中房学“十五五”AI规划深度剖析：资深估价师的实战心得与洞察

当行业将“数智化”纳入五年规划，估价师的新征程才正式启动

2025年12月26日，中国房地产估价师与房地产经纪人学会（简称“中房学”）举办第五届会员代表大会，新任会长姜万荣以《融入发展大局 筑牢专业根基 推动高质量发展》为题，为未来五年指明方向。次日，2025房地产估价年会在北京举行，主题聚焦“推动房地产估价高质量发展”。在这两次关键会议上，“人工智能”“数智化”“人机协同”被频频提及——AI已不再是少数机构的实验工具，而是正式融入行业顶层战略。

作为一名深耕估价领域多年、近期自主构建了「房地产估价报告审核专家」的实践者，我想结合政策文本与一线经验，分享自己的解读。本文分为三个部分：首先梳理中房学“十五五”规划中AI部分的五大关键信号，接着以资深估价师视角提出三点深入思考，最后分享我搭建此专家系统的实战记录。

将姜万荣会长发言、2025估价年会嘉宾观点，以及智地平台“十五五”论坛的行业分析综合起来，可以提炼出五个逐步递进的关键信号。

中房学“十五五”AI估价战略 · 五维框架 从战略到治理，五个层次递进 01 数智化转型 构筑大数据基础，运用机器学习、深度神经网络开发新型估价模型 战略层 02 人机协同 AI承担效率，估价师负责决策；定位为“超级助理”而非“取代者” 范式层 03 垂类模型 打造房地产估价专用模型，将专业经验转化为可计算的规则 技术层 04 角色升级 从“价值发现”到“价值管理、价值提升、风险管控”，向咨询顾问转型 价值层 05 边界规范 明确应用场景、边界与准则，数据安全与信用建设是绝对底线 治理层

图1 中房学“十五五”规划AI估价战略五维框架

1数智化转型成为行业战略，不再是“选择题”

姜万荣会长在讲话中明确，要引领行业在“绿色低碳转型及数字化发展等重大战略部署中明确位置”，并要求“创新估价、经纪继续教育模式，对接城市更新等新领域、数字化转型新场景”。在自律管理方面，他提出“整合专业技术评审、报告抽查、专项检查与大数据风险监测”。

留意“大数据风险监测”这一提法——它表明中房学在自律管理中，已计划用数据化手段代替传统人工抽查。对机构的启示是：如果监管方都在推进数智化，被监管方仍沿用传统手工方式，差距只会日益扩大。

智地平台“十五五”论坛上，瑞联平台副总经理曹亚琨的解读更为直接：“规划鼓励服务业数智化，估价行业应积极构建大数据基础，采用机器学习、深度神经网络等技术开发先进估价模型。”——这里出现了“机器学习”“深度神经网络”等具体技术名词，显示行业对AI的理解已从“是否采用”深入到“如何采用”。

2人机协同成为基本模式，AI定位为“超级助理”而非“取代者”

这是年会上最普遍的共识。中房学副会长、上海财经大学副校长姚玲珍指出：

“优化传统估价方法，应融合经济分析手段与现代计量模型，采用人机协同评估模式。通过借助AI技术提高估价效率，同时辅助估价师处理特殊案例研判等复杂工作。” ——姚玲珍 中房学副会长、上海财经大学副校长

厦门均达董事长李秀荣的表述更贴近实际：“AI技术是房地产估价师的工具而非替代者，AI可高效完成基础任务，释放估价师精力，推动其向咨询师、整体方案提供者转型。”瑞联论坛的总结则更简洁：“实现估价师专业判断与AI系统的紧密协同。”

将这些观点串联起来，行业对AI的定位非常明确：AI负责“效率”，估价师负责“判断”。基础性、重复性的工作由AI处理，估价师将节省的精力投入AI无法完成的复杂判断、定制咨询和综合方案。这个定位，与58同城CTO在经纪年会上提出的“AI不是来取代经纪人的，而是要成为他们的‘超级助理’”完全一致。

3通用大模型不足，行业需要“估价垂类模型”

姚玲玲副会长在年会上有一个特别值得关注的判断：“AI冲击下需开发房地产估价垂类模型。”

