Google搜索变身旅行智能体

Google 正在把搜索框改造成一名可以持续盯价、计算会员权益并协助完成酒店预订的旅行智能体。

当地时间 2026 年 8 月 27 日，Google 宣布为搜索中的 AI Mode 增加三项旅行能力：追踪机票价格、协助预订酒店，以及在规划行程时查看里程与奖励权益。这次更新的重点不是让 AI 多生成几段攻略，而是让它开始承担原本需要用户反复打开 Google Flights、酒店网站和会员账户才能完成的操作。

**AI Mode 是 Google 搜索中的生成式 AI 交互界面，用户可以用自然语言提出复杂问题，并通过连续对话细化搜索条件。**随着旅行功能加入，AI Mode 的角色正在从“整理搜索结果”转向“维护任务状态”：它不仅要理解用户想去哪里，还要在之后几天或几周持续监控价格，并在适当节点推动预订。

这使 Google 搜索离真正的旅行智能体近了一步，但“协助预订”还不等于 AI 可以不经确认地替用户付款。现阶段更准确的理解是，Google 负责完成需求理解、候选筛选、价格比较和预订流程衔接，最终交易仍会涉及用户确认、酒店或合作预订平台的库存系统。

AI Mode 开始接管旅行规划中最麻烦的三步

**此次更新覆盖了旅行决策链条中三个高频但高度碎片化的环节：盯机票、选酒店和核算会员权益。**这三件事过去分别散落在航班搜索、酒店预订和航空公司会员账户中，用户需要在多个页面之间来回切换，AI Mode 现在试图把它们压缩进一次对话。

1. 用自然语言创建机票价格追踪任务

**机票价格追踪是由系统持续监控指定航线和日期的票价，并在价格变化时主动提醒用户的功能。**Google Flights 早已提供传统的价格提醒，但 AI Mode 的不同之处在于，用户不必先把需求压缩成固定的出发地、目的地和日期字段。

用户可以提出更接近真实决策方式的要求，例如：

• 10 月去东京待一周，前后可以浮动两天；
• 只考虑一次转机以内的航班；
• 不坐红眼航班，优先选择下午抵达；
• 如果价格低于某个预算，再提醒我；
• 同时比较现金票和使用里程后的实际成本。

传统航班搜索擅长处理明确字段，AI Mode 则试图处理字段之间的权衡。一个旅行者说“便宜一点，但不要为了省 80 美元多转一次机”，背后同时包含价格、时间、风险和舒适度约束，这正是大模型交互比筛选器更自然的地方。

**AI Mode 的实际价值不在于生成一次报价，而在于把一次查询变成长期运行的监控任务。**机票价格会随库存、舱位和需求动态变化，用户真正需要的通常不是“现在多少钱”，而是“未来两周内什么时候值得买”。当 AI 可以保存上下文并持续追踪，搜索就从即时响应系统变成了异步任务系统。

2. 从推荐酒店走向协助预订

**酒店预订协助是 AI 根据位置、预算、设施和行程约束筛选住宿，并将用户带入可确认的预订流程。**这比生成“伦敦十家热门酒店”复杂得多，因为酒店产品并不是一个简单的名称和价格列表。

同一家酒店可能同时存在不可取消、限时取消、含早餐、到店付款、预付和会员专享等多个房价计划。页面上看起来更便宜的房型，加上税费后未必便宜；距离景点更近的酒店，也可能因为交通噪声或房间面积而不适合家庭用户。

AI Mode 要真正有用，就必须把这些规则翻译成人能快速判断的结论。例如，它需要解释“这间房每晚便宜 25 美元，但不可退款，而且不含早餐”，而不是只把最低价格放在最显眼的位置。

**Google 在这里的优势是可以把搜索、地图、评论和酒店库存放到同一决策过程中。**通用聊天机器人可以写出一份看似完整的住宿建议，但如果缺少实时房态、税费、房型和取消条款，它给出的仍然只是一份攻略。Google 已经拥有旅行搜索和本地信息基础设施，AI Mode 增加的是自然语言编排层。

不过，“代订酒店”仍应被理解为受控执行，而不是完全自主消费。旅行交易涉及入住人信息、支付授权、取消政策和价格变化，任何一项理解错误都会带来实际损失。合理的产品设计应当是在最终确认前，明确展示酒店名称、日期、房型、总价、税费和退款规则，并要求用户确认。

3. 把里程和奖励加入真实成本计算

**里程与奖励是航空公司、酒店集团或信用卡体系向会员提供的积分、兑换和等级权益。**这些权益过去很难进入统一比价，因为现金价格、积分价格、税费和会员待遇并不使用同一套计量方式。

AI Mode 新增查看里程和奖励的能力后，旅行搜索不再只比较页面标价，而是有机会比较用户的实际支付成本。比如，一张机票现金价格为 620 美元，另一种方案需要 35,000 里程加 60 美元税费；哪一种更划算，取决于用户如何估算每一点里程的价值，以及是否需要保留里程用于更昂贵的长途航线。

