人工智能时代旅游研究的核心命题与范式转向
自ChatGPT于2022年12月问世以来，以大语言模型（large language model，LLM）为代表的新一代人工智能浪潮迅速扩展，深刻影响了人们的生活方式，并显著提高了生产效率。2025年初DeepSeek的走红，也表明人工智能的发展正由单纯依赖算力堆叠转向更加集约高效的路径。在通用应用领域，智能体已成为关键发展方向，并在编程、办公等场景中表现出明显优势；与此同时，大模型推理能力的增强以及智能体能力的内嵌，也逐渐成为大模型演进的重要趋势。在旅游行业，人工智能的落地同样不断深化，当前主要涉及旅游信息检索、客服回复、路线设计、人工智能生成内容（artificial intelligence-generated content，AIGC）旅游营销、具身智能与无人化应用、旅游企业内部管理、导览解说以及治理应急等方面。不过也应看到，人工智能在旅游业不同场景中的应用成熟程度并不一致，而是会随着任务复杂性的不同而呈现差异。例如，在信息查询、客服应答等场景中，由于大模型结合知识库后具备较高的数据质量，且应用场景相对明确，因此整体服务表现较好，平均成功率可达90%以上，属于相对成熟的应用类型；而在路线规划、AIGC旅游营销、具身智能与无人化、导览讲解翻译等方面，虽然已经在行业内较为广泛地使用，但在技术能力或使用体验上仍存在不足，总体水平大致处于60~70分之间。比如，路线规划结果由于难以充分建立用户信赖，导致用户采纳意愿偏低；AIGC营销在真实感和最终成片效果上也仍有缺陷，但随着Sora 2、Nano banana等新一代视频与图像工具的出现，其应用成熟度与商业化质量正快速提升。具身智能及无人化在旅游场景中的部分应用已较为成熟，例如酒店配送机器人、山地景区运输机器狗、博物馆轮式导览机器人、登山辅助外骨骼、景区无人驾驶车辆等，均已形成较好的体验场景。但对于需要更强泛化能力的任务，如导游服务、铺床整理、适老化服务、完全自动驾驶等，具身智能仍难以全面胜任。在旅游企业内部应用方面，主要体现在人工智能技术于酒店和景区集团内部的使用，目前智能体已开始以工作流（work flow）的形式，尝试推动企业内部流程处理的自动化与智能化，并希望实现降本增效的目标，但其在应用深度与覆盖广度上仍处于起步阶段，真正对酒店行业及集团型企业会产生多大影响，还有待进一步观察。在旅游治理与决策层面，人工智能的应用目前同样处于早期阶段，其具体价值与实际成效尚未充分显现，未来还需打通管理端的各类数据，并结合治理领域知识、经验及历史数据持续探索。
一是高质量数据集建设及运营机制研究。当前，旅游领域高质量数据集的建设明显落后于自动驾驶、医疗健康等其他行业，这一方面与市场化和资本驱动不足有关，另一方面也与旅游行业长期以来数据治理薄弱密切相关。旅游高质量数据集大体可划分为静态数据、动态数据和垂直类经验数据三大类型，针对不同类型的数据，需要制定差异化的归集策略，并依托不同的数据集建设主体。与此同时，政府与市场在高质量数据集建设及运营模式中的关系尤为关键，围绕个人、市场、政府等多元主体之间的互动与协作机制，也构成了这一领域的重要研究议题。
二是旅游领域大模型测评与评价机制研究。随着旅游领域AI大模型和智能体不断丰富，各类工具在服务质量与服务效率上的表现仍存在明显差异，行业内也缺少统一的大模型测评标准来对各类人工智能应用进行评判。人工智能测评能力在很大程度上决定着大模型的发展方向和水平，因此，建立契合旅游行业需求特征的AI大模型测试体系，已成为行业极其重要的研究议题。测评体系的构建需要整合产学研多方力量，不能局限于单一企业或单个产品，而应真正从游客用户的角度出发审视测评的意义与价值。在测评方法上，客观指标与主观指标结合、人工测评与机器测评协同，或许是更适合旅游行业大模型应用场景的理想方案。
