关注信息1：智能体商务vs 电子商务，谁会笑到最后？ 信息来源：虎嗅（原文日期2026-10-18）。 虎嗅这篇文章梳理了AI智能体与电商交易环节的最新博弈数据。Cloudflare数据显示，今年夏天以来AI收到的403拒绝访问响应翻倍；OpenAI因转化率仅为商家自有站点的三分之一，已于2026年3月下线对话内下单功能，退回“先发现”模式。与此同时，Adobe数据显示AI导流到零售站点的流量同比增长393%，Shopify来自AI搜索的订单增长约13倍。文章指出，目前Google与Shopify推出的UCP协议比OpenAI的ACP更占上风，因为前者允许商家保留交易主体身份并选择回站结账。这表明AI在购物链条中赢了“发现”但输了“掏钱”，终局不是替代而是分层：不需要确定性的环节归AI，需要履约兜底的环节仍由平台掌握。 值得关注：这条信息为“为什么用了AI旅游企业却没赚更多钱”提供了交易侧的实证支撑。它说明内容生成和导流虽然变便宜了，但交易完成仍被支付规则、责任归属和平台授权卡住。对旅游业而言，这意味着不能只盯着AI生成了多少攻略或带来了多少曝光，更要看这些流量能否通过UCP这类新协议转化为可结算的订单。它把关注点从模型能力拉回到商业基础设施的适配上，提示我们追踪对话内结账转化率何时能追平自有站点，这才是判断AI是否真正改变旅游交易结构的关键指标。 [1]
关注信息2：小红书的AI，开始和自己的生意算账 信息来源：钛媒体（原文日期2026-10-18）。 钛媒体报道了小红书半年内对AI部门Dots进行的三次组织调整。4月Dots升为一级部门，9月产品团队划转至社区业务，10月又与基础设施团队Infra打通。目前站内AI问答助手月活超1亿，“问一问”覆盖约3%至4%的搜索请求。报道披露，AI搜索曾因商品推荐结果与商业化团队产生分歧，因为AI依据社区内容生成的推荐列表未必包含广告大客户。平台正在重新计算AI带来的新增查询、留存提升与模型推理成本、原有广告曝光变化之间的账目，尚未披露AI创造的具体新增商业价值。 值得关注：这条信息把“AI成为新信息入口后推荐位归谁”这一抽象问题落到了具体的平台内部冲突上。当AI替用户筛选信息时，原本分散在大量笔记中的曝光机会集中到了少数推荐位，这直接触动了目的地和企业营销的底层逻辑。它印证了“以后旅游营销专家的活不好干了”的判断：营销对象正从投广告、做SEO转向进入AI推荐语境。值得关注的是平台如何在算法推荐与商业变现之间寻找平衡，以及这种平衡如何重塑旅游信息的可见性规则，这比单纯讨论AI技术能力更具业务参考价值。 [2]
关注信息3：聚智赋能 共促文旅高质量发展 中组部高层次专家咨询服务活动文化旅游产业组走进陕西 信息来源：陕西省文化和旅游厅（原文日期2026-10-18）。 陕西省文旅厅发布消息，10月10日至15日中组部高层次专家咨询服务活动文化旅游产业组走进陕西。10位专家深入安康、西安、宝鸡、咸阳4市16个点位调研，戴斌建议营造主客共享的美好生活新空间，吴华意提出建设遗址数字底座与预防性监测机制，黎铭建议借AI兼顾内容创作与用户分析。省文旅厅表示将建立专家信息库和长期合作机制，对意见建议逐条梳理研究并推动落实。这是通过国家级人才项目推动地方文旅发展的具体行动，但目前仍处于专家提方向性建议阶段，尚未形成落地项目或可验证的应用效果。 值得关注：这条信息补充了“目的地AI应用由谁推动”的新样本，与此前讨论的5A复核压力、文旅部试点立项形成对照。它显示除了制度压力和项目安排外，还有专家咨询这种自上而下的智力支持路径。但正如“县（区）目的地营销工作清单”所强调的，目的地营销是系统性、常规化的业务工作，寄希望于点子或短期指导一飞冲天并不切实际。专家建议若不能转化为持续的信息维护和运营机制，同样可能停留在“有没有”的形式层面。值得关注的是这些建议后续能否进入常规业务体系，而非仅作为一次性的咨询成果。 [3]
