Booking Holdings 推出 AI 旅行智能体 Lola

Meta 的通用 Muse AI 智能体引发在线旅游股急剧抛售还不到一周，Booking Holdings 就推出了 Lola —— 一个独立的 AI 旅行智能体，由 KAYAK 的联合创始人从零打造，背靠全球最大的在线旅游平台（OTA）集团，设计目标是做通用 AI 智能体迄今难以做好的事：把一位旅行者从一个开放式的想法，带到一次确认的预订，而不会编造出根本不存在的酒店。

这款产品于 2026 年 9 月 29 日在美国上线，它不是对 Booking.com 的升级，也不是加在 KAYAK 搜索页上的聊天机器人。它是一个全新的独立产品 —— 由一支约 20 人的团队用五个月做成 —— 有自己的应用、自己的会员模式，以及一条结构性的设计原则，让它与两类对手都明显区别开来：一类是正威胁要把旅游分销去中介化的通用 AI 助手，另一类是 Booking Holdings 自己运营的 OTA 巨头。「我们打造 Lola，是为了让每个人都拥有人脉广泛的那种优势，」Lola 联合创始人 Steve Hafner 说。「下一代 AI 助手应当不止于回答问题。它们应该理解你在找什么、帮你做决定，并把事情办成。」

时间点并非巧合。2026 年 9 月 23 日，在 Meta 演示了 Muse 直接通过对话界面规划并预订旅行的能力 —— 无需任何 OTA 网站 —— 之后，Booking Holdings（BKNG）、Expedia（EXPE）和 Airbnb（ABNB）的股价在一个交易日里都下跌了大约百分之五到七。投资者的逻辑很直接：如果用户通过一个直接调用供应商 API 的通用 AI 智能体来订票，他们也许再也不会访问 Booking.com 或 Expedia。Booking Holdings 六天后以 Lola 作了回应。

延伸阅读：Meta Muse 把旅行架构拆成两部分：机票走 Duffel API，酒店靠浏览器自动化

Lola 实际上怎么运作：两层，一个目的

Lola 的架构反映了一种设计模式，它已经成为业界对「需要可靠执行金融交易的 AI 系统」的共识：在语言模型与预订引擎之间划出一条清晰的分工。

对话层处理的是大语言模型真正擅长的事 —— 理解自然语言意图、从以往交互中提炼偏好、提出追问以消除歧义，并跨酒店、餐厅、活动和体验给出连贯的推荐。按 Hafner 的说法，从 KAYAK 到 Lola 的重心转变是根本性的：「在 Kayak，我们想解决的是最好的航班是哪个。在 Lola，我们想解决的是这个周末我该做什么。」

预订层则完全独立，并且是确定性的。当 Lola 从建议转向执行时，它会向合作伙伴网络查询实时库存 —— 酒店空房、餐厅订位、活动门票和体验预订 —— 这些查询返回的是实际可订的选项和经核实的价格。最终出现在用户收件箱里的预订确认，就是真实的确认。这种分离之所以重要，是因为另一条路 —— 让语言模型自己去推理可订情况、再产出它自以为的预订 —— 正是催生出此前旅行 AI 实现里那些被尴尬暴露的、编造的酒店和不存在的机票的根源。

这个问题的规模相当可观。PhocusWire 报道的行业分析记录了 AI 生成查询的看订比（搜索与成交之比），最高可达每完成一次预订对应 20 万次搜索请求 —— 没有交易意图、对库存穷尽式搜索的 AI 智能体，可能压垮供应商的系统。Lola 的架构确保库存查询源于已确认的用户意图，而不是探索性的语言模型推理，其设计目标就是把这个问题降到最低。

上线时，Lola 已确认的旅行合作伙伴包括 ResX、BLADE、Aero、SeatGeek、GetYourGuide、Nuitee 和 Ten Group —— 以及 Booking Holdings 自己的品牌：Booking.com、OpenTable、KAYAK、Priceline、Agoda 和 FareHarbor。Lola 的另一位联合创始人 Paul English 说，合作伙伴的范围正有意地扩大：「Lola 了解每位会员喜欢什么，并在酒店、餐厅、活动和体验中搜索，找出值得他们花时间的选项，并附上会员价和福利。我们要把 Lola 做得全面，后面还有更多合作伙伴。」

让这件事成为必要的九月冲击

要理解 Lola 为什么存在，需要先弄清 Booking Holdings 正在防御的威胁的确切性质。

Meta Muse 于 2026 年 9 月 8 日发布，是 Meta 进入个人 AI 智能体的产品，9 月 23 日增加了旅行预订能力。机票方面，这个智能体接入 Duffel 的基础设施 API，覆盖 500 多家航空公司。酒店方面，它依赖浏览器自动化 —— 像人类旅行者那样在面向消费者的 OTA 网站上逛 —— 与它所访问库存的供应商之间没有正式的商业关系。这种混合做法在技术上可行，但在架构上脆弱：浏览器自动化易受网站改版、反爬虫防御和规模化下性能问题的影响。

