带狗狗去怀柔玩一天，得先筛出哪些景点允许宠物入内，攻略里多写十几行备注；订一趟国际中转航班，不同组合试了二十几遍还怕选错；公司团建订了一堆往返机票，开发票时要在订单里来回翻找。旅行本该是件快乐的事，但只要有一个环节多折腾几轮，人就已经先累了。

过去两年，旅行 AI 火过一轮。今天回头看，大多数产品停在了「能聊天」的阶段。它们能回答问题，能生成一份看起来很美的规划，但真到了要落地预订、办值机、处理退改的时候，用户还是得自己一步步来。

8 月 10 日下午，在北京郎园 Station，飞猪发布了新一代旅行 AI「飞猪帮帮」，想把上面这些复杂、繁琐、劳心的事，用一句话解决掉。而在产品之外，这场发布会更像是飞猪交出的一份答卷，回答的是一个更大的问题。当 AI 重写一切，OTA 这个物种还剩下什么？

OTA 不会死，但内核会被换掉

「你认不认为未来 AI 会把 OTA 干掉？」飞猪 CEO 庄卓然说，这是过去两年他被媒体、分析师和商家问得最多的问题。他的回答一直没变。AI 时代，OTA 不会被干掉，但内核将被完全重构。

在他的定义里，互联网时代的 OTA 是 Online Travel Agency，一个超大规模的在线旅行代理。到了 AI 时代，OTA 的内涵必须进化成 Omni-intelligent Travel Agent，一个全能的、多智能的智能体。名字没变，商业价值没变，但物种已经焕然一新。

怎么变，才是更难的话题。庄卓然讲了一个工业革命的故事。1882 年，人类第一座商用电厂建成投用。但在那之后的 17 年里，工厂的电力采纳率只有 5%，用电机替代蒸汽机的工厂，并没有出现大规模的降本增效。原因在于，当时所有工厂都是围绕蒸汽机建造的，靠一根天轴带动整条产线的机器运转。早期电气化只是把蒸汽机换成了电机，天轴还在，生产流程一点没变。直到 17 年后，有工厂主开始砸掉天轴，给每台机器配上独立电机，按车间分组配电，让机器围绕流程重塑，效率才迎来跨越式增长。

「这跟我们今天谈论 AI 非常像。」庄卓然说，模型每天都在进化，为什么生产力爆发还没到来？因为现在的应用，都在试图把一个新电机接到旧天轴上。产品、流程、组织，全都还是围绕旧路径设计的。

具体到消费级 AI，行业里通行三种做法。一种是在原有产品里加 AI 功能，用 AI 写评论、总结商详，动力源换了，天轴还在原地。第二种是用新技术包装老产品，看起来能通过对话完成所有交易，很炫，但商家的供给方式没变，撑不起个性化、多样化的购买路径，还是挂在旧轴上。第三条路最重，自己动手把轴拆了，把公司所有能力围绕消费者真正想要的东西、围绕商家更快服务消费者去重组。

飞猪选了第三条。支撑这个选择的，是飞猪内部一套叫「3 个 E」的战略框架，分别指向用户体验（Experience）、商家生态（Ecosystem）和组织形态（Enterprise），飞猪所有的 AI 投入都围绕这三个方向展开。

其中关于体验的思考，藏着一个飞猪内部常讲的概念，「不可能三角」。个性化、大规模、低成本，三者不可兼得。平台要服务大规模用户、提供低成本服务，就必须做标准化，搜索就是最典型的标准化产物。但旅行消费者的需求恰恰是高度个性化的，一个人出行、带孩子出行、出差出行，完全是三种需求。庄卓然举了自家的例子，他孩子多，每次出游最关心能不能订到联通房；有时候他不确定哪天出发，只想挑一张去某个目的地最便宜的机票。这类需求靠人肉搜索可能要翻上千次页面，而今天的搜索和货架，天然满足不了。AI 第一次给了平台同时做到这三件事的可能。

