动态列表

  • 谷歌杀入诺奖神殿,两年三冠五得主!世界TOP3重现贝尔实验室神话
  • OpenAI×英伟达,可能创造了人类史上最大万亿级泡沫
  • H-1B正在筛掉「下一个英伟达」?
  • 全球AI视频大战升级!「中国版Sora」Vidu Q2参考生月底发布,能力对标Sora 2
  • 第二代InfLLM开源,同尺寸快三倍!零参数,可训练稀疏注意力
  • Diffusion²来袭:威斯康星大学&华盛顿大学等提出双扩散模型,“回溯历史-预测未来”,破解自动驾驶“鬼探头”难题
  • 北大等提出TrackVLA++:赋予机器人推理与记忆,跟踪成功率飙升12%
  • 英伟达将投资马斯克的 xAI;低价版Model 3/Y 「阉割」智驾功能;微信推出批量撤回信息功能
  • 刚刚,清华物理传奇Yao Shunyu,跳槽谷歌DeepMind!
  • 赚100亿,烧1万亿!OpenAI算力神话:英伟达撒钱、AMD送股、全硅谷陪跑
  • 英伟达垄断AI算力局面或将被颠覆!AMD赌上身家发起决斗,奥特曼窃喜
  • 刚刚,2025年诺贝尔化学奖揭晓!偷溜进图书馆的少年,改变了世界
  • 小心,AI依赖会让你变笨!吴恩达等专家教你如何正确使用AI
  • 无RLHF,7M小模型反超DeepSeek-R1:三星团队用递归思考取代规模堆叠
  • IROS 2025 | Waymo与谷歌DeepMind联手提出Drive&Gen:用生成视频评估自动驾驶,虚拟测试更逼真
  • 告别深度传感器!慕尼黑工业大学提出DropD-SLAM:仅用单目RGB即可实现RGB-D级的SLAM精度
  • 陶哲轩联手ChatGPT!10分钟击碎30年「无理」难题,数学圈炸裂
  • 刚刚,奥特曼官宣ChatGPT「终极OS入口」!8分钟速搭智能体,8亿人狂欢
  • 顿悟不是玄学!港科大清华等联手:撕开推理黑箱,RL让AI像人思考
  • 4万亿帝国接班人浮出水面!苹果不需要另一个库克
  • 刚刚,2025年诺贝尔物理学奖揭晓!量子计算成最大赢家
  • 告别梯度!Evolution Strategies全参微调挑战PPO/GRPO:更稳、更省、更好复现
  • NeurIPS 2025 | 北邮用“图+文”把人物检索拉满:自动合成数据 × 细粒度特征对齐
  • TPAMI 2025 | 电子科大等提出EEMFlow:从事件相机学习高效Meshflow与光流,速度提升30倍
  • MICCAI 2025 | 莱斯大学提出MetaSeg:参数减少90%,元学习隐式网络重塑医学图像分割
  • OpenAI 与 AMD 签百亿美元协议,后者股价暴涨;特斯拉廉价 Model Y 将于 7 日发布;知名旅行、听歌应用入住 ChatGPT
  • 乔纳森下一个iPhone神话,要黄了?OpenAI秘密AI硬件深陷三重困境
  • 3年手搓ChatGPT!剑桥天才少年在Minecraft游戏中爆火回归
  • 一举击败Claude Code!微软提出代码生成黑科技:一键直出36K行代码
  • 刚刚,2025年诺贝尔生理学或医学奖揭晓!三位得主点燃器官移植希望
  • OpenAI入股AMD,股价暴涨35%!奥特曼左手黄仁勋,右手苏姿丰,通吃全球算力
  • 自进化Agent的第三种可能:隐式记忆,不动模型参数,胜过GRPO
  • 真实数据、全链路、可复核:GenoMAS打造更可信的基因分析智能体
  • NeurIPS 2025 | 高通提出GCL:无需额外数据,通用多模态检索迎来“一统江湖”新范式
  • NeurIPS 2025 | 慕尼黑工业大学提出SIM(3)等变网络:让3D形状补全告别“姿态偏见”,实现跨域泛化
  • 今日迎本世纪「最晚中秋月圆」;雷军:小米17 五天销量破百万;ChatGPT 或添私信聊天功能
  • 腾讯王者归来:混元图像3.0登顶LMArena!一手实测全球最强图像AI
  • AI「学不会」竟成相变探针!UCSD华人联手谷歌等,曝光量子纠缠秘密
  • 最新,2025诺奖预测出炉!中国科学家有望拿下化学奖?
  • 奥特曼:感受不到GPT-5变强,是因为你还不够「专业」
  • GPT-6或将比GPT-5强10倍!奥特曼揭秘ChatGPT如何诞生
  • 宾大提出F³:事件相机迎来“预测性”表征新范式,光流、分割、深度全SOTA!
  • LSTM之父再出手!xLSTM挑战Transformer:一场关于Scaling Laws的正面交锋
  • NeurIPS 2025 | AI也能做数学建模?本科生携手MM-Agent勇夺美赛全球前2%
  • “移步换景”一试,大模型全乱了:OST-Bench揭示MLLM时空推理短板
  • 微软下架「炉石」等多款游戏;华为云:华为算力效能超英伟达芯片 3 倍;马斯克回应特斯拉机器人打拳:并非遥控
  • 陶哲轩联手GPT-5,1小时攻克数学难题!全程无需编码,OpenAI副总惊呼
  • 1亿签约金抢AI大神?谷歌AI元老劝退全网:别再读博了!
  • 三天逆袭,Sora登顶美榜!15秒大片玩疯奥特曼,全网直呼真假难辨
  • 10个Agent一键组队:并行智能体协作,端到端交付从24h缩减到4h!
  • 首位AI女演员出道!好莱坞「天敌」来了,下一代偶像全是代码制造?
  • 南理工提出FMC-DETR:巧用“频率解耦”,航拍小目标检测精度飙升8.2% AP50
  • 网红挑战特斯拉FSD穿越美国出车祸;小米回应「小米汽车突然自己开走」;Sora 登顶美区苹果商城免费榜
  • 刚刚,Anthropic紧急换帅!新任CTO执掌算力命脉,直面OpenAI千亿赌局
  • Gemini 3.0 Pro内测流出,编程实力惊人!下周上线
  • 刚刚,奥特曼首曝:AI取代CEO后,我想去当农民!
  • 华人主导谷歌SLED,论文登顶会!一键让模型学会自救
  • LeCun考虑辞职!Meta AI百亿豪赌引爆「内战」,逼走首席科学家
  • NeurIPS 2025 | RAD:基于大规模3DGS孪生数字世界的端到端强化学习训练策略
  • 小米 17 系列销量超百万;苹果新产品泄密源头疑为越南工厂;低价版 model Y 现身官网代码|极客早知道

