Airbnb 新增 AI 搜索与更多社交功能，但竞争对手早已布局

Airbnb 在秋季更新中新增了 AI 搜索、更多社交功能以及多项本地服务，但相比主要在线旅游竞争对手，其入局时间更晚。9 月 30 日发布的更新将自然语言搜索、AI 生成的对比、好友旅行地图、送餐、洗衣和婴儿用品租赁整合到同一款应用中。

此次更新的重点并非再推出一个旅行聊天机器人。Airbnb 希望借助 AI 优化现有搜索流程，同时让可信赖的联系人影响用户的旅行目的地选择。服务功能则将 Airbnb 的角色延伸到住宿查找之外。

这一组合使 Expedia、Booking Holdings 及其他在线旅行社成为直接参照对象。这些公司已经推出了对话式搜索和行程规划工具。Airbnb 的回应是围绕一次完整旅行，将发现、社交推荐、住宿、体验和本地服务连接起来。

Airbnb 在应用中新增 AI 搜索与更多社交功能

核心变化在于，Airbnb 希望通过一个搜索框理解旅行者在行程多个环节中的意图。

该公司的新 AI 搜索支持普通文本或语音请求。旅行者可以描述理想的房源、体验或服务，无需将每项偏好转换为一组固定筛选条件。

Airbnb 的支持文档举例称，用户可查找带泳池的海滨房源，或在设定驾车距离内进行搜索。根据其 AI 搜索指南，新模式还支持灵活日期和地点。

这一界面之所以重要，是因为旅行需求很少能完全匹配清晰的数据库字段。用户可能想找靠近徒步路线的安静住所、足够容纳两个家庭的空间，以及适合幼儿的活动。传统搜索通常迫使用户分别处理每一项需求。

Airbnb 表示，系统还能根据简短关键词推荐筛选项。例如输入“baby”，便可能显示与婴儿床、游乐场、儿童读物和玩具相关的选项。

搜索结果现在包含由 AI 生成的描述，用于突出相关特征。该公司还为收藏至心愿单的房源推出并排对比功能，并总结其主要差异。

这些新增功能让生成式 AI 不再局限于独立的对话窗口，而是嵌入搜索、筛选、保存和比较房源这一熟悉流程之中。

这一设计反映出 Airbnb CEO Brian Chesky 此前对将聊天机器人作为主要旅行界面的谨慎态度。Airbnb 更倾向于将 AI 分布在特定产品环节中，包括客服、发现、房源创建和房源对比。

该公司也在扩大 AI 辅助客服功能。其 秋季产品更新称，聊天客服现已支持 50 多种语言，并计划推出语音支持。

社交层始于家庭成员、朋友和过往旅行伙伴之间的连接。两人建立连接后，可以选择查看彼此的旅行记录和推荐。

交互式旅行地图显示联系人曾去过或计划前往的地点。用户可以查看联系人分享的住宿、体验、服务和评价，随后可在 Airbnb 内保存项目或向对方发送消息。

Airbnb 还在根据房客、房东和其他来源提供的信息构建街区页面。这些页面概述一个区域，包括活动、餐厅、交通和附近体验。

该公司提供了隐藏或移除旅行记录、屏蔽联系人的控制选项。不过，这款产品仍要求用户让旅行历史比以往更加社交化。

因此，Airbnb 正在同时测试两种不同的信任来源。AI 解读旅行者的表达，而个人联系则提供基于熟人和过往旅行的推荐。

这不仅仅是在提升搜索准确度。Airbnb 希望其应用成为旅行灵感开始出现的地方，而不只是将既有计划转化为预订的平台。

AI 旅行搜索如今已成追赶赛

Airbnb 面临的挑战并非证明 AI 能理解旅行问题，而是要证明其版本能比竞争对手已有的工具带来更好的决策。

Priceline 早在 Airbnb 向更广泛消费者推出该功能之前多年，便通过 Penny 助手引入了自然语言能力。Expedia 也已在多个品牌中应用自然语言搜索和房源对比功能。