三是旅游人工智能信任优化问题研究。在行程规划类AI应用中，目前较为普遍地存在用户对AI生成路线方案采纳意愿不高的问题。这使得原本应最能体现AI优势、且具有较强刚需属性的行程规划场景，尚未充分释放人工智能的实际价值。AI要赢得人的信任，涉及多个值得关注的因素，包括输出结果的个性化程度、多模态能力、结果呈现的可读性以及是否给出推荐依据等。这些方面也为相关研究提供了广阔空间，围绕AI与人的协同机制，以及AI如何更有效地获得用户信任，将成为贯穿AI时代游客行为研究的重要核心议题。
四是旅游AIGC内容营销效能提升研究。营销内容如何影响受众的旅游灵感、出行动机等，一直是旅游研究中的经典议题。在AI时代，AIGC已成为重要的内容生产方式。然而，在相当长一段时间内，AIGC在营销应用中的真实效果仍有待加强。旅游AIGC图像风格与目的地形象感知之间的适配问题，也逐渐成为值得讨论的话题。随着Sora 2和Nano banana等重塑内容生成逻辑的工具不断出现，AI文生视频以其更具想象力的表达方式，呈现出怪诞、奇幻、刺激等多样风格，极大拓宽了旅游营销视频的内容边界，也对目的地开展基于AIGC的新型视频营销提出了更高层次的创意要求。在理论层面，AIGC内容究竟会对游客的灵感、动机乃至行为意向产生何种影响，仍有待进一步深入研究。
五是旅游企业AI转型与组织变革研究。当前，AI应用已开始深入影响旅游企业管理流程的重构，酒店集团、主题乐园等业态已尝试利用智能体对内部流程、员工培训、财务报销、商旅出行等环节实施自动化和智能化改造。现阶段，以工作流为基础的应用方式正在引发一系列组织内部变革，包括员工参与AI流程的方式与意愿，以及流程再造与组织重塑等问题。这也为探讨AI如何赋能旅游企业实现降本增效提供了广阔的研究空间。
一是AI大模型替代被试参与旅游研究。目前，已有不少研究尝试在人文社会科学领域中，利用AI大模型替代人类被试开展实验研究。这类研究的核心前提在于模型行为与人的行为在一定范围内能够实现对齐，并通过定量方法在小规模范围内先做比较验证。但就当前而言，使用机器替代人的复杂性与多样性，并据此随机生成某种数据规律，在学界仍存在较大争议。更具建设性的方向也许并不是“替代”，而是“协同”。未来更具前瞻性的旅游研究设计，可能会逐步走向一种人机结合的“增强型”范式：由AI模型承担大规模数据模拟与研究假设初步筛选，快速描绘行为概率图景；而由人类被试深入参与关键情境验证、意义解释与深层动机挖掘。这样的分工不仅能够提高研究效率，也能更好保障对人性复杂性的尊重。归根到底，技术不应让我们远离真实的人类世界，而应帮助我们以更细致、更有洞察力的方式重新回到其中。
二是AI大模型作为裁判开展AI测评。采用人工方式对旅游领域AI模型进行评测，是构建相关基础测试标准不可或缺的阶段，但随着测评对象和测评复杂度不断提高，单纯依赖人工测评已越来越难以满足需求。事实上，在其他行业中，利用大模型来评测大模型已逐渐成为现实。若将AI大模型作为裁判员对行业模型进行测试，首先需要解决基础模型的选择问题，选取那些泛化能力强、推理能力优、且基础能力突出的模型尤为重要；其次，需要将测评的“价值导向”有效传递给模型，这也是坚持以用户体验为核心的测评理念的关键所在；最后，人机对齐的校准机制也是确保机器测评结果可靠可行的重要保障。
三是AI大模型拓展多模态分析维度。随着用户生成内容（user-generated content，UGC）日益丰富，旅游领域对多模态数据（图片、视频）的分析，先后经历了从人工编码到机器分析的演进过程。机器分析的核心通常在于利用卷积神经网络对图片和视频关键帧进行解析，但其结果往往主要集中于低层次物理属性（对比度、亮度、纹理等）和物体识别结果，容易割裂图片与视频更高层次的语义上下文，也长期导致此类研究与传统旅游研究理论及数据之间难以有效对齐。对于情绪与隐含语义等更深层信息的分析，基于卷积神经网络的工具通常也难以准确提炼，而对视频、叙事等抽象程度更高的内容分析，仍有较大的提升空间。大语言模型在多模态分析方面展现出明显优势，其对图片、视频数据的理解可以输出语义更丰富且更准确的自然语言表达，在一定程度上弥补了人工分析和机器分析各自的不足，兼具定量分析的高效率与定性分析的抽象表达能力。这也为旅游营销领域的多模态分析开辟了新的研究范式。