把这三件事放在一起，要问的是一个具体问题：旅游职业教育里的AI，到底被当成教学内容、教学工具，还是岗位训练手段？三种定位对应三种做法，也对应三种能不能被检验的结果。龙游的师资培训班是教老师用AI，山东旅游职业学院的“白泽”是学校自己建模型，新加坡花柏山集团是用AI加XR训练缆车技师。前两者发生在院校和师资层面，后者发生在真实岗位上。目前只有后者拿出了量化结果，这不是偶然，而是三种路径各自要回答的问题不同。 [4] [5] [6]
先看师资培训这一层。龙游的培训班课程排得满，有AI赋能文旅资源讲授、AIGC工具实操、获奖作品路演和实地调研，主办方里有阿里云，学员是近百名高校教师和文旅企业代表。这套安排解决的是老师“见过、会操作”的问题，属于把AI当教学内容先补上。但报道里没有一句话说培训之后教师怎么把工具带回课堂、学生因此多学到什么。培训本身是起点，不是结果。 [4]
“技能大赛伪命题”这个判断说的正是这件事：以赛促教是精英教育，万顷地一颗苗，比赛成绩越来越难反映一所学校真实的技能培养水平。师资培训如果只是围绕赛事和工具演示转，那它补的是老师的见识，不是学生的岗位能力。AI时代个人技能的发挥要叠加智能体的动能，这意味着培养目标本身变了，不是把旧课程加一节AI课就算完成。 [4]
再看学校自建模型这一层。山东旅游职业学院2024年5月启动人工智能赋能行动，9月起面向所有专业开人工智能通识课，10月起教师用自建大模型“白泽”做课程改革，2025年下半年试行AI教学应用与课程改革评价。这次“白泽”被列为中新联盟成员单位重点建设成果，说明它进入了对外合作和展示的框架。但材料只给了名称和身份，没有技术路线、使用规模、教学效果。建了模型和模型改变了教学，是两件需要分开看的事。 [5]
这里可以接上一个更早的判断：若直接把通用模型嫁接进旅游职业教育系统，往往效果不佳，解决路径是以旅游数据为基底、以岗位能力为目标、以教学场景为训练线做垂直精调。这个思路本身是清楚的，问题在于它需要持续的数据供给、场景验证和效果记录。被列为建设成果，说明项目在推进；但成果名称不等于教学效果，接下来要看的是它有没有进入常规课程、有多少师生在用、用完之后学生的哪些能力有变化。 [5]
第三层是企业岗位实训，也是三组材料里唯一给出量化结果的一环。花柏山集团面对的是一个很具体的约束：缆车不能停运，新人没机会在真实系统上练排障，老师傅的经验又带不走。AI加XR的做法是把技术信息调取和排障场景练习分开处理，AI负责让技师更快拿到资料，XR负责重建可以反复练的场景。结果是人均培训时间降超60%、年省加班最多200小时、培训频率从每年约1次增至4次，还没有相应增加人力。 [6]
这组数字值得注意的地方，不是它有多高，而是它测的是什么。培训时间、加班小时、培训频率，都是企业日常运营里本来就在记的账。企业愿意为一项培训投入算账，说明它解决的是真实岗位上的问题，而不是为了在报告里占一个位置。降低对个别培训师的依赖、把运营知识留在组织里，这两条也说明训练效果没有绑在某个人身上。 [6]