Kayak 同样在推进以 AI 为中心的搜索体验。这些产品在设计上各不相同，但它们已经让旅行者习惯于期待大型预订平台提供对话式发现功能。

行业报道将 Airbnb 的发布描述为追赶之举。一项旅游行业分析指出，Priceline、Kayak 和 Expedia 更早部署了类似能力。

Airbnb 的差异化部分取决于 AI 出现的位置。用户不一定需要进入专用聊天机器人并维持一段漫长对话。描述、筛选项和对比摘要可以直接出现在标准浏览流程中。

这种方式减少了通用旅行助手常见的问题。聊天机器人可以推荐目的地或行程，但用户仍可能需要在预订引擎中重复输入自己的条件。

Airbnb 同时掌控发现界面及其背后大量市场库存。因此，其模型可以将解读后的请求与实际房源、体验和服务关联起来。

库存仍是一项棘手限制。只有当回答准确反映可订情况、地点、房源规则、设施以及旅行者的日期时，流畅的回答才有价值。

旅行也会带来成本异常高的失败情境。错误的产品推荐可以退货；错误的住宿描述则可能影响整段旅行。

这使得基于真实数据的检索尤为重要。所谓基于真实数据的检索，是指依据当前市场记录生成回答，而非仅依赖模型的一般训练内容。

Airbnb 多年来一直在开发综合考量房源质量、受欢迎程度、地点、可订情况和房客行为的排序系统。生成式 AI 增加了一层语言能力，但并未取代这些底层市场信号。

该公司现有的搜索文档称，排序可能反映价格、地点、房源质量、房东响应速度及房客过往活动。AI 必须与这些变量协同工作，同时不能掩盖结果出现的原因。

对比功能说明了其中的机会。旅行者常常打开多个标签页、浏览照片、阅读评价，并列出非正式的取舍清单。可靠的摘要可以压缩这些工作。

不过，摘要不能遗漏决定性的限制因素。噪音规定、无障碍细节、取消条件、床铺配置或不便的位置，可能比吸引人的设计特色更重要。

Airbnb 的官方秋季公告称，新搜索覆盖房源、体验和服务。另有报道显示，尽管 Airbnb 已在应用其他位置加入酒店发现功能，但酒店在发布时并未纳入这一 AI 搜索模式。

这一边界很重要。Airbnb 一直在扩大精品酒店库存，初步已覆盖 20 个城市。将酒店排除在新模式之外，意味着该公司不断增长的部分供给未能进入其最显眼的 AI 体验。

