在商业地产行业，一个令人不安的矛盾点正变得愈发尖锐：那些坐拥数十年交易记录、租户关系与市场直觉的顶级机构，恰恰是数据利用效率最低的一批公司。基金管理人能从季度报表中看到资产表现，却无法实时穿透到某个购物中心的租户组合风险；酒店REIT的资管团队每季度审核一遍运营数据，但前台经理的排班决策和当天发生的客户流失之间，始终横亘着一条信息断裂带。这种“数据丰裕但决策贫困”的状态，正成为行业巨头在新一轮技术周期中最大的软肋。
2026年7月28日，一家名为Antares Labs的芝加哥公司带着725万美元种子轮融资浮出水面，试图从根本上改变这一格局。公司所做的事情，用CEO Noaman Ahmad的话说，是“让AI真正跑在客户自己的数据上，解决他们自己的问题，并随时间不断进化”。这不是又一家承诺用通用大模型改造房地产的SaaS厂商——它不卖工具，也不建代理，而是把工程团队直接派驻进客户业务一线，围绕每一家公司的专有数据、工作流和机构知识，构建完全定制化的AI决策系统。
领投方Fifth Wall的创始人Brendan Wallace将这一需求描述为行业十年来未解的矛盾：“最大的业主-运营商们坐拥几十年的机构知识、专有数据和宝贵关系，但它们从未被真正激活过。” Antares Labs的融资结构本身也耐人寻味——除了Fifth Wall这家全球最大的建成环境科技基金，跟投方还包括Base10 Partners、Bloomberg Beta和Sandwith Ventures。其中Base10 Partners以投资实体经济自动化为标签，Bloomberg Beta是Bloomberg旗下专注未来工作场景的基金，这个组合暗示着投资人对“将AI嵌入重资产运营流程”这一命题的集体下注。
| 字段 | 内容 |
|---|---|
| 公司 | Antares Labs |
| 轮次 | 种子轮 |
| 金额 | 725万美元 |
| 投资方 | Fifth Wall（领投）、Base10 Partners、Bloomberg Beta、Sandwith Ventures |
| 总部 | 芝加哥，伊利诺伊州 |
| 创始人 | Noaman Ahmad |
| 官网 | https://www.antareslabs.ai |
嵌入式AI团队，而非又一个SaaS许可证
Antares Labs的产品形态与市场上大多数AI创业公司截然不同。它不提供一个标准化界面让客户自行训练模型，也不在预定义的API端点后面运行一个通用agent。用Ahmad的话说，“我们以完全不同的角度进入市场——我们不是在带一个工具，也不是在为客户构建一个代理。我们在跟他们讨论，如何从整个企业的视角来思考AI。”
这种“forward-deployed team”模式意味着，公司的工程师和数据专家会花大量时间嵌入客户的运营现场，理解一家多户住宅开发商是如何评估地块的，一家购物中心REIT是如何管理租约续签时间表的，或者一家工业地产持有人是如何预判库存周转对仓储需求的影响。在此基础上，Antares Labs搭建出运行在客户自有环境中的定制AI系统，直接接入该企业的专有数据、工作流和业务逻辑。
平台的技术层并非从头构建。公司选择与主流基础模型集成——已公开确认的包括AWS Bedrock、OpenAI的GPT系列、Google的Gemini以及Anthropic的Claude。但核心壁垒不在于模型本身，而在于中间层的动态请求路由机制：系统会根据每一次推理任务的具体需求，自动选择成本、性能和质量最优的模型，使得客户不会被锁定在任何单一供应商上。同时，所有AI决策过程都可追溯——从原始数据输入到信号提取，再到最终的业务策略建议——每一环节都保留审计就绪的推理链。这直接回应了房地产机构在合规、融资和董事会汇报中面临的“黑箱恐惧”。
Antares Labs宣称客户可在30天内看到投资回报，而非传统系统集成的30个月。这一时间承诺意味着其部署路径被设计得足够轻量：不要求客户预先建设数据湖，也不需要系统重构。但需要注意的是，这个“30天ROI”的表述目前来自公司自身宣传，尚无独立验证的客户案例公开佐证。
从找地到防流失，定制化覆盖资产全周期
在应用场景上，Antares Labs已披露的客户案例提供了比宣传口号更具体的观察窗口。已公开的合作方Quarterra——一家多户住宅开发商和投资管理机构——正在使用其系统识别和瞄准高回报的子市场及地块。这本质上是在将传统上依赖资深投资经理个人判断的“寻地”过程，转化为可大规模计算的模式识别问题。
