周忻要做房地產行業的“基建”——深度測評深度智聯“CoWork

文/大蘇：

廣東省房地產行業協會媒體專業委員會、數字營銷工作委員會秘書長，

廣東《南方房地產》雜志社副社長，地產大蘇、財經大蘇主理人

2026年7月7日，深度智聯以上?？偛繛橹鲌觥⒁曨l直播鏈接全國20城市舉行新品發布會。大蘇作為協會代表、媒體創作者，受邀到廣州分會場全程觀看。

兩個多小時里，年近六旬的周忻幾乎獨自講完了全部內容：企業專屬大模型一體機、FDE前端部署工程師團隊、地產AI分析師“小瑞”上崗、易委會社區治理智能體等。下半場，深度智聯極客云途首席運營官方歡登場，為線上線下五百多位媒體人演示CoWork怎么用。

（易居中國董事局主席 周忻）

在這個行業，多少前輩到了這個歲數都淡出了。

但周忻沒有，這個把大半輩子押注在中國房地產行業的人，在這個夏天傳遞了一個清晰的信號：

他要做的不是一款產品，而是房地產行業在AI時代的“基建”。

在各行各業，通訊、能源、軍工、交通等等，凡是關乎國計民生的底層能力，最終一定是由國家力量或行業底座來承載的。

而房地產這個百萬億級的超級行業，至今還缺乏一套真正屬于行業自己的AI基礎設施。大多數地產人和媒體人，還在用通用大模型“湊合著用”。

周忻的“野心”，應該就是要補上這塊短板。

而CoWork，正是這套基建面向行業開放的第一扇窗口。

帶著協會和媒體的雙重身份，大蘇把CoWork從里到外“盤”了個遍。本文，不尬不黑，給你一份關于CoWork的深度測評報告。

一、先談“基建”：為什么說周忻做的不只是一款產品

測評之前，有必要先理解CoWork的底層邏輯。因為離開這個前提，你很難理解為什么深度智聯要同時做一體機、FDE團隊、CoWork平臺、GEO認知優化這一整套“全家桶”。

什么叫“基建”？

通訊行業的基建，是基站和光纖。你不需要自己建，但你離不開它。

能源行業的基建，是電網和管道。你不需要自己鋪，但你離不開它。

AI時代的基建，是大模型、算力和部署能力。你不一定要自己訓練模型，但你的工作如果離不開AI，你就需要一套穩定、專業、可控的底層支撐。

房地產行業以前沒有這套基建。大企業想建專屬模型，動輒投上千萬、花18個月，還不一定跑得通。中小企業想用AI，只能在豆包、千問上“東問一句、西查一段”，問出來的東西似是而非，數據對不上，術語聽不懂。

周忻在發布會上說了一句話：

“現在大家的概念還是停留在豆包上面，充其量小龍蝦上面，怎么樣讓AI能夠工作，我要說的不是讓AI工作的問題，是要讓人怎么愿意用、或者說學會用AI工作的問題?！?/p>

這句話點破了行業現狀：AI工具不缺，缺的是能讓行業人踏實干活的工作臺。

所以深度智聯的產品矩陣，本質上是三層基建：

層級

產品

解決什么問題

底層

DeepLink RE-LLM 行業垂類大模型

讓AI懂房地產的“黑話”和邏輯

中層

地產模數通企業專屬大模型一體機

讓頭部企業擁有自己的AI底座，數據不出域

上層

CoWork AI工作平臺

讓每一個從業者——分析師、媒體人、策劃、投拓——有活干的地方

這個結構，像極了當年智能手機的“Android系統+高通芯片+應用商店”的組合：底層是能力，中層是硬件，上層是生態。

而FDE前端部署工程師團隊，就是幫企業“接通水電”的那批人。

周忻特意花了十分鐘講FDE，這個詞在硅谷正流行，但他定義的前端部署技能工程師，不是碼農，而是“懂行業的AI布道士”。這讓我想起早年的企業信息化，ERP能落地，靠的從來不是軟件本身，而是一批懂業務、懂系統、能陪跑的“實施顧問”。

CoWork，就是這套基建面向行業開放的第一個“應用商店”。

二、深度測評：CoWork到底是什么，能干什么，值不值得用？

進入正題，大蘇借鑒數碼測評的慣用框架來拆解：外觀與交互→ 核心性能 → 場景實測 → 槽點與短板 → 誰適合用 → 怎么用最好。

2.1 外觀與交互：第一眼像個“會聊天的文件夾”

