周忻要做房地产行业的“基建”——深度测评深度智联“CoWork

文/大苏：

广东省房地产行业协会媒体专业委员会、数字营销工作委员会秘书长，

广东《南方房地产》杂志社副社长，地产大苏、财经大苏主理人

2026年7月7日，深度智联以上海总部为主场、视频直播链接全国20城市举行新品发布会。大苏作为协会代表、媒体创作者，受邀到广州分会场全程观看。

两个多小时里，年近六旬的周忻几乎独自讲完了全部内容：企业专属大模型一体机、FDE前端部署工程师团队、地产AI分析师“小瑞”上岗、易委会社区治理智能体等。下半场，深度智联极客云途首席运营官方欢登场，为线上线下五百多位媒体人演示CoWork怎么用。

（易居中国董事局主席 周忻）

在这个行业，多少前辈到了这个岁数都淡出了。

但周忻没有，这个把大半辈子押注在中国房地产行业的人，在这个夏天传递了一个清晰的信号：

他要做的不是一款产品，而是房地产行业在AI时代的“基建”。

在各行各业，通讯、能源、军工、交通等等，凡是关乎国计民生的底层能力，最终一定是由国家力量或行业底座来承载的。

而房地产这个百万亿级的超级行业，至今还缺乏一套真正属于行业自己的AI基础设施。大多数地产人和媒体人，还在用通用大模型“凑合着用”。

周忻的“野心”，应该就是要补上这块短板。

而CoWork，正是这套基建面向行业开放的第一扇窗口。

带着协会和媒体的双重身份，大苏把CoWork从里到外“盘”了个遍。本文，不尬不黑，给你一份关于CoWork的深度测评报告。

一、先谈“基建”：为什么说周忻做的不只是一款产品

测评之前，有必要先理解CoWork的底层逻辑。因为离开这个前提，你很难理解为什么深度智联要同时做一体机、FDE团队、CoWork平台、GEO认知优化这一整套“全家桶”。

什么叫“基建”？

通讯行业的基建，是基站和光纤。你不需要自己建，但你离不开它。

能源行业的基建，是电网和管道。你不需要自己铺，但你离不开它。

AI时代的基建，是大模型、算力和部署能力。你不一定要自己训练模型，但你的工作如果离不开AI，你就需要一套稳定、专业、可控的底层支撑。

房地产行业以前没有这套基建。大企业想建专属模型，动辄投上千万、花18个月，还不一定跑得通。中小企业想用AI，只能在豆包、千问上“东问一句、西查一段”，问出来的东西似是而非，数据对不上，术语听不懂。

周忻在发布会上说了一句话：

“现在大家的概念还是停留在豆包上面，充其量小龙虾上面，怎么样让AI能够工作，我要说的不是让AI工作的问题，是要让人怎么愿意用、或者说学会用AI工作的问题。”

这句话点破了行业现状：AI工具不缺，缺的是能让行业人踏实干活的工作台。

所以深度智联的产品矩阵，本质上是三层基建：

层级

产品

解决什么问题

底层

DeepLink RE-LLM 行业垂类大模型

让AI懂房地产的“黑话”和逻辑

中层

地产模数通企业专属大模型一体机

让头部企业拥有自己的AI底座，数据不出域

上层

CoWork AI工作平台

让每一个从业者——分析师、媒体人、策划、投拓——有活干的地方

这个结构，像极了当年智能手机的“Android系统+高通芯片+应用商店”的组合：底层是能力，中层是硬件，上层是生态。

而FDE前端部署工程师团队，就是帮企业“接通水电”的那批人。

周忻特意花了十分钟讲FDE，这个词在硅谷正流行，但他定义的前端部署技能工程师，不是码农，而是“懂行业的AI布道士”。这让我想起早年的企业信息化，ERP能落地，靠的从来不是软件本身，而是一批懂业务、懂系统、能陪跑的“实施顾问”。

CoWork，就是这套基建面向行业开放的第一个“应用商店”。

二、深度测评：CoWork到底是什么，能干什么，值不值得用？

进入正题，大苏借鉴数码测评的惯用框架来拆解：外观与交互→ 核心性能 → 场景实测 → 槽点与短板 → 谁适合用 → 怎么用最好。

2.1 外观与交互：第一眼像个“会聊天的文件夹”

