先行先试 + 全行业赋能：保利酒店如何锻造适配业态的专属大模型

送物机器人、智能客控、语音助手——这是大多数人对"酒店智能化"的印象。但真正决定酒店盈亏的，是收益管理、经营诊断、成本控制这些后台"精细活"。

通用大模型为何迟迟没能深入酒店经营决策层？

保利酒店管理公司的答案是：不是大模型不行，而是缺少一个用得起、接得进、靠得住的行业垂直模型。

近日，中国服务贸易协会副会长、保利酒店管理公司副总经理张烨对话环球旅讯，系统披露了保利酒店垂直模型的研发路径与行业赋能计划。

01 

通用大模型的"酒店困境"

张烨坦言，当前人工智能技术在酒店行业的落地呈现出明显的分层特征。

在前台服务、日常运维、基础操作等浅层场景中，AI应用已经落地普及，取得了不少实质性进展，有效提升了酒店的基础运营效率。但聚焦门店营收增长、整体运营统筹、战略调整等核心经营决策层面，通用大模型的深度落地和规模化应用仍然十分有限，未能真正赋能酒店提质增效。

这一行业痛点的根源，藏在酒店行业独一无二的经营特征之中——低价高频。不同于高客单价、低频次的消费行业，酒店绝大多数日常管理动作都具备单价低、频次高的特点，每一次调价、每一项运营调整对应的财务价值增量都相对微薄，单一场景的变现能力较弱。

他以酒店核心的收益管理调价工作举例，进一步解释了行业特性：酒店单次房价调整的价差并不高，往往仅浮动二三十元，但调价的频次极高、动态性极强。目前行业常规运营节奏为日常一天一调价，而节假日、旅游旺季等客流波动较大的时段，单日甚至需要完成两到三轮动态调价，以此适配市场供需变化。

从技术适配性来看，这种海量、高频、重复的动态决策场景，本就是通用大模型最擅长、最能发挥技术优势的领域，理论上可以完美替代人工、实现智能化精准调控。但落地现实却截然相反，通用大模型始终难以真正切入酒店核心经营场景，无法实现规模化落地。

第一道难以突破的壁垒是数据安全风险。酒店的调价记录、客流数据、营收明细、房源库存、客户消费画像等经营数据，都是品牌独家的私域核心数据，直接决定酒店的市场竞争力。若将这类敏感数据上传至通用大模型的公有云平台进行训练和运算，数据极易泄露，一旦被同行竞品获取，酒店的经营策略、定价逻辑、客流优势将彻底透明，直接冲击门店生存根基。因此，酒店经营决策类AI应用，必须依托私有化部署模式落地，无法使用公有云通用大模型。

第二道无法规避的壁垒是落地成本过高。大模型私有化部署不仅需要高昂的前期搭建费用，还包含持续的运维、迭代、人力成本，整体投入动辄数百万元。对于国内绝大多数中小型酒店及连锁管理公司而言，门店规模普遍在1000家以下，微薄的管理费营收、单店盈利水平，根本无法支撑私有化大模型的长期部署与运营。

归根结底，酒店行业并非不需要大模型的智能赋能，而是通用大模型标准化的部署形态、高昂的落地成本，与酒店行业低价微利、高频运营的经济结构、盈利模式严重不匹配，这也形成了通用大模型深耕酒店行业的核心困境。

02 

央企的责任与担当

面对酒店行业大模型落地难、中小酒管企业数智化转型遇阻的普遍困境，保利主动入局深耕酒店垂直大模型，并非单纯的商业布局，更多源于央企的使命定位与行业担当。

针对央企在人工智能产业发展中的价值站位，国家明确提出了三大核心角色：基础设施提供者、先行先试者、行业赋能者。对此，张烨结合保利的业务属性与行业资源，做出了清晰的能力界定与战略选择。

在他看来，普惠性、基础性的AI基础设施搭建投入体量巨大、覆盖全产业领域，并非保利的核心赛道，因此这一角色并不适配企业定位。

但技术落地试点、行业生态赋能两大方向，是保利可以深度发力、切实落地的领域。保利愿意承担起先行先试的责任，依托自身酒店运营场景与资源优势，打磨适配酒旅行业的AI垂直技术体系，同时在技术成熟后，全面开放能力、赋能行业内数量庞大的中小酒管公司，破解行业转型难题。

清晰的央企战略定位，也让保利的AI布局与市场上现有酒店AI方案形成了本质区别。

目前市面上绝大多数酒店AI产品，缺少私有化部署的垂直模型，出于数据安全与技术架构限制，无法触达酒店调价、营收、客流等核心经营数据，只能局限于客服接待、日常运维等浅层操作层面的应用，无法助力酒店核心经营决策。而保利精准抓住了全行业最稀缺的发展短板，直接切入酒店数智化转型的核心动能——私有化酒店垂直大模型。

正如张烨所言，拥有专属私有化模型后，每一家酒店门店、每一个酒旅集团都能依托自有数据独立运转、自主决策，真正实现AI赋能经营。

不仅如此，保利的行业赋能并非止步于搭建高端垂直大模型，而是有着更普惠、更落地的终极目标：将专业酒店垂直大模型蒸馏压缩为轻量化小模型。

其技术路径清晰且贴合行业需求，即在通用大模型的基础底座之上，针对酒店运营、收益管理、门店管控等场景做专项增强学习，深度注入酒旅行业专属知识库，通过行业后训练打磨出高度适配业态的垂直大模型，再通过参数蒸馏、精简压缩等技术手段，在不损耗核心能力的前提下轻量化模型架构。

