政府政策如何配合房地產科技（PropTech）的發展

世界各地的房地產市場正受PropTech的發展所影響，各類市場持份者也漸漸正視PropTech的潛力而改變投資策略。然而，PropTech的發展是否可以單靠市場的動力和熱誠來推動，還是需要政策來支持？

科技創新素來有三個典型階段：研究與開發（R&D），擴展，和商業化。事實上，有不少非以地產為本的科技，例如區塊鏈，人工智能等，當應用到房地產上都可以大展拳腳，但有不少初創公司因為缺少對房地產領域的認識而難以打進市場。有見及此，印度政府的投資機構Invest India聯合房地產巨頭JLL推出了該國最大的房地產加速器，舉辦黑客馬拉松和挑戰賽以發掘有潛力的初創公司，旨在為印度創建最大的房地產技術融合平台。在英國，為了尋找一個可以讓租戶記錄並與貸方和信貸機構共享其租金數據的方案，政府發起了「租金認可挑戰賽」（Rent Recognition Challenge）並成立了200萬英鎊的獎勵基金。在研究與開發階段，政策上的支援能融合產業，學術和研究（“產學研”）的力量，創新的思維需要產業知識和學術研究作為骨幹，才有能力為市場提供新方案。

其後，政府如何幫助PropTech走進商業市場？其中一個最明顯的方法便是引入投資，中國政府通過「 互聯網+」計劃將互聯網和信息技術與傳統產業進行融合，推動對有關產業的創新方案進行投資。其二，政府也可成為PropTech使用者，瑞典政府已成為最早在國家層面測試區塊鏈技術以記錄產權的政府之一，科技得到了政府的認證，不單是為PropTech公司提供機會，亦大大提升市場對PropTech的信心。

不論在世界何方，都能夠看到Uber或是同類電召車平台的蹤影。提到Uber，不難想起這間公司與不同政府在法律上和政策上的糾紛，某程度上妨礙了Uber的發展。這種現象我們稱為「文化滯後 (Cultural Lag) 」，意思是文化和政策追不上科技創新，從而引起社會衝突和矛盾。根據目前PropTech的趨勢，下一個「房地產Uber」隨時現身。既然無可避免，政府應該由被動轉為主動，準備好跨過現時的標準政策，採用新措施追上科技。比如新加坡政府，他們通過和業界和學術界之間的合作，已經為新加坡房地產業推出了「產業轉型圖（Industry Transformation Map）」，為房地產行業的轉型提供面向未來的路線圖，積極擁抱科技浪潮。

近觀香港，香港政府在2017年成立了創新及科技基金之後，在推動科技方面就再沒有其他較突出的政策了，更談不上有針對房地產科技的舉動。世界各地不同的政府也開始着手發展PropTech，對着香港房地產的種種挑戰，筆者期待香港政府積極支持PropTech的發展。要全面發展PropTech，使香港成爲亞太區PropTech的樞紐，政產學研，缺一不可。

Leo Lo

** 博客文章文責自負,不代表本公司立場 **

在現今社會，數據有助大力推動經濟發展，各行業都需要海量的數據以確保其創新性及競爭優勢。但一些行業明顯缺乏所需的數據量，而商業房地產投資就是其中之一，到底我們應該如何填補由小數據量到得出大數據分析之間的鴻溝呢?

幸好現時的人工智能解決方案和合成數據（Synthetic Data）可以提供到幫助，合成數據是由電腦生成的獨一無二的數據，但它亦可以復制原始數據的主要特徵，協助分析師建造數據模型。透過使用精密複雜的演算法，可以根據行業、項目及應用程序的特定需求定制合成數據。合成數據還可以自動添加準確度高的標籤，減少了人工標籤數據的高昂成本和時間。基本上，合成數據可以以低風險、大數量的方式從頭開始生成。

儘管人工智能和神經網絡很有潛力，但這些技術仍面臨實際限制，例如深度學習演算法最常見的障礙，乃是未能獲得足夠大的數據量。而在一般情況下，只有小數據的時候都不會使用深度學習演算法，但是合成數據有機會打破這僵局 。

現時的商業房地產市場主要問題為數據量不足，亦即只有小數據，大數據欠奉。很多房地產市場，住宅銷售方面顯然有足夠的數據去利用人工智能神經網絡來進行分析，但是對於商業房地產，數據量明顯不足，而合成數據就正正可以彌合所需及實際數據量之間的差距。

故此，PropTech業界裡面的模擬合成城市（Synthetic City Simulation），將利用合成數據構建城市模型，可以放大現有的數據源。那麼， 商業房地產決策者進行買賣時不再只可依賴歷史數據。為了提高準確性和可靠性， 需要更大和更新的數據庫，例如從網絡編成的數據集、地形和衛星圖像以及人工智能生成數據。美國一家房產科技公司：Skyline AI已經開始計劃模擬合成數據，將透過兩台人工智能機器去生成數據。一台是生成器，負責生成在數據集中錯誤的條目，而另一台數據分類機器是用於檢測這些數據樣本。這可以互相協助並促成大量模擬數據集，模擬合成城市的出現可以更好地洞悉租金價格、房價趨勢、市場異常情況和風險回報率。

在模擬合成城市中，整個市場上更將會運行一些假設情景以測試各種結果，補充現有數據集中不足的資訊 。總體而言，得出的這些數據能夠更好地理解市場策略和進行房價預測。隨著人工智能及機械學習的演算法和技術的飛速發展，人工合成數據可以更好地測試現時的模型，並在不斷變化的市場上提供額外的驗證。

商業房地產投資者和城市規劃師等，應多留意合成數據的潛力及未來應用。 通過大數據分析可以得到交易來源、銷售 、城市環境和資產投資行為等多樣化數據，從而更了解現實市場以作出更好的決策。