打开CoWork桌面端，界面非常克制，甚至可以说朴素：

左侧是功能区：新工作、技能库、知识库、应用场景、极客蜂巢；

中间是对话框，就是你和AI“派活”的地方；

右侧可展开，显示AI的思考过程和数据调用链路。

（CoWork主界面）

大道至简，界面简单到更像一个“会聊天的文件夹”。你告诉它把活干完，它把结果存在你指定的文件夹里。

大苏很认同这个设计哲学：不炫技，干活要紧。对于每天被报告、数据、分析追着跑的行业人来说，这种“少即是多”的交互，反而是最大的友善。

方欢在现场演示时反复强调一句话：“你就当它是个实习生，把活交代清楚就行。”这个定位还是较为客观精准的。CoWork没有把AI包装成一个“无所不能的神”，而是降维成一个“听话、手快、记性好、但需要你指点”的助理。

综合来说，CoWork上手门槛是极低的。

2.2 核心性能：三张王牌——“问数、问知、技能库”

CoWork不是聊天机器人，它是“决策专家+创作引擎+分发系统”的三合一。我拆解一下它的核心能力模块：

第一张牌：问数——直连CRIC数据库

这不是联网搜索，而是直连克而瑞沉淀了21年的房地产数据库。

我在现场试了几个查询：

“广州新房2026年上半年月度供求数据”。15秒返回了6个月的表单，含供应面积、套数、成交面积、套数、均价、套均价、总金额，数据颗粒度到区域级别。

这跟用豆包、千问的最大区别是：你不需要去判断AI回答的数据是“编的”还是“查的”。

CoWork问数模块的每一次数据返回，右侧都会显示推理链路和数据来源，你可以追溯到原始数据库的字段级来源。

这相当于给每个从业者配了一个克而瑞分析师。以前写报告要查数据，要么翻报告、要么凭记忆、要么去网上扒拉半天还不一定对。现在问一句就行，而且数据可验证。

第二张牌：问知——行业知识库即问即答

如果说“问数”解决的是“数据在哪里”，那“问知”解决的是“知识在哪里”。

我试了几个行业术语：

“什么叫货地比？”

“存销比’多少算健康？”

“广佛深的土地拍卖规则有什么差异？”

回答的质量相当扎实，不是泛泛而谈，而是带有行业语感和上下文理解的答案。这得益于深度智联在行业大模型底座上做的语料训练，包括克而瑞二十多年的研究报告、政策法规库、行业词表等。

第三张牌：技能库——这才是真正的“生产力倍增器”

这是CoWork区别于所有通用AI工具的核心功能。

技能（Skills），可以理解为一个一个“预置了工作流的AI应用”。目前技能库有164个，分政策、住宅、长租、康养、商办、文旅、城市更新、产业、物业、企业、媒体等大类。

（CoWork技能库）

地产也迎来属于自己的“预制菜”！每一个技能，就是一条“预制好的工作流水线”。

你点击对应的技能，它自动按预设框架调用数据、生成内容。这相当于把克而瑞二十多年积累的专业方法论，一个资深分析师要花多年才能掌握的研判框架，变成了即调即用的标准化能力。

更关键的是：你可以创建自己的技能。把你的工作流程、报告范文、分析框架喂给它，CoWork能“学会”你的方法论，下次产出的结果就是你想要的样子。我传了三篇自己写的行业观察，创建了一个“大苏风格·行业评论”技能，再让它写一篇房企观察，输出的框架、语气、数据密度确实有七八分神似。

2.3 场景实测：覆盖媒体与房企两大业务线

（1）媒体线：六种刚需场景，逐一过手

（媒体技能库）

场景一：快讯生产

指令：用“活动快讯”技能，生成一篇关于今天发布会的快讯，500字，自媒体风格。

耗时：约3分钟。

输出：标题、导语、三个信息块、金句摘录、背景链接，结构完整。数据准确（广州上半年新房成交4.57万套、均价31069元/㎡等均正确）。

评价：以前这类稿子从听速记到成文至少要30分钟，现在3分钟出初稿，省下的是找数据+搭框架的时间。

（CoWork生产逻辑）

场景二：深度图文创作——楼盘测评

指令：“用‘楼盘测评’技能，写一篇“某某楼盘”的深度测评，参考比邻冠军榜的框架，2000字。”

