张兴国：揭开智能原生酒店的真正奥秘

（迈点专栏 张兴国）这两年，几乎每一位酒店总经理都在经历同一种困惑。

公司花了钱、开了动员会，鼓励员工都去用大模型、用智能体。效果不能说没有：前台用它写宾客回复又快又得体，市场部的文案几乎秒出，收益经理参考它的建议调价，人力用它做培训材料。一个个具体的人，确确实实提效了。

可当你满怀期待去看那张大账，却愣住了：人房比没怎么降，单房成本没怎么变，跨部门的事照样卡，该加的班也没少加。

每个人都更快了，整个酒店却没有变快。

这不是某位老总的错觉。它甚至有一个专门的名字，叫"人工智能生产率悖论"。而揭开这个悖论的过程，恰恰能帮我们看清一件被讲得云山雾罩的事——智能原生酒店的真正奥秘，到底是什么。

一、一个被反复验证的怪现象

先说几组真实的数据，免得我们凭感觉争论。

麻省理工学院 NANDA 计划 2025 年的报告显示：全球企业当年在生成式 AI 上投入了三五百亿美元，可大约95% 的试点项目，对损益表没有可测量的影响。麦肯锡同年的全球调查也印证：78% 的组织已经在用 AI，但真正把 AI 转化为 5% 以上利润贡献的，只有6%。

最扎心的是一项针对一万多名软件开发者的研究。用上 AI 后，个人完成的任务量增加了 21%，产出的代码量增加了 98%——极其漂亮；可等待人工审核的时间暴涨了 91%，而公司整体的交付绩效，和 AI 用得多少毫无关系。东西做得更多了，却全堆在了下一道没人扩容的关口前。

酒店业自己的数据同样耐人寻味：已有过半酒店在用 AI 辅助定价，但真正愿意把定价决策权交给 AI 的，只有约一成。工具请进门了，决策权却始终攥在人手里。这就是问题的第一道门缝。

二、瓶颈会转移，但不会消失

为什么个人提效，加总成不了组织提效？

任何一条流程的产出，都由最慢的那一环决定。AI 一夜之间把"做第一稿"这环变得又快又便宜，瓶颈并没有消失，而是顺着流水线滑到了右边——审读、拍板、跨部门协调、签字负责。你给一道已经很宽的工序拼命加料，却没动那道最窄的闸门，结果只会是闸门前的货越堆越高。

更深一层，企业不是一群人的简单相加，而是一张协作的接口网。真正决定效率的，是分工方式、决策权归属、部门怎么交接、考核怎么导向。而今天大多数"用 AI"，都是把工具发到一个个岗位上，让人在原来的格子里干得更顺手，却没有去动格子本身。

我常讲一个一百年前的故事。蒸汽时代，工厂靠一根巨大的总轴贯穿车间，所有机器挂皮带、由一台蒸汽机统一驱动。电动机刚出现时，多数工厂只是把蒸汽机换成电动机，总轴和皮带原封不动，结果几乎没有增产。真正吃到电力红利的，是另一批敢推倒重来的工厂：它们拆掉总轴，按工艺流程重排设备、重排车间，连采光、动线、工人协作一起重塑——那是一次彻底的组织重组，而不只是换了台马达。

"+AI"，就是用电动机换掉蒸汽机却保留那根总轴；智能原生，才是顺着新动力的本性，把整座工厂重新设计一遍。

经济学家把技术刚落地时生产率不升反降、几年后才反超的规律叫"J 形曲线"。对数万家企业的追踪证实：AI 进厂后短期生产率平均先降，大约要熬过四年、等流程和组织重组到位，采用者才会明显领跑，越是层级固化的老企业跌得越狠。技术总是先到，组织重组总是迟到——而红利，只发给主动完成重组的人。

三、真正的分野：参数优化，还是结构重设计

说到这里，可以把这层窗户纸捅破了。

"+AI"和智能原生的根本区别，不在模型有多强，而在它们作用的对象完全不同。

"+AI"作用于既定分工之内：让前台更快、文案更好、报表更省力，却默认现在的组织架构、汇报线、审批流、部门墙都合理，只让旧机器转得更润滑。这是参数优化，收益从一开始就被旧结构封了顶。