把我的第一次日本旅行,完全交给 AI 是什么体验?

作者| Li Yuan

编辑| 郑玄

临近十一了,还有人在临阵磨枪,抓紧最后的时间做旅行攻略吗?

虽然笔者不建议任何人这么做,但这阵子笔者进行了一次极限尝试————什么攻略都不提前查, 就靠 AI,看看一趟出国旅行能走到哪里。

 

 

笔者选择了一款叫 AI 旅行助手的 app 来进行了我的主尝试,它号称不仅能替用户生成旅行攻略,还能在行程中帮忙预订餐厅、酒店。

自 2023 年大模型开始「秀肌肉」以来,AI 做旅行搭子一直是不少大模型宣传自己能力的重点场景,可真正跑出来的现象级旅行 App 却不多。笔者想试试,只靠 AI 旅行,到底行不行?

一句话概括结果吧:一趟旅程下来,感觉 AI 有点用,能看见潜力,但是距离人类地陪这样的「完全体」还差得远。

AI 成为完全体的旅行搭子到底还差什么?笔者的这次体验,也许能说明一二。

 

01

AI 旅行攻略,图文并茂,

但是颗粒度不够细

 

对笔者来说,第一件重要的事,就是让 AI 帮我做一个攻略。

笔者之前使用 ChatGPT 的深度研究功能做过旅行攻略。攻略本身看起来还不错,但是即使我回答了一些 GPT 反向向我提的问题,感觉上还是不是很像一份个性化的攻略。

更多的感觉像是 AI 判断出我喜欢什么之后,直接给每天筛选出了三个景点。

 

 

我也用 AI 旅行助手试了试。

 

 

两个 app 相对来说的体验比较像,都是利用大模型的思考能力,对你进行一些反向提问,帮你找到最适合你的一些目的地景点。

AI 旅行助手在这里有一个小巧思,把大模型的简答题变成了选择题,直接点选,点选本身比较轻松,因此笔者也用更短的时间顺利地给出了更多的信息。

点选完成之后,大模型直接帮我生成了一段更加详尽的 prompt 再交给 AI 思考——从我最初简单写的 50 字左右的 prompt 扩充到了 600 字左右,开始自己进行了搜索和思考。

可以看到,它把我的行程拆成了每日规划、餐饮选择、预算分配等多个类目,挨个进行了搜索和分析。 完全没有做攻略的笔者,看着它在后台忙碌地「查攻略」,心里确实多了几分安心。