耗时：约8分钟。

输出：区域价值、项目价值（得房率87-93%、2600㎡会所、地铁6号线520米）、市场表现、竞品对比，结构清晰，数据详实。配了AI生成的图表和项目效果图。

评价：CoWork产出的稿子质量，放在公众号上可以直接用。以前这类专业测评稿，找一个熟悉该板块的记者写至少要半天。乐居广州总经理赵秀娟现场也提到，经常有甲方当天跟他们沟通，当晚就要给初稿，借助这个工具，完全游刃有余。CoWork把“执行层”的活儿全干了，剩下的是专业编辑做“审核+润色+观点注入”。

（楼盘评测案例）

场景三：多模态内容——文章→脚本→短视频→播客

这是我个人最为惊喜的功能。

第一步：生成一篇物业行业观察稿。第二步：说“把这篇文章生成一个1分钟视频脚本”。第三步：CoWork输出脚本，然后直接生成了一段口播短视频。第四步：说“生成一个15分钟播客版本”，输出口语化的播客脚本。

一条内容生产线，一次投入，产出四样东西。对于中小型自媒体团队来说，这相当于多配了半个后期团队。

（CoWork数字形象）

场景四：知识库建设——让AI“越用越懂你”

我建了一个“大苏的知识库”，上传了三份范文。然后让CoWork“按照大苏的风格，写一篇关于广州楼市新政的解读”。输出的文章，在开篇方式、段落节奏、数据引用习惯上，确实更接近我自己的行文风格。

这个功能的核心价值：不是让AI替你写，而是让AI学会“像你一样写”。长期积累下来，这个知识库就是你自己的“数字分身”。

场景五：极客蜂巢分发——23个平台一键触达

极客蜂巢支持一键授权绑定23个平台（公众号、头条、百家号、小红书、抖音、快手、视频号、网易号、搜狐号、财经类平台等），批量发布，数据统一回采。

我现场绑了6个账号，一篇稿件勾选全部，后台显示分发成功。随后在“数据智能”看板可以看到每篇文章在各自平台上的阅读量、评论、分享数据。

对有矩阵运营需求的机构号来说，这省掉的不是“一点时间”，而是“一个专人的工作量”。

场景六：跨界拓展——从住宅到物业、康养、长租

我用CoWork生成了一篇关于长租公寓比邻冠军榜的稿件。长租领域我平时关注不多，但CoWork输出了一份包括“服务式公寓五星级榜单”“品质公寓四星级榜单”“性价比公寓三星级榜单”的完整稿件，数据准确，框架专业。

一个写住宅的媒体人，如果想拓展到物业、长租、康养、商办赛道，不用重新学三年，CoWork能帮他快速“补课”。

（2）房企线：投拓、客研、营销、品牌全链条覆盖

媒体只是CoWork的一个切面。回到行业视角，CoWork真正让我兴奋的，是它对房企核心业务链的覆盖能力。

场景一：城市进入与拿地可研

一份城市进入报告，传统做法需要投资部拉通宏观、土地、竞品、政策、客群等十几类数据，人工整理、交叉核对，往往耗时数周。CoWork的“应用场景”中预设了“城市进入报告工作场景”和“房企拿地前的地块价值判断”两个专项流程，下达指令后自动拆解任务、调用数据和专家技能，生成包含图表、风险提示、投资建议的完整报告，员工随时介入调整。

场景二：项目定位与产品策划

从“项目定位评审”到“规划强排方案生成”，从“楼盘价值宣发”到“活动策划及营销物料生成”，CoWork覆盖了项目定位、产品设计、营销策划的全链条。更关键的是，房企可以将自身的投资方法论、产品标准、报告规范注入平台，形成专属的企业Skills，产出的结果就是完全属于这家企业的专业判断。