智能原生则作用于分工本身：在设计之初就围绕 AI 的理解、推理、记忆和调度能力，重新划分人和机器各干什么，重新规定哪些决策自动完成、哪些必须人审、哪些例外才上报，重新打通前后台、重设岗位权责。这是结构重设计。在这套逻辑里，组织变革不是系统上线后"可做可不做"的配套，而是不做就根本跑不起来的前提。

请特别注意：智能原生依然是数字化，是数字化的最高阶段，正如我一直讲的——智慧酒店，本就是酒店数字化的最高级形态。它不是否定过去，而是在扎实的数据底座上，敢不敢动那张组织图。

那么，现实中真有酒店把这一步走出来了吗？有，而且越来越多。

四、酒店业正在发生的真实变化

1. 德胧"百达神灯"：被 AI 重画的，首先是岗位和编制

德胧集团 2026 年 3 月在百达屋 App 里正式上线超级员工"神灯 AI"，重构了客需服务整条链路：需求感知 → 智能调度 → 人力执行 → 数据回流。客人不用再判断这事该找前台、客房还是工程，提一个需求，系统识别、解答或直接派单给最近的员工。

真正值得管理者盯住的是它背后的组织变化。德胧 CTO 孟令航 2026 年 9 月在环球旅讯峰会上公开披露：百达神灯已在一百多家酒店上线，过去每家店要配五六个人专门接客服电话，现在由总部六名中央客服统一负责，客服 AI 覆盖率约 97%，解答不了的才转人工；非面客事务的处理时长平均下降 64%。

请细品这组数字：它改变的不是"谁用了什么工具"，而是一家酒店还要不要设五六个专职接线岗、总部和门店的职能怎么重新切分。这是写在组织架构图上的变动，不是写在采购单上的。

2. 云迹 × 云蝶：机器人从"一台设备"变成"一个任务节点"

具身智能这一侧，2026 年 10 月，云迹科技与云蝶科技签署2000 台 UP 复合多态机器人订单，率先以重庆苏适酒店为样板，打造覆盖前厅、客房、公区的端到端方案，打通任务发起、机器人执行、结果反馈与运营管理（据界面新闻、北京经开区官网）。

 关键不在"买了多少台机器人"，而在定性之变：机器人"从执行终端变为任务节点"，由云迹 HDOS 智能体系统统一调度，背后还要解决机器人与电梯、门禁、PMS 的任务联调。当多台机器人和各类系统被一个调度中枢统一编排，酒店就要重新回答：谁给机器人派单、谁为它的动作负责、人和机器人怎么排班。这同样是组织设计题。

3. 国际系统层：资本与龙头一起转向"AI 原生操作系统"

2026 年 1 月，捷克酒店软件公司 Mews 完成3 亿美元 D 轮融资、估值 25 亿美元，创下酒店软件业单笔融资纪录（Mews 官方新闻稿）。它的定位不是"带 AI 功能的 PMS"，而是让定价、团队、客服和日常运营在少人干预下自动运转的"酒店业操作系统"。同期，Oracle 把多智能体能力直接做进全球高端酒店主导的 OPERA 云系统，开源 PMS 厂商 Kamra 则把上百项员工操作封装成大模型可调用的工具——但价格永远由确定性引擎决定，模型无权自行出价，每个动作都进审计日志。

 这预示了软件形态之变：未来酒店软件会从"给人点的界面"，变成"给智能体调用的能力"；人守住的是定价、支付、对客承诺这些高风险底线。

4. 中国本土军团：智能原生，已经在路上

把镜头拉回国内，更让人欣慰的是，一批深耕行业多年的企业，已经从不同切口向智能原生探路。它们或许还没走到全面重构的那一步，却足以说明——这件事在中国，已经起步了。

酒店业人工智能领军人物的林小俊，是北京大学自然语言处理博士、众荟信息创始人，团队多年深耕酒店口碑语义、AI 管家和住中智能服务，最近又向业界展示了新一代智能原生酒店平台。它目前更偏营销与获客一侧，距离全场景的智能原生还有一段路，但从"AI 辅助营销"走向"AI 原生平台"，方向已经明确。

奥莱维，这家 2014 年成立于苏州的企业（旗下英文品牌 A'LIVE），尝试用近场通信（NFC）技术，以客人的一部手机为入口，把从抵达入住、在店消费到退房回访的几十个原本零散的场景"串"成一条线，让灯光、门锁、电梯、服务、支付、回访彼此联动，给客人一种全新的连续体验。它的价值不在单点设备多先进，而在第一次以客人的一部手机为中心，重新组织了住前、住中、住后的场景顺序。