打開CoWork桌面端，界面非?？酥?，甚至可以說樸素：

左側是功能區：新工作、技能庫、知識庫、應用場景、極客蜂巢；

中間是對話框，就是你和AI“派活”的地方；

右側可展開，顯示AI的思考過程和數據調用鏈路。

（CoWork主界面）

大道至簡，界面簡單到更像一個“會聊天的文件夾”。你告訴它把活干完，它把結果存在你指定的文件夾里。

大蘇很認同這個設計哲學：不炫技，干活要緊。對于每天被報告、數據、分析追著跑的行業人來說，這種“少即是多”的交互，反而是最大的友善。

方歡在現場演示時反復強調一句話：“你就當它是個實習生，把活交代清楚就行。”這個定位還是較為客觀精準的。CoWork沒有把AI包裝成一個“無所不能的神”，而是降維成一個“聽話、手快、記性好、但需要你指點”的助理。

綜合來說，CoWork上手門檻是極低的。

2.2 核心性能：三張王牌——“問數、問知、技能庫”

CoWork不是聊天機器人，它是“決策專家+創作引擎+分發系統”的三合一。我拆解一下它的核心能力模塊：

第一張牌：問數——直連CRIC數據庫

這不是聯網搜索，而是直連克而瑞沉淀了21年的房地產數據庫。

我在現場試了幾個查詢：

“廣州新房2026年上半年月度供求數據”。15秒返回了6個月的表單，含供應面積、套數、成交面積、套數、均價、套均價、總金額，數據顆粒度到區域級別。

這跟用豆包、千問的最大區別是：你不需要去判斷AI回答的數據是“編的”還是“查的”。

CoWork問數模塊的每一次數據返回，右側都會顯示推理鏈路和數據來源，你可以追溯到原始數據庫的字段級來源。

這相當于給每個從業者配了一個克而瑞分析師。以前寫報告要查數據，要么翻報告、要么憑記憶、要么去網上扒拉半天還不一定對。現在問一句就行，而且數據可驗證。

第二張牌：問知——行業知識庫即問即答

如果說“問數”解決的是“數據在哪里”，那“問知”解決的是“知識在哪里”。

我試了幾個行業術語：

“什么叫貨地比？”

“存銷比’多少算健康？”

“廣佛深的土地拍賣規則有什么差異？”

回答的質量相當扎實，不是泛泛而談，而是帶有行業語感和上下文理解的答案。這得益于深度智聯在行業大模型底座上做的語料訓練，包括克而瑞二十多年的研究報告、政策法規庫、行業詞表等。

第三張牌：技能庫——這才是真正的“生產力倍增器”

這是CoWork區別于所有通用AI工具的核心功能。

技能（Skills），可以理解為一個一個“預置了工作流的AI應用”。目前技能庫有164個，分政策、住宅、長租、康養、商辦、文旅、城市更新、產業、物業、企業、媒體等大類。

（CoWork技能庫）

地產也迎來屬于自己的“預制菜”！每一個技能，就是一條“預制好的工作流水線”。

你點擊對應的技能，它自動按預設框架調用數據、生成內容。這相當于把克而瑞二十多年積累的專業方法論，一個資深分析師要花多年才能掌握的研判框架，變成了即調即用的標準化能力。

更關鍵的是：你可以創建自己的技能。把你的工作流程、報告范文、分析框架喂給它，CoWork能“學會”你的方法論，下次產出的結果就是你想要的樣子。我傳了三篇自己寫的行業觀察，創建了一個“大蘇風格·行業評論”技能，再讓它寫一篇房企觀察，輸出的框架、語氣、數據密度確實有七八分神似。

2.3 場景實測：覆蓋媒體與房企兩大業務線

（1）媒體線：六種剛需場景，逐一過手

（媒體技能庫）

場景一：快訊生產

指令：用“活動快訊”技能，生成一篇關于今天發布會的快訊，500字，自媒體風格。

耗時：約3分鐘。

輸出：標題、導語、三個信息塊、金句摘錄、背景鏈接，結構完整。數據準確（廣州上半年新房成交4.57萬套、均價31069元/㎡等均正確）。

評價：以前這類稿子從聽速記到成文至少要30分鐘，現在3分鐘出初稿，省下的是找數據+搭框架的時間。

（CoWork生產邏輯）

場景二：深度圖文創作——樓盤測評

指令：“用‘樓盤測評’技能，寫一篇“某某樓盤”的深度測評，參考比鄰冠軍榜的框架，2000字。”