Airbnb 在旅行公司愈发围绕决策质量竞争之际，新增了 AI 搜索、更多社交功能和集成式对比。胜者不会是贴上最多 AI 标签的平台。

而会是那个能以更少操作，将模糊请求转化为可信、可预订结果的平台。这一标准将同时给 Airbnb 和更早入局的竞争对手带来压力。

社交推荐为 Airbnb 提供不同的发现路径

旅行地图将 Airbnb 的身份关系网络转化为推荐引擎，但其实用性取决于用户参与度和审慎的隐私选择。

旅行决策始终包含社交证明。人们会询问朋友住过哪里、从群聊中保存地点，或翻找旧消息寻找餐厅推荐。

Airbnb 正试图将这种行为纳入自己的产品中。根据每位参与者选择分享的内容，联系人可以展示旅行记录、评价、收藏地点和未来目的地。

这创造了一条不同于传统广告的发现路径。可信朋友住过的房源，可能比陌生网红帖子或推广结果更具分量。

这也让 Airbnb 获得有关用户关系的信息。如果有人经常与同一群体出行，该平台便可能改善协作规划和相关建议。

Airbnb 此前也曾尝试社交旅行功能。困难之处很少在于设计个人资料或地图，而在于给用户一个理由去维护另一套社交关系网络。

大多数旅行者已经通过即时通信应用、共享文档、地图和社交网络进行协调。Airbnb 必须提供足够的实际价值，才能说服他们在预订平台内重建部分这一网络。

旅行地图有一个明确的初始使用场景。考虑前往里斯本的用户可以查看朋友是否住过那里，浏览对方分享的房源，并在不离开 Airbnb 的情况下直接提问。

当联系人不分享旅行记录、很少使用 Airbnb，或偏好其他旅行平台时，这项功能的价值便会下降。网络效应能够增强社交产品，但前提是有足够多人参与。

相应的风险是隐私。过去和即将到来的旅行可能暴露有关日常规律、关系、住址空置情况和个人兴趣的敏感信息。

Airbnb 表示，用户可以选择显示哪些旅行记录以及分享多少信息。他们可以隐藏或移除旅行记录，也可以屏蔽联系人。

这些控制措施必不可少，但其设计将比其存在本身更重要。默认设置、连接建议、通知措辞以及即将出行信息的可见性，都会影响实际的信息暴露程度。

Airbnb 还必须处理尴尬的社交情境。过去的旅行伙伴并不总是永久的朋友。家庭成员可能期待不同的边界，而工作旅行可能涉及保密地点或日程。

该公司的承诺取决于用户在建立连接前是否理解哪些内容会变得可见。如果分享规则不清晰，设置过程中看似有用的地图可能令人感到不适。

AI 也带来了另一个问题。Airbnb 表示，街区页面汇集了房客、房东和其他来源的信息。读者需要区分个人推荐、生成式摘要和商业市场内容。

朋友的评价是一个人的体验证据。AI 生成的街区概述则是综合描述。若 Airbnb 日后引入赞助结果，推广服务则会具有另一种激励机制。

让这些类别保持清晰可辨，将有助于维护信任。若将它们混为一谈，便会削弱社交功能相较于普通搜索的主要优势。

因此，这次社交更新中最值得关注的并不是地图本身，而是 Airbnb 试图基于经过验证的旅行行为，而非公开粉丝数量，构建推荐系统。

Airbnb 将 AI 搜索、更多社交功能和基于关系的发现机制作为互补系统。AI 拓宽用户可以提出的问题范围，而社交图谱则帮助回答另一个问题：应该信任谁？

餐饮配送和洗衣服务推动 Airbnb 超越住宿

Airbnb 的新服务旨在缩小私人租赁住宿与配套服务型酒店之间的便利性差距。

餐饮配送将登陆部分欧洲城市，住客可从当地餐厅订餐并配送至其 Airbnb 房源。此前已在美国推出的杂货配送服务也将扩展至欧洲。

在美国部分城市，Airbnb 将通过 Rinse 提供洗衣取送服务。该服务包括上门取件、送回服务，以及面向住客的加急选项。

婴儿用品租赁服务将于 11 月通过 BabyQuip 覆盖美国 60 多个城市。旅客可以安排婴儿床、婴儿推车、高脚椅、玩具及其他用品的配送与安装。

Airbnb 还将推出区域专属类别。旅客可通过当地合作伙伴，在法国阿尔卑斯山预订滑雪和单板滑雪装备，或在南佛罗里达租船。

这些并非孤立的便利服务，而是 Airbnb 致力于成为整个旅行过程运营层的一部分。

住宅可以提供更大的空间、厨房和融入社区的居住环境。酒店则往往提供可预期的服务，而住客无需协调多家外部服务商。

洗衣、餐饮、交通和设备租赁有助于缩小这种差异。它们也让 Airbnb 能够在住宿前及住宿期间参与更多交易。

这一战略已历经多个产品周期的发展。Airbnb 重新推出了 Experiences 业务，扩展了 Services，新增杂货配送，并开始纳入精品酒店。

其 5 月更新还包括在超过 15,000 个地点提供行李寄存服务，以及推出汽车租赁的计划。这次发布表明，Airbnb 正在迈向更广泛的旅行市场，而不再仅聚焦短期住房。