场景三：财务测算与REITs分析

发布会资料显示，CoWork的专家技能中还包含财务测算、工程造价、REITs分析等模块。这意味着投资岗、财务岗、资管岗的日常工作，包括现金流测算、成本估算、资产估值等，都能在CoWork上找到对应的技能支持。

具体来说，CoWork目前覆盖的泛地产核心业务场景包括：拿地可研、城市进入、板块研判、竞品去化、财务测算、工程造价、政策解读、企业画像、项目测评、REITs分析、市场监测、招商租赁、物业测评、康养研究、长租测评、商办研究等16类。它把一个资深分析师的经验变成了全公司可复用的能力。

三、槽点与短板：实话实说，有三处还不够完美

客观测评必须说缺点。以下是大苏使用中遇到的真实问题，以及基于现场观察和同行交流的客观判断。

槽点一：积分消耗不透明

虽然有积分明细可查，但“一篇稿件到底消耗多少分”没有明确的计价公式。在实际测试中写行业观察用了127分，方欢示范楼盘营销软文用了89分，同类型任务差异不小，现场不少媒体老师也在积分消耗问题上较为困惑。

对于需要控制成本的团队，目前只能靠经验摸索。官方给出了基本指引：标准模型适用于快讯、简报等简单任务；高级模型适配大部分专业创作；MAX模型用于复杂深度报告和多模态生成。但具体到每类任务的“预算规划”，还需要更多实测数据支撑。

不过话说回来，横向对比一下：一篇专业地产稿，传统方式如果外包给专业写手，少则三五百、多则上千元。CoWork上走完“问数+问知+深度创作+配图”全流程，消耗的积分折算下来也就几十到一百多元。成本优势是碾压级的，只是计价方式还需要更透明。

槽点二：技能创建的“门槛”被低估了

发布会上强调“手搓技能”很容易，上传范文、一键创建。但实际用下来，要创建一个真正可用的技能，你需要满足三个条件：

第一，你自己得有一套清晰、稳定、可复现的工作流，你首先得是一个有方法论的专业人士。第二，你手里得有足够高质量的“范本”，三五篇随手写的稿件喂进去，产出的技能质量就是“差不多”；真正好用的技能，需要反复调试、多轮优化。第三，你愿意花时间去迭代，第一版技能生成的文章可能只有六十分，你需要和它对话、修正、再生成，迭代三五轮才能到八十分以上（每一次对话均消耗积分）。

对于习惯了“AI问答”的用户来说，从“用技能”到“创技能”之间还有一段学习曲线。这其实也从另一个角度印证了周忻的观点：这个行业最缺的不是技术，是“布道”和“陪跑”。

槽点三：数据安全——信任问题比技术问题更难解

大苏想聊一个更敏感的话题：数据安全。

诚然，PPT上写着“地产模数通”采用本地化部署，企业数据不出域，知识产权归企业。对于购买一体机的头部企业来说，物理级数据隔离，用户数据、知识库、技能库完全本地留存。

这套方案理论上确实解决了“数据会被平台拿走”的担忧。

但是，对于大量使用CoWork云服务版本的媒体人、中小房企、第三方机构来说，数据安全的边界在哪里？

乐居本身就是媒体，深度智联背靠易居体系。其他媒体同行用CoWork写稿、查数据、做测评，这些创作过程产生的数据，会不会被平台用于其他用途？竞品楼盘的分析报告、独家采访素材、未公开的行业动态等等，这些内容如果被系统“学习”了，会不会在无形中削弱媒体的独家竞争力？

房企的顾虑更直接，投资部的拿地测算、营销部的定价策略、客研部的客户画像，这些都是企业的核心商业机密。

国内已经有不少因使用第三方AI工具导致数据泄露的报道，甚至引发过法律纠纷。不少体制内单位和国企明确禁用通用AI工具，核心原因就是数据安全不可控。

大苏认为，信任问题比技术问题难解得多。技术上说“数据不出域”容易，但要让用户相信“我的数据真的只属于我”，需要的是长期的制度保障、第三方审计、甚至是法律层面的承诺。