“垂类模型”这一术语很关键。它表明行业已清醒认识到：通用大模型（无论是ChatGPT还是文心一言）无法解决估价的核心问题。估价拥有自己的专业术语（最高最佳利用、资本化率、剩余法）、规范体系（GB/T 50291）、数据结构（案例库、基准地价、可比实例）和判断逻辑（三大基本方法及衍生方法）。这些“专业知识”若不输入模型，模型提供的只能是泛泛之谈。

这为所有估价机构指明了一条路径：谁能将自身多年积累的估价经验、案例数据和审核规则沉淀为专用模型，谁就掌握了AI时代的竞争优势。这也是我为何选择先做「报告审核专家」、而非直接做「自动估价系统」的根本理由——后文会详细说明。

4角色升级——从“估价师”到“顾问咨询”

瑞联论坛对“十五五”规划影响有一句精炼判断：“十五五规划将推动估价行业的服务范围从传统的‘价值发现’向‘价值管理、价值提升、风险管控’全面扩展，从‘估价师’向‘顾问咨询’角色转变。”

这个判断与年会上多位嘉宾的观点相呼应：

深圳国房董事长杨丽艳：估价师沿“估价师—资产医师—长期健康顾问”路径发展，“主动借助AI，参考AI提供的答案，自己专注于AI难以完成的定制化、整合式、陪伴式服务”。

戴德梁行胡峰提到要拓展“ESG、人工智能等新兴服务领域”；永业行潘世炳强调“以全要素评估延伸全链条服务”。换句话说：过去估价师的核心产出是“一份报告中的数值”，未来的核心产出是“贯穿资产全生命周期的价值管理方案”。AI将“出具报告”的成本大幅降低后，估价师的真正价值将从“计算一个数字”转向“协助客户运用这个数字”。

5AI有边界，应用需规范，中小机构切勿盲从

中房学年会征文将“AI等新技术的角色、应用场景、边界与规范”作为选题方向，“边界与规范”四字分量十足——这表明行业已预见AI滥用可能带来的风险（数据泄露、结论不可追溯、责任主体模糊等）。

年会上也有理性的声音。苏州天元徐进亮直言：“中小机构应避免盲目投资数字化、AI等领域。”这不是打击，而是现实。AI不是购买软件就能使用的，它需要数据、场景和持续的规则迭代，这些都需资金和人才支撑。没有清晰的战略和落地路径，盲目投入AI只会变成“烧钱无果”。合规层面，瑞联论坛也指出：“合规运营、数据安全与信用建设成为估价行业不可逾越的红线。”——估价业务天然涉及客户隐私、商业秘密、金融风险数据，AI应用一旦在数据安全上出现问题，后果将是毁灭性的。

解读完政策，我想以一名在估价一线奋斗多年的“老兵”身份，补充三点可能不中听但更接近现实的观察。

行业内一直存在焦虑：AI会取代估价师吗？我的判断是——AI不会取代估价师，但善于运用AI的估价师，会取代不运用AI的估价师。

更准确地说，AI取代的不是“估价师”这个职业，而是估价师工作中那些“不值得专业人士去做”的部分：翻阅案例、套用模板、查找规范、核对格式、比对参数……这些工作占用了估价师大量时间，却不产生核心价值。AI接手这些“体力活”后，估价师反而被迫面对一个本质问题：客户为何需要我？答案不在“计算数值”里，而在“协助客户决策”中。这正是中房学反复强调“从估价师向顾问咨询转变”的深层原因。

如今许多机构一谈AI就想着“我要训练一个大模型”，这是技术视角的误区。对估价行业而言，真正稀缺的不是算力或算法，而是沉淀在资深估价师头脑中的判断规则：

什么情况下比较法的结果可信、什么情况下需要调整？抵押评估中，哪些区域的成交价有“异动”需要修正？一份报告的“估价假设限制条件”写得过宽还是过窄？特殊用途物业（厂房、酒店、养老地产）的资本化率取值区间如何确定？

这些规则，过去只存在于估价师的“经验”中，靠师徒口耳相传。AI时代的机遇在于：谁能将这些“隐性知识”显性化、规则化、可计算化，谁就建成了真正的垂类模型。而这项工作，技术团队无法完成，只能由懂估价的资深估价师主导。这也是为什么我认为，AI时代资深估价师的价值不是被削弱，而是被放大。正是基于这个信念，我亲手搭建了一个「房地产估价报告审核专家」——将团队多年积累的审核规则与案例，转化为能对话、能审报告的专家系统，后文详述。

