应用易，证明回报率难
随着房地产行业迅速拥抱人工智能，统计代理商对AI平台的采纳率及PropTech（房地产科技）融资轮次已非难事。如今，大多数经纪人以某种形式使用AI，几乎所有PropTech公司都将AI融入产品，这已成为行业共识。
然而，证明这些工具能收回成本却愈发困难。技术咨询公司埃森哲（Accenture）在最新报告中将这一跨行业难题命名为“代币经济学”（tokenomics）。该术语原用于描述加密货币的供应分配，现被引入AI领域，指代从固定订阅制向基于消耗量的代币计费模式转变。在AI语境下，代币作为模型处理的基本单位，需被视为生产要素来衡量其回报价值，而非仅作为费用追踪。
埃森哲研究发现，尽管2026年AI相关支出有望突破8000亿美元，但仅23%的受访高管表示在其组织内广泛且持续地获得了AI商业价值。不到10%的用户和工作流程占据了绝大部分支出。这一现象并非房地产独有，许多行业领导者开始质疑飙升的AI支出是否真正带来回报。
急于采用AI的企业正面临高昂账单与模糊的生产力提升成果。极端案例中，某客户因未限制员工使用的Claude许可证数量，单月耗资5亿美元。AI安全公司WitnessAI报告显示，截至今年夏季，近70%的美国公司在过去一年中至少部分AI项目超支，其中三分之一经常或总是发生超支。
相较于其他更激进采用AI的行业，房地产领域的问题虽不明显，但也存在自身版本的挑战。
押注代币成本下行
Lofty首席执行官兼创始人Joe Chen在7月的Inman Connect大会上提及代币经济学问题。他指出，房地产经纪业务以关系为导向，因此AI采用速度慢于其他行业。但随着AI工具进入销售支持和后台运营，应用场景正在扩大。
Chen表示，Lofty押注AI基础设施投资将持续降低代币成本，从而使面向销售的AI工具能以更低成本大规模部署。他承认存在紧张关系：尽管Lofty的AI销售代理获客户好评，但在某些情况下，代币成本导致产品运营无利可图。“我相信AI芯片研究和新兴初创公司将大幅降低代币成本，提升每个代币的价值。”Chen称。
降低AI代币成本的趋势已现。媒体报道显示，衡量每日AI模型价格的关键指标已触及低点。由Silicon Data推出的LLM代币支出指数于8月31日跌至97美分，创自去年发布以来新低。这意味着在ChatGPT、Claude等工具上完成相同工作的成本更低。Syz集团首席投资官Charles-Henry Monchau指出，中国开源模型（如月之暗面Kimi K3）的竞争压低了美国前沿实验室产品的价格。
破解“失忆症”难题
Rechat首席执行官兼创始人Shayan Hamidi将AI代币比作电力千瓦时。“当能源获得货币属性，制造业得以规模化。在AI领域，数字工人以代币为货币工作。”Hamidi表示，房地产行业即将面临昂贵的代币问题，根源在于数据分散在“18个不同的地方”。
“我们目前面临的是‘失忆症’问题，”Hamidi称，“系统默认什么都记不住。”每次执行任务，系统都需重新学习业务流程并检索信息，导致每次查询都要付费。对于需执行数百步骤的AI数字工人而言，这种从零开始的检索极其昂贵。Hamidi强调，连接其他工具的CRM仅能移动数据，并未创建“记忆”，无法默认了解业务全貌。
PropTech定价模式重构
随着Rechat的AI助手Lucy承担更多自主多步工作，总代币支出急剧上升，但单项任务成本下降。Rechat选择吸收这部分成本，保持对经纪公司的定价不变。“每项完成任务的成本下降才是关键数字，”Hamidi说。他以智能体网站构建器为例，仅工程优化就将单个网站生产成本降低80%以上，这与行业代币价格下降无关。
Hamidi预计，PropTech行业定价将从按席位收取软件费转向为完成的工作付费，呼应Salesforce CEO马克·贝尼奥夫关于“数字劳动力”市场的观点。但他承认，将代币支出与成交交易挂钩仍是行业未解难题。“目前代币成本是供应商的问题，但当经纪公司开始自建工具时，这也将成为他们的问题。”
严格控制代币消耗
传统房地产软件基于可预测的席位定价，而AI打破了这一模式，代币消耗随使用强度（如房源描述生成次数、文档处理量）增长。迪拜室内设计公司Nova Wrap联合创始人Irena Cara表示，重度用户导致生成式查询每月增加300%，依赖固定席位许可的模式完全崩溃。
为控制成本，Nova Wrap实施AI请求节流和积极的提示词缓存，使后端AI成本降低45%，同时提升输出质量。Cara建议部署模型路由架构，将简单查询引导至低成本模型，保留高级模型处理复杂任务，以驯服日益增加的运营成本。
自建模型与结果导向
Edensign创始人兼CEO George Zheng采取更进一步策略：不租用前沿模型，而是训练专有AI模型。他指出，依赖大模型的费用取决于API调用量，随着客户增多，使用量激增会导致成本失控。“我们前期投入更多，但模型训练完成后，每个代币的成本远低于调用通用大模型。”Zheng表示，Edensign已向包括Bright MLS在内的其他公司出售模型访问权限。
Zheng认为，专为房地产任务构建的专业模型在规模化时的单位经济效益优于通用API拼凑的系统。Edensign的定价已从按代币收费转向按结果收费，如完成的房间分析或营销图像。“不要优化每个代币的成本，要优化每个有用结果的成本，”Zheng强调，“最便宜的生成是产生可用结果所需重试最少、人工干预最少的。”
杰文斯悖论与长期管理
埃森哲报告指出，杰文斯悖论在所有采用AI的行业中显现：更便宜的代币并未降低账单，反而刺激了更多使用模拟显示，若代币价格下降25%，仅15%的组织会储蓄节省资金，其余将重新投资于更多使用。
埃森哲建议建立由CFO和CIO共同负责的成本、使用和回报单一视图，通过角色或任务复杂性限制模型访问，并建立诊断调整支出的循环。领先供应商并非花费最少者，而是能用具体数字说明支出价值者。正如Zheng所言：“在房地产背景下，我们可以围绕每个可用房产结果的成本，重新定义代币经济学。”