公司还透露了另外两个正在运行的场景：为一家以购物中心为核心的REIT缩短租户轮转间隔，以及为一家工业地产东主提供当前与未来库存洞察。在这些案例中，Antares Labs做的事情是将原本分别沉淀在租赁系统、市场研报和资产经理头脑中的分散信息，整合成可执行的实时决策流。
Ahmad将跨资产类别的通用能力归结为一点：“预测哪些租户可能流失，在它变成空置或失去租约之前。”这是一个横跨办公、零售、工业和多户住宅的共性需求，但每家机构的租户构成、合同结构和预警信号都不同。这正是Antares Labs坚持定制化而非标准化产品的根本原因——通用模型可以预测通用行为，但不足以捕捉某一栋大楼中最值钱的信号。
为什么Fifth Wall愿意领投这笔交易
理解这笔融资的内在逻辑，需要看Fifth Wall在房地产科技领域的特殊地位。这家由Brendan Wallace创立的基金，不仅管理着建成环境领域最大的资本池，其LP名单几乎就是全球房地产巨头名录——CBRE、Hilton、Hines、Marriott、Public Storage、Related、Starwood等近115家业主-运营商都是其背后的出资者。这意味着Fifth Wall天然具备撮合被投公司与潜在客户的独特能力。
Wallace在Antares Labs的官宣声明中用了一种近乎紧迫感的语气：“行动窗口就在现在，等待的代价是真实的。”这并非修辞夸张。房地产行业正处于一个微妙的临界点：利率环境持续压制交易量，资产估值承压，运营效率的每一分提升都直接转化为生存优势。Ahmad在Commercial Observer的采访中更直白地表达了这一点——“大多数公司现在已意识到，他们需要用AI的力量做点什么，因为如果不做，在未来一两年内将失去竞争优势。”
从投资组合建设的角度看，Antares Labs解决了一个Fifth Wall此前未能完全覆盖的痛点。它的被投企业名单上有Opendoor（房屋交易平台）、Procore（建筑管理软件）、Blend（数字贷款）等重塑行业价值链各环节的公司，但一直没有一家公司能够系统性地将AI嵌入资产运营决策的核心。Antares Labs的“嵌入式定制”模式，恰好填补了这个空白——它不是在做房地产的数字化记录层，而是在做决策层的智能化。
Base10 Partners的参与也值得注意。这家基金的投资主题始终围绕“自动化实体经济”，从物流到食品供应链再到建筑业。将Antares Labs纳入其组合，暗示着投资方将商业房地产运营视为一个尚待自动化改造的巨大存量市场，而非一个需要教育的新兴增量市场。
商业模式的优势与规模化的天花板
Antares Labs的商业模式本质上是高度劳动密集型的专业服务。每获取一个新客户，就需要部署一支能够理解该客户业务逻辑的工程师团队。目前公司未披露团队规模和客户数量，但已知的客户仅Quarterra一家被公开点名。对于一个刚完成种子轮的公司来说，这并无不妥——早期深度服务少数大客户以验证模式，是这类“服务即壁垒”公司常见的策略。
问题在于这条路径能否在后续融资中继续讲下去。一个类比可供参考：Palantir在早期同样以“嵌入式工程师”模式服务政府客户，用了近十年时间才逐步实现产品化，至今仍被质疑其收入增长与人员扩张之间的线性关系。Antares Labs面临着类似的张力——每增加一名新客户，是否需要等比例增加团队规模？如果答案是肯定的，那么公司的毛利率结构将更接近咨询公司而非平台型SaaS，这会影响长期估值逻辑。
Ahmad本人对规模化问题的回应隐含在其对产品的定义中：“产出不是一份报告，也不是一个需要管理的供应商。它是活在客户业务内部的智能，由客户拥有，每天都在变得更聪明。”这套表述将Antares Labs定位为“构建可自我进化系统”的机构，而非“按人天收费的实施服务商”。但能否真正将定制化过程中积累的跨客户知识沉淀为可复用的构建模块，是验证这一叙事的关键。
另一个值得关注的效率指标是客户获取成本。目前的投资方结构提供了非对称优势——Fifth Wall的LP网络本身就是一张通往115家全球最大房地产机构的关系网。这意味着Antares Labs在早期阶段的销售转化可能高度依赖股东关系导流，而非公开市场竞争。这种模式的优势在于早期获客成本极低，劣势在于一旦走出股东网络，其独立获客能力尚未被验证。
多模型集成是护城河还是维护负担
Antares Labs在技术架构上做出一个鲜明的选择：平台兼容AWS Bedrock、OpenAI、Gemini和Anthropic等多套基础模型，并能根据任务需求在模型之间动态切换。这种“模型无关性”在宣传中被定位为客户避免供应商锁定的关键卖点。