大概四十分钟之后,AI 给了我一份十分详尽的攻略。

 

 

相比于 GPT,好的地方显而易见——图片更多,排版更好,哪些景点从视觉上能让我种草,更一目了然。

整个攻略也更长,包含了具体到时间段的行程规划与路线安排,介绍了必打卡的景点和体验,提供了细到店的价格的美食和纪念品推荐。根据我的个性化情况,甚至安排了要进行哪些夜间文化体验和预算分配。

我很快就得出了行程的大致骨架:路线怎么走、去哪些地方——比如皇居和银座可以放在一天。需要做哪些行程准备——皇居不需要预约,而晴空塔建议提前网上买票。

连每一天吃饭的地方都给了位置临近的店名推荐,包含是否需要排队和人均价格的信息。

不过,这份攻略我最后用了多少呢?实际答案是,用了,但并不多。

我最后导出了它推荐的行程——软件里有一个功能能直接最后在地图上看到当想要取得所有地点,但仍然需要对行程进行大量的个性化编辑——包括给行程里添加一家当地的桌游店打卡。

我承认,这倒不是 AI 的错,在看到行程之前,我确实不记得给 AI 提这个要求。不过,在这里,我发现规划仍然变 得复杂了起来。

在我的行程中添加一家我想去的桌游店,到现在也并不是 AI 非常擅长的事,还是得严重依赖传统软件——看评论、确认是否有英语环境、查 Meetup 上的活动日期等等。这些 AI 目前还做得不好,或者说即便能做,效率也并没有传统 app 高。

而在个性化探店需求之外,笔者看到 AI 给的行程,最后最大的感觉,竟然是有点缺乏实感。

人往往是通过搜索、比较,逐渐建立起属于自己的语境(context)。而当这个语境还没建立起来时,AI 直接抛出结果,我反而很难直接信任或采纳它推荐的任何一家店。

在今年,笔者其实已经常常使用类似的深度研究功能了,在非旅游场景,我通常对 AI 给出的回答还是比较信任的。而旅游场景——当天真的要去了而我并没有看过其他人类攻略的情况下,我看到这样一份攻略,突然有点犹豫。

AI 的快速攻略好像一份精致的预制菜,我好像迅速地「饱了」,但是满心期待 AI 提效的我,在整个过程结束之后,困惑地发现,我 好像 更喜欢有点人味儿的攻略。

 

02

带着 AI 游东京:AI 代订最实用,

无缝的语言体验比想象中的难

 

攻略在手,笔者对大致的行程规划已经心中有数。接下来,便是在东京的实地体验。

自从 ChatGPT 出现之后,笔者一向使用 AI 翻译各种材料,十分好用,所以笔者在此次旅行中,最为自信的是无缝的语言互通的感觉,不过这部分意外成了翻车的地方。

无论是哪款翻译软件,都无法绕开一个略显笨拙的交互:将手机递到对方嘴边。

这不仅打断了沟通的自然流畅感,更重要的是,慢。往往是对方的话音刚落,笔者还没来得及按下录音,沟通的关键信息就已经错失。这种体验上的延迟和尴尬,让笔者第一次真实地感受到,或许全程录音、即时做显示的 AI 硬件确实还有它的机会。

正是在实时翻译的笨拙体验对比之下,AI 旅行助手的「AI Agent 代打电话预订餐厅」功能,才显得格外实用。这几乎是笔者本次体验下来,认为最有价值的功能。

日本的许多餐厅都采用预约制,而打电话预约这个场景,对于外语能力有限的游客来说几乎是无解的。(尤其是在日本,笔者深刻感觉到许多店店员的英语真的非常堪忧)。

而打电话预约,则是最难使用翻译软件的场景——游客总不能一边在手机上打电话,一边开另一只手机进行翻译。

AI 旅行助手的「AI Agent 代打电话预订」则完美解决了这个痛点。

点进去之后,只需要输入店名和需要预定的时间,AI 旅行助手就会直接用餐厅人员最熟悉的语言直接咨询帮忙预定。

虽然实际体验下来。感觉这个功能还有优化空间——在一次体验中,笔者尝试预定了一家餐厅,虽然发现这家店其实无需预定,但 AI 反馈的这个信息本身,就帮我省去了不必要的麻烦,让我可以直接前往,这同样是一种效率的提升。

相比之下,AI 旅行助手提供的另一个功能,稍显用力过猛。

在点餐环节,AI 旅行助手提供了一个 AI 翻译菜单的功能,拍照日文菜单,能够直接生成一个全新的带有图片的新 UI 界面。

 

 