市场对 Muse 旅行功能的反应是即时的，也很有启发性。Booking Holdings、Expedia 和 Airbnb 在一个交易日里合计蒸发了数十亿美元的市值。市场定价的并不是「Meta Muse 会立刻统治旅游」这个想法，而是它的结构性含义：OTA 花了几十年和数十亿营销美元培育起来的客户关系，可能被任何一个拥有足够 API 访问权限的通用 AI 智能体切断。OTA 的价值主张一直是：它是比较和预订旅行最方便的单一界面。如果用户的主要 AI 助手取而代之成为这个界面，OTA 就被降格为库存供应商 —— 这往往是一个利润更低的角色。

谷歌已经朝这个方向走了。2026 年 8 月 27 日，谷歌在美国推出了 AI Mode 酒店预订，有十家合作伙伴：Booking.com、Expedia、希尔顿、万豪、IHG、Choice Hotels、温德姆、Priceline、Hotels.com 和 Trip.com。交易通过 Google Pay 完成，让用户留在谷歌生态之内。Booking.com 既是谷歌 AI Mode 的合作伙伴，又是争夺客户关系的竞争对手 —— 这个悖论说明了在位 OTA 的处境已经变得多么别扭。

领域专家 vs. 通用智能体：战略上的赌注

Booking Holdings 决定把 Lola 做成一个只做旅行的领域专家，而不是现有产品里的一个功能，反映的是一个经过深思的架构与战略选择。

通用智能体 —— Muse、谷歌 AI Mode —— 有巨大的分发优势。Meta 在 Facebook、Instagram 和 WhatsApp 上拥有全球数十亿用户。谷歌处理的带有旅行意图的搜索查询比地球上任何其他平台都多。嵌在这些生态里的 AI 智能体，能在用户已经所在的地方触达他们，无需下载新应用或新建账号。

Lola 的反论是深度。旅行是最复杂的消费交易之一：它涉及多个产品类别（酒店、餐饮、体验、交通）、多个预订窗口和取消政策、不断变化的实时价格、高额的金钱风险，以及与假期和人生重要时刻相连的情感风险。一个从食谱规划处理到股票研究的通用 AI 智能体，未必是旅行者愿意托付一趟数千美元的欧洲之行的那个实体。

创始团队在结构上强化了这个主张。Hafner 和 English 靠理解航空 GDS 的复杂性、酒店价格平价的动态，以及旅行搜索意图区别于一般网页搜索的具体方式，把 KAYAK 做成了全球最成功的旅行元搜索引擎之一。Booking Holdings CEO Glenn Fogel 给了他们一份「白纸授权」—— 从零开始建造 Lola，而不是把 AI 嫁接到 Booking.com 现有的技术栈上 —— 同时让 Hafner 直接向他汇报。结果是一个既有创业公司式自由、又能动用 Booking Holdings 的资本、品牌信誉和合作伙伴关系的产品。

Lola 的会员经济：与 OTA 模式的结构性决裂

Lola 的定价结构是它最值得注意的设计选择之一，也是最直接地标明它在 Booking Holdings 内部所服务的战略目的的那一项。

产品推出三个档位：免费；Plus，每月 5 美元；VIP，每月 25 美元，两个付费方案都要求 12 个月的承诺期。Lola 明确声明，它的推荐是客观、无偏的，「绝不受供应商付费、置顶展示、广告或赞助的影响」。排序由算法完成，依据相关性和会员偏好。

这与 Booking.com 形成了直接的结构性对照，后者有相当一部分收入来自效果广告 —— 酒店付费换取搜索结果里更高的可见度。Expedia、Hotels.com 和其余主要 OTA 平台也是同样的对照。排除付费置顶，无论有意无意，都是一种隐含的表态：靠广告驱动的 OTA 模式带有一种信任赤字，而 AI 智能体承担不起继承它的代价。

会员档位的经济设计，也是为了把价值返还给订阅者，而不是留在自己手里。Skift 报道称，公司提供的一个例子里，迈阿密海滩的四晚住宿，VIP 会员价 783 美元，而在 Booking.com 和 Expedia 上是 997 美元 —— Skift 的报道把这个差价归因于 Lola 把本来会留下的佣金让利回去。通过 Booking.com、Priceline、Agoda 和 Nuitee 订酒店的 Plus 会员，在符合条件的住宿上通常能省约 10%；VIP 会员在四、五星级酒店最多可享 15% 的优惠。全球礼宾和生活方式管理公司 Ten Group，为 Plus 会员提供每季度的礼宾服务，为 VIP 会员提供更丰富的季度权益，背后是与约 5500 到 6000 家酒店的直接优惠价关系。

