省心還是添亂？AI旅遊助手在爭議中前進_風聞

©️深響原創 · 作者｜林之柏

AI對在線旅遊行業的改造，正在提速。

今年上半年，各大平台爭相推出面向用户的各類AI旅遊助手，颳起了一陣AI旋風：

馬蜂窩在2025世界人工智能大會上帶來了AI旅遊助手APP，計劃將其打造成目的地“專屬管家”，不久前還上線了個性化攻略定製產品“AI路書”；途牛在4月推出“AI助手小牛”，隨後陸續更新多項功能；飛豬則推出“飛豬AI問一問”，並第一時間接入DeepSeek-R1大模型；同程旅行也搭上了DeepSeek這趟快車，在今年3月推出和DeepSeek整合的升級版旅遊專屬大模型“程心AI”；攜程則在更早前陸續推出垂直大模型“攜程問道”、AI客服助手“TripGenie”；……

和互聯網其他細分領域相比，AI在在線旅遊行業的滲透速度算不上快。尤其是C端應用側，消費者需求高度個性化、涉及的場景及數據太多，一直是行業一大挑戰。

但深度思考、學習能力的進步，為AI提供了破壁機會。攜程創始人梁建章在上半年的一場行業活動上表示，在線旅遊AI智能體發展可能較慢，但整體仍值得期待。同程旅行則在剛發佈的財報中強調持續加大在AI應用領域的投入，讓用户實現從“AI推薦”到“AI決策執行+預定執行”的閉環。途牛旗下的途致大模型也在近期正式通過生成式人工智能服務備案，未來將對AI做更全面的佈局。

不可否認，AI旅遊助手的密集上線給用户帶來了嶄新的體驗，也能有效提升出行效率和旅遊滿意度。但現階段的技術和體驗瓶頸同樣突出：AI訓練數據更新的滯後、不同環節存在數據孤島，影響信息準確性；缺乏場景化定製能力，難以滿足用户日益突出的個性化需求……能否妥善解決這些難題，很大程度上決定AI旅遊助手的長期前景。

AI旅遊助手橫評：基礎功能齊全，深度思考能力是亮點

橫向對比各大平台的AI旅遊助手，我們發現它們主要命中了用户兩大痛點。

**首先是「提升效率」：基礎功能齊全，一站式服務已成標配。從出行環節的高鐵票/機票查詢、篩選、預訂，到目的地酒店、景點門票推薦、預約一應俱全，省去了繁瑣的出行前準備流程。**但在具體操作上，不同平台的體驗感略有差別，從中也可以窺探平台底層技術、設計邏輯的差異。

交通出行方面，向各平台的AI助手發送“明天從廣州到上海的高鐵票”這一簡單指令，得到的答案有不同精細程度。同程“程心AI”不僅會給出高鐵班次推薦選項，還會給出詳細的解釋——包括時長、餘票數量、中途停靠站點等，幫助用户瞭解詳細信息再做選擇。“飛豬問一問”的回答也相當細緻、直觀，表格呈現形式一目瞭然，此外還會提供額外出行貼士，如高鐵站位置偏僻要提早規劃行程、中轉方案要預留換乘時間等。

相比之下，攜程問道的回覆相對簡單，直接給出列車列表讓用户跳轉預訂，不做分析推薦。途牛“AI助手小牛”的語義理解能力則要打上一個問號，同樣的模糊指令在其他平台均可精準識別，但“AI助手小牛”需要輸入更精確的“明天從廣州到上海的高鐵票推薦”才能得到想要的答案。

同程/飛豬出行訂票推薦很詳細

酒店預訂的體驗也有相似的差異。

輸入指令“預訂上海的酒店”，同程、飛豬的推薦依然很詳細，同程“程心AI”有明顯的記憶關聯性，承接上一個有關高鐵票的查詢指令推薦高鐵站周邊酒店和優劣勢分析，且直接給出預訂鏈接；飛豬給出的可選方案更多且條理清晰，先根據酒店地址列出分類項（如靠近熱門景點、CBD等），再推薦具體酒店，且同樣以列表形式清晰呈現。

