1、人工智能赋能智慧旅游发展研究报告人工智能赋能智慧旅游发展研究报告北京第二外国语学院数字文旅研究中心2025 年 8 月1目目录录相关名词解释.I前言.III一、生成式一、生成式 AI 发展及其对宏观社会经济的影响分析发展及其对宏观社会经济的影响分析.1（一）技术基础：Transformer 架构推动生成式人工智能崛起.1（二）实践突破：AI 浪潮引发算力需求快速膨胀.2（三）产业生态：国内 AI 大模型生态呈现井喷式发展.4（四）经济动能：AI 赋能百行千业新质生产力加速形成.4（五）场景应用：生成式 AI 对智慧旅游的影响逐渐显现.5二、人工智能赋能智慧旅游的场景与成熟度研究二、人工智能赋能

2、智慧旅游的场景与成熟度研究.6（一）国内外人工智能与智慧旅游结合的应用与分类.6（二）智慧旅游领域人工智能应用场景分类.7（三）AI 智慧旅游场景应用成熟度分级.10三、构建三、构建 AI+智慧旅游层次化结构生态体系智慧旅游层次化结构生态体系.14（一）底层开源大模型.14（二）通用大模型应用.15（三）垂直领域大模型应用.15（四）旅游行业企业 AI 应用.16四、四、AI 赋能智慧旅游发展关键因素分析赋能智慧旅游发展关键因素分析.22（一）以用户需求和服务场景为导向，更待 AI 旅游时代超级应用.22（二）以 AI 服务性价比为目标，构建智慧旅游 AI 多元化生态.23（三）以旅游高质量数

3、据集为目标，建设数据分级分类与共享机制.25五、五、AI 赋能智慧旅游发展展望与预测赋能智慧旅游发展展望与预测.27（一）具有深度推理能力的 AI 旅游智能体值得关注.27（二）将持续形成通专结合的旅游 AI 大模型新局面.27（三）旅游领域大模型将逐渐从“尝鲜”向务实化发展.28（四）旅游数据要素化助力大模型生态早日成熟.28六、六、AI+智慧旅游发展智慧旅游发展的的建议建议.30（一）营造 AI 与旅游结合的良好环境，建立健全 AI+旅游的生态体系.30（二）探索建立旅游数据分级分类管理，构建旅游领域数模融合新范式.31（三）提升旅游 AI 类产品的技术和体验，扩大旅游大模型应用范围频次.

4、31（四）筑牢 AI 大模型应用安全底线，促进 AI+旅游应用良性健康发展.32（五）预判人工智能技术对行业冲击，强化人机协作能力与情绪价值培养.34（六）建立旅游行业 AI 转型动态监测体系，强化行业发展量化指导.34附录附录 1：人工智能赋能智慧旅游发展研究相关案例：人工智能赋能智慧旅游发展研究相关案例.36附录附录 2：旅游景区与：旅游景区与 OTA 平台开发的平台开发的 AI 产品调研产品调研.47附录附录 3：游客和商旅用户：游客和商旅用户 AI 使用情况的调研使用情况的调研.59附录附录 4：旅游景区：旅游景区 AI 大模型应用情况调研数据大模型应用情况调研数据.71附录附录 5：

5、旅游企业：旅游企业 AI 大模型应用情况调研数据大模型应用情况调研数据.75I相关名词解释相关名词解释1.Transformer 架构：该架构是由 Google 团队于 2017 年提出的深度学习模型，其核心采用自注意力机制（Self-Attention）替代传统循环神经网络（RNN），通过并行化计算高效捕捉序列数据的全局依赖关系，并基于编码器-解码器结构（Encoder-Decoder）实现特征提取与生成任务。该架构凭借对长序列的建模能力、可扩展性及跨领域适应性（如自然语言处理、计算机视觉），成为驱动大模型及生成式AI 发展的基石。2.摩尔定律：该定律由戈登摩尔于 1965 年提出，指出集成

6、电路上可以容纳的晶体管数目每隔 18 到 24 个月便会增加一倍，处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。3.数据蒸馏技术：该技术是一种机器学习优化技术，旨在从大规模数据集中提取关键信息，生成一个更小但信息量高度浓缩的合成数据集，使得用该数据集训练的模型能接近或达到使用完整数据训练的效果。4.MLA+MoE 架构：该架构是一种结合了记忆增强线性注意力机制（Memory-Augmented LinearAttention，MLA）和 混合专家系统（Mixture of experts，MoE）的神经网络架构，旨在提升模型的处理效率、扩展性和长序列建模能力。其中混合专家模型（MoE