会员模式用经常性的订阅收入取代按交易计的佣金 —— 这种模式在其他行业有先例，但在旅行领域是否能规模化尚未得到验证。Hafner 对 Skift 说，他预计约 90% 的活跃用户会停留在免费档，这意味着付费模式能否持续，取决于转化一小部分频繁出行的高价值旅行者，让他们觉得 VIP 的省钱和礼宾服务值每月 25 美元。

2026 年 AI 旅行格局中的竞争位置

Lola 进入的是一个在大语言模型强到足以连贯处理多步预订任务的这十二个月里飞速演进的市场。仅在 2026 年，这个领域就产生了至少四种不同的架构路径，每一种都反映着对旅行 AI 的价值最终将由谁捕获的不同理论。

独立的 AI 旅行创业公司 MindTrip 于 2026 年 5 月 6 日推出了对话式机票预订，用 Sabre 的 Mosaic API 访问实时库存，用 PayPal 结账。它在 2026 年 7 月加入了酒店住宿。MindTrip 的架构在「大语言模型加确定性 API」的设计上与 Lola 相似，但它缺乏 Booking Holdings 的品牌认知度、投资者信心和既有的行业关系。Lola 背负着 Booking Holdings 的机构分量和 KAYAK 创始团队的声誉资本，而 MindTrip 靠的是纯粹的产品质量在竞争，没有大型在位者的库存关系或营销预算。

谷歌 AI Mode 于 2026 年 8 月 27 日推出的酒店预订集成，代表第三种模式：搜索原生的智能体。当用户在一场谷歌 AI 对话里表达出旅行意图，系统会从它的十家合作 OTA 和酒店集团里列出酒店选项，并通过 Google Pay 完成预订，用户无需离开搜索界面。交易经由合作方的预订引擎走，这意味着谷歌拿的是推荐带来的经济收益，而不是端到端地拥有客户关系。这种模式把分发最大化（谷歌的搜索量让任何单一旅行应用相形见绌），同时把供应商风险降到最低。代价是谷歌的旅行 AI 仍是发现与路由层，而不是真正的旅行代理：它无法像专职旅行代理那样主动管理行程、提供订后服务，或跨多次旅行学习用户的偏好。关键在于，Skift 报道称，谷歌对合作伙伴扣留了更广泛的对话上下文 —— 只分享完成预订所需的最少数据 —— 这降低了合作伙伴对客户决策路径的可见度。

Meta Muse 的混合做法 —— 机票用 Duffel 的 API、酒店用浏览器自动化 —— 在技术上巧妙，在架构上却脆弱。浏览器自动化易受网站改版、反爬措施和规模化下性能退化的影响。它还引出了一些悬而未决的问题：Meta 的酒店预订流程，是否带着通常伴随一条预订渠道的那种正式商业关系。Duffel 覆盖 500 多家航空公司，给了 Muse 真实的机票库存纵深，但通过浏览器自动化的酒店覆盖，仍不如正式合作安排可靠。

仍未回答的关键竞争问题是：当 Meta 的旅行预订免费、且就在用户每天使用的应用里时，用户还会不会下载一个新应用 —— 并且可能为它付费。Lola 的赌注是：真正在乎旅行品质、可靠性和信任的旅行者，会去找一位专家。其他领域的历史对两种结局都有支持：专业的投资平台曾对抗通用银行应用做出了大量用户，但 WhatsApp、谷歌地图和 Spotify 也仅凭分发规模，就取代了专门的竞争者。领域专家的论证，在质量差距大到足以抵消单开一个应用的摩擦时才成立。Lola 需要在旅行上明显更好 —— 而不是稍微更好 —— 才能赢过 Meta 那个嵌在数十亿人每天都会打开的平台里的免费选项。

GDS 架构，以及库存访问问题

行业报道往往解释不足的竞争格局的一个维度，是全球分销系统在决定任何 AI 旅行智能体实际能提供什么上的角色。

主要的 GDS —— Sabre、Amadeus 和 Travelport —— 是航空公司、酒店和租车公司用来向预订平台分销其可订库存和价格的底层批发库存网络。接入这些网络通常需要正式的商业协议、认证流程和按交易收取的费用。GDS API 连接的速度和可靠性，决定了 AI 智能体能否在用户接受一条推荐、到预订必须被保留之间的那几秒里，返回准确的实时价格并确认库存。

