房地产代币化企业Propy近日公布一项颇具野心的扩张计划：未来12个月内拟投入1亿美元，在美国范围内收购多家中型产权公司，目标是借助区块链基础设施与人工智能技术，推动传统产权行业数字化升级。公司首席执行官Natalia Karayaneva表示，这一并购整合路径有望帮助Propy进一步向科技公司定位靠拢，并冲击更高估值。
瞄准仍高度依赖纸质流程的产权行业
在美国房地产交易链条中，产权公司承担着至关重要的角色，包括核验房产所有权历史、确认是否存在法律纠纷或留置权、签发产权保险，以及协助完成所有权转移等。尽管这一领域关乎交易安全，但整体流程至今仍然相当依赖人工操作和纸质文件。
根据Propy方面的说法，美国产权行业规模约为250亿美元，市场由接近7000家机构构成，其中相当一部分是小型本地公司。行业分散、技术基础薄弱，意味着效率提升空间巨大，也为技术型整合者提供了并购切入点。Propy希望通过收购加整合的方式，将区块链结算轨道与AI自动化能力嵌入传统业务流程，缩短交易完成时间并降低欺诈风险。
Propy希望以并购方式放大技术能力
Propy本身已持有产权业务相关牌照，并表示迄今已处理40亿美元的数字化房地产交易。公司计划重点收购加利福尼亚、佛罗里达和得克萨斯等关键州的中型产权公司，这些地区房地产交易活跃，市场容量较大，也更适合作为技术改造的落地场景。
从业务逻辑看，Propy并非仅仅提供一个链上概念，而是试图直接进入房地产交易中的核心执行环节。通过拿下本地持牌机构，公司可以更深入地接触交易流、客户数据与合规流程，再利用自身技术对后台作业进行标准化和自动化。这种“技术平台+持牌服务+区域并购”的模式，显示出其并不满足于只做软件供应商，而是试图重塑产权服务的运营方式。
AI工具Agent Avery成为效率改造核心
在此次扩张计划中，AI是另一大关键词。Propy重点提到，其开发的AI托管代理工具Agent Avery，旨在解决托管与产权流程中大量重复、耗时的人工任务。该工具基于Propy自身交易数据训练，可实现24/7全天候运作，并同时支持传统支付与加密支付场景。
公司估计，Agent Avery可帮助节省约40%的工作量，使经纪或托管人员能够处理更多交易。从行业现实看，产权与托管环节往往涉及大量文档审核、信息核对、流程跟踪与沟通协调，如果AI能够在合规前提下承担标准化任务，确实有望显著提升周转效率。不过，AI在高价值房地产交易中的应用，仍需接受市场对准确性、责任界定与监管适配性的长期检验。
链上私人信贷用于并购融资，释放行业新信号
值得关注的是，Propy在融资层面采用了传统金融与链上资金并行的方式。公司称，已接触包括去中心化金融（DeFi）信贷平台Morpho在内的传统和链上贷款方，为此次并购整合筹集资金。Propy还表示，这可能是已知较早将链上私人信贷用于并购活动融资的案例之一。
这一做法的意义，不仅在于融资渠道的创新，更在于它展示了加密金融基础设施开始尝试服务实体产业整合。长期以来，DeFi主要集中在加密原生资产借贷、流动性管理和收益策略等场景，而若链上信贷能够逐步渗透到现实世界资产并购、企业扩张和经营融资领域，那么“链上资本服务线下产业”的叙事可能会获得更多实际案例支撑。
市场影响：房地产代币化叙事正从概念走向执行
从市场层面看，Propy此次动作反映出房地产代币化正在从单纯的资产上链概念，转向更具体的基础设施建设。过去市场对房产代币化的讨论，多聚焦于份额拆分、流动性提升和全球投资可达性，但真正制约行业落地的，往往是产权确认、合规交割、支付清算和托管执行等底层流程。若这些关键环节仍停留在手工和纸质体系中，代币化的效率优势就难以完全释放。
因此，Propy把重点放在产权公司并购上，实际上切中了房地产数字化最难啃的“骨头”。这意味着行业竞争可能不再只是发币、搭平台或讲RWA故事，而是看谁能真正掌握交易执行链条中的关键节点。对于区块链行业而言，这类案例有助于增强市场对现实世界资产（RWA）赛道的信心，尤其是在合规、运营和收入模型方面提供更清晰的参考。
此外，Propy还宣布扩充顾问团队，新增前美国财政部官员Chris Campbell以及Science Inc.联合创始人Mike Jones，加入此前已包括前SEC委员Michael Piwowar在内的顾问阵容。对于一家试图连接加密金融、AI与房地产监管体系的公司而言，这样的顾问配置也有助于其在政策沟通和产业合作层面提升可信度。
总体而言，Propy的1亿美元扩张计划不仅是一项企业并购战略，也可被视为房地产代币化基础设施竞争升级的信号。若其能够顺利完成区域产权公司的整合，并证明AI与区块链确实能降低成本、减少欺诈并加快交割，那么这一模式或将为RWA赛道提供更具示范性的商业样本。反之，若整合难度、监管要求或线下执行复杂度超出预期，市场也将重新评估“房产上链”从概念走向规模化应用所需的时间表。