鹿马智能的智能前台。2018 年成立于上海张江的鹿马，以自助入住机起家，被锦江、如家、亚朵等头部集团列入 A 类采购，服务上万家酒店；创始人田同勇正把自助机、移动前台、PMS、门锁、客控、支付串成一张网，并公开提出从"AI 赋能"走向"AI 原生、无人化与人机协同"。证件读取、人证比对、选房、收押金、制房卡这套高度固定的动作交给机器，前台员工则抽身去做递一杯欢迎茶、解决突发问题这类真正需要温度的事——这本身就是一次前台分工的重排。

比特智能与快住智能：把"原生能力"沉进客房底座。山东比特智能（新三板企业）把 AI 大模型引入自研的 HAIoT 酒店物联平台，产品进入全球七十多个国家和地区的十多万家酒店，并与华为联合推出智慧酒店方案；

快住智能则用自研芯片走"强电客控、不砸墙、不停业"路线，三十分钟升级一间客房，已进入全国两万四千多家酒店、每年服务超 1.5 亿人次。它们解决的是海量存量酒店"不推倒重来也能逐步原生"的现实路径。

把这些企业放在一起看，会得到一个清醒的判断：今天国内大多数探索，还集中在营销、前台、客控、机器人等某一个切面，真正像德胧那样动到编制与决策权的，仍是少数。这恰恰印证了前文那把尺子——换面板、上自助机、接大模型，若不顺势重做流程与授权，就仍停在"+AI"；但万丈高楼平地起，本土军团的起步，已是不争的事实。

五、一道绕不过的坎：敢不敢把决策权交出去

把这些案例连起来看，智能原生最难的那道坎从来不在技术，而在"授权"二字。

虚拟支付公司 Conferma 2026 年 9 月的一项企业差旅调研（Sapio Research 执行）显示：企业预计到 2028 年，将由 AI 智能体直接管理或授权约 37% 的差旅支出，对应全球约 7000 亿美元，大企业这一比例预计达 51%；但 81% 的组织号称已设 AI 采购防护，只有 36% 认为防护"足够完整"。一边准备把预算决策权交出去，一边绝大多数组织还没建好规则、额度、审计和追责机制。

回到酒店，这正是"过半酒店用 AI 定价、只有一成肯授权"的真相：技术早就具备能力，卡住组织的是"出错谁负责""店长还有没有定价权""收益经理这个岗还要不要"。智能原生要重设计的，恰是这一整套授权边界、风险分级和责任归属——哪些事 L0 自动决策、哪些 L1 必须人审、哪些 L2 只能例外上报。谁先把规则立起来，谁才握住了入场券。

六、一把可以自检的尺子

奥秘说到这，其实已经揭开了。

智能原生酒店真正的"奥秘"，从来不是接了多强的大模型，而是一句话：它要求你以智能为底座，重新设计分工、重划决策权、重定人与机器的关系。+AI 让你在旧结构里把每件事做得更快，智能原生则给你一个被重新设计过、会自己进化的组织。

判断自己在哪一岸，拿三把尺子一量便知：

l 看决策权 ：AI 是只负责"建议、由人逐项拍板"，还是确定性环节已能自动决策、按风险分级授权？

l 看流程归属 ：流程还是按部门切、交接点不变，还是端到端由"人＋智能体"共同负责？

l 看经营结果 ：是只有人均变快，而人房比、单房成本、响应速度纹丝不动、审核反而更堵？还是这些硬指标出现了量级变化？

如果一家酒店自称"智能原生"，决策权却仍事事靠人、部门墙依旧高耸、人房比三年不变，那无论采购了多少设备，都还在河的这一岸。

最后，想对同行们说一句实在话：当你发现员工都用上了 AI、酒店却没变快时，别怪工具，也别怪员工——你拿到的不是一道技术题，而是一张组织图的题。

技术会替你推开那扇门，但它不会替你走过去。走过去这一步，靠的是治理、是授权、是责任的重新安排，更是管理者重构组织的勇气。中国酒店业的智能原生，才刚刚起步——而起步本身，已经胜过无数次观望。这，或许就是这个智能时代，留给中国酒店人最深、也最值钱的那道考题。

本文系迈点专栏作者授权转载文章，为原创作品，如有争议，请及时反馈至邮箱：news@meadin.com。