最近《纽约时报》的Gemini卖房实验刷屏了，5天多赚9万美元，看似AI要颠覆房产中介。但作为一线AI应用工程师，我得泼点冷水：这案例核心是GPT-4o级别的大模型在垂直场景的集成，而非突破性技术。关键点在于多模态文案生成和上下文管理——Gemini把房屋照片、历史成交数据、买家询问流整合进统一prompt，本质上是个高级的RAG系统。我个人的经验是，这类任务最头疼的不是模型能力，而是数据清洗：房源描述里的‘charming’可能被模型误解为‘小户型’，需要人工标注几十个标签才能避免语义漂移。
更值得警惕的是法律红线。实验里差点踩中‘歧视性定价’的坑——如果模型根据买家邮件语气调整报价，在美国可能违反《公平住房法》。我们团队去年做贷款审批AI时，就遇到过模型隐式关联邮编和种族，最后不得不加一层规则兜底。这案例说明，AI能打破信息差（比如自动对比周边成交价），但责任和风险兜底仍是人类护城河。
讨论点：1）大模型在房产这类高价值场景里，如何用对抗训练或RLHF消除隐含偏见？2）如果AI中介失败，比如估值错误导致诉讼，责任该归算法还是部署方？从工程角度看，这案例更像是‘AI辅助’而非‘替代’，行业格局短期内不会翻天，但会倒逼中介从信息贩子转向风险顾问。