对于深度智联来说，如果真想成为行业基建，数据安全的信任围墙，必须率先打破。

四、谁适合用CoWork？怎么用效果最好？

基于大苏今天的实测和观察，这三类人最适合：

第一类：地产自媒体创作者

不用多说，前面六个场景已经证明了一切。无论你是写楼盘测评、政策解读、企业财报分析，还是做短视频、播客，CoWork能把“找数据+搭框架+配图+多平台分发”这条长尾工作压缩到原来的1/5时间。省下来的时间，你可以做更有价值的事：采访、思考、社交、谈客户。

怎么用最好：花半天时间，把你过往最满意的10篇文章上传，创建属于你自己的“风格技能”。然后从快讯、测评、人物专访三个最常用的场景开始，每个场景迭代3-5篇稿子，把技能磨到八十分以上。之后每篇新稿，你只需要给方向、做审核、加观点，执行层全部交给CoWork。

第二类：房企投拓、客研、营销、品牌团队

这是CoWork覆盖最深入的业务场景。一份城市进入可研报告，传统做法需要投资部拉通十几类数据，人工整理、交叉核对，往往耗时数周。CoWork下达指令后自动拆解任务、调用数据和专家技能，生成包含图表、风险提示、投资建议的完整报告。

怎么用最好：建议从“城市进入报告”和“地块价值判断”这两个最高频的场景切入。先让FDE团队协助完成第一轮数据对接和技能配置，然后选一个真实项目做“背对背测试”。CoWork产出的报告和团队人工产出的报告做对比，找出差异点，反向优化技能和知识库。经过2-3个项目的磨合，CoWork就能稳定输出团队可用的成果。

更长远的价值在于：企业可以将自身的投资方法论、报告规范、产品标准注入平台，形成专属的企业Skills。以后无论换谁来做这个岗位，这套方法论都沉淀在系统里，不会因为人员流动而流失。

第三类：希望从“住宅单一赛道”拓展到“泛地产全赛道”的从业者

物业、长租、康养、商办、文旅，每个新赛道都需要重新学习。CoWork的行业大模型底座和专家技能，能帮你快速“扫盲”并产出专业内容。发布会上海平总就展示了克而瑞长租数据库覆盖20个城市、5000多个长租公寓项目，每个项目120个参数，这些底层数据，CoWork都能调用。

怎么用最好：选定你想拓展的新赛道，在技能库里找到对应领域的专家技能（如“康养市场监测月报”“重点城市租赁市场月度监测”），用它连续生成3-5篇该领域的专业内容。过程中你会快速了解这个赛道的核心指标、分析框架和行业术语，相当于用AI帮你“速成”了一个新领域的知识体系。

五、基建造好了，接下来就看怎么用了

整场发布会，周忻说了一个词频率很高“布道”。

他说：“我现在发现真的很难，布道、传播非常难，我到企业里面讲的主题是拥抱AI、学习AI、使用AI，让AI用上。”

大苏真的挺佩服周忻的，一个快60岁的人，还在一个城市一个城市地跑，一家企业一家企业地讲，一场发布会一场发布会地开，周总不愧是吾等后辈学习对象，由衷敬佩！

通讯、能源、军工，这些行业的基建，是国家力量在做。而房地产行业的AI基建，周忻想用深度智联来做。底层是行业大模型，中层是企业一体机，上层是CoWork工作平台，外围是FDE工程师团队铺路。

这套基建成不成，还需要时间检验。但作为一个地产行业的从业者，我今天试用完CoWork之后的感受是：这可能是2026年，泛地产行业从业者能拿到的最好的一件生产力工具。

它或许不完美，积分计价不够透明、技能创建有门槛、数据安全保障还在完善中。但它确实解决了一批“以前只能靠人肉完成”的刚需问题：查数据要翻半天、写报告要搭半天框架、多平台分发要一整天、拓展新赛道要学三年。

如果你也是地产行业的从业者，无论是媒体人、投拓岗、客研岗还是品牌岗，建议你花一个下午，像我今天这样，拿你手头一个真实的工作任务喂给它，看看它能不能帮到你。然后你再来判断这件工具，值不值得成为你2026年的生产力搭档。