KAYAK 作为元搜索引擎，把深度集成到各大 GDS 作为其核心商业模式的一部分。这种机构性的知识 —— 航空舱位等级是怎么构成的、酒店价格平价如何跨渠道运作、租车可订情况如何按类别和地点切分 —— 就嵌在打造 Lola 的创始团队身上。相对于一个把旅行能力后加到既有对话产品上的通用 AI 智能体，这是 Lola 手里最清晰的结构性优势之一。

Sabre 的 Mosaic API 套件，MindTrip 也在使用，代表着 GDS 行业对智能体式 AI 旅行预订的专门回应：通过干净的编程接口，而不是屏幕抓取，为 AI 系统提供对航空库存和酒店可订情况的结构化访问。Lola 用的是 Sabre Mosaic、相当的 Amadeus API、通过 Booking Holdings 既有供应商关系的直连，还是其中的某种组合，目前没有公开说明。这个技术问题，对理解 Lola 一旦解除仅限美国的上线限制后能在国际规模上提供什么，很要紧。

Lola 尚未证明的，以及仍处风险中的

Lola 上线时的局限相当大，值得直接承认。

这款产品目前只在美国可用。全球旅行本质上是国际性的，一个仅限美国的 AI 旅行智能体，还无法端到端地处理国际行程的预订。Booking Holdings 没有给出国际扩张的时间表。

公司没有对预订成功率、用户满意度，或相对于 Booking.com 转化表现的对比指标作出任何公开声明。没有独立的基准测试 —— 对一个几天前才上线的产品，这样的测试还不存在 —— 关于可靠性的架构性主张就仍然只是公司的断言，而不是既定的性能事实。

对一个需要同时整合多个库存网络的产品来说，约二十人的团队规模偏小。Booking.com 的技术基础设施，是用二十年时间、数千名工程师建成的。Lola 试图把这种连接性压缩进一个专门打造的 AI 原生技术栈里，在实时酒店可订情况、动态定价和横跨数千个合作伙伴的活动库存这一层面上，这是一个真实的工程挑战。

还有一个尚无任何在位者背书的 AI 智能体完全解决的结构性问题：当 Booking Holdings 既拥有 Booking.com 又支持 Lola 时，会有一个疑问：Lola 的「无付费置顶」承诺，是否真正独立于 Booking Holdings 已经通过 Booking.com 与酒店合作伙伴谈成的商业关系。一家在 Booking.com 上为优先展示付费的酒店，有理由问这层关系是否会影响 Lola 的推荐算法 —— 而会员没有独立的办法去验证这一说法。这个承诺在 Lola 的新闻材料里表述得清楚而明确，但母公司商业关系在机构层面的复杂性是真实存在的。

基础设施的时钟，以及接下来会怎样

要确定哪种架构赢得 AI 旅行智能体市场，这场竞赛很可能由基础设施、信任和分发来决定 —— 大致按这个顺序。

首先是基础设施：在 AI 旅行智能体能扩展到 Meta 和谷歌所能带来的用户量级之前，行业必须先解决看订比问题。任何产生数百万次探索性库存查询、却没有相应预订交易的智能体，都会面临供应商的抵制、API 限流或服务条款的强制执行。Lola 以交易意图为先的架构，在这一点上比 Muse 的泛好奇心模式位置更好，但它必须在规模上证明这一点。

其次是信任：那些在其他场景里被 AI 幻觉伤过的消费者 —— 错误信息、捏造的细节、虚构的内容 —— 对把一张不可退的机票或酒店预订托付给 AI 的风险极其敏感。建立起可靠性纪录的智能体，会积累起转换成本。每一次成功的预订都是一笔信任存款；每一次失败的或幻觉出来的预订，都是一次可能永远补不回来的取款。像 Lola 这样的领域专家，有确定性的预订层，在建立这份纪录上具有结构性优势。

第三是分发：Muse 和谷歌拥有 Lola 短期内无法匹敌的规模。问题在于，旅行专属的用户群体 —— 重视可靠性、会员价和礼宾服务的常旅客 —— 是否大到足以在 VIP 档每月 25 美元的价位上，撑起一门有利润的独立 AI 智能体生意，而通用平台则把旅行当作它们免费提供的众多功能之一。

Booking Holdings 用 Lola 做的，不只是推出一款新产品。它以运营投入最深的方式承认：OTA 模式在旅行业里的核心位置 —— 即从酒店和航空公司那里赚取广告和佣金收入的搜索比价界面 —— 正面临结构性压力，这种压力无法靠给既有网站加一个聊天机器人来回应。领域专家型 AI 智能体，是 Booking Holdings 对去中介化真正到来之后旅行商务将是什么样子的押注。一支二十人的团队，能否在 Meta 的数十亿用户把通过 Muse 订票变成常态之前，做出足够有吸引力、能赢得忠实订阅者的东西，是未来十二个月旅行 AI 竞争将要回答的问题。