AI-NATIVE COMMERCIAL REAL ESTATE INTELLIGENCE · 2026

商业地产的 AI 决策平台
从「回答问题」到「完成项目」

围绕一个项目,而不是围绕一堆软件工作。

输入一个项目,得到一份 Live Report:体检、诊断、测算、方案、报告,一次完成。

项目 数据 诊断 测算 方案 报告
34,344+
全国商场项目
49,446+
品牌库
47.9M
门店数据
530
城市经济指标
12
业务决策专家
01 · 一个正在发生的场景

你手上有一个 12 万㎡ 的购物中心,NOI 在往下走

商业地产不缺软件——Excel 模型、租赁台账、POS 客流、品牌库、研报、企业内部系统,各管一段,却从没连成一个决策环境。同样是"把这个项目搞清楚",今天和用 ByScale,差别有多大?

今天,通常是这样
  • 数据散在 Excel、POS、招商台账、研报里,先花一周收集整理
  • 找咨询公司,等 2-4 周,一份报告几十万
  • 报告是静态的——改一个出租率假设,整份重做
  • 结论说不清"哪来的",不敢直接拿上投委会
2-4 周  ·  数十万元  ·  一份静态报告
用 ByScale,是这样
  • 告诉 ByScale 项目名或地址,自动命中全国数据库补齐资料
  • 自动对标同城同类商场,找出 NOI 下滑的原因
  • 测算三个调改方案:各花多少钱、几年回本、IRR 到多少
  • 生成一份Live Report:你和 AI 一起写——改参数即时重算,每个数字点开有来源
一个下午  ·  一份可复算的报告  ·  随时改、随时重算
02 · 我们相信

报告,不该是工作的终点

传统商业地产工作的最终产物是一份 Excel + PPT + PDF——一旦完成,数据、计算逻辑和结论就被冻结了。

传统报告,每问一个问题就要重新开始
  • 「出租率从 91% 提到 95% 呢?」——重新打开 Excel
  • 「Cap Rate 为什么是 4.7%?」——重新翻找估值依据
  • 「投入 1.5 亿改造,价值会变多少?」——重新建 Scenario
报告一完成,数据、逻辑与结论就被冻结了
我们相信:报告应该是一个活的决策环境
  • 持续地查询、解释、计算、修改、比较、推演、更新
  • 核心交互不是 Chat → Answer,而是 Data → Intelligence → Decision → Living Report
  • 报告不再是工作的终点,而是人与 AI 共同工作的界面
Living Decision Environment
03 · 它是什么

