Hello，大家好。今天非常荣幸能在2026年AI工程师纽约大会上发表演讲。这是Spranic与Neo4j的合作项目，我是Spranic的创始人，该公司成立于2026年6月。Neo4j是一家总部位于瑞典马尔默的图数据库公司，在此特别感谢来自Neo4j方面的合作伙伴Zaeem。本次演讲的核心主题是：每栋建筑都是一张资产负债表，也是现实世界资产的空间记忆载体。
地球上最大的资产类别是房地产，全球规模约为400万亿美元。这一数字超过了股票、债务和黄金的总和。右侧图表中的每个方块代表约1万亿美元的市值，其中住宅部分占比最大，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。
今天我们将重点关注商业地产领域，但所有房地产都受到一个根本性“缺口”的影响。我们的财务账本——包括贷款、保险和抵押贷款等记录，通常按季度更新。然而，作为这些金融工具基础的实际底层资产（即房地产本身），却并未按季度更新。
事实上，房产数据可能每隔几年才更新一次，通常是在创建新的房地产金融工具之前。或者在需要修改、或在现有资产上叠加新金融工具时（例如第五年）才会更新。但在零年到五年之间，建筑或房地产的状态几乎没有得到任何更新。
这意味着在账本多次关闭的过程中，关于建筑的状况往往是一个黑箱，或者仅基于一些图片和PDF文档。这是一个真实存在的巨大缺口。根据Kroll的一项涉及1500处房产的研究显示，约70%的建筑存在保险不足的情况。
造成这一现象的确切原因尚不明确，研究也未给出结论。但我认为原因是档案记录较为陈旧且细节不足，导致保险条款不够具体，无法真正满足房地产的实际需求。这影响了约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状况的准确性。
那么，要让一栋建筑像账本一样可查询需要什么呢？账本能毫秒级给出答案，而今天的建筑往往只有在实地走访后才能提供信息。而且即使如此，结果也通常分散在不透明、未统一的笔记或PDF中。
这就是创意的来源：让每一步行走都成为记忆。具体做法是使用现成的传感器，在空间内走动并对其进行映射。大家可以看到上方正在实时生成地图的过程，那是我在穿过一个会议厅时拍摄的。整个扫描过程只需走过该空间即可，一分钟后便完成了扫描。
无论是谁——物业管理人员等——只要配备相应设备并对其进行映射，就能在过程中识别出建筑内的所有资产并将其存储在数据库中。下图展示的就是这个图数据库。因此，这些数据具有语义含义，意味着我们能真正理解空间结构。
当我们再次走过该空间时（例如本周一和下周一，或下个季度），两次行走的数据都会被保留。这些记录现在在时间轴上对齐了。因此，我们拥有空间数据、知道空间内有什么，并记录了每次行走和测量所反映的空间演变过程。
所有数据均以图的形式存储。图数据库具有许多技术优势，其中一点是它们在收集信息和连接方式上极其灵活。因此，这可以针对每个资产、每处房产进行高度个性化定制。
那么记录需要回答哪些问题？这些不是视觉问题，而是账本类的问题。你真正想知道的是在房产或房地产中发生了什么变化？通过对比同一空间的两次行走，可以逐个对象、逐区域进行比较。
你还想知道变化的时间点，因为每次观察都记录了来源信息。此外，你还需要知道谁需要了解已发生的变更或增量数据。例如，当你发现结构损坏证据时，或者对于火灾保险而言，确认灭火器已过期失效。
你需要知道这些信息并收到通知以便采取应对措施。或者保险公司可以根据物业维护的表现来调整保费，实现高度个性化的保险服务。以下是实际效果的展示：这是我两次穿过厨房的捕捉画面，分别在左侧和右侧显示。
你可以看到只需走过空间即可直接获得地图。当你再次走过同一空间时，系统会识别这是同一个空间，并将时间段A和时段B的数据对齐，从而生成时间线。一旦拥有地图，你就可以将其作为AI就绪资产使用。
这意味着你可以与之对话、提问。例如我问：“哪里可以取暖？”地图会指向暖气片的位置；或者问“厨房里有杯子或马克杯吗？”，它会指出具体的玻璃杯和马克杯。
这非常强大，因为它将像素地图转化为我们可以操作的内容。接下来是变化检测功能。这是我们对厨房或该空间进行的两次扫描，现在我们可以连接这两次数据并提问：“它们之间的差异是什么？这个环境发生了什么变化？”
在这种情况下，中间这三把椅子发生了位移。当你与资产或数据对话时，你可以实际识别出差异并获取指向原始捕捉数据的参考依据，从而拥有变化的证明。
这意味着你现在拥有一栋作为AI就绪数据资产的建筑物。因此，关于“那里有什么”只有一条记录，并且可以将其连接到任何下游任务中。左侧是我制作的会议厅扫描图，现在你可以随时间检查所需的维修、维护或合规性检查。
还可以用于保险评估、室内设计变更，甚至集成机器人技术。
想要将其放置在那里，这就像是为它创建一个数字孪生以便使用。那么，让我们来看看保险方面。当你巡检这栋建筑时，在保单生效之初，你拥有该物业的初始状态记录。基于此，你可以制定高度个性化的保险方案。而在续保时再次巡检，你就能发现变化量（delta）以及维护情况等信息。保险公司可以
根据相关事实与保单条款，实际衡量该物业的表现，并提供非常高度个性化的保险方案。这意味着为该类财产投保的保费更加高效，且能以正确的方式进行承保。嗯，是的，以下是背后的数据支持。因此，以保险为例，这里的商业案例在于保险公司只为它能验证的部分买单。
目前，保险公司知道的是，三分之一的商业地产在账目上被错误地归类了建筑类别。例如，针对飓风保费的具体情况中，35%的建筑如果是经过认证的物业，实际上可以获得相应比例的减免。所谓认证建筑，意味着它符合特定的合规标准，而这些可以通过该资产的AI数字资产来核查。
你还看到有70%到73%的保险公司同意，如果建筑经过检查和认证，他们在飓风损害方面的索赔会减少。而这只是可以通过AI自动完成的一种认证方式，此外还有大量其他室内认证可能符合此类项目。但总之，这三者本质上
都依赖于有人了解该建筑及其状态。嗯，就是这样。基本上这就是演讲的全部内容。我认为房地产领域非常庞大且确实需要透明度，目前存在巨大的低效问题。我想随着AI能力的新见解，我们可以使情况更加透明，并围绕
资产创建一个真正全新的、高度定制化的市场。非常感谢大家。嗯，如果你想了解更多，请访问我的网站spranik.com，感谢你们的关注。