旅行 AI 折腾了两年，终于有人不甘心当“嘴替”了

“意图经济”时代，卖流量的生意过时了。

文｜郭梦仪

8月10日，飞猪宣布推出新一代旅行AI“飞猪帮帮”。

官方给它的定位是一个“智能助理团队”：行前、行中、行后全程陪伴，退订改签、值机选座、升级房型、订接送机、填入境卡、开票报销等十余项琐事，一句话代劳。

用飞猪自己的话说，这是让用户“一句话就出发”。

而往前数十天，大洋彼岸也有一笔值得琢磨的交易。

7月31日，Expedia Group官宣完成对AI原生的旅行规划和预订平台Layla的收购。根据Crunchbase的数据，累计融资只有约570万美元——还不够头部OTA买一次流量。Expedia买的显然不是它的收入，而是官方口径里的那句话：“加速AI原生的旅行规划与预订战略。”

一个亲自下场重构，一个掏钱买入门票，两个动作，指向同一个信号：OTA的货架，开始被AI一件件拆开，重新整合成全新的模样。

过去三十年，从Expedia、Booking到携程，这门生意的底层模型从来没变过：把机票、酒店、门票陈列到一个货架上，绝大多数订单来源于用户主动提供条件搜索，它们按照价格、评分对结果排序，赚信息撮合和流量分发的钱。尽管后来出现了榜单、游记等一些非标准化的货架，但在一个信息差极多、机会成本极高的垂直行业，这些形式从未成为过主角。

但是，这门旧生意的发动机，正在逼近效率的极限。

所以，尽管AI还没有那么全能，但市场上已到处是让国人眼花缭乱的旅行规划agent、小插件，这足以说明，人们有多希望技术好好整顿一下行业。

商业数据派认为，AI最值得做的，就是把旅行的数据、供给、服务能力全部原子化、模块化。

相当于，货架会被拆成零件，由AI按用户意图重新组装。如果说现在是AI in OTA，那么酒旅行业的下半场或许是OTA in AI。

而AI拆完货架之后，生意怎么做？以及最关键的——拆得掉，靠什么守得住？

一句话出发，怎么实现？

先看飞猪帮帮到底做了什么。

它不是一个在App上开口子的AI聊天框。打开飞猪App，飞猪帮帮的智能面板就在首页下方待命。翻到订机票、订酒店的页面，会发现它同时嵌进了搜索栏、行程页、订单页，以及机票、酒店、民宿、度假各个频道。按飞猪的说法，AI 面板是跟着用户走的，你在哪一页，AI 就在哪一页，不用退回首页重新描述一遍需求。

三个入口对应三种不同的问法。

一种是说不出品类的需求，直接交给首页面板。比如“预算三千，四天，别太累，带着老人”，这句话里没有一个词能填进筛选框：三千是整趟的总预算不是任何单品的价格区间，“别太累”和“带着老人”更不是任何筛选项。过去碰到这种需求只能去刷笔记、看视频，自己在脑子里拼。

一种是条件明确但复杂，走搜索框。在飞猪 App 的搜索框里说“帮我找一家价格 1000 元以下、房间内能看到东方明珠和黄浦江夜景的酒店”，飞猪帮帮会拆解这个多条件需求，筛出符合要求的商品，点击即可预订。搜机票时同理：从杭州飞多伦多，要“不需要过境签的中转航班，中转时间大于 10 小时可以睡一觉，前后两段最好同一家航司”——它会从大量航班里筛选和搭配。

还有一种是搜到一半临时加条件。用传统方式搜完三亚的酒店，面对一长串列表，随手唤起飞猪帮帮接着说“要住海棠湾，两千以下”，结果直接缩到最符合的那几个，看中直接订。过去想再筛一层，只能重新搜一遍。

飞猪首席执行官庄卓然认为，旅行AI能否成立，关键并不在于能否生成一份看起来完整的攻略。“在旅行领域，AI能不能真的把事办成，取决于它能不能直达真实供给、能否跨越真实的交易系统、扛不扛得住真实物理世界里的意外。”