一份夏季产品报告清晰描述了这一融合趋势。Airbnb 正进入酒店和交通领域，而 Uber 等公司则在争取更多旅行预订。

新的 AI 界面有助于组织这一不断扩大的目录。若没有更好的发现机制，增加服务可能会让应用变得拥挤，要求用户在多个独立类别之间导航。

寻找家庭旅行方案的旅客如今可在获得相关住宅筛选条件的同时，发现婴儿用品和本地活动。计划长期住宿的用户则可识别与预订关联的洗衣或杂货配送选项。

这正是 AI 搜索与服务相互强化的地方。自然语言提供了灵活的入口，而 Airbnb 不断扩大的供给则让系统拥有更多可推荐的行动选项。

即使不假设服务会立即被广泛采用，其商业逻辑也很直接。更多类别为 Airbnb 创造了更多参与住宿以外旅行消费的机会。

但运营逻辑更为复杂。Airbnb 必须协调服务质量可能随城市、时间和当地条件而变化的合作伙伴。

令人失望的餐饮配送与误导性的房源信息并不相同，但客户会在 Airbnb 品牌下经历两者。支持团队必须了解哪个合作伙伴应负责问题，以及问题能够多快得到解决。

地理上的碎片化又带来一项挑战。某一目的地展示的服务，可能在下一站并不存在。若应用暗示提供统一服务，但实际仅在有限市场可用，用户可能失去信任。

合作伙伴也成为产品可靠性的一部分。洗衣服务取决于取件时间。婴儿用品要求安全、清洁和准确安装。船只和冬季装备则引入额外的运营与责任风险。

因此，Airbnb 必须在扩展品类与稳定交付之间取得平衡。其平台体验不能在用户点击预订按钮时终止。

这项服务扩张也以一种特定方式给酒店带来压力。Airbnb 并不试图在每处租赁房源内复刻所有前台功能。

相反，它可以围绕住宿整合外部服务商。若这一网络运转良好，私人住宅便能获得一些类似酒店的便利，而无需成为酒店。

酒店在一致性、人员配备、忠诚度计划和即时解决问题方面仍具优势。Airbnb 的合作伙伴模式提供了广度，但也可能带来更多交接环节。

因此，竞争正从房源库存转向旅行编排。平台希望决定旅客看到什么、在哪里预订，以及抵达后使用哪些服务。

最大风险在于信任，而非模型流畅度

Airbnb 的 AI 可以表现得很自信，但该公司尚未证明其摘要能否在房源、政策和可订状态不断变化的情况下保持准确。

生成式系统擅长将模糊的语言转化为结构化偏好，也可以压缩冗长描述，并让比较结果更便于浏览。

但这些能力并不能保证做出正确的预订决定。Airbnb 尚未公开提供针对新搜索描述和对比摘要的广泛独立准确性结果。

每当房东编辑设施、政策、照片或日历时，房源信息都会发生变化。评价还会引入可能主观或过时的额外背景。

AI 层必须让每一份摘要都与当前信息保持关联。当房源未提供足够证据时，它也应清晰呈现不确定性。

以寻找适合儿童的房源为例。“婴儿”一词可以调出有用的筛选项，但适宜性不只是找到一张婴儿床。

楼梯、泳池出入口、阳台设计、社区噪音和睡眠安排都会影响决定。一段简明描述可能遗漏家庭认为必不可少的细节。

无障碍使用也有类似的重要性。模型不应仅因几张照片看起来合适，就推断某处房源具备无障碍条件。它必须依赖经过验证的房源属性和房东的准确披露。

对比工具也会影响用户注意到哪些差异。如果系统突出景观和装潢，却淡化取消条款，它就改变了旅客的决策框架。

房东也面临相关担忧。不准确的摘要可能让房源看起来不适合，或制造房源无法满足的预期。

Airbnb 需要为市场双方提供纠错工具。住客应能够举报误导性摘要，而房东则需要一种无需为模型重写内容即可识别错误的方式。

该公司的谨慎推广提供了一定保护。Chesky 在 2026 年早些时候表示，当 Airbnb 试验这一界面时，AI 搜索仅覆盖了很小一部分流量。

他还谈到，最终可能会在对话式搜索中测试赞助房源。这种可能性带来了独立的信任问题。

