房产AI入口战开打：租房AI公司Elise AI融资3.5亿美元，估值一年翻倍

数日前，美国房地产AI公司Elise AI宣布完成3.5亿美元融资，估值40亿美元。

13个月前，Elise AI完成了上一轮融资，彼时估值22亿美元。一年时间估值涨幅接近一倍。

不仅如此，Elise AI新一轮投资方名单里，囊括了硅谷顶级风投Andreessen Horowitz（a16z）、成立100多年的老牌风险投资商Bessemer Venture Partners以及房产科技垂直基金Navitas Capital等老股东，长线机构加拿大安大略教师养老金新入局。

Elise AI已经成立近10年，早期是一家帮助公寓管理公司回复租客消息的AI技术企业。

尽管其AI叙事是当下资本追逐的热门题材，但是由于加息等原因，房产赛道很长时间以来不被资本看好，买卖交易端的房产科技普遍承压。

因此，Elise AI能逆市获得老股东加注投资，一方面在于，其立足于房产运营端，和房产交易端有着本质不同；另外核心的因素，还在于这家公司本身不断攀升的数据：

从2021年开始，Elise AI的ARR(年度经常性收入)已经连续五年每年翻倍，2026年6月ARR超过2亿美元；

截至目前已覆盖650万套公寓（约占美国公寓总数六分之一），同超过3000万租客产生交互；

合作超过500家住房运营商，全美TOP50大型公寓运营商中75%为其客户。

那么，一家从0起步的公司，如何开拓出全新的赛道？它又如何覆盖到全美六分之一市场空间？它的商业模式又有什么独到之处，国内房产赛道企业又能从中学到什么?

“没人接电话”背后的生意

Minna Song和Tony Stoyanov创立Elise AI的想法，来自于他们在公司打工的经历。

十多年前，Song在纽约一家地产公司上班，发现租客打电话、发消息常常联系不上人，晚上和周末尤其严重，而晚上和周末恰恰是很多租客想看房的时间。

这个痛点，成功成为Song捕捉到的市场需求：对于租客而言，一条漏掉的信息可能只是一次咨询；对于公寓管理公司而言，却可能意味着丢失一次看房机会，甚至一笔租约。

· Elise AI创始人 Minna Song

随后，Song和Tony进入美国大型公寓运营商AvalonBay的实际业务现场，深入观察公寓的运营团队每天到底在做什么、每天最耗时间最重复最容易漏掉的工作是什么等等细节。

基于这些基础调研，2017年，Elise AI的前身MeetElise创立。起初，他们建立客户自动回复软件，把目标聚焦在通过AI技术方式解决顾客和公寓运营商、物业公司的沟通问题。

此后的产品，沿着“按瓶颈做产品”思路逐渐增加：先是全天候回复邮件、短信和电话；公寓运营商的工作人员傍晚和周日带看接不过来，Elise AI就做自助看房；客户缺维修人手，Elise AI就做工单分诊和派单；再往后是续租和催收。

根据客户的需求，Elise AI的产品也由此形成了一条很清晰的路径：先解决租客沟通，再延伸到预约和自助看房，随后进入维修报修、续租、催收等环节。 每个新模块，都精准解决公寓运营商的人力压力。

Elise AI的运作流程，首先在AvalonBay上获得了验证。Elise AI也因为成功助力AvalonBay，获得了AvalonBay的早期投资。

相比市场上的软件服务商，Elise AI进入到房产赛道的思路很清晰——它要做的不是一个聊天机器人，而是取代一部分原本需要人工完成的工作，换句话说，Elise AI是为企业节省本来应该由人来完成的工作。

· Elise AI后台

因此，Elise AI并不把自己定位为软件的销售方，而是在一套套房子上持续收取“AI服务费”。

综合来看，其收费方式按照物业单元按月收费，并根据不同业务模块扩大收入。物业公司管理的房子越多，需要AI处理的租客互动和业务流程越多，支付的费用也越多。

从市场来看，Elise AI的创立和发展时间节点，踩在了美国公寓运营成本增长的时间节点上。

据《财富》杂志报道，仅仅2023年一年时间内，美国机构持有和运营的公寓，运营成本上涨了9.3%，相当于每套房源运营成本每年要多花800多美元。

其中保险费用涨了18.8%，保险这类刚性支出压力，使得运营商只能从人力成本上寻找压缩空间。

于是，在人力成本的压力下，租赁行政、预约看房、一线住户支持，甚至维修派单，都很顺利的从线下搬到AI上。

从成本结构对比来看，美国过往传统公寓运营模式下，租赁咨询、租户来电、维修工单登记、租金催收等标准化沟通工作高度依赖人工。传统人力体系中，大约每45—61套公寓就需要配置一名租赁或行政全职人员，计入薪资、社保、人员流失替换等成本，在1000套房源的公寓资产包内，单套房源每年对应的人力投入可达1200美元。

引入Elise AI后，模式切换为人机协同，AI可承接90%的常规租户问询、线索培育、工单自动创建、租金逾期提醒，人工仅保留线下带看、紧急事件与复杂纠纷处理。

按行业估算，Elise AI订阅成本约8–15美元/套每年。可为企业缩减30%–40%的全职人力。

除此之外，公寓运营方的收益还来自收入端的改善：根据样本数据，完整部署全生命周期Elise AI工具的公寓企业，相比同行平均实现2个百分点的入住率提升、1.22个百分点的租约续约提升；物业净运营收入NOI最高可提升20%。