实际把流程走一遍，体感会更直观。

商业数据派试用了一下，要飞猪帮帮规划阿勒泰的10天亲子游，预算1万，酒店景观好、离景区近。

虽然等得有点久，但飞猪帮帮在帮我规划了行程的同时，显示出相应的机票酒店，机票价格相比其他平台还低，并且能一键下单，不用跳转页面就能支付。

有意思的是，飞猪帮帮会考虑带娃的舒适性，选择合适作息的机票，而且还会推荐当地特色的餐厅。这些我没想过的，飞猪帮帮也给考虑到了。

在我确认行程后，ai可以帮我一键生成路书并同步在app里，省去了用户在不同页面直接连续跳转、筛选的麻烦。

而且，飞猪这次也是吃到了阿里生态的红利，预订页面直接打出了“千问专享优惠”的标签，说明千问大模型的能力已经被深度整合进了飞猪的底层服务里。

与其说在用一个App，不如说在使唤一个懂行的助理。这种“使唤感”，恰恰是它当下突出的地方。

把同样的需求丢给其他旅行AI，得到的答案并不相同。

虽然AI都能给出一份像模像样的行程建议，但也就到此为止。机票是“建议预订”的，酒店是“仅供参考”的，价格准不准、库存有没有、退改怎么办，一概不负责。规划得再漂亮，落不了地，行程也只能是“规划”，不是“出发”。

一年前，北京第二外国语学院数字文旅研究中心发布的国内首份《AI旅行助手评价体系》，横评了8款主流产品，给出的行业画像是“强于内容推荐，弱于执行落地”，OTA平台AI与通用大模型的分差将近100分。也就是说，那个时候，绝大多数AI 还停留在查询和生成内容的阶段。

飞猪帮帮更想干的是“帮你办”：从行前规划，一路办到行中履约。这是旅行AI第一次长出“双手”，进入履约场景和物理世界。

而一个能办事的助理背后，不是多了一个功能，是整套产品逻辑换了地基——要理解它，得先看看被拆掉的那个货架，到底长什么样。

从卖SKU到卖行程 生意怎么做？

需要先说清楚一件事：拆货架，不是给货架加一个AI聊天框。

有业务资产的公司搞AI，一般两种做法：“在已有产品上叠加AI功能”，和“用AI重构产品的逻辑”。

前者是给超市加一个导购员，货还是那些货，架子还是那些架子；后者是把超市改成现点现炒的餐厅——你不再自己挑食材，你点菜。

“点菜”和“聊天”之间的区别，恰恰是这次升级的分水岭。

上一代旅行AI，无论国内外，大多停留在信息层：写攻略、做规划、答问题。但旅行产品高度依赖实时库存、价格、退改规则和线下履约，航班延误、酒店变更等情况也会直接影响后续行程。这些物理世界里的复杂变化，才是旅行这个场景里最本质也是最值钱的部分。

AI如果只是负责生成内容，技术门槛相对有限；一旦进入订单、售后和履约，其背后调用的仍然是平台积累多年的供应链和交易系统。

所以对旅行AI来说，“能聊”和“能订”之间，隔的是整个供应链。

跨过这道门槛需要两样东西，飞猪手里都有。

一样是货架时代攒下的家当：真实供给、专有数据、交易系统和多年的行业经验。这些东西所有 OTA 都有，区别在于有没有把它们逐一改造成 AI 能随取随用的工具。

另一块是模型。阿里千问（Qwen）大模型是富矿，但考验应用成色的部分在基座之上，分两层。

一层是旅行垂类的后训练。基座模型的通用能力已经够强，还会越来越强，缺的是对行业规律和场景特性的判断。这类判断不在公开语料里，只能拿真实的旅行任务训。另一层是让模型能动手，但涉及到用户的时间和钱，怎么给agent加上harness，又是一门艰深的功课。

前者决定 AI 判断得对不对，后者决定判断能不能变成一次真实的下单。这两层加起来，才是“接近真实供应链”这句话的技术含义。

货架时代攒下的供给，与大模型时代长出的智能，在底层服务里完成合流。“拆货架”至此才有了物质基础。这也解释了为什么率先拆货架的恰恰是OTA自己：零件和发动机，本来就在它手里。