但从工程角度看，同时维护与多个基础模型API的稳定集成并非没有代价。每一次底层模型的能力升级、定价变动或接口调整，都需要平台侧做出响应。对于一家种子轮阶段的公司而言，这种维护成本会随着接入模型数量的增加而线性增长。Antares Labs尚未披露其动态路由机制的具体算法逻辑，也未说明在实际生产环境中各模型的使用占比。这些技术细节将直接决定“多模型兼容”究竟是一个实际创造价值的架构能力，还是一个在销售演示中更有效的概念。
不过，房地产业客户的特殊需求为这一技术选择提供了合理性。大型房地产机构通常会与特定云服务商建立深度采购绑定，对数据驻留和合规有严格要求。如果某家客户已与AWS建立合作关系并签署了数据驻留协议，Antares Labs可以通过Bedrock调用模型而无需将数据送出该客户的AWS环境。这种灵活性在金融服务和医疗等强监管行业中已是标配要求，现在正在向房地产渗透。
竞争并未消失，只是不在同一维度上展开
Antares Labs在公开材料中未直接提及竞争对手，但这不代表竞争真空。事实上，竞争来自三个不同层级，每一层都在以不同方式侵蚀同一块市场。
第一层是通用AI平台厂商本身——OpenAI、Anthropic和Google正在竞相推出面向企业客户的定制化方案，包括微调服务、私有化部署和行业解决方案。Amazon Bedrock作为集成平台，天然鼓励客户在其生态内自建应用。如果一家大型房地产机构已拥有足够强内部AI团队，直接在基础模型上构建行业应用完全可能。
第二层是房地产科技领域的现有玩家。Fifth Wall投资组合中的Procore、AppFolio等公司已掌握大量房地产运营数据入口，它们向AI功能的演进是自然延伸而非跨界。一家已在建筑项目管理中积累十年行为数据的公司，新增一个租户流失预测模块的门槛远低于从零开始。
第三层是独立的“行业AI定制”创业公司，它们并不局限于房地产，但采用类似的模式——为特定行业客户构建基于其专有数据的大模型应用。这些公司随时可能将业务范围延伸至房地产资产类别。
Antares Labs在竞争中押注的核心假设是：大型房地产机构不具备内部AI能力，且定制化需求持续高到足以支撑一个独立赛道。Ahmad此前在Keystone和Doma担任首席财务官的经历，给了他理解房地产机构内部决策流程的视角，但高管经验不等同于可规模化的产品能力。在竞争格局明确化之前，每新增一个行业客户都是对这一假设的事实验证，每一次客户的内部AI能力成长都是对这一假设的侵蚀。
资金用途未明与待解的关键问题
关于这笔725万美元的具体使用计划，Antares Labs未在公开材料中披露。对于一个刚完成种子轮的公司而言，通常的资金流向包括工程团队扩张、客户交付能力建设和初步市场拓展。但在缺乏官方说明的情况下，外界只能通过间接信号做出判断。
一个值得注意的细节来自LinkedIn转载的报道线索——Antares Labs被描述为“在Fifth Wall内部孵化的公司”。这意味着创始团队与领投方之间存在远超普通投资关系的深度绑定，公司的早期运营逻辑、客户导入和资源调度可能吸收了大量来自第五墙的支持。如果事实如此，那么这笔融资的实际消耗率将低于同等规模的独立创业公司，但另一方面，公司独立存续和发展的轨迹也将更复杂。
从风险视角审视，Antares Labs面临着几个待验证的关键假设。首先是定制化模式的规模化路径——如果每个新客户都需要一支了解其业务的专属团队，那么增长曲线的斜率将高度受限于人才获取速度。其次是客户集中度风险——Quarterra是目前唯一被公开确认的客户，若早期客户数量有限，任何单一客户的流失都会对收入基础造成重大冲击。第三是ROI承诺的可复制性——“30天见效”的宣传如果没有足够的独立客户证据支撑，会在更保守的企业采购决策中遭遇质疑。最后，公司成立年份和总部确切地址均未被明确披露，对于一家自称与“全球最大机构”合作的公司而言，基础信息的透明度尚待提升。
这些风险并不否定Antares Labs的早期价值——它确实切中了房地产行业一个真实而巨大的痛点，并且用一种不同寻常的方式做出了回应。但种子轮的意义在于验证假设，而非确认成功。Every嵌入一个客户内部的过程，都是一次对“定制化AI能否被系统化交付”这一核心命题的检验。
RecodeX 极客视：Antares Labs的725万美元种子轮揭示了一个值得持续追踪的商业实验——在通用AI平台厂商以标准API吞噬一切的时代，一支愿意深入客户业务一线做定制化交付的团队，究竟是不可或缺的战略伙伴，还是规模化诅咒下的过渡形态。Fifth Wall强大的LP网络为早期客户获取购买了时间窗口，但真正的刻度线在于：当第二个、第三个Quarterra被公开点名时，公司能否展示出跨客户的模块复用率而非等比例的人力扩张。房地产开发商的下一代竞争优势，部分掌握在这些嵌入他们业务内部的工程师手中。