在大部分场景下,它似乎并不如直接用手机拍照翻译来得快捷,后者的翻译结果也更能与实体菜单一一对应。这种「慢」对于笔者这样的「i 人」来说,尤其致命——让服务员在一旁等待 AI 生成一份全新的菜单,无疑增加了一份不必要的社交尴尬。

当然,这个功能只是尚未进化到它的「完全体」,笔者了解到,它的理想形态应该是在用户选择完菜品后,能一键生成一段可以直接展示给服务员的日语点单文本。只有这样,AI 才算真正完成了从「翻译」到「辅助行为」的效率闭环。

这一趟东京之行给我的最大感受也正在于此:当下的 AI,确实已经抹平了旅行中的许多硬性障碍。即使一句日语都不会,靠着翻译软件,你也能完成点单、问路、购物这些基本操作。但这仅仅是让旅行从「不可能」变成了「可行」。

未来的竞争焦点,将是如何从「可行」迈向「无缝」。

而对于任何与语言交互相关的功能而言,「无缝」体验的核心,有且只有一个——那就是极致的实时性。任何以牺牲速度为代价的炫酷功能,在真实的跨文化交流场景中,最终都可能沦为一种体验上的负资产。未来的 AI 语言应用,必须快到让人忘记它的存在,才能真正改变我们的旅行方式。

 

03

AI 旅行的下一步:

从虚拟攻略到物理世界的行动

 

在此次旅行开始前,笔者对 AI 旅行的最大想象,是它能为我生成一份完美无瑕、无需动脑的攻略。然而在东京街头亲身体验之后,我的看法有了一些改变。

AI 做攻略的诱惑力很大,但它似乎永远无法完全替代人类自己规划的过程。因为对我们来说,一份真正实用的攻略,是在搜索、比较、权衡的过程中,逐步建立起个人「语境」(context)的产物。AI 直接给出的「标准答案」,往往因为缺少这个过程而难以让人完全信任。

喜欢做攻略的用户,原本可能就是对个性化行程要求比较高的用户。更难以想象这类用户,能够盲目地跟着任何一个攻略去旅行——无论 AI 生成的还是别人走过的。

不过 AI 的攻略,仍然可以作为非常好的第一步产品来使用——正如现在很火的 AI 编程可以先给你生成一份有问题的代码,你在上面继续修修补补就行。

除此之外,在「做攻略」这个存量市场里,AI 似乎仍然面临着难以逾越的壁垒。像 Google Maps 和 Booking.com 这样的应用,在路线规划、信息查询和用户评价上已经做得太好,体验极其成熟。AI 想要在这些基础功能上超越它们,难度极大;而想要调用它们的数据,又会撞上「信息孤岛」这堵高墙。

但是,当我们将目光从虚拟的行前规划,转向真实的物理世界时,AI 的机会似乎豁然开朗。 它最大的价值,或许不在于告诉你「该去哪」,而在于当你身处异国他乡时,帮你解决「怎么办」的实际问题。

这次体验中,最有价值的并非那份 70 分的 AI 攻略,而是 AI Agent 代打的那个订餐电话。这完美地解决了一个典型的旅行痛点:你拥有信息(想去的餐厅),却缺乏行动能力(语言不通无法预约)。这正是 AI 能够大展身手的地方——它跨越了数字信息与物理行动之间的鸿沟。

在这次旅行中,笔者也对 「AI 旅行助手」这款 App 的背景产生了好奇。深入了解后发现,它的开发者,正是我们印象中专做旅行攻略的社区——马蜂窝。

目前,他们做了很多 AI 方向的探索,还有不少笔者没来的及体验的,包括 AI 酒店砍价,或者把一整份旅行攻略一键转成播客。

一次旅行下来,笔者觉得他们的有些尝试,方向其实很对:AI 的价值不只是停留在 「 生成一份计划 」 ,而是要真正帮助旅行者跨过去,从想法和纸面,走到现实世界的行动。

尽管这条路依然充满挑战,但回看整个体验,以 AI 旅行助手为代表的 AI 旅行应用确实已经比一两年前的同类产品体验好了太多。它成功地抹平了旅行中的一些硬性障碍,让「不做攻略出门」从一个鲁莽的冒险,变成了一种可行的选择。

AI 时代就是如此,看似没有太多变化,但实际已经走过沧海桑田。对于那些有出行需求,又苦于繁琐规划的人来说,这款 App 值得一试。它或许并不完美,但它所代表和探索的方向——赋能旅行者在物理世界的每一次行动——可能就是旅行的未来。

*头图来源:极客公园

本文为极客公园原创文章,转载请联系极客君微信 geekparkGO

联系我们