年会上多位嘉宾提到“构建自有数据库”“数据基础”。这话正确，但容易误导中小机构。建一个可用的估价数据库，投入是庞大的。中小机构与其追求“大而全”的数据库，不如先从“小而专”的场景数据入手——比如本机构最熟悉的某个业态、某个区域、某类业务的历史案例和审核规则。先把一个具体场景的AI应用跑通，比建一个无法使用的数据库有价值得多。

基于以上判断，我自己动手从零搭建了一个「房地产估价报告审核专家」。它不是从市面上采购的SaaS工具，而是将我和团队多年积累的审核经验、规则与案例，逐步显性化、结构化、再训练成型的一套专家系统。这里不展开技术细节，只分享几个关键决策和反思，供同行参考。

我的「房地产估价报告审核专家」 · 人机协同闭环 估价报告 输入 专家初审 规则引擎 校验 大模型 语义理解 知识库 规范/案例 人工复核 终审负责 结论 输出 反馈循环（采纳 ✓ / 驳回 ✗）→ 知识库迭代更新 → 专家越用越准 闭环要点 · 专家定位“初审+提示”，所有标记项由人工估价师复核确认，最终结论由人负责 · 人工每次“采纳/驳回”都反馈知识库，不建反馈闭环，专家就是静态的

图2 我的「房地产估价报告审核专家」人机协同闭环

这是最常见的问题。我的考虑有三点：

第一，风险收益比。自动估价直接产出价值结论，一旦出错影响的是金融决策，责任风险极高；报告审核是“挑错”而非“定值”，风险可控，且能立刻帮机构降本（三级审核的人力成本）。

第二，规则可沉淀。审核依据的是明确的规范条文（估价规范、执业风险提示、机构内部质量标准），这些规则可文本化、可结构化，最适合作为垂类模型的“知识底座”。

第三，价值闭环清晰。审核专家上线后，效果可量化（审核效率提升多少、漏检率下降多少、人工复核时长缩短多少），容易向机构管理层证明价值，为后续更深的AI投入争取资源。

简要来说，这个专家围绕“一份估价报告应该包含什么”这个问题，实现了几层能力：

1. 合规性审核：对照估价规范和执业风险提示，逐项检查报告的格式要素、估价假设、限制条件、签字盖章等是否齐全规范。

2. 逻辑一致性审核：检查估价方法选择依据、参数取值、测算过程、结论之间的逻辑链条是否自洽。

3. 参数合理性审核：对资本化率、还原利率、修正系数等关键参数进行区间校验，超区间自动预警。

4. 案例可比性审核：对比较法中的可比实例进行筛选合理性判断。

5. 风险点提示：识别报告中可能存在的执业风险表述，给出修改建议。

需要强调的是，专家的定位是“初审+提示”，不是“终审+定论”。所有标记的项目都由人工估价师复核确认，最终结论仍由人负责。这既符合中房学强调的“人机协同”，也是执业责任划分的必然要求。

1. “规则引擎+大模型”比“纯大模型”可靠。纯大模型在审核任务上幻觉严重、不可控；将审核规则固化为规则引擎，大模型负责语义理解和规则匹配，两者结合才稳定可用。

2. 知识库比模型参数更重要。我们把估价规范、执业风险提示、机构历史审核案例、常见错误清单全部结构化进知识库，专家的“专业度”90%来自知识库而非模型本身。

3. 一定要保留“人审”环节并形成反馈闭环。人工复核的每一次“采纳/驳回”都反馈到知识库，让专家越用越准。这个闭环不建起来，专家就是静态的。

上线运行一段时间后，初步效果是：常规格式和合规性问题基本实现自动检出，初审人工工时明显下降，审核标准的一致性显著提升（过去不同审核人员标准不一的问题得到改善）。

但也有不足：复杂业态（特殊用途物业、复杂产权）的参数合理性判断，专家仍力不从心；对“估价假设是否过宽”这类需要专业判断的问题，专家只能提示不能定论。这恰恰印证了年会上反复强调的那句话——AI是助手，不是取代者。

#中房学#十五五规划#房地产估价#人工智能#报告审核专家#人机协同