同程/飛豬酒店推薦結果

相比而言，攜程給出的選擇是最豐富的，除了考慮地理位置之外，還按照頂級奢華酒店、高端酒店、特色酒店、經濟型酒店等不同價位給出推薦，並有酒店賣點的詳細分析。

而馬蜂窩恰好相反，AI助手給出的答案最簡單、選擇最少、推薦理由也很簡潔。如果需要更精確或豐富的推薦，需要調整指令、添加具體的價格、房型、出行目的等細緻要求。

攜程/馬蜂窩酒店推薦結果

產品設計邏輯向來是以小見大，從這些最簡單、最基本功能中，可以看出平台底層大模型、數據樣本、交易鏈路上的不同優勢。

攜程作為行業老大，擁有最龐大的用户羣、鏈接最多商家，樣本數足夠多，給出的選擇自然更豐富。攜程問道發佈會上，攜程副總裁、CMO（首席營銷官）孫波提到數據樣本的重要性，攜程問道幾乎是從500萬個可能匹配的選擇中挑出5萬個可靠的推薦，支撐1次旅遊決策。相比之下，以內容起家的馬蜂窩在B端資源、交易鏈路上稍顯不足。

要拼數據、拼酒店資源，同程、飛豬恐怕也比不過攜程，但好在平台數據足夠垂直，DeepSeek加持的深度思考能力也很關鍵，能讓AI助手儘量拓寬思考維度、照顧用户實際需求。飛豬問一問產品負責人就表示，集成DeepSeek和阿里通義千問主力模型後，產品訓練變得更細緻，加強了對用户體驗細節的理解，得出的推薦結果才更人性化。

飛豬/同程AI助手主打深度思考能力

其次是「優化體驗」：簡單的行程規劃已經難不倒AI，從景點、網紅餐廳打卡攻略，到户外、特殊場景出行裝備都能給出詳細建議，努力滿足深層次的出行需求。

在測試中輸入“北京三日遊攻略”指令，各平台的AI助手基本都能給出大致的遊玩攻略，從出行、酒店、景點到餐飲安排應有盡有。不過在攻略的精細度、側重點上，依然可以看到平台間的不同特點。

其中，馬蜂窩、同程給出的攻略都相當仔細，只不過關注點不完全一樣。前者更注重景點和餐廳打卡體驗，精準到頤和園等景點從哪個門進入更方便、網紅餐廳哪個位置景觀更好、景山公園哪個位置更出片，能看出AI訓練階段投餵了大量博主打卡攻略。同程“程心AI”的攻略雖然沒有細緻到具體打卡位置、餐廳就餐時段，但十分關注出行的基本保障，比如涉及長城等户外行程時會提供裝備建議、對出行線路/難度有詳細講解。

攜程的攻略依舊維持簡潔風格，且規劃嚴謹，給出精確的地圖路線規劃，AI對話頁面就能直接跳轉門票預訂，操作簡單。飛豬則勝在完整，考慮到出發日交通、落地午餐這些前期行程安排。

馬蜂窩/同程/攜程/飛豬行程規劃

如果説航班查詢、訂票這些基礎功能，是解決出行規劃的效率問題，體現AI的工具屬性，讓AI助手變得“有用”。那麼完整的行程規劃能力，就是讓AI更接近於“助手”本質，從被動接收-執行指令，到主動向用户提供引導、提高旅遊滿意度，讓AI助手更“好用”。

從“能用”到“好用”的升級，背後也體現了AI助手深度思考、人機交互等核心能力的完善。由此不難推斷，AI旅遊助手在年內快速迭代、更新，和DeepSeek崛起帶來的底層技術變革有很大關係，為平台創造了低成本部署、快速訓練的條件。

數據孤島疊加場景侷限，AI旅遊助手如何更進一步？

然而，正如文章開頭所言，AI旅遊助手的推廣落地不算快，當中涉及到一些旅遊行業特有難題。

一方面，旅遊攻略的低容錯率和AI信息準確度的缺陷是一對天然矛盾。

受天氣、政策等客觀因素影響，航班、景點門票等信息向來變動快、不確定性強，AI的數據庫做不到即時更新，就容易出現推薦失真甚至事實性錯誤，嚴重影響用户體驗。翻看各大社交平台的討論帖就能發現，不少用户對AI旅遊攻略的信息準確性感到不滿，小到推薦已關閉的餐廳、公交線路錯誤，大到“篡改”當地習俗禁忌、“捏造”景區景點，輕則敗興重則無故增添出行風險。

相似的問題屢次出現，明顯挫傷了用户信心。《消費者報道》的一項調查顯示，AI預訂、AI比價和酒店/機票篩選等功能用户使用率普遍較低；即便是使用率較高的行程規劃、景點推薦等功能，用户也只是用作參考，不會完全相信AI。