至于为什么是现在，庄卓然算了一笔账。ToC 应用迟迟没有大规模爆发，核心卡点在成本。搜索是高度成熟的商业模式，但上了 AI 预订助手、AI 行程管家之后，能增加多少消费端收益不知道，成本先几何倍数上涨。不过这个约束正在快速松动，千问 3.8 的智能水平已经超过去年同期的 GPT5.0，成本只有后者的 1/15。照这个降速推算，他判断明年下半年到后年，会是 ToC 应用井喷的关键时间点。而模型迁移、数据治理、评测环境、组织重塑，这些工作一步都省不掉，要将「买不来的、只能在行动里长出来的资产」攒在手里。

事实上，飞猪帮帮并非飞猪的第一个 AI 产品。去年，飞猪发布了第一个自有 AI 品牌「问一问」，实现了从局部提效到全程陪伴的突破。但问一问有个明显的断点，AI 推荐了一个不错的商品，用户想买单，还得跳转到别处下单。从问一问到帮帮，飞猪想跨过的正是这一步，从「聊得好」走到「办得成」。

把七八个 旅行App，收进一个入口

一次旅行要打开多少个 App？刷小红书找灵感，抄到备忘录里一个个查，回 OTA 里比价下单，去航司 App 值机，打车软件约接送机，报销时再回订单里翻发票。飞猪的观察是，用户在一次出行中可能同时用到七八个 App。飞猪帮帮想做的，就是把攻略灵感、搜索比价、预订下单、行程管理、航班服务这些散落各处的事，聚合进一个入口。

产品的主张叫「一句话就出发」。产品负责人张文涛专门解释了中间那个「就」字，很多人想出去玩，最后没成行，往往不是因为钱，而是因为太复杂。「就」字想传递的是一种豁达，把困难留给平台，把便利给到用户。

为什么以前做不到？张文涛顺带给基础大模型泼了三盆冷水。更强的模型不等于更可靠，你问它明天怎么回杭州，它最多丢给你一个链接，因为它手里没有票；更会聊不等于更好用，情绪价值拉满，问它故宫怎么预约门票，给的还是标准答案；华丽的规划经不起推敲，有模型建议 12 点落地大兴机场、下午 2 点逛故宫，去过的人都知道这在物理上不成立，行业里管这叫「时空困局」。基础模型搭好了台子，而补上这些短板的，恰恰是飞猪过去十年在 OTA 行业攒下的家底。

落到产品上，飞猪帮帮定了三个原则。想你所想，走到用户前面，没想到的事 AI 主动提醒；真实可达，给出的每个链接、卡片、商品都能真实下单，而非幻觉产物；全程陪伴，从行前到行后全程服务。围绕这三条，这一版做了三个大的升级。

第一个升级是交互。过去的 App 习惯把聊天机器人放在首页，但用户真正产生需求的时刻，往往是在某个具体页面上，为了问 AI 还得先返回首页，体验是割裂的。飞猪的做法是在 App 底部常驻一个帮帮面板，机票、酒店、民宿，任何页面都能随手唤起。更关键的是，你当前所在的页面本身就是 AI 的上下文，背景信息不用再复述一遍。面板能大能小，自然语言对话（LUI）和传统图形界面（GUI）叠在一起用。

第二个升级是搜索。关键词一直是搜索的门槛，说少了搜不准，说多了也搜不准。现在可以想说什么说什么，而且能一轮一轮收敛。第一轮说带 3 岁孩子去三亚度假求推荐，第二轮补一句要海棠湾、2000 块以内，结果持续刷新，AI 摘要还会做「首条命中」，争取在列表页最上方就解决问题。

第三个升级是执行，也是帮帮和「能聊天」的 AI 拉开差距的地方。飞猪把交付拆成了三层。

「帮我想」解决的是从模糊念头到可落地行程的成型问题。在小红书看中一篇攻略，不用逐个抄景点，复制链接粘进飞猪就能生成行程；说一句想去北京看杨丞琳演唱会、顺便玩 5 天，行程规划立刻把演出和五天玩法排在一起；中途改主意也不用推倒重来，行程框架可以多轮对话反复调，想睡到 10 点再出发，说一句就行。

