文 | 闻旅派，作者 | 郭鸿云，编辑 | Sette
过去两年，市面上的 AI 应用有个通病：问它 " 北京三日游怎么安排 "，它能给你一份比旅行社还漂亮的攻略。可你跟它说 " 行，那帮我把机票酒店都订了吧 "，它就回你三个链接，让你自己去筛。
所以很多人对 AI 旅行助手的印象，定格在五个字上——能说，不能办。
8 月 10 日，飞猪发布升级版 AI 助手 " 飞猪帮帮 "。定位很直接：不只是一个回答旅行问题、规划行程的智能体，而是一个 " 智能助理团队 "，要在行前、行中、行后，替用户把一件件具体的事办成。
如果说过去的 AI 旅行助手是 " 嘴替 "，飞猪帮帮要做的，是替你当那个 " 跑腿的 "。
这次，它真能办成事儿吗？
01
AI" 能聊 " 和 " 能订 " 之间，隔的不是模型能力，而是真实库存、交易接口和履约系统。
飞猪帮帮敢强调 " 真实可达 "，是因为它背后接入的是飞猪过去十年积累的机票、酒店、门票供应链，以及值机、改签、开发票等服务接口——不是抓取的网页数据，是能下单、能出票、能履约的真货。
所有推荐商品都经过实时库存校验，用户可以在对话里直接完成下单，而不是得到一个可能过时或不存在的链接。
从技术上看，这并不容易。
大模型天生有幻觉，商品 ID 一长，模型就可能编造不存在的编号。飞猪帮帮的应对是给商品设置短别名，从真实接口取数、回填，从机制上规避 " 商品幻觉 "；同时通过离线构建线路库、在线规则校验、后训练等方式，保证推荐结果合理且可落地。
它给自己定的底线是 " 说到做到 "：POI（具体地点，如景点、酒店）要 100% 经过数据库校验，所有 SKU（具体可售商品）都经过供应链系统校验。这是它和通用大模型最根本的区别——通用 AI 再聪明，手里没有真实酒旅产品资源，也办不成这事。
但能确保好用吗？眼下还真不能百分百保证。即便是在发布会上，飞猪也大方承认这一点。
飞猪帮帮产品负责人表示，目前飞猪帮帮还处在早期阶段。攻略一键变行程、自然语言搜索、AI 值机选座、开发票、航班主动改签等功能已经上线；国庆前还将推出多人协作规划、航班延误主动改签、深夜到店外卖代订等功能。
但 " 能做到 " 和 " 百分百好用 " 之间，还有很长距离。
旅行是一个低频、重决策、高客单的消费场景，用户对 AI 的容错率极低。一次推荐错误、一次价格失真、一次值机失败，都可能让用户对 AI 代理失去信任。
这也是为什么在全球范围内，传统 OTA 们对旅行 AI 这件事儿都比较谨慎（当然，这里可能还有上市公司对于商业模式稳定性以及 AI Capex 的担忧）。
翻了下最近一年的新闻，Airbnb 做了 AI 行程规划、房源对比、个性化标签和智能客服，Expedia 做了 AI 搜索、行程规划和房源对比及评价，Booking 只做了退改和个别小类目的 AI 搜索。
不难看出，各家都是偏单点的 AI 探索，而且几乎都在卷行程规划。某种意义上说，行程规划本质也是 " 信息检索 " 和 " 信息生成 "，错了还能重来，没有资损没有真实出行，大不了等几分钟再规划一个。
但从消费者视角来看，一趟旅行的杂事少说几十件、多则上百件，尤其是出境游。他们希望减负吗？希望有个 Codex 或者 Claude Code 的助手能像 Vibe Coding 一样帮他们处理很多体力活，而他们只需要偶尔看看手机任务是否完成吗？
答案恐怕是需要的。
02
用户敢不敢把行程交给 AI，取决于三件事：它到底懂不懂我、办错了谁兜底，以及它会不会为了佣金坑我。
这三点，飞猪目前都没有给出终极答案，但很多环节确实找到了解法，且还在持续完善。