一句话:商业地产的 AI 决策平台

不是聊天机器人,不是计算器,也不是"记录发生过什么的软件"。它让一个商业项目从"说不清"到算得清、改得起、退得出——而受益的不只是测算的人。

01
一个项目,一个工作台

一个资产的所有东西——数据、文件、测算、报告、历史——都在一个地方长期沉淀。不用再在 Excel、数据库、PPT 之间来回搬。

「这个项目 3 年前是谁算的、怎么算的,都查得到。」
02
Live Report

AI 先给你方向,你把台账、运营、品牌数据传进项目资料库,报告就越写越准——每个数字可改、可追问、可重算。

不传数据也能出报告,只是没那么准;资料越细,结论越接近真实。
03
每个数字都有来源

引用的是哪份数据、用什么公式、做了哪些假设、置信度多高,都能点开看。结论经得起复核,敢上投委会。

从"AI 告诉我一个答案",到"AI 给一份可审计的判断"。
04
先推演,再投入

调改前先算清楚:改哪里最值、要投多少钱、几年回本、IRR 能到多少。一次给你三个方案,而不是一个建议。

「给一个 IRR > 10%、投入不超过 2 亿的方案」——自动寻优。
04 · 谁能用

一个决策平台,服务四种角色

不管你是要投它、管它、运营它,还是想改造它——只要这个项目的核心提升是你关心的,你就能从中得到答案。

A
投资 / 测算

「这个项目现在值多少?能不能买?」估值、IRR、退出路径——可复算地算清楚。

评估价值、决策进退。
B
业主 / 资管

「它现在有什么隐患?在全国算什么水平?哪里还能更强?」日常当体检,决策有依据。

掌握状况、发现问题。
C
运营 / 招商

「品牌组合哪里不对?哪些商户拖后腿?空间用得好不好?」怎么调,一步步有方案。

优化经营、提升坪效。
D
调改 / 升级

「怎么改最值?要投多少?几年回本?」用问答一步步推演,先算清,再动手。

改造方案、收益测算。
05 · 为什么选我们

跟传统做法比,不一样在哪

每个替代路径都各有各的坑。ByScale 的位置很清楚:更快、更中立、可复算

传统做法问题在哪ByScale
咨询 / 估值机构2-4 周、几十万一份,改参数要重做分钟级出初稿,参数随便改、随时重算
资管 / 商管软件只记录"已经发生了什么"回答"改不改、值多少、怎么退"
商管运营公司方案绑定自家产品,不中立方案中立,适配非标资产
通用大模型没有专业口径,数字不可复算,不敢上会每个数字有来源、有公式、有置信度
底线:AI 不编数字

所有关键财务数字——NOI、IRR、NPV、估值——都由确定性计算模型算出,公式可复算;AI 只负责理解、分析、检索和写结论。所以这份报告敢署名、敢上会。

● CALCULATED 计算得出 ● DATABASE 数据库 ● REPORTED 公开披露 ● AI ESTIMATE AI 估计
06 · 产品

它具体长什么样

先说清楚它内部怎么运转——四层,各回答一个问题;再看它具体长什么样。

它的内部,是四层

项目工作台
让整个工作,围绕一个资产持续运行项目数据 · 文件 · 假设 · 对标 · 方案 · 报告 · 历史
Operating System
Live Report
人如何理解、修改和使用结果可交互的决策界面:查询、解释、重算、推演
Human Interface
AI 执行层
AI 如何理解任务并执行拆解意图 → 查数据 → 找对标 → 调算法 → 生成方案
Agent Runtime
数据 + 算法底座
AI 知道什么、能算什么全国商业数据 · 确定性计算模型 · REITs 情报
Infrastructure

① 以项目为核心的工作台

系统不是围绕聊天记录,而是围绕一个具体的资产运转。进入一个项目,所有数据和历史都在。

Portfolio 资产组合看全部项目的估值 / NOI / 出租率 / 风险
Projects 项目北京 · 成都 · 上海 · 深圳 …
·Project Workspace 项目工作台数据 · 经营 · 招商 · 对标 · 估值 · 方案 · 报告 · 历史
总览 资料库 经营 业态 对标 估值 方案 报告 Agent 历史

② Live Report —— 你和 AI 一起写报告

AI 给方向,你给细节——把台账、运营、品牌数据传进项目资料库,报告就从"公开数据版"变成"你的项目专属版",越写越准。点一下报告里的数字,右侧展开它的证据链:

公开数据版 先出 60-70 分初稿 + 上传台账 → 更准 + 运营 / 品牌数据 → 更准 + 你的租约 / 财务 → 接近真实
ASSET VALUATION — 成都 ABC Mall BASE CASE · V2
出租率 Occupancy
91.2%
点击查看来源
NOI
¥1.86亿
点击查看来源
Cap Rate
4.70%
点击查看来源
Base Case 估值
¥3.96bn
点击查看来源
情景估值
¥3.48bn悲观
¥3.96bn基准
¥4.41bn乐观
Cap Rate · 4.70%来源
类型计算得出
对标 A4.50% REIT A 2026 H1
对标 B4.80% REIT B 2026 H1
对标 C4.90% 同城可比项目
位置调整-0.20% 核心商圈
楼龄调整+0.10%
NOI 波动+0.10%
数据来源 → 假设 → 计算 → 结果
置信度 · 高 数据完整且多源一致

③ 推演:改一个数,全盘重算

说一句"把三楼餐饮从 32% 提到 45%",业态、租金、客流、成本、NOI、估值、IRR 全链路重算,报告即时更新:

当前方案 A
餐饮占比32%45%
出租率91%95%
收入3.1亿3.5亿
NOI1.86亿2.14亿
资产价值39.6亿44.5亿
IRR6.8%9.4%

▸ 给一个 IRR > 10%、投入不超过 2 亿的方案

AI 自动试算一百多个组合,挑出最优方案给你。

推荐方案
投入 CAPEX
¥1.8亿
NOI 提升
+21%
IRR
11.3%
回本周期
5.7 年
07 · 数据实力

背后:覆盖全国的商业地产数据底座

判断不靠「模型编」,靠真实数据说话。背后是全国商场 / 品牌 / 门店数据库之一,多源采集、版本化治理。

数据规模(2026 实测)
34,344
全国商场项目
49,446
品牌
47.9M
门店数据
21,353
商圈
530
城市经济指标
23
REITs · 58 底层项目
1,317
财报文档
260,795
商场×品牌关系
数据从哪来
公开数据 + 授权数据多源采集

赢商项目库/品牌库、大众点评门店、上市公司财报、REITs 披露、商业地产官网抓取、县域数据库——不是一份买来的静态清单,而是持续增量更新的活数据。

REITs 结构化
从"看研报"到"查数据"

把 REITs 披露的资产拆成结构化字段,未来可以直接查:"一线城市、8-15 万㎡、NOI 利润率 > 60% 的购物中心 REITs"——一个商业地产数据终端的方向。

为什么它会越来越强

数据飞轮更多项目 → 更多数据 → 更好对标 → 更准决策 → 更多经营结果 → 更好模型 → 更多项目

系统不只记录"AI 当时推荐了什么",还会逐渐知道"后来实际发生了什么"——例如 AI 预测 NOI 提升 +18%,半年后实际 +16%。这类结果数据,会越来越难复制。

08 · 我们正走在哪

进度与下一步

✓ 已完成
能力跑通

平台、确定性计算模型、全国数据库都已上线;测算 → 多专家研判 → 报告的全链路已实测跑通。

● 正在做
让结果可信

给每一个数字建立来源链、公式、置信度,让报告能上投委会、能审计。这是接下来上线的东西。

○ 下一步
让 AI 完整完成项目

自动诊断 → 自动对标 → 自动测算 → 自动给方案 → 自动生成报告——用户从"指挥 AI"变成"验收结果"。

○ 更远
企业级

团队协作、权限与安全、私有化部署、API 开放——进入资管企业的日常作业系统。

09 · 团队

稀缺的行业 × AI 组合

能把商业地产的行业经验真正产品化的少数组合。

Founder · 全职
创始人

全球优秀设计团队背景,头部商业地产全过程设计与管理(项目负责人/主创建筑师),产品/审核/销售/品牌兼掌。

Advisor
资管测算与风控负责人

资产测算、财务风控、单位经济学与 REITs 口径。

Advisor
商管运营负责人

购物中心运营管理、招商运营体系与 KPI 基线。

10 · 投资亮点

为什么值得投

① 真实且巨大的需求

存量运营时代 + 城市更新 + REITs 扩围,需求长期、政策驱动,不是短期风口。

② 明确的竞争空白

"记录已发生的人很多,决定该不该发生的人很少"——投入前的中立价值决策,是真空白。

③ 从"回答"到"完成项目"

把商业地产的标准决策方法固化成产品能力,而不是一堆工具堆砌——Workflow 是产品。

④ 可审计、可共驾的投资判断

每个数字有来源、有公式、有置信度;报告是人和 AI 一起写的——AI 给方向、你补真实台账,越用越准,越敢上会。

⑤ 数据 + 算法双壁垒

全国数据底座 + 确定性计算模型;真实项目数据越用越多、越用越准,最终还会记录"当时推荐了什么、后来实际怎么样"——结果数据是滚动的护城河。

⑥ 商业模型可扩展

标准产品 → 订阅 → 专业服务 → 生态分成,四层递进;AI 原生商管是远期利润想象。

PRODUCT THESIS

不是更快地完成原来的工作,
而是重新定义商业地产的分析、测算与决策

过去二十年,数字化是在不断增加新的软件。AI 带来的机会不是再加一个系统,而是把分散在 Excel、数据库、研报、模型和人的经验里的能力,重新组织成一个可以理解、计算、执行、持续学习的智能工作环境。