北京二手房网签量再探底******
北京二手住宅的网签量在新年首月再次迎来探底。机构方面流出的数据显示,1月北京二手房成交量仅为8308套,比去年同期的11875套低了30%,与2021年同期的17513套相比,跌幅更是超过50%。春节过节早、12月大面积“阳康”拖延了成交周期,都是造成新年首月二手房成交量进一步下探的原因,但买卖双方对于松绑政策的预期以及市场本身修复不到位,才是更重要的因素。需要注意的是,算上1月,北京的二手住宅网签量已经连续两个月在8000+的成交区间,如果持续,价格下行将成为必然。
网签量连续两个月8000+
大年初十,三年来首次放一个悠长假期的郝杰回到了位于安定门的店里。在过去,春节连市是很多经纪人和新盘案场的常态,在这个春节,出于“归家”的期待叠加市场活跃度偏低,不少北京的中介门店选择了歇业放假。
“经历三年疫情,今年返乡的人要更多,我们门店仅留了两个北京孩子值班,而且还是一人一天。”郝杰透露,春节前看房的客户就不多了,春节期间仅带看了3组客户,基本也都是走个流程,并没有意向客户。
大面积“阳康”后的1月,市场并没有迎来期待中的反弹。来自中原地产研究中心的统计数据显示,2023年1月北京二手住宅网签8308套,同比2022年1月的11875套下降超过30%,这也是北京本轮二手住宅连续两个月网签量低至8000+区间。
尽管环比降幅不大,仅为5.3%,但2022年12月本身基数较低,仅为8773套,比2022年11月的10750套也有两位数的降幅。自2022年5月,北京二手住宅网签量跌破万套,来到月度成交8000+区间后,市场逐步反弹,9月达到14329套,然后开启降温态势。
8000+的月度成交量意味着什么?
在中原地产首席分析师张大伟看来,考虑到网签数据的滞后性,8308套并不能完全体现当前的市场状况。春节过节早、12月大面积“阳康”拖延了成交周期,都是造成新年首月二手房成交量进一步下探的原因。“市场没有那么差,也没有那么火热,真实情况大概一周3000套,回归到2022年的正常水平。”张大伟表示。
北京链家研究院分析师冷会指出,网签量下降的原因主要有两方面:一是春节假期从业人员休假,网签业务部分暂停;二是网签数据相对滞后,无法及时反映实际市场情况。从主要经纪机构成交情况看,1月上半月二手住房市场恢复态势显著,下半月受春节假期影响成交节奏放缓,1月整体交易规模与2022年春节月份(2022年2月)基本持平。
3、4月或恢复
二手房网签量何时恢复?在包括上述专家在内的多位业内人士看来,北京二手房网签量的恢复要等到3、4月才会有所体现,按照往年惯例,3、4月是教育资源优质区域的成交高峰期,上学等置业需求会集中释放。
但更多的从业者担忧,伴随着上学等需求集中释放后,目前本就修复不到位的二手房市场将出现较大的需求空窗期。
“现在买卖双方的认知差距特别大,买方希望使劲儿压价,卖方觉得政策松绑预期明显。”包括郝杰在内的多位一线经纪人直言,当下即便是比较优质的二手房,也都会出现“共识难以达成”的局面。
“‘其他城市都在调整政策,北京是不是也会变呢?’这种几乎是小业主们的共同心态,所以卖得不多、不真卖,挂出来试试水,价格还标得有些随心所欲。” 而买方也多持观望情绪,成交周期因此被不断拉长。
网签量与价格走势成正比
另一方面,看似筑底的价格,也有着统计因素作用结果。北京商报记者从经纪机构提供的数据发现,近期北京中心城区成交占比显著提升,进而导致全市成交均价结构性上涨。“所以北京并不是真的二手房还在涨,只是网签结构拉动了成交均价。”多位业内人士直言,一旦上学等核心城区需求在4月完成释放后,如果网签量持续保持下探,价格下行也将成为必然。
近日,多城密集下调首套房贷利率,根据诸葛找房数据研究中心不完全统计,春节后,包括郑州、天津、厦门、福州、珠海、长春、沈阳等城市相继下调了首套房贷款利率下限,新一轮的下调房贷利率潮流正在上演。截至目前,已经有30城下调首套房贷款利率下限,其中最低降至3.7%。
从城市分布来看,春节之前下调房贷利率的多以三四线城市为主,而近几日下调房贷利率的城市以二线城市为主力,其中不乏省会城市和重点二线城市。
至于北京,此前谈论最多的就是对于认房不认贷的调整,以及首套和二套房贷利率和首付款比例的调整。业内人士指出,如果上述政策落实,将释放一部分置业需求,但北京等一线城市牵一发而动全身,政策调整会慎之又慎,放开的“尺度”也不会太大。认房不认贷议论多时,但并未见到相关信号传递出来;而房贷利率调整,按照个人住房贷款利率政策动态调整长效机制,北京目前并不符合标准。北京商报记者 王寅浩
ChatGPT搞钱行不行******
一系列的试探之后,AI聊天机器人ChatGPT的收费计划浮出水面。当地时间2月1日,人工智能实验室Open AI在其官网宣布将推出“ChatGPT Plus”付费订阅版本,每月收取20美元。免费了两个月,月活用户却达1亿的ChatGPT,终于踏上了自己的“赚钱路”,由此,AIGC商业化落地的探讨也陡然升温。不少人迫切地想知道,ChatGPT Plus会不会是AIGC从烧钱到赚钱的关键转折。