**会员权益的加入会显著提高旅行推荐的个性化程度。**同一家酒店对普通用户和高级会员可能是两种产品：后者可能拥有免费早餐、延迟退房、房型升级或额外积分。只比较公开房价，很容易把对会员更有价值的选项排到后面。

这项能力同时带来了更高的数据敏感度。里程余额、会员等级和历史偏好都属于能够影响消费决策的账户数据，Google 需要清楚说明哪些信息被调用、是否需要用户主动授权，以及用户能否随时解除关联。便利性越强，权限边界就越需要清晰。

Google 做的不是另一款旅行聊天机器人

**旅行智能体是能够理解旅行目标、调用实时服务、维护任务状态，并在用户授权后推进交易的 AI 系统。**它和普通旅行聊天机器人的区别，在于能否从“告诉你怎么做”跨越到“替你完成其中几步”。

从这个标准看，AI Mode 已经进入智能体阶段，但还没有完全闭环。机票追踪具备持续运行能力，酒店功能开始连接交易，会员权益则提供个性化决策数据；真正尚未解决的是出票、支付、改签、退款和异常行程处理。

| 产品形态 | 自然语言理解 | 实时价格与库存 | 持续盯价 | 会员权益 | 交易执行 | 主要优势 | |---|---:|---:|---:|---:|---:|---| | Google AI Mode | 强 | 强 | 支持 | 开始整合 | 酒店预订协助 | 搜索、地图、旅行数据和对话入口结合 | | 传统 Google Flights | 弱 | 强 | 支持 | 相对有限 | 通常跳转完成 | 航班数据成熟，筛选效率高 | | Booking、Expedia 等 OTA | 中等 | 强 | 视产品而定 | 以自有体系为主 | 强 | 库存、订单和售后链路完整 | | 通用 AI 聊天机器人 | 强 | 取决于工具连接 | 通常较弱 | 通常较弱 | 取决于外部服务 | 规划灵活，适合开放式需求 | | 航司或酒店官方应用 | 弱至中等 | 自有库存最准确 | 部分支持 | 强 | 强 | 会员价格、订单控制和售后能力强 |

**Google 的核心竞争力不是模型回答得更像旅行顾问，而是它距离真实供给更近。**用户原本就会在 Google 上搜索目的地、航班、酒店、地图和餐厅，AI Mode 相当于在这些服务上方增加了一层统一调度界面。

OTA 的优势则仍然集中在交易后端。用户预订完成后可能遇到航班取消、酒店拒单、重复扣款、姓名错误或退款延迟，这些问题无法靠一段生成式回答解决。谁承担订单责任、谁提供客服、谁能修改票证，决定了旅行智能体能否从“好用的前台”升级为“可信赖的代理人”。

搜索产品正在从流量入口进入交易环节

**Google 此次更新最值得关注的变化，是搜索不再满足于把用户送到另一个网站。**传统搜索的商业逻辑是匹配信息与链接，AI 搜索的下一步则是理解意图、完成比较，并尽可能缩短到交易的路径。

这一变化会重新分配旅行行业的流量价值。过去，一次酒店搜索可能把用户导向酒店官网、比价网站或 OTA；如果 AI Mode 已经在搜索界面中解释差异、调用会员权益并生成候选方案，外部平台获得用户注意力的时间就会明显缩短。

**AI 摘要压缩的是信息访问，旅行智能体压缩的则是整个决策漏斗。**用户不再需要阅读十篇攻略、打开十五个酒店页面，再手工记录价格和取消政策。平台可以在对话中直接输出三组满足条件的方案，并继续追踪其中两组。

对 Google 来说，这也意味着产品责任发生变化。搜索结果排序错误，用户可能只是点开了一个不相关页面；智能体如果选错日期、忽略行李费用或误判退款条件，用户会产生直接经济损失。系统越接近支付按钮，模型幻觉和数据延迟的容忍度就越低。

机票盯价比生成攻略更适合智能体

**旅行价格追踪是当前最适合 AI 智能体落地的消费场景之一。**任务目标明确、数据持续变化、人工重复操作成本高，而且每一次提醒都可以由用户做最终判断，不必让模型直接承担不可逆决策。

相比之下，让 AI 自动购买“最便宜的机票”仍然危险。最低价格可能不包含托运行李，可能需要机场过夜，也可能来自限制严格的基础经济舱。用户说的“便宜”通常只是目标之一，而不是唯一目标。

