本文为Vultr云基础设施公司首席营销官Kevin Cochrane的客座投稿。文中观点仅代表作者个人。

在理应迎来繁忙旅行季的年初，酒店业正同时应对运营成本攀升与需求日益不稳的双重挑战。地缘政治紧张局势持续影响机票与燃油价格、餐饮供应链以及旅客安全，令经营环境更趋复杂。

仅靠入住率已不足以保障盈利。酒店业正转向技术，尤其是人工智能，以期从每位客人身上获取更高回报，并为不确定性构筑缓冲。然而，这些系统依赖高性能IT基础设施才能运转，而许多酒店恰恰缺乏支撑其运行的相应条件。

McKinsey & Co.与Skift Research的联合报告发现，酒店业在AI采用率与成熟度上落后于其他行业。即便如此，行业领导者对其潜力仍保持高度热情：90%的旅游行业高管已在业务中使用生成式AI，80%计划在未来三到五年内借助代理式AI扩展自动化应用。

面对前所未有的运营挑战，酒店无法再等待五年去部署先进解决方案——它们当下就需要这些能力。通过升级至更强大、资源效率更高的基础设施，酒店才能为AI项目提供动力，从而在今天就保护自身盈利能力。

核心能力

单纯追求规模并非答案。酒店从AI中获益的关键，在于聚焦边际价值的最大化。在供给持续超过需求的背景下，酒店必须从每一笔预订中挖掘更多价值，同时降低每单位入住率对应的劳动力与运营成本。

以下应用场景已在全球主要连锁酒店中逐步落地：

  • 改进需求预测：AI工具使酒店能够根据当前需求影响因素和客人行为模式，实时更新预测与定价模型。AI可自动触发操作以提升数据深度与质量，例如提醒客人更新其会员卡信息。
  • 劳动力优化：AI系统可将更精准的需求预测纳入周度与月度排班计划，既避免成本高昂的过度配置，又确保每个班次有足够员工提供优质服务。
  • 提升单房利润：AI驱动的洞察，如情景建模，可带来更精准、更具策略性的房价设定。这些增益在多个物业间累积，最终形成可观的增长。
  • 精简宾客服务：面向常规宾客咨询的AI驱动界面，让员工得以将更多时间投入深度客户互动。
  • 扩展个性化体验：先进AI解锁更高程度的个性化住宿。例如，一位常驻多家物业的商务旅客，可能在抵达时其偏好的客房送餐订单已准备就绪，或房间恒温器已预设为其习惯温度。

从数据入手

酒店宾客数据高度碎片化。许多客人通过第三方旅行服务获取更低价格与打包优惠，这可能导致预订记录出现差异。与此同时，若未进行手动更新，包含宾客数据的酒店忠诚度计划也可能过时。据CNBC报道，越来越多的消费者正使用个人AI代理规划行程，这可能使酒店更难捕获旅客数据。

若缺乏对数据的充分可见性，酒店可能错失能带来更佳宾客体验与更高收入的关键模式，同时也会在需求预测与潜在取消预警方面形成盲区。

酒店需要一个更强大的IT框架来整合孤立且不一致的数据。然而，传统基础设施无法支撑组织级AI应用的数据需求。缺乏适当软件栈支撑的单云模式，常受困于存储不足、跨物业可见性缺失以及算力匮乏，难以处理运行AI模型所需的数据量与工作负载强度。

基础设施现代化

酒店需要高性能计算能力，但无法承受不可预测的成本或僵化的供应商依赖——尤其是在需求如此不稳定的时期。AI成本也在上升，进一步挤压IT预算。许多主流模型供应商正因必要硬件短缺而提价或限制访问权限。

要在不侵蚀利润底线的前提下保持竞争力，企业必须投资于灵活、高效的基础设施。这很可能意味着从传统系统常见的单一供应商云架构，转向多云、软件支持的生态系统。通过这一路径，酒店可以构建可扩展、灵活的计算框架，在所有物业间同步数据与AI模型管理。

多云策略还能使酒店将IT运营更贴近宾客——这对跨国运营的连锁酒店尤为有利。在边缘运行AI可降低延迟，确保更快的洞察与对需求变化的实时响应，同时提升面向宾客服务的性能。

该策略同样有助于确保合规性。酒店本就收集客人的身份识别与财务数据。随着个性化扩展，档案中可能包含的身份识别数据也在增加。因此，酒店可能面临关于数据隐私与数字主权的新法规约束。单一供应商无法始终保证提供主权基础设施，或确保其存储的数据不会在未经授权的情况下被复制到其他司法管辖区。在合规基础设施上将数据托管于境内，可避免高额违规处罚，同时提升服务的质量与完整性。