演讲背景与房地产市场现状
本次演讲由Spranic创始人Jordi Spranger在AI Engineer NYC 2026大会上发表，这是Spranic与Neo4j的合作项目。Neo4j是一家总部位于瑞典马尔默的图数据库公司，Zaeem作为Neo4j方面的合作者参与了此次演讲。核心议题聚焦于“每栋建筑都是资产负债表”以及“现实世界资产的空间记忆”。全球房地产是地球上最大的资产类别，总规模约为400万亿美元，这一数字超过了全球股票、债务和黄金的总和。从资产结构来看，住宅部分占比最大，约为300万亿美元；商业房地产约为60万亿美元；农业用地约为50万亿美元。本次讨论将重点放在商业地产领域。> "The largest asset class on Earth is real estate and it's about 400 trillion globally in size."
金融账本与物理资产的时间错位
当前房地产领域存在一个巨大的数据断层（Gap）。金融账本，包括贷款、保险和抵押贷款记录，通常按季度更新；然而，支撑这些金融工具的底层物理资产（即房地产本身）却很少被及时更新。建筑状态或房地产状态的更新频率极低，可能每隔几年才进行一次，或者仅在创建新的金融工具、需要修改或第五年进行再融资时才会更新。这意味着在第0年到第5年之间，建筑的状态信息几乎处于空白状态。> "Between year zero and five, you really don't have an update on the building state or the real estate state."
这种滞后导致金融账本在多次关闭时，底层资产却是一个黑盒（Black Box）。目前对建筑状态的评估往往基于过时的图片或PDF文档，缺乏统一性和透明度。根据Kroll的一项涉及1,500处房产的研究显示，70%的建筑存在投保不足（underinsured）的情况。虽然研究未明确结论，但推测原因是记录陈旧且细节不足，导致保险无法精准满足房地产的实际需求。这一问题影响了约4万亿美元的美国商业抵押贷款，每一笔贷款都依赖于建筑本身的状态评估。
让建筑像账本一样可查询的愿景
核心问题在于：如何使一栋建筑变得像一个分类账（Ledger）一样可查询？ 传统的分类账可以在毫秒级内给出答案，而今天的建筑只有在现场访问（site visit）后才能提供信息。即使进行了现场检查，结果也往往分散在笔记、PDF文件中，不透明且不统一。> "What would it take to make a building as queryable as a ledger?"
为了解决这一问题，Spranic提出了“每一步行走都成为记忆”的概念。通过使用现成的传感器（off-the-shelf sensor），人员只需在空间中行走即可映射环境。演示中，演讲者穿过一个会议厅，整个扫描过程仅通过步行完成。在行走的一分钟后，即可生成完整的地图。这种技术使得物业管理等人员可以配备该设备，在映射空间的同时，识别并存储建筑内的所有资产。这些资产被存入一个图数据库（Graph Database）中，该数据库具有语义含义，能够真正理解空间结构。
图数据库与时间轴上的空间演变
该技术的关键在于时间的对齐。每次行走（Walk）都被记录下来，例如周一的行走和明年或下个季度的再次行走。这些不同的时间点的数据在时间轴上对齐。因此，我们不仅知道空间中存在什么，还知道了空间的演变过程。所有数据都以图（Graph）的形式存储。
"As we walk it again, both walks are kept... these are now aligned on a time axis."
图数据库具有显著的技术优势，特别是在信息的灵活性和连接性方面。这种结构可以针对每个资产或物业进行高度个性化定制。记录需要回答的问题不再是视觉问题，而是分类账式（Ledger）问题。具体包括： 1. 什么发生了变化？ 通过逐对象、逐个周边地比较两次行走的数据。 2. 何时发生变化？ 每次观察都捕获了其来源和时间点。 3. 谁需要知道这些信息？ 当发现结构损坏或灭火器过期等具有证据的问题时，系统需通知相关人员并采取行动。
AI就绪资产与交互式查询演示
一旦生成地图，该数据即可作为AI-ready asset（AI就绪资产）使用。这意味着用户可以通过自然语言与地图进行交互，提出具体问题并获取基于空间数据的答案。
在演示中，演讲者询问“哪里可以取暖？”（Where can I heat myself?），系统直接在地图中标注出散热器（radiator）的位置。另一个问题是厨房中是否有玻璃杯，系统随即指向厨房中的玻璃杯和马克杯。这种能力将像素转化为可工作的语义数据。> "This is very powerful because it makes the map from pixels into something we can work with."
此外，该技术还支持变更检测（Change Detection）。通过连接同一空间在不同时间点的两次扫描数据，用户可以询问“它们之间的差异是什么？”（What is the delta between them?）。在演示案例中，系统识别出中间的三把椅子发生了位移。通过与资产数据聊天，用户可以识别差异并获得指向实际捕获数据的地面真实参考（ground source reference），从而提供变化的证据。
保险领域的商业案例与数据支撑
这种技术为保险业带来了巨大的商业价值。保险公司可以根据验证后的事实支付保费，从而实现高度个性化的保险政策。目前的数据显示： - 1/3的商业建筑在账目上被错误分类了建筑结构类别。 - 对于飓风保险，如果建筑经过认证（Certified Building），即符合特定的合规标准，35%的建筑可以获得此类百分比的折扣。这种认证可以通过AI数字资产自动检查。 - 73%的保险公司同意，如果建筑经过检查和认证，飓风损坏的索赔会减少。
"The insurance pays for what it can verify... 73% of insurers agree that they claim fewer claims for hurricane damage if they have been checked and certified against the building."
所有这些都依赖于对建筑及其状态的准确掌握。通过AI和空间记忆，保险公司可以在保单开始时获取建筑的初始状态，在续保时查看差异和维护情况。这使得保险公司能够根据物业的实际表现测量相关事实，从而提供高效的保费和精准的保险覆盖。这不仅适用于飓风认证，还涉及建筑内部的许多其他合规性检查。
结论
房地产作为全球最大的资产类别，长期受困于金融账本更新频繁而物理状态数据滞后的结构性矛盾。Spranic与Neo4j合作提出的解决方案，通过空间行走扫描和图数据库技术，将建筑转化为具有语义理解的AI就绪资产。这种方法不仅实现了资产的实时可视化和历史演变追踪，还通过变更检测提供了确凿的证据链。在保险领域，这种技术能够验证建筑结构合规性，从而降低风险、减少索赔并实现高度个性化的定价。最终，这一技术旨在通过提高透明度来消除市场低效，创建一个围绕现实世界资产的超定制化新市场。