这一技术优化模式，彻底解决了行业的成本痛点。当前行业部署一套私有化完整大模型，投入成本至少需要三五百万，高昂的门槛让绝大多数中小酒管企业望而却步。而保利迭代出的轻量化小模型，能够保留原垂直大模型95%至98%以上的核心业务能力，完全覆盖酒店高频调价、收益管控、经营分析等核心场景，部署成本却仅需20万元，甚至可压缩至10万元以内。

极低的落地门槛，能够让千家万户的中小型酒店管理公司和单体门店，都具备部署专属AI模型的能力，真正实现AI技术在酒旅行业的普惠落地，以央企技术能力带动全行业提质升级。

03 

三类数据喂养的"行业大脑"

一个"懂酒店"的垂直模型，靠高质量数据一轮一轮训练出来。第一步是选基础模型、测基线，明确通用大模型在酒店领域的能力边界，后续训练就在有提升空间的地方加强。

第二步是构建三类数据集：第一类是酒店内部私密经营数据——"这些数据大模型也没有拿到过，所以它没办法进行训练"；第二类是PDCA管理案例数据——保利已收集治理了一批高质量管理数据和案例库，清洗标注后用于训练；第三类是外部公开数据，经治理标注后用于训练。每次训练后评估性能，"不满意就调参数，或调整数据收集方式，或调整数据结构重新收集"。训练目标覆盖酒店"投、融、建、管、退"全生命周期。

第三步是蒸馏，舍弃与酒店不相关的参数，做成规模较小、可低成本部署的模型。

技术自主可控方面，保利选择彻底："模型是国产的，训练软件是国产的，数据清洗软件全部是国产的，芯片全部都是国产的，确保从硬件、基础上面全部都是国产的。"

在此之上自研工程架构，在大模型外套一层Harness框架，智能体和Skill跑在框架下，同步开发收益管理、分析报告等刚需工具。

产品化层面，张烨反复强调防幻觉。"AI最大的问题是有幻觉，通用大模型根本不知道答案是多少，只要你问它它一定会给你一个答案。"但经营决策场景中，编造的数字可能导致真实损失。"我们肯定不是这样，没有明确的，它一定会告诉你：我没有明确的建议，因为我还没有学到。"为此保利设置了"四道闸门"，"不知道就是不知道，不能让它瞎编东西出来"。通用大模型追求"有问必答"，垂直模型追求"答则有据"。

目前模型已在经营分析场景落地，处于内测阶段，计划10月或11月对外发布。系统同时观测1000多个指标，在170多个一类指标上预警，形成"预警→提改进要求→管理团队制定方案→系统跟进→类似问题提建议"的完整链路。

这里有一个关键认知：大模型不做数学。"大模型是概率，最不擅长做数学，千万不要问大模型一个数字。"大模型的角色是识别问题、调度工具——"它只是知道这个问题该找谁解决，然后自动调取相应的智能体"。以收益预测为例，后面有一套算法做骨干，"全部依赖大模型做预测的话，人人都是百万富翁了"。但大模型的价值在于让算法活起来："以前的收益管理软件算法是做死的，用10年都不会变，大模型有自学习能力，能把智能体和Skill不断提升。"

由此形成"双闭环"：管理闭环（要求→动作→效果）和工具闭环（建议→执行→效果→算法调整）同时运转。"以前是工具不变、管理在闭环，现在是管理闭环、同时工具也在闭环。你越用，人越来越聪明，系统也越来越聪明，这是双闭环，双赢。"

轻量化第一步是参数压缩与性能配平："千亿级太大了，百亿级可能就够了，调小了性能会下降，在性能和成本中间做一个配平。"这是持续迭代的过程，通用大模型升级，小模型也要跟着升级。

保利不只是卖模型，而是交付一整套工具环境，更重要的是二次适配能力。"我们把怎么把通用大模型调成酒店专用模型的这套工具，也打包给到中小酒管公司"，包括数据治理工具、训练工具、性能评估工具。每家酒管都可以用自己的数据继续训练，生产出专属小模型。底层大模型升级时，"不需要重新弄，在工具上重新跑一下就得到最新的专属模型，因为训练方法和数据全部沉淀在工具里"。商业模式上，"硬件自己买，我每个月收一笔服务费，可能几千块钱，他可以非常轻松地承受"。

行业标准方面，保利态度开放："肯定不是一家能够制定标准的，我们会跟所有友商一起来商量协调。"应用环境设计了MCP广场，可接入第三方智能体和Skill，推动标准化接口。整个框架原则是灵活、不绑定："用我的工具不用我的模型也可以，用我的模型不用我的工具也可以，所有选择权都在用户手里面。"标准化的是接口和工具链，差异化的是每家酒店用自己数据训练出的专属能力。

展望未来，张烨认为垂直AI模型将从根本上重塑酒店管理。"AI有自我学习、自我迭代的功能，迭代得非常快，这也会要求管理同步。管理的实质就是决策，在印象上决策跟在数据分析上决策，效果完全不一样。""我相信酒店今后的管理会完完全全进入一个新的时代，可能两年时间大家都能够看得到。"

更具冲击力的变化来自行业边界消融："管理都通过系统完成了，剩下的就只有品牌了。一个好的品牌不一定是酒店行业，它可以跨界进入酒店，再匹配上这套管理系统，就可以攻城略地。"张烨以头部科技品牌跨界为例："跨界会越来越容易，对酒店行业的冲击可能很快就会到来。"

从通用大模型的"水土不服"，到私有化部署的"成本高墙"，再到蒸馏小模型的"用得起、改得动"，保利走的是一条重投入、长周期、但指向行业根本痛点的路径。当管理经验被沉淀为可训练的数据，当算法本身也能自我进化，酒店行业的智能化，或许才真正进入了下半场。