AI Mode 更合理的路径，是把系统设计成一个会解释原因的盯价助手。例如提醒用户：“当前价格比过去 30 天常见水平低 18%，但该票价不可退改，且不含托运行李。”这样的提醒比单纯显示绿色降价箭头更有价值，因为它同时给出了价格信号和交易风险。

**Google 公布的搜索趋势说明用户已经开始主动寻找这类能力。**根据 Google 此前披露的数据，过去一年中，“AI 旅行助手”和“AI 礼宾服务”相关搜索兴趣增长了 350%，“AI 机票预订”的搜索热度增长了 315%。这不是用户突然更爱看 AI 写攻略，而是他们开始期待 AI 替自己完成查价、比较和监控。

真正难点在预订之后

**旅行智能体最难处理的不是正常预订，而是行程出现异常后的连续决策。**航班延误可能导致转机失败，酒店取消可能影响接送机，目的地天气变化又可能迫使用户修改整个行程。

一个成熟的旅行智能体需要理解多个订单之间的依赖关系。如果第一段航班晚点 4 小时，系统不仅要提示延误，还应判断第二段航班是否还能赶上、酒店是否需要延迟入住，以及接机订单能否免费修改。

这要求 AI 获得可靠的实时状态、订单权限和售后接口，也要求平台明确责任边界。错误推荐一家餐厅的代价有限，错误取消一张不可恢复的机票则完全不同。智能体必须为高风险动作设置确认步骤、操作日志和撤销机制。

**Google 目前展示的是旅行智能体的前半程，而不是完整终局。**它已经覆盖需求理解、信息检索、价格监控和部分预订协助，但距离处理改签、退款、航变和跨供应商协调仍有明显距离。

对开发者和旅行平台意味着什么

**AI Mode 的推进说明，单纯给旅行产品增加一个聊天框已经不够了。**真正有竞争力的 AI 旅行产品至少需要四层能力：准确理解自然语言、访问实时库存、保存长期任务状态，以及安全执行用户授权的操作。

旅行平台未来的竞争重点可能从“谁的筛选项更多”转向“谁能更准确地理解约束”。用户不会逐项勾选 20 个筛选条件，而会直接说：“带父母去新加坡住四晚，酒店要离地铁近，晚上安静，两个房间最好在同一层，取消政策别太严格。”

这类需求不能只靠大模型生成文本，还需要结构化地映射到房型、地理位置、评论标签、库存和退款规则。模型负责理解，搜索与数据库负责验证，交易系统负责执行，三者缺一不可。

**垂直旅行平台仍然拥有订单和服务能力上的护城河，但其搜索入口正受到挤压。**如果 Google 能在用户产生需求的第一时间完成比较与追踪，OTA 可能逐渐退到库存提供者和履约服务商的位置。反过来，OTA 也可以利用完整订单数据和售后体系，做出比通用搜索更可靠的行程管理智能体。

这次更新有用，但还不是“全自动旅行管家”

**Google AI Mode 的旅行更新是一次有实际价值的产品推进，因为它瞄准了用户真正厌烦的重复劳动。**机票盯价、酒店条款比较和会员权益核算，都比自动生成一份千篇一律的三日游攻略更值得交给 AI。

它的局限也同样明确。旅行价格高度动态，第三方库存可能延迟，税费和退款条款容易被忽略，账户权益还涉及隐私授权。Google 必须证明 AI Mode 给出的不只是“看起来合理”的建议，而是可验证、可追踪、可纠错的交易信息。

**这次更新的行业意义，是 Google 正式把搜索产品推向任务执行层。**当搜索可以记住需求、在后台持续工作，并在合适的时间推动交易，它就不再只是一个回答问题的网页入口，而是一个掌握用户意图、时间和消费决策的操作系统级助手。

旅行只是最自然的试验场之一。机票和酒店之后，同样的产品逻辑还可以延伸到餐厅预订、活动门票、本地服务和商品采购。Google 真正争夺的并不是“最好用的旅行攻略生成器”，而是用户把一个现实任务交给 AI 时，首先想到的那个入口。

参考来源

由于文章发布规则仅允许在参考来源中保留指定国内可访问域名，而本次原始材料均不属于该域名范围，以下仅列出来源名称，不附站外链接。

• Google 官方产品博客：《3 new ways to plan and book travel in Search》：Google 对 AI Mode 机票追踪、酒店预订协助及里程奖励功能的官方说明。
• TechCrunch：《Google’s AI Mode can now track flight prices, help book hotels, and more》：对本次产品更新及 Google 旅行智能体战略的报道。
• cnBeta：Google 上线 AI 购物与旅行新功能相关报道：补充酒店价格追踪方式及 AI 旅行搜索趋势数据。