赞助结果在在线旅行平台中很常见。然而，对话式界面可能让推荐与广告之间的边界变得不那么明显。

如果 Airbnb 将商业展示引入 AI 生成结果，必须予以清晰标识。否则，用户可能会将付费曝光理解为模型的中立判断。

社交产品也有自身的透明度要求。旅客应当知道，一条推荐是来自联系人的旅行记录、Airbnb 的排序系统、AI 摘要，还是付费展示。

客户支持是 Airbnb AI 雄心的一个指标。今年 2 月，该公司表示，其支持机器人在无需人工介入的情况下处理了约三分之一的客户问题。

到 5 月，Chesky 表示这一比例已达到查询量的 40%。这些都是公司自行报告的指标，而非对解决质量的独立评估。

该公司此前的AI 产品计划还提到，未来将推出语音支持系统并覆盖更多语言。

仅凭自动化率无法说明旅客是否获得正确或满意的结果。它们也无法揭示用户之后返回、进一步升级问题，或放弃流程的频率。

Airbnb 在同一信任框架下增加了 AI 搜索、更多社交功能和自动化支持。任何一部分的错误都可能影响用户对平台其余部分的信心。

因此，应以可衡量的结果来评价该公司：成功搜索、完成预订、已纠正的摘要、服务履约，以及持续得到解决的支持案例。

三个信号将表明 Airbnb 的战略是否奏效

接下来的考验是，Airbnb 能否将一项广泛的产品发布转化为搜索、社交发现和本地服务中的重复使用。

第一个信号是 AI 搜索在美国的采用情况。Airbnb 最终应披露旅客启动该模式的频率、是否减少了搜索细化次数，以及这些会话是否促成预订。

更高的转化率将支持 Airbnb 的整合式方法。若大量试验之后使用仍有限，则可能表明旅客依然偏好结构化筛选器。

查询质量同样重要。当请求包含多个传统界面难以处理的限制条件时，自然语言搜索最具价值。

如果用户只输入目的地和日期，AI 层几乎没有差异化价值。如果他们描述复杂的多人出行需求并获得合适结果，Airbnb 就会取得更强优势。

第二个信号是 Travel Map 能否发展成活跃网络，而不是沦为新奇功能。仅有联系人的增长还不够。

Airbnb 应关注重复访问地图、保存推荐、旅客之间发送消息，以及受联系人旅行影响而产生的预订。这些行为将表明社交数据改善了发现体验。

隐私行为同样值得关注。频繁隐藏旅行、屏蔽联系人或提供负面反馈，将表明用户认为这一分享模式范围过广或令人困惑。

第三个信号是，本地服务能否在不产生不一致体验的情况下扩展。餐饮配送、洗衣和婴儿用品需要在每个参与市场实现可靠履约。

重复预订将表明用户将 Airbnb 视为不止是住宿市场。高频支持需求或供应不均衡则会削弱这一判断。

今年秋季晚些时候推出的房东工具将再增添一层。Airbnb 计划提供多房源日历、交互式 3D 平面图、建议价格区间，以及房东表现的 AI 摘要。

随着住客发现机制变得更加灵活，这些产品可以帮助 Airbnb 协调供给。但如果建议迫使房东做出有利于平台转化率的决定，它们也可能引发担忧。

到 2027 年，该公司所说的更具代理能力的体验计划将再次提高赌注。代理型系统不只是回答问题；它还能代表用户规划或完成步骤。

在要求旅客委托更多决策之前，Airbnb 必须先建立准确的搜索和透明的推荐。因此，秋季发布是更大产品转变的基础设施，而非其终点。

对用户而言，实际问题很简单：这款应用能否减少规划工作，同时不掩盖重要权衡？不妨使用包含多项真实限制条件的请求试试新搜索，然后根据房源页面逐一核实所有关键细节。

随着这些功能的发展，值得关注 Airbnb 如何标注社交、生成式和赞助信息。若这些界限始终清晰，公司便能打造一个联系更紧密的旅行市场；若界限变得模糊，Airbnb 对便利性的推进将制造比消除更多的不确定性。