AI 到底懂不懂我，核心取决于它的记忆，也就是上下文环境。相较于上一代产品，飞猪帮帮强化了记忆能力，设置了短、中、长三层架构，短期对应当前对话或是搜索、浏览信息，要求高精度；中期对应跨会话或者订单信息，要求高精度；长期则对应用户的生命周期信息，要求相对低精度。
从目前的测评来看，这套记忆机制对于提供更精准和个性化的服务是有帮助的。比如这次飞猪帮帮上新的订单退改、开发票、订接送机、升房等，都得依赖它的记忆能力。
办错了谁兜底，这是 AI 世界的通用问题。目前飞猪的做法与主流 AI 应用基本保持一致，很多预填代办和持续跟进类操作，AI 具备决策权限，但涉及费用或订单变更等核心信息，飞猪帮帮还是会把最后一步的授权按钮或支付按钮，交还到消费者手中。
不过，飞猪帮帮在这里更进一步的是，在目前的交互形式里，消费者几乎不需要任何跳端或点击链接跳转，凡是涉及商品选择、支付或授权选择，它都会实时生成卡片或者选择按钮，点一下就可以。
飞猪帮帮选择了另一条路。在发布会上，当被问及时，飞猪 CTO 陈烨表示，飞猪帮帮目前以及未来很长一段时间都不会考虑佣金，" 飞猪帮帮的北极星指标是用户粘性。先把用户敢不敢用、愿不愿意持续用做起来。核心目标不是交易额，而是用户愿不愿意跟这个 AI 多说话——具体落到一个可量化的指标上，就是用户和 AI 对话的文字量（也就是 Token）。"
如果飞猪帮帮这条路能全面跑通，旅行行业可能会迎来一次权力转移。
传统 OTA 的竞争维度是货架规模、价格优势、流量入口；飞猪帮帮要做的是 AI 代理。到那时，用户不会因为某个平台产品多或更便宜就打开某个 App，而是因为这个 AI 真的能帮他值机、升房、改签、开发票、省下麻烦，而愿意信赖它。
预订平台的核心资产，会从流量和供给，变成 AI 服务的靠谱程度和履约深度。
对商家来说，新门槛也会出现：你的房型能不能被 AI 准确识别为 " 能看到故宫金顶 "？你的宠物政策、联通房能力、会员升房规则能不能被 AI 调用？
如果数据结构化不够，AI 不会猜你，只会选它能读懂的商品。
飞猪公布了一个真实案例：汕头一家酒店在测试期间，9 天内使用 AI 经营诊断超过 23 次，最终采纳 80% 以上的 AI 建议，流量增长接近 2 倍。这说明 AI 确实有拉平商家运营能力差距的可能。
当越来越多商家开始吃到 AI 红利，而这件事又比其他趋势都更确定，酒旅生意的逻辑就真的到了被 AI 彻底改写的时刻。
03
飞猪在业内很早就开放了旅行 MCP 和 Skill（查机票、订酒店、值机这些功能的插件版），在千问等通用生态里获得了不少调用。敢率先迈出 " 帮用户办事 " 这一步，底气也是来自阿里的技术底座和自身供应链。
更重要的是，AI 正在激发增量需求，而不是左右互搏。
在飞猪帮帮小范围试运行阶段，就出现了 500 字以上的复杂需求，比如一天吃遍西安 12 种小吃这种 " 离谱 " 的诉求，在传统货架时代根本不可能被满足，AI 却能基于数据和供应链，拼出一套可行的方案。
首先是 AI 基础设施。飞猪 CEO 庄卓然说得很直白：ToC 大规模爆发，必须等模型成本再降一两个数量级。飞猪帮帮现在不考核交易转化。
其次是非标准化。旅行是高度非标准化的。飞猪搭建了模拟环境和评测体系，试图用离线训练弥补真实反馈的不足。但真实世界的复杂程度，尤其是天气、航变、酒店临时满房这些变量，训练场永远无法完全覆盖。
一旦 AI 办错了事，损失算谁的？这道题，用户也必须看到明确的答案。
这些难题的解法，恰恰就是飞猪帮帮做成之后真正的价值所在。虽然还需要更多时间探索，但至少，它已经找到了方向，出发上路了。
这条路极重，也极慢。但旅行这门生意里，那些又重、又慢、又繁琐的脏活累活，可能才是 AI 时代最稀缺的资产。