免费服务仍将继续
“新晋顶流”ChatGPT用收费计划再次搅动了AI圈的一池春水。根据Open AI的公告,订阅ChatGPT Plus服务的用户,即使在高峰时段,也可获得该聊天机器人更快速的回应,而且可以提前体验新功能和改进。
去年11月,ChatGPT横空出世,不仅能够通过学习和理解人类的语言与用户进行对话,还能根据上下文互动,甚至能够完成撰写文案、翻译等工作。得益于这种突破性的使用体验,ChatGPT迅速蹿红。
当地时间2月1日,瑞银发布研究报告称,截至今年1月,近期爆火的ChatGPT在推出仅两个月后,其月活跃用户估计已达1亿,成为历史上用户增长最快的消费应用。同样的成绩,海外版抖音TikTok在全球发布后,花了大约9个月的时间,Instagram则花了两年半的时间。
但大量用户涌入的同时,也导致ChatGPT经常在流量压力之下无法提供及时的回应,此次收费版的ChatGPT Plus针对的便是这一痛点。
据悉,付费计划将在未来几周内首先在美国推出,然后扩展到其他国家。但ChatGPT Plus的推出并不意味着取代免费版的ChatGPT,Open AI表示,将继续为ChatGPT提供免费访问。
烧不起的模型成本
尽管只推出了两个月,但Open AI对于ChatGPT的收费计划却已经暗示了有一阵子。早在1月初,Open AI就曾提出过专业版ChatGPT的计划,宣布“开始考虑如何使ChatGPT货币化”,并公布了一项调查。什么价格以上会无法接受?什么价格以下会觉得太便宜?诸如此类关于定价的问题皆在其中。
有用户曾在社交媒体上提问ChatGPT是否会永久免费,对此,Open AI首席执行官Sam Altman回应称:“我们将不得不在某个时间点,以某种方式将其商业化,因为运算成本令人瞠目结舌。”Sam Altman曾透露,ChatGPT平均每次的聊天成本为“个位数美分”。
“这类大模型训练成本非常高。”在接受北京商报记者采访时,瑞莱智慧高级产品经理张旭东表示。
但相对训练来说,模型推理,也就是用户提交输入模型输出结果的过程,这一成本会更高。“据说ChatGPT在开放测试阶段每天要花掉200万美元的服务器费用,所以前段时间免费的公测也停止了,如何降低模型推理的消耗也是目前的一个重要研究问题。”张旭东称。
“钱景”在哪
长久以来,广阔的市场前景和难以盈利的现状几乎成为了AI领域难以平衡的理想和现实,对ChatGPT或者说是以ChatGPT为代表的AIGC也是一样。
洛克资本副总裁史松坡对北京商报记者分析称,ChatGPT受到广泛认可的重要原因是引入新技术RLHF,即基于人类反馈的强化学习。在史松坡看来,ChatGPT是一个高效的信息整合助手,可以取代大量人类中初级助理的角色。
但他同时提到,目前ChatGPT在海外英文环境中已经能胜任图画创作、音乐创作、文字整理、信息搜集综合、基础编程和金融分析,但还不能胜任高频度的人类主观决策,比如大型投资决策、政治战略决策等。
天使投资人、知名互联网专家郭涛认为,ChatGPT在重塑众多行业或场景的同时也孕育着巨大的商机,将推动众多行业快速变革,有望在AIGC、传媒、娱乐、教育、客户服务、医疗健康、元宇宙等领域快速落地,具有万亿级市场规模。
张旭东认为,AIGC商业化落地还需要结合应用场景,目前基于生成式大模型的商业应用案例还比较少,就以当下的技术水平看,一两年内达到很好的AGI(通用人工智能)水平还是不太现实的,所以一定需要有垂直领域的创新公司来基于OpenAI等公司的工作来寻找合适的场景落地。
AIGC商业化,侵权与被侵权
AIGC要想商业化,场景只是其一。伴随着ChatGPT的爆火,争议始终并行,比如AI绘画面临的版权探讨。学术界也已针对ChatGPT做出了反应,权威学术出版机构Nature规定,ChatGPT等大模型不能被列为作者。纽约市教育部门曾表示,纽约公立学校的所有设备和网络上将禁止使用ChatGPT。
张旭东认为,目前AIGC最为成熟的应用在内容作品创作上,但从专业角度看,AIGC属于模仿创新,并不具备真正的创造力,AIGC的作品可能对一些艺术家、创作家的风格题材造成侵权;另一方面,AIGC作品也存在被他人侵权的风险。
此外,就安全性问题而言,AIGC这种深度生成能力很可能被滥用于伪造虚假信息,比如生成一些敏感性的有害信息,甚至伪造新闻信息恶意引导社会舆论,而且这些生成式内容难以分辨追踪,大幅增加对信息治理的挑战难度。信息获取也是AIGC需要解决的问题之一。
郭涛则提到,当前AIGC赛道尚处于孕育探索阶段,存在关键核心技术不成熟、免费素材资源较少、内容堆砌且质量参差不齐、成熟的商业应用场景较少、相关法律法规不健全及技术伦理挑战等突出问题,短期内还难以实现大规模商业化应用。
北京商报记者 杨月涵
(文图:赵筱尘 巫邓炎)