本月初，纽约Skift Data & AI Summit上有一句话：
"AI can't sell what hotel systems can't see."
意思是AI卖不掉系统看不见的东西。只要客房数据、宾客行为和服务定价还各自孤立，酒店AI能做的事，就只能困在成本效率那一侧。
这句话说的是国际市场，但对中国酒店来说，处境只会更难。
降本的数据已经很硬了
AI应用在酒店业确实在增长，但主要在省钱，不是赚钱。
来源：BCG
温德姆2026年业主趋势报告调查了325位北美业主，已采用AI的受访者中，64%用于运营效率、54%用于能耗管理、53%用于收益优化，全是后台类。
面向客人、可能带来增量收入的应用：个性化9%、客房内AI体验10%、数字礼宾11%。
中国酒店集团的数字分布几乎如出一辙。
华住自研的智能RMS，汉庭品牌人房比做到约0.16。
首旅如家“AI数字店长”覆盖3200家门店，2025年累计自动调价42万次，部分酒店人房比压到0.12，集团总经理孙坚说，“60%的重复基础工作可以交给AI数字店长”。
这些指标都很硬。但注意上面所有的数据，都是偏向降本侧的。
关于AI带来了多少收入增长，各集团没有公开。在增收侧，“RevPAR得到一定程度提升”的表述并非偶然。
增收为什么难兑现
第一道墙是数据孤岛。
Mews调查显示，平均一家酒店仍在跑8到10个不同供应商的软件。PMS、CRM、RMS、预订引擎等，每个系统都在运行，彼此之间数据不通。AI读不到完整的图景，自然也卖不掉它看不见的东西。
h2c在2025年调研171家连锁、超1.1万家酒店，集成难题（45%）位列AI落地三大障碍之一，42%的酒店根本不追踪AI的ROI。
来源：h2c
SiteMinder数据显示45%的酒店因响应过慢每周都在错失收入机会，只有9%能做到实时应对市场变化，51%的酒店每周仍花11到20小时在手工系统任务上。
而在中国，还有第二道墙，而且这道墙更难越。
OTA拿走的不只是佣金
据交银国际2024年GMV测算，携程、同程旅行、美团、飞猪、抖音合计占据约92.9%的市场份额，携程一家独占约56%。
这意味着大量客人行为数据沉淀在OTA侧，酒店看不见。一个客人在携程上看了哪些房型、比价了多久、最终为什么下单——这些数据，酒店没有。没有，AI就无从个性化，也就无从增收。
定价权的问题更明显。2025至2026年，携程“调价助手”因自动扫描竞品价格并强制修改商家标价，被多地市场监管部门约谈。很多酒店人直观的感受是定价权不完全在自己手里。
东方证券研报揭露：酒店OTA渠道、PMS系统、财务ERP与私域流量池之间的数据壁垒，是制约动态定价真正落地的核心问题。
“系统看不见的东西”在中国有相当一部分是被OTA截走的。
不是等到系统全打通，增收才会发生
统一数据的方向是对的，但“必须先有统一系统才能增收”这个结论，并不尽然。
Cornell研究结果显示AI定价比传统方法平均增收7.2%；麦肯锡估算AI个性化与动态定价仅凭自身，就能在不提升入住率的前提下每年提升酒店收入3%到10%。
这些增收发生的时候，多数酒店并没有“统一系统”。RMS是一个相对独立的模块，主要靠PMS提供入住率和预订数据就能工作。
对话式预订同样如此。GHT Hotels接入AI预订助手后，2024年带来73万欧元的收入，官网直订中16%来自聊天机器人，相比2022年增长259%。
AutoCamp获得163万美元的直订收入，同期预订运营成本下降10%至15%。部署应用的门槛并不高，把AI聊天接上实时房价库存和支付预订引擎，其他系统不用先打通。
数据孤岛会决定AI的增收上限，但不是增收的前提条件。在某一个关键交易链路上把库存、价格、客档和服务目录接通，AI已经能带来可观增长。
系统也只是其中一个原因
h2c的调研有一个容易被忽视的结论：行业AI落地最大的两个障碍，是缺乏AI专业能力（62%）和缺乏清晰战略（51%）。
很多酒店根本没想清楚“AI要为我这家酒店做什么”。厂商卖功能，酒店听术语，AI项目最终落在保守的地方：调HVAC、排班、能耗，这些出错代价较低。而动态定价出错会直接影响收入，所以推进得更谨慎。
降本优先，是合理的路径，但不应该是终点。
《AI-First Hotels》指出，37%的旅客已在用嵌入OTA的大模型规划和预订行程，酒店正在进入“问与订”时代，分销竞争从页面和广告转向算法相关性。
这个窗口一旦关上，后来者的进入成本会远高于现在。
来源：华美云
写在最后
中国酒店AI困在成本侧，数据孤岛加OTA双重夹击，这个困境是真实的。
但这不是等待的理由，而是行动次序的问题。系统不用全打通，至少让一个数据闭环先跑起来。
系统看得见，AI才卖得出去。