耗時：約8分鐘。

輸出：區域價值、項目價值（得房率87-93%、2600㎡會所、地鐵6號線520米）、市場表現、競品對比，結構清晰，數據詳實。配了AI生成的圖表和項目效果圖。

評價：CoWork產出的稿子質量，放在公眾號上可以直接用。以前這類專業測評稿，找一個熟悉該板塊的記者寫至少要半天。樂居廣州總經理趙秀娟現場也提到，經常有甲方當天跟他們溝通，當晚就要給初稿，借助這個工具，完全游刃有余。CoWork把“執行層”的活兒全干了，剩下的是專業編輯做“審核+潤色+觀點注入”。

（樓盤評測案例）

場景三：多模態內容——文章→腳本→短視頻→播客

這是我個人最為驚喜的功能。

第一步：生成一篇物業行業觀察稿。第二步：說“把這篇文章生成一個1分鐘視頻腳本”。第三步：CoWork輸出腳本，然后直接生成了一段口播短視頻。第四步：說“生成一個15分鐘播客版本”，輸出口語化的播客腳本。

一條內容生產線，一次投入，產出四樣東西。對于中小型自媒體團隊來說，這相當于多配了半個后期團隊。

（CoWork數字形象）

場景四：知識庫建設——讓AI“越用越懂你”

我建了一個“大蘇的知識庫”，上傳了三份范文。然后讓CoWork“按照大蘇的風格，寫一篇關于廣州樓市新政的解讀”。輸出的文章，在開篇方式、段落節奏、數據引用習慣上，確實更接近我自己的行文風格。

這個功能的核心價值：不是讓AI替你寫，而是讓AI學會“像你一樣寫”。長期積累下來，這個知識庫就是你自己的“數字分身”。

場景五：極客蜂巢分發——23個平臺一鍵觸達

極客蜂巢支持一鍵授權綁定23個平臺（公眾號、頭條、百家號、小紅書、抖音、快手、視頻號、網易號、搜狐號、財經類平臺等），批量發布，數據統一回采。

我現場綁了6個賬號，一篇稿件勾選全部，后臺顯示分發成功。隨后在“數據智能”看板可以看到每篇文章在各自平臺上的閱讀量、評論、分享數據。

對有矩陣運營需求的機構號來說，這省掉的不是“一點時間”，而是“一個專人的工作量”。

場景六：跨界拓展——從住宅到物業、康養、長租

我用CoWork生成了一篇關于長租公寓比鄰冠軍榜的稿件。長租領域我平時關注不多，但CoWork輸出了一份包括“服務式公寓五星級榜單”“品質公寓四星級榜單”“性價比公寓三星級榜單”的完整稿件，數據準確，框架專業。

一個寫住宅的媒體人，如果想拓展到物業、長租、康養、商辦賽道，不用重新學三年，CoWork能幫他快速“補課”。

（2）房企線：投拓、客研、營銷、品牌全鏈條覆蓋

媒體只是CoWork的一個切面?；氐叫袠I視角，CoWork真正讓我興奮的，是它對房企核心業務鏈的覆蓋能力。

場景一：城市進入與拿地可研

一份城市進入報告，傳統做法需要投資部拉通宏觀、土地、競品、政策、客群等十幾類數據，人工整理、交叉核對，往往耗時數周。CoWork的“應用場景”中預設了“城市進入報告工作場景”和“房企拿地前的地塊價值判斷”兩個專項流程，下達指令后自動拆解任務、調用數據和專家技能，生成包含圖表、風險提示、投資建議的完整報告，員工隨時介入調整。

場景二：項目定位與產品策劃

從“項目定位評審”到“規劃強排方案生成”，從“樓盤價值宣發”到“活動策劃及營銷物料生成”，CoWork覆蓋了項目定位、產品設計、營銷策劃的全鏈條。更關鍵的是，房企可以將自身的投資方法論、產品標準、報告規范注入平臺，形成專屬的企業Skills，產出的結果就是完全屬于這家企業的專業判斷。