外出旅遊，意味着進入一個完全陌生的環境、脱離熟人網絡，這種情境下人們會更厭惡不確定性、害怕出錯，這是天性使然。AI旅遊助手的難點在於，要提高信息準確度光靠平台還不夠：航司、公交公司、酒店、景區運營方都是重要數據源，但彼此之間數據並不連通。尤其是部分下沉城市、中小型景區、非連鎖型酒店數字化程度本就有限、樣本缺失，加劇數據孤島現象。

用户對AI的吐槽 圖源：小紅書

另一方面，場景化、定製化能力也是AI旅遊助手一大弱點。

現階段各大平台AI助手製定的攻略撞臉嚴重，行程模式化，對小眾需求（帶寵旅行、老年慢遊、文化深度研學等）適配差，要麼需要多次調整指令、輸入儘可能詳細的關鍵詞；要麼受困於數據多樣性不足，始終難以給出貼近需求的規劃。

數據、用户高度垂直是旅遊平台的優勢，其AI助手採用的訓練數據源比通用大模型更有針對性。但垂直也是一把雙刃劍，用來訓練AI的數據樣本，很大一部分來自平台上的博主攻略、用户評價，當中許多內容本就是套模板生產的。博主們為了提高曝光率遵循平台算法推薦規則批量生產貼文、推薦的餐廳/景點千篇一律，在此數據基礎上訓練出來的AI也很難擺脱場景侷限。

然而，年輕一代用户的旅遊習慣正在變化。千人千面的個性化規劃逐漸成為主流，AI助手也需要適應變化，才能跟上潮流。

問題擺在這，接下來怎麼辦？平台給出了兩條主線。

一是發揮所長，找準自己在數據、算力、生態、底層架構上的差異化技術優勢，盡力彌補信息準確性不足的缺陷。

比如攜程發揮業內領先的酒旅、景區合作資源和雄厚的資金、技術優勢，走生態融合路線，正努力構建覆蓋B-C兩端，從底層大模型到前端應用的AI生態網，以B端建設反哺C端體驗。一邊藉助平台AI能力幫助B端商家完成數字化升級，提供AI客服、AI內容生產、AI商品信息錄入等全套AI服務，一邊藉機會打通數據孤島、豐富數據樣本。

飛豬、同程、途牛的資源、數據樣本比不過攜程，但採取了更靈活的方式——多智能體驅動。

途牛AI助手採取端到端設計，將不同功能對接到機票小助手、酒店小助手、火車票小助手等子應用AI

Agent，相互獨立又互相協作，在儘可能保證運算效率的前提下通過子AI

Agent加快數據更新-集成，以抹平時間差、提高準確度；飛豬問一問也採取了類似的多智能體共同驅動模式，內置行程助手、路線定製師、智慧交通顧問、酒店顧問等專業助手，以求更準確拆解指令。

途牛/飛豬多智能體驅動模式

二是面對場景限制時換個思路：借力AI但不迷信AI，不追求極致效率，引導用户和AI助手進行多輪次交流、獲取更準確的用户喜好。

馬蜂窩最新推出的AI路書是一個值得參考的方向，AI路書所制定的攻略不追求大而全、不完全遵循網紅路線，制定行程前用户需要輸入諸如喜歡熱鬧還是獨處、更愛體驗自然風光還是人文風俗、希望和當地人以何種形式互動等細緻要求，當目的地涉及高原地區時還會詢問高反適應能力，最終才生成一本貼合個人訴求的完整路書。

當然，這一模式的缺點是響應慢——從輸入指令到生成路書需要耗費20-30分鐘不等；且目前仍處於測試階段，需要邀請碼、用户使用次數有限，體驗樣本有限，等到大規模推廣後會不會走上行程同質化的老路尚未可知。

但這背後的產品設計邏輯是值得肯定的：讓主導權迴歸人本身，一切從用户的個性化訴求出發，而不是被AI牽着鼻子走——提供有温度的科技體驗，才是AI旅遊助手最大價值。

馬蜂窩AI路書制定流程

整體而言，AI旅遊助手的發展還處在早期階段，功能設計上、平台的配套部署上都需要繼續查漏補缺。

但不可否認，AI的滲透確實某程度上改寫了遊戲規則，未來如能從單純的技術導向轉向成熟底層技術+用户場景融合+人性化關懷的綜合發展路線，解決信任（信息準確度）問題、降低使用門檻，便有機會構建可持續的內容與商業閉環。