这也解释了为什么率先拆货架的恰恰是OTA自己：零件和发动机，本来就在它手里。

当然，拆货架不等于烧货架。

一个值得注意的取舍是，飞猪帮帮没有激进地搞成纯对话交互，而是选择了LUI（自然语言界面）与GUI（图形界面）融合的方案——用GUI兜住下限，用LUI打开上限。

原因很务实：在搜索比价、预订下单这类确定性场景里，图形界面仍然是效率最高、用户习惯最强的交互方式，贸然放弃等于主动降低体验下限。

这个妥协本身传递了一个判断：AI模式不会一夜之间替代货架，它会先接管货架最吃力的那些环节，比如模糊的需求、复杂筛选、行中服务。

但生意的逻辑确实在改写。商业数据派做了一笔粗账推演：货架模式赚的是页面浏览和流量分发的钱，收入模型建立在“用户多逛、多比、多点击”之上，所以，移动互联网时代讲究“流量为王”；AI模式赚的是交易闭环和服务履约的钱，收入模型建立在“一次说清、一次办成”之上。

如果未来产品的智能程度到了一个非常理想的阶段，一次预订从浏览上百个页面压缩到一个对话窗口，PV大概率断崖式下跌，但转化率会陡峭上升。平台的估值模型，将从“互联网流量平台”切换为“智能服务提供商”。

连带被改写的还有商家侧的逻辑。

货架时代，商家花钱买流量位，曝光遵循价高者得的拍卖规则；AI时代，商家要“被AI选中”，即供给的信息是否足够agent-ready、履约口碑是否过硬，决定了你的商品在AI组装方案里的出场率。

可以看到，之前互联网赖以生存的流量生意规则，正在让位于服务生意规则。

拆得掉，守得住吗 比大模型参数更深的护城河

当然，AI模式有一个大前提：AI不能胡说八道，更不能光说不练。

通用AI场景里，幻觉是体验问题，说错了大不了重问一遍。但旅行场景里，幻觉是履约事故。

订错一张机票、选错一个房型、漏订一张门票，用户面临的不仅是真金白银的损失，还有不可弥补的心情。旅行这门生意，对AI的容错率趋近于零。

所以，做大模型的公司也未必有兴趣赚这种辛苦钱。

飞猪帮帮的解法，是给AI套上三层物理世界的工作约束。

第一层是数据真实。机票的舱位、运价、库存，必须通过GDS（全球分销系统）付费获取；酒店的价格、房态，大多藏在EBK系统里。

这些数据在公共网络上根本爬不到，而这恰恰是通用模型在旅行场景幻觉高发的主要原因。

第二层是商品真实。飞猪帮帮推荐的每一张机票、每一间酒店、每一张门票，都实时来自飞猪的真实供应链，可下单、可履约、可交付。

第三层是经验真实。一趟旅行背后是预算、交通、住宿、签证、天气等几十个因子的组合博弈，飞猪把旅行定制的工作流和经验揉进了AI。

三个“真实”环环相扣：数据真实决定AI回答的事实底座，商品真实决定推荐能不能被执行，经验真实决定方案是不是“人在现场真的觉得好”。

这指向了一个更大的判断：DeepSeek-R1在2025年初开源之后，模型能力被迅速普惠化，“谁的大模型更强”不再是决胜点，“谁的AI能接进真实供应链且不出错”才是。

飞猪在这条路上不算新手。

中信建投在《Agent产品深度梳理》中把飞猪问一问与Manus、扣子空间并列为2025年的现象级产品，核心理由正是“有场景、用户和数据的公司可以率先推动垂类Agent落地”。

站在更广义的agent赛道上看，行业竞争的主线，正在从“模型竞赛”转向“工程竞赛”：能办事的AI，必须先承认自己可能犯错，然后让系统不犯错。

但值得玩味的是，一年过去了，“龙虾热”也退潮了，还愿意弓着腰研究agent的OTA大厂，一下子少了一大半。

目前，飞猪帮帮以周为单位迭代。飞猪自己的说法也很克制：现在还在路上，距离主动服务距离还远。有些事办得了，有些事还还不了，但用户有反馈，AI就能学习。

这些规划恰恰说明，AI Agent驱动的模式还在探索，货架没有被判死刑，它只是开始退场。

回到开头的两笔账。飞猪从问一问走到帮帮，是研究怎么亲手拆解自己的货架；Expedia收购Layla，是货架时代的巨头在为自己购买意图时代的船票。

有趣的地方在于，货架模式留下的遗产——供应链和履约网络，恰恰也是意图模式的入场券。

所以这场变革的剧本，大概率不是AI公司颠覆OTA，而是OTA里最先想明白的人，用AI革自己的命。

三十年前，OTA把旅行社搬上了货架；三十年后，胜负手不再是货架上的货多不多，而是能不能听懂那句话：“我想带爸妈去云南，不要太累，酒店要有电梯。”