的系统。

有人可能会争辩说软件验证与市场预测不同。但基本原则是相同的：高风险决策需要有证明的记录。数据库崩溃会导致数百万的损失；错误的房地产投资可能会让一个家庭失去毕生积蓄。

那么，我们应该如何对待一个首创的人工智能模型，它在一个验证需要多年的资产类别中进行预测？我们无法确认一个模型的2024年预测是否准确，直到2027年或之后，而到那时市场条件已经完全改变。

这种验证悖论让我们更有理由怀疑人工智能的预测，而不是信任它们。等待验证的行为本身就削弱了预测的目的。

10. 成熟市场论点：估值≠预测

批评者可能会说：“但在澳大利亚或美国，人工智能价格预测相当准确。”

这混淆了估值（现在的价值）与预测（明年的价值）。正如Zillow的例子所证明的，即使是大规模估值也是极其困难的。

成熟市场拥有数十年的标准化数据，能够实现更稳定的模型，但情绪、政策变化和投资者心理仍然主导着价格——这些力量没有哪个算法能够完全学习或预测。

11. 并非所有人工智能都无望，只是应用不当

明确一点，人工智能在房地产的许多领域已经增添了价值：

•      照片增强和内容识别

•      从图像生成自动物业描述

•      理解人类查询的自然语言搜索

•      智能线索路由和经纪人绩效跟踪

这些应用使房地产变得更智能，而不是预言性的，这种区分非常重要。

12. 什么比预测更有效

在DXBinteract，我们认为更聪明的道路不是预测未来，而是以无与伦比的清晰度理解现在。

我们的市场情报框架专注于：

•      实时交易分析

•      收益压缩信号

•      价格与租金的差异

•      市场在售天数（DOM）指标

•      出价疲软指标

这些并不预测价格。它们揭示了市场的强度和方向，使投资者能够基于证据而非猜测采取行动。

13. 诚实投资者的优势

当其他人追逐预测幻想时，成功的投资者始终坚守永恒的基本原则：

•      土地是有限的。

•      人口在增长。

•      供应调整需要时间。

理解这些常量，而不是将判断权外包给黑箱，区分了战略投资者与投机者。

 

最后的想法

人工智能正在改变房地产，但并不是像预言家所承诺的那样。它的真正力量在于效率、透明度和洞察，而不是预言。

在DXBinteract，我们不销售预测。我们建立理解。

我们以清晰、真实和数据驱动的信心来赋能投资者。

真正的智慧不是人工生成的——而是显现的。