場景三：財務測算與REITs分析

發布會資料顯示，CoWork的專家技能中還包含財務測算、工程造價、REITs分析等模塊。這意味著投資崗、財務崗、資管崗的日常工作，包括現金流測算、成本估算、資產估值等，都能在CoWork上找到對應的技能支持。

具體來說，CoWork目前覆蓋的泛地產核心業務場景包括：拿地可研、城市進入、板塊研判、競品去化、財務測算、工程造價、政策解讀、企業畫像、項目測評、REITs分析、市場監測、招商租賃、物業測評、康養研究、長租測評、商辦研究等16類。它把一個資深分析師的經驗變成了全公司可復用的能力。

三、槽點與短板：實話實說，有三處還不夠完美

客觀測評必須說缺點。以下是大蘇使用中遇到的真實問題，以及基于現場觀察和同行交流的客觀判斷。

槽點一：積分消耗不透明

雖然有積分明細可查，但“一篇稿件到底消耗多少分”沒有明確的計價公式。在實際測試中寫行業觀察用了127分，方歡示范樓盤營銷軟文用了89分，同類型任務差異不小，現場不少媒體老師也在積分消耗問題上較為困惑。

對于需要控制成本的團隊，目前只能靠經驗摸索。官方給出了基本指引：標準模型適用于快訊、簡報等簡單任務；高級模型適配大部分專業創作；MAX模型用于復雜深度報告和多模態生成。但具體到每類任務的“預算規劃”，還需要更多實測數據支撐。

不過話說回來，橫向對比一下：一篇專業地產稿，傳統方式如果外包給專業寫手，少則三五百、多則上千元。CoWork上走完“問數+問知+深度創作+配圖”全流程，消耗的積分折算下來也就幾十到一百多元。成本優勢是碾壓級的，只是計價方式還需要更透明。

槽點二：技能創建的“門檻”被低估了

發布會上強調“手搓技能”很容易，上傳范文、一鍵創建。但實際用下來，要創建一個真正可用的技能，你需要滿足三個條件：

第一，你自己得有一套清晰、穩定、可復現的工作流，你首先得是一個有方法論的專業人士。第二，你手里得有足夠高質量的“范本”，三五篇隨手寫的稿件喂進去，產出的技能質量就是“差不多”；真正好用的技能，需要反復調試、多輪優化。第三，你愿意花時間去迭代，第一版技能生成的文章可能只有六十分，你需要和它對話、修正、再生成，迭代三五輪才能到八十分以上（每一次對話均消耗積分）。

對于習慣了“AI問答”的用戶來說，從“用技能”到“創技能”之間還有一段學習曲線。這其實也從另一個角度印證了周忻的觀點：這個行業最缺的不是技術，是“布道”和“陪跑”。

槽點三：數據安全——信任問題比技術問題更難解

大蘇想聊一個更敏感的話題：數據安全。

誠然，PPT上寫著“地產模數通”采用本地化部署，企業數據不出域，知識產權歸企業。對于購買一體機的頭部企業來說，物理級數據隔離，用戶數據、知識庫、技能庫完全本地留存。

這套方案理論上確實解決了“數據會被平臺拿走”的擔憂。

但是，對于大量使用CoWork云服務版本的媒體人、中小房企、第三方機構來說，數據安全的邊界在哪里？

樂居本身就是媒體，深度智聯背靠易居體系。其他媒體同行用CoWork寫稿、查數據、做測評，這些創作過程產生的數據，會不會被平臺用于其他用途？競品樓盤的分析報告、獨家采訪素材、未公開的行業動態等等，這些內容如果被系統“學習”了，會不會在無形中削弱媒體的獨家競爭力？

房企的顧慮更直接，投資部的拿地測算、營銷部的定價策略、客研部的客戶畫像，這些都是企業的核心商業機密。

國內已經有不少因使用第三方AI工具導致數據泄露的報道，甚至引發過法律糾紛。不少體制內單位和國企明確禁用通用AI工具，核心原因就是數據安全不可控。

大蘇認為，信任問題比技術問題難解得多。技術上說“數據不出域”容易，但要讓用戶相信“我的數據真的只屬于我”，需要的是長期的制度保障、第三方審計、甚至是法律層面的承諾。