「帮我订」比的是供应链的翻译能力。张文涛举了个例子，很多人想住能看到故宫金顶的酒店，但这从来不是供应链里的一个筛选项，没有任何搜索能直接命中，它需要把用户脑子里的画面翻译成真实库存。联通房、推开窗能看见东方明珠的房间，同理。此外还有打包购票，迪士尼两大一小各种票种一次买齐，以及付完款后的交叉提醒，订了上海的酒店，AI 会问一句要不要顺手把迪士尼门票订了。

「帮我办」是最能体现「跑腿」属性的一层，因为很多事根本不发生在飞猪上。值机选座，说一句想坐前排靠窗，航司一开放值机 AI 就自动办好；航变退票、开发票、填接送机信息，都在对话里完成。发布会现场放了一段 AI 打给酒店前台的电话录音，让大家猜是人声还是 AI，内容是替一位希尔顿会员在入住当天沟通升房。这类长程任务，AI 会一直记着、反复尝试，直到办成。

值得注意的是帮帮的生态位。它不只长在飞猪 App 里，还接入了淘宝和千问，能力通过 Skill 的方式注入不同渠道，一处升级，处处可用。另一头，飞猪也是业内最早发布旅行 MCP 和 Skill 的平台，在 OpenClaw 生态里下载量一直最高，有创业者拿它做老人版 OTA，也有人做追星版。换句话说，飞猪帮帮是自有入口和开放能力的双轨并行，自己做垂直 Agent，同时把能力开放给所有通用 Agent。

至于可靠性怎么保证，算法负责人余瑶把方法论概括成三步走，先靠工程和提示词能力兜底，再靠规则机制消灭幻觉（比如给冗长的商品 ID 起短别名、从真实接口回填，离线构建线路库做二次校验），最终靠后训练把行业知识内化进模型。用她的话说，这个过程很像教小孩，先教步骤，再给工具，最后让他自己变聪明。

消费级 AI 为什么还没爆发

发布会最后的对谈环节，AI 博主卡兹克和飞猪 CTO 陈烨博士聊了一个多小时，问题一个比一个尖锐。这场对谈里透出的思考，某种程度上比产品本身更有信息量。

第一个问题就直指行业的心病。Chat 火了，Coding 火了，为什么以旅行、电商为代表的消费级 AI，至今没有看到爆发？

陈烨给出了两个原因。第一，它不闭环。AI 帮你做了行程规划、买了防晒霜，好还是不好，有一百种评判角度，你无法像 Coding 那样跑一个单元测试就立刻知道对错。第二，评测是主观的。更麻烦的是，旅行行业天然低频，信号极其稀疏，用户一年出行没几次，反馈攒不起来。

飞猪的解法是给 Agent 造一个训练场。把机票价格这类每天都在变、和模型能力无关的信息剥离固化下来，在内部搭了一个能模拟 6 万个场景的环境，覆盖阿里全商业生态的旅行、出行、电商。评测则拆成三层信号，硬指标必须过，用户说要去 12 家小吃店，起码得排进 10 家，酒店得真实存在、价格得真实有效；路线合理性交给最聪明的模型，用 Coding 的方式结合地图、天气、交通数据去校验时空上说不说得通；最后再叠一层奖励机制做后训练。余瑶举过一个世界杯的例子，问海外顶级基模怎么去纽约看决赛，答案听着很美但经不起细推，没有航班号，没有具体时间；经过后训练的飞猪模型，给出的是具体航班、具体价格，连 MetLife 球场到旁边博物馆的距离都有。

陈烨对节奏的判断也很坦率，Token 时代可能不像移动互联网那样一夜爆发，它更像能源，润物细无声。消费级 AI 牵扯线下履约，已经进入了 Agent 时代的下半场，来得不会太快，但会来。

