就在昨天2月5日，仅成立两年的地产AI公司Cadastral完成950万美元种子轮融资。领投方Navitas Capital是地产科技领域的专业投资机构，曾投出Procore等明星公司。
Cadastral的场景选择很聚焦——商业地产的文档处理与分析。这是个看似老旧的领域，却藏着巨大的效率黑洞。租约审查、尽职调查、合规检查，这些工作长期依赖人工，耗时长，易出错，且无法规模化。
CEO Somani对这个痛点再熟悉不过。他的上一家公司Leverton做的就是用AI提取租赁合同信息，2019年被行业软件巨头MRI收购。这次创业，Somani瞄准的是更大的目标——不只是文档抽取，而是覆盖商业地产全流程的AI分析师。
目前产品功能覆盖商业地产的核心工作流：
租约管理场景。AI能自动提取租赁合同中的关键信息——租期、租金、递增条款、提前终止权。更重要的是，它能识别风险条款。比如某个租户在第5年有权提前终止合同，如果行权，业主可能损失88.5万美元收入。这些信息过去需要法务团队逐页翻阅合同才能找到，现在几分钟就能生成。
尽职调查场景。收购一栋商业物业前，买家需要审查大量文档——历史财务数据、租户档案、贷款协议。Cadastral能快速分析T-12报表，识别财务异常，梳理租户历史，标注合规风险。原本需要团队花几周完成的工作，压缩到几小时。
投资分析场景。AI能基于物业数据和市场信息，进行端到端的承销分析——预测现金流、计算回报率、评估风险敞口。分析师只需用自然语言提问，比如”这栋楼的主要租户有哪些到期风险”，系统就能给出答案和数据支撑。
Cadastral强调两个技术特点:垂直化和隐私保护。所谓垂直化，是指模型不追求通用能力，而是深耕单一行业。隐私保护则是to B产品的生命线，Cadastral承诺客户数据不用于模型训练。
从工程架构看，Cadastral做了深度的系统集成。它能直接对接SharePoint、Box、Dropbox等文档管理系统，也能与Yardi（行业标准的物业管理软件）打通。这意味着用户不需要改变现有工作流，AI自然嵌入到日常操作中。
CEO Somani的Leverton经历，让他深知如何在传统行业推广AI产品。地产行业相对保守，决策周期长，需要大量的客户教育和案例积累。Leverton从0到被收购的过程，给了Somani完整的方法论。
CTO Dhesi来自Meta，负责过大规模机器学习系统的构建。他曾参与Facebook新闻流排序算法的早期研究，在推荐系统、自然语言处理方面有深厚积累。
产品2025年底推出，两个月内拿下40多个客户，这个速度在TOB领域已经不慢。客户类型覆盖资产管理公司、地产基金、物业运营商、律所。但客户数量只是开始，更重要的是续费率和客单价。
从商业模式看，可能采用SaaS订阅制，按席位或使用量收费。参考垂直AI公司的定价，年费可能在几万到几十万美元之间，具体取决于客户规模和使用深度。按40个客户，平均年费10万美元估算，当前ARR可能在400万美元左右。
https://cadastral.ai/
https://www.prnewswire.com/news-releases/cadastral-raises-9-5-million-to-build-the-preeminent-vertical-ai-platform-for-commercial-real-estate-302680050.html
主题测试文章，只做测试使用。发布者：Connor 秦明，转转请注明出处：https://ai4elab.com/6783.html