· Elise AI运营数据

替租客回答问题，到替员工办事

产品上线之后，Elise AI由单一的24小时客户沟通AI，逐步升级到支持租赁、看房、维修、续租、催收等链条业务。今年9月，Elise AI正式发布Apollo产品，定位为能在平台内执行任何任务的AI Agent。

相比之前为租客服务的产品模式，Apollo面向公寓租赁、运维、管理多角色开放：

对租赁专员来说，Apollo可以抓取系统里全部看房预约台账。当有同事请假，专员只需要下达指令，Apollo 就能自动识别该同事名下所有待看房预约，批量筛选租客、推送消息，和租客协商备选时段，完成看房时间重新排期，不用人工逐条翻记录、逐个打电话通知租客；

针对维修技师与物业运维岗，Apollo 能够检索历史工单数据库。技师可以直接提问，快速定位哪些公寓单元反复上报同类故障。

除此之外，Apollo还打通租赁、维修、租金催收多条业务线，覆盖更多日常工作：

租赁人员可让 AI 自动生成租客跟进话术、统计线索转化率、识别高意向租客；运维人员可批量汇总工单积压情况、统计维修时长；物业管理者可以调取租户高频投诉清单、逾期租金台账。

Apollo工作界面

简单来说，Apollo是给内部员工的业务Copilot，帮员工调取系统数据、批量执行查询与事务操作，减少跨系统手动导出、整理信息的重复劳动。

Apollo上线，意味着Elise AI商业模式三个变化：

第一是收费方式。

Apollo是付费产品，分多个使用量档位。这意味着在原有的“按套收费”之外，可能出现与使用深度挂钩的收入。

第二，黏性。

此前Elise AI平台各模块可以分开销售，客户可以选择模块购买。而Apollo把它们串成一个入口，如果客户选择不同的模块不统一，意味着成本上升。

这同时意味着，用户会用Apollo逐步取代传统的仪表盘、报表和管理软件。

Song说，物业管理系统始终是客户数据的源头，Elise AI争夺的是员工每天打开的第一个界面，而不是底层系统。

· Apollo相关宣传

第三，价值来源。

目前，Apollo平台正逐步把对话数据训练成预测模型，比如住户续租的可能性等，Apollo据此会标出有流失风险的续租、诊断某个区域的入住率问题、生成物业排名并解释落后原因。

换句话说，AI从“替人干活省成本”，开始走向“帮运营提高入住率和续租率”。后者更接近收入端，未来产品的议价空间也更大。

40亿美元在赌什么

Elise AI公布的数据显示，其连续五年实现ARR (年度经常性收入)翻倍。截止今年6月，公司在手订阅合同折算的年化经常性收入突破2亿美元。

在公寓租赁这个垂直赛道，Elise AI的商业模式采用按房源套数订阅的模式，具有稳定的收入。运营商手里管理的公寓越多，AI需要处理的租客咨询、工单、续租事务就越多，带来的收入随之上涨。

再加上AvalonBay这类头部玩家既是付费方，又是投资方，深度绑定之下，客户流失风险被大幅压低。

对于付费的公寓方来说，Elise AI给客户带来的收益，能直接体现在客户的运营报表里：Elise AI一边压缩租赁行政人力开支，一边抬升入住率与续租率，最终拉动 NOI。这让 Elise AI不是可有可无的数字化工具，而是能直接增厚资产收益的业务组件，客户可以清晰核算投入产出，愿意持续付费。

因此，投资商在一年内给出Elise AI翻倍的估值，押注的并不是一个炫酷的AI故事，而是一套已经跑通、可规模化复制的公寓运营生意。

· Elise AI融资和估值数据

当然风险仍然存在。公寓市场具备强周期，一旦租赁行情走弱，运营商大概率削减软件类非刚性支出；传统物业系统厂商也在自研同类AI产品，竞争压力不会小。

而资本下注，除了大势之外，同样在赌Elise AI能守住运营入口，从单纯降本工具进化为公寓方资产运营决策平台。

事实上，从国内来看，租赁市场的AI运营尝试并不少见。

比如，自如、泊寓、冠寓等自持长租平台通过自研系统，在内部平台嵌入AI咨询、工单、续租提醒能力，主要服务自有房源，目标是内部降本，很少对外售卖标准化产品。

比如明源云等第三方SaaS厂商，向公寓企业输出PMS系统，附带AI客服；还有不少创业公司聚焦接待、预约、催收单点场景做轻量化工具。

但对比 Elise AI，国内玩家短板很明显。

国内产品大多面向租客做AI客服，缺少Apollo这种服务内部员工的业务助手；功能大多是独立模块，没有打通租赁、工单、续租、经营预测全链路；收费上多按项目或者账号年费，很难跟着房源规模同步增收，也缺少可量化的数据证明产品能提升企业NOI。

· 国内某租房AI系统产品

当然，这同整体市场有着极大的关联。国内长租行业剧烈波动，加上租赁市场相对分散，和美国集中持有的机构公寓市场有着较大差别，导致国内机构运营商对软件付费十分谨慎，付费意愿和能力较低。

也正是市场结构的差异，国内无法直接复制Elise AI的商业化模式。

不过，Elise AI 的核心经营逻辑仍值得国内从业者借鉴。

当前国内长租AI大多局限于租客接待这类表层场景，缺少深入内部运营、量化增效的能力。Elise AI的核心思路，是让AI服务于资产经营，从带看预约、工单复盘到续租风控，每项功能都锚定具体经营指标。

长期来看，国内租赁市场正逐步走向机构化、集中化，走向美国等成熟市场的道路。当越来越多房源交到专业运营机构手里，大规模管理带来的人力负担会愈发突出，如何实现压缩管理的边际人力成本，这就给房产AI留下了明确的落地空间。（完）