第二个问题更犀利。通用 Agent 加上一个飞猪的 Skill 或 MCP，理论上就能解决一切，飞猪为什么还要做自己的垂直 Agent？

陈烨说飞猪对此没有执念，恰恰相反，飞猪是最早开放旅行 MCP 和 Skill 的，也是阿里集团里最早接入千问的 App。但他强调，不管未来的入口是通用还是垂直，有三样东西都绕不开，好的基础设施（Good Infra）、好的数据（Good Data）、足够的算力（Enough Compute）。垂类要做的是同样的三件事，搭得起模拟环境，攒得下供应链和服务数据，跑得起每周跟着基模迭代的后训练管线。而按移动互联网的经验，通用产品至今解决不好医疗、教育这类深度垂类问题，旅游也是其中之一。他给垂直机会划了两个条件，行业得是万亿级市场，新技术得能带来 10 倍的效率或体验增长，「这两个条件在 AI 时代依然成立」。

第三个问题关于中间层。SaaS 公司正在被通用 Agent 吞噬，OTA 本质上也是中间层，如果酒店、航司把服务包装成 Skill 直接喂给通用大模型，飞猪怎么办？

陈烨承认中间层会越来越薄，但飞猪的答案是带着商家一起进入 AI 时代。飞猪今年 5 月免费开放了酒店商家智能助理，相当于给每家酒店配一个 AI 运营总监，一家汕头酒店 9 天里用 AI 做了 23 次经营诊断，采纳了八成以上的建议，流量翻了近一倍。更深一层的变化在供给侧，用户想搜「全天能看到埃菲尔铁塔的酒店」，酒店就得为此重新组织自己的 UGC 和用户反馈；想主动服务用户，就得重新组织会员体系。飞猪想做的是给商家流量之外，再给经营的武器，教它们的供应链被 Agent 更好地识别。陈烨甚至抛出了一个野心，「为什么大家不能成为旅行消费行业的 Claude Code？」

第四个问题最敏感。Agent 到底推荐最适合用户的，还是佣金最高的？陈烨透露了一个内部细节，发布之前，飞猪内部先谈好了一个底线，愿意牺牲多少 GMV 来把 AI 做起来。结果出乎意料，灰度数据显示两者并非左右互搏，AI 反而带来了增量。帮帮现在的北极星指标不是交易额，而是 User Engagement，「更具体一点，Token 越多越好」。他在后训练时看到过一条 500 字的 Query，用户列了西安 12 家小吃，说要一天之内吃遍，还要去回民街和城墙。**这种需求在货架时代、在移动互联网时代是看不到的，而这批 AI 原生用户的留存、复购和活跃度，都比货架用户深得多。**在陈烨看来，这才是新的机会所在，商业化在相当长时间里都不是飞猪关心的问题。

支撑这一切的是组织的重构，也就是庄卓然「3 个 E」里的最后一个 E。飞猪的团队正在从围绕流程和产品线组织，转向围绕 Agent 组织，酒店 Agent、交通 Agent、签证 Agent，内部已经有三位数的 Agent Team，小而精，直接对结果负责。帮帮的 100 多个帮办功能，就是在过去一两个月里做出来的，AI 生成的代码在核心应用里占比已是高双位数。周会的形态也变了，从职能汇报慢慢变成了 Agent 团队的碰头。

对谈的最后一个问题留给了未来。3 年后，飞猪还会是一个 App 吗？

庄卓然接过了这个问题。他说自己比较幸运，12 年一个轮回，这是他第二次经历这种量级的技术变迁，上一次是 PC 到移动的搬迁，那时他在手淘。他不愿意断言 3 年后 App 这个形态还在不在，但他确信一件事，从线下旅行社时代到网站时代、搜索时代、移动时代，旅行用户的需求从来没变过，朴素的两件事，更好的供给，更靠谱的服务。「如果能持续做到这两件事，无论是 App，还是融入某个 AI 通用接口，还是长在 AI 原生的硬件里，都是自然而然的选择。」

这大概也是飞猪帮帮真正想说的话。产品会一版一版迭代，今天发布的远不是终态。但对一家决定亲手拆掉自己天轴的公司来说，重要的从来不是这一版长什么样，而是在拆的过程中，那些买不来的能力，有没有真的长在自己身上。