为什么只有企业实训给出了可核验的结果？一个直接原因是三者的验收对象不同。企业要的是技师能不能独立排障、培训占不占运营时间、加班成本降不降，这些指标本来就在经营里。院校侧要回答的是学生毕业时具备什么能力，这个链条更长，中间隔着课程、师资、实训条件和就业反馈，不容易在短期内拿出干净的数字。师资培训更靠前，它连学生这一环都还没碰到。 [4] [5] [6]
但这不能推出“院校侧做AI没意义”。企业实训能算清账，是因为它只解决一个岗位、一类设备、一种故障排查，边界清楚。院校要培养的是能适应多种岗位的人，边界本来就模糊。问题不在于院校该不该建模型、办培训，而在于有没有把“教老师用AI”和“学生形成岗位能力”之间的链条接上。如果培训结束就结束、模型建好就挂名，那AI进课堂就停在教学内容这一层，没有走到训练手段这一层。 [4] [5]
从技能的角度看，AI改变的是能力获得的方式。过去要用一项本事，要么自己学，要么请会的人来做，学习和雇用都有成本，所以技能被装进岗位、岗位被归进职业。AI让其中一部分技能可以被调用，人不必完整学会另一门专业，也能获得其中某些任务的执行支持。花柏山集团的案例正是这个逻辑在岗位训练上的体现：AI把技术信息调取这部分接走，XR把练习场景这部分接走，技师要练的是判断和排障。 [6]
这对旅游职业教育有直接含义。如果技能可以调用，那么学校教的重点就不该只是让学生记住某项操作，而是让他们学会在具体任务里组织可调用的能力、判断结果对不对、出了问题怎么接手。山东旅游职业学院提出要培养学生向AI有效提问、结果纠错、信息整合和开发简易工具的能力，方向上是往这一层走的。但这些能力怎么评价、用什么指标看有没有形成，目前还没有公开的答案。 [5]
还有一个容易被忽略的差别：企业实训的效果能算清，是因为它有明确的交付对象——缆车要正常跑、技师要能独立处理故障。院校的交付对象是学生毕业后的职业表现，这个反馈周期以年计，而且受就业市场、行业变化影响。所以院校侧拿不出量化结果，一部分是客观困难，一部分也可能是没把评价这件事当常规工作做。试行AI教学应用与课程改革评价，如果只是评课程、评工具使用，而不追踪学生能力变化，那评价本身也难落地。 [5] [6]
把三组材料放在一起，可以提出一个可检验的判断：AI在旅游职业教育里能不能从教学内容走到训练手段，关键看有没有把训练效果变成可记录、可比较的东西。企业侧已经这么做了，因为不算账就不知道投入值不值。院校侧如果只统计开了多少课、建了多少模型、办了多少培训，那AI就还停在“有没有”这一层。真正要观察的是，学生用AI完成一项具体岗位任务的能力有没有变化，以及这种变化能不能被稳定地测出来。 [4] [5] [6]
对做旅游职业教育的人来说，眼下能盯的指标其实很具体。一是师资培训之后，参训教师有没有把AI工具带进常规课程，带进去之后学生的作业和实训发生了什么变化；二是“白泽”这类自建模型有没有从成果展示进入日常教学，有多少师生在用、用在哪些环节；三是企业岗位实训的量化做法能不能被院校借鉴，比如把一项岗位任务拆成可练习、可评价的步骤，用AI和模拟环境降低练习门槛。这几个指标比“上线”“入选”“开班”更能说明AI有没有真正进入培养过程。 [4] [5] [6]
最后要说清一个限制。花柏山集团的数字来自企业自述，报道没有给出统计口径和独立验证，不能直接当成行业普遍水平。它说明的是这条路走得通，不是所有旅游岗位培训都能照搬。院校侧的材料更薄，只有名称和方向，不能据此判断AI已经改变了教学。三组材料合起来能说明的，是同一件事在不同环节的进展不一样：企业已经在为岗位训练的效果算账，院校还在补师资和建平台。这个差距本身，就是接下来值得继续看的地方。 [4] [5] [6]