對于深度智聯來說，如果真想成為行業基建，數據安全的信任圍墻，必須率先打破。

四、誰適合用CoWork？怎么用效果最好？

基于大蘇今天的實測和觀察，這三類人最適合：

第一類：地產自媒體創作者

不用多說，前面六個場景已經證明了一切。無論你是寫樓盤測評、政策解讀、企業財報分析，還是做短視頻、播客，CoWork能把“找數據+搭框架+配圖+多平臺分發”這條長尾工作壓縮到原來的1/5時間。省下來的時間，你可以做更有價值的事：采訪、思考、社交、談客戶。

怎么用最好：花半天時間，把你過往最滿意的10篇文章上傳，創建屬于你自己的“風格技能”。然后從快訊、測評、人物專訪三個最常用的場景開始，每個場景迭代3-5篇稿子，把技能磨到八十分以上。之后每篇新稿，你只需要給方向、做審核、加觀點，執行層全部交給CoWork。

第二類：房企投拓、客研、營銷、品牌團隊

這是CoWork覆蓋最深入的業務場景。一份城市進入可研報告，傳統做法需要投資部拉通十幾類數據，人工整理、交叉核對，往往耗時數周。CoWork下達指令后自動拆解任務、調用數據和專家技能，生成包含圖表、風險提示、投資建議的完整報告。

怎么用最好：建議從“城市進入報告”和“地塊價值判斷”這兩個最高頻的場景切入。先讓FDE團隊協助完成第一輪數據對接和技能配置，然后選一個真實項目做“背對背測試”。CoWork產出的報告和團隊人工產出的報告做對比，找出差異點，反向優化技能和知識庫。經過2-3個項目的磨合，CoWork就能穩定輸出團隊可用的成果。

更長遠的價值在于：企業可以將自身的投資方法論、報告規范、產品標準注入平臺，形成專屬的企業Skills。以后無論換誰來做這個崗位，這套方法論都沉淀在系統里，不會因為人員流動而流失。

第三類：希望從“住宅單一賽道”拓展到“泛地產全賽道”的從業者

物業、長租、康養、商辦、文旅，每個新賽道都需要重新學習。CoWork的行業大模型底座和專家技能，能幫你快速“掃盲”并產出專業內容。發布會上海平總就展示了克而瑞長租數據庫覆蓋20個城市、5000多個長租公寓項目，每個項目120個參數，這些底層數據，CoWork都能調用。

怎么用最好：選定你想拓展的新賽道，在技能庫里找到對應領域的專家技能（如“康養市場監測月報”“重點城市租賃市場月度監測”），用它連續生成3-5篇該領域的專業內容。過程中你會快速了解這個賽道的核心指標、分析框架和行業術語，相當于用AI幫你“速成”了一個新領域的知識體系。

五、基建造好了，接下來就看怎么用了

整場發布會，周忻說了一個詞頻率很高“布道”。

他說：“我現在發現真的很難，布道、傳播非常難，我到企業里面講的主題是擁抱AI、學習AI、使用AI，讓AI用上?！?/p>

大蘇真的挺佩服周忻的，一個快60歲的人，還在一個城市一個城市地跑，一家企業一家企業地講，一場發布會一場發布會地開，周總不愧是吾等后輩學習對象，由衷敬佩！

通訊、能源、軍工，這些行業的基建，是國家力量在做。而房地產行業的AI基建，周忻想用深度智聯來做。底層是行業大模型，中層是企業一體機，上層是CoWork工作平臺，外圍是FDE工程師團隊鋪路。

這套基建成不成，還需要時間檢驗。但作為一個地產行業的從業者，我今天試用完CoWork之后的感受是：這可能是2026年，泛地產行業從業者能拿到的最好的一件生產力工具。

它或許不完美，積分計價不夠透明、技能創建有門檻、數據安全保障還在完善中。但它確實解決了一批“以前只能靠人肉完成”的剛需問題：查數據要翻半天、寫報告要搭半天框架、多平臺分發要一整天、拓展新賽道要學三年。

如果你也是地產行業的從業者，無論是媒體人、投拓崗、客研崗還是品牌崗，建議你花一個下午，像我今天這樣，拿你手頭一個真實的工作任務喂給它，看看它能不能幫到你。然后你再來判斷這件工具，值不值得成為你2026年的生產力搭檔。