投资者视角的转变：从怀疑到深度体验

播客主持人Drew邀请知名投资人“Mostly Borrowed”（MBI）探讨Meta推出的AI代理工具Muse对商业世界的潜在颠覆。尽管MBI此前曾撰文辩护Booking.com等OTA平台并非简单的“18%佣金聚合器”，但在Muse发布后，他迅速调整了投资策略：卖出Airbnb持仓并大幅增持Meta股票。这一转变源于他对Muse实际能力的重新评估。MBI指出，随着AI代理技术的成熟，消费者可以直接通过自然语言指令完成复杂任务，这不再是一个纯理论话题。Muse让普通人开始看到AI在现实生活中的具体应用价值，从而引发了对现有商业模式（如Airbnb、Uber、DoorDash等）的重新审视。

初始体验：功能演示与预期落差

在Muse发布约10天后，MBI下载了应用进行测试。他注意到平台提供每周1亿免费Token的额度，首日因广泛尝试不同功能消耗了约80%（剩余2000万），随后稳定在每日2500-3000万Token的使用量。为了验证Muse对Airbnb的威胁，他复现了典型的预订场景：输入“8人前往旧金山”的需求。结果显示，Muse能够模拟人类操作浏览器，自动填写目的地和人数，并在几分钟后给出5个房源推荐。MBI认为这一过程“很有趣”，且比之前的ChatGPT体验更好，但他当时并未感到被颠覆。他引用了Airbnb创始人Brian Chesky的观点：用户在预订住宿时不仅需要文本信息，更需要查看照片、评价以及与房东沟通。

交互局限：缺乏视觉与实时反馈

MBI进一步测试了Muse在酒店预订上的表现，以意大利酒店为例。他输入指令后，Muse返回了5个链接，但全部来自Booking.com。关键问题在于输出形式：只有文本和链接，没有照片、评价或地图位置信息，导致用户无法直观判断房源优劣。此外，性能也是主要瓶颈。当MBI要求Muse直接去网站比价时，整个过程耗时14分钟。这种延迟和信息的缺失使得用户难以直接信任并依赖Muse完成最终预订。MBI指出，虽然有人辩称可以通过训练或更复杂的提示词来改善体验，但当前的实际用户体验既慢又缺乏关键视觉元素，远未达到“直接替代人类操作”的成熟度。

思维转换：将AI视为具备权限的人类助手

面对初期的失望，MBi调整了测试策略。他意识到，如果将Muse视为一个“拥有电脑访问权限的人类助手”而非单纯的聊天机器人，交互方式应当不同。他反思道：“人们讨厌拟人化AI，但有时这有助于理解其能力边界。”基于这一假设，他重新设计了提示词逻辑：不再仅仅询问结果，而是要求AI以用户希望看到的格式（如包含图片、地图等视觉元素）呈现结果。这种思维转换标志着他从“测试AI能否自动完成预订”转向了“探索如何指挥AI以最佳用户体验交付信息”。这一转变不仅揭示了他对Airbnb持仓卖出的深层逻辑——即AI代理将重构信息获取与决策流程，而非简单替代平台功能——也为后续讨论Muse如何真正颠覆现有工作流奠定了基础。

Muse的图像化推荐与上下文理解能力

视频演示者首先测试了Meta旗下AI助手Muse在房产推荐场景中的表现。当要求系统包含图片并解释推荐理由时，Muse不仅提供了五个不同的房源选项，还通过下拉菜单实现了深度的交互体验。用户选中特定房产后，系统能即时生成15到20张更多图片。尽管这些图片来源主要是从Airbnb等平台复制粘贴，但这种基于图像的视觉化推荐机制极大地削弱了“纯文本聊天并非解决方案”这一观点的说服力。演示者意识到，Muse能够处理复杂的视觉信息并给出有依据的建议，这标志着AI在理解非结构化数据方面取得了显著进展。

“它确实包含了很多图片，并且在我给出选项后还提供了一个下拉菜单。”

基于个人历史数据的个性化体验推荐

更具震撼力的是Muse对用户过往行为数据（Past Experiences）的深度挖掘能力。演示者要求Muse访问其Airbnb账户，分析过去四到五次住宿体验，并在两小时车程范围内推荐新的活动。Muse成功扫描了旧金山、太浩湖等地的历史评价，精准捕捉用户的偏好并生成了五个高度个性化的建议。相比之下，若用户手动在Airbnb App中完成同样的操作——回顾历史、筛选区域、比对评价——将是一个极其繁琐且缺乏乐趣的过程。Muse通过自动化处理这些复杂逻辑，实现了远超传统App操作效率的个性化服务体验。

“如果我自己在Airbnb App上复制这个过程，那将非常繁琐……而Muse只是为我做了所有工作。”

直接预订功能与价格优势的发现

在选定一个感兴趣的农场体验后，演示者尝试通过Muse直接预订。系统迅速确认了可行性并启动了支付流程。由于Muse已绑定用户的信用卡，用户只需再点一次即可完成交易，这种无缝的跨平台跳转体验打破了传统OTA（在线旅游代理）的操作壁垒。更关键的是，Muse在比价过程中发现，直接通过该渠道预订比Airbnb官方价格低60%。这一结果让演示者开始怀疑，如果AI助手能直接整合支付并找到更优价格，Airbnb作为中间商的价值可能会被大幅削弱。这种“推荐+比价+直接预订”的一体化流程，构成了对传统OTA模式的巨大挑战。

“它实际上比Airbnb贵60%……Muse已经绑定了我的卡，我只需要再点一下。”

AI代理对OTA平台数据垄断的潜在颠覆

从长远来看，Muse的优势在于其拥有比Airbnb更丰富、更高频的用户行为数据。演示者指出，Instagram每天记录用户的浏览历史、收藏的旅行Reels以及发送给家人的内容，这些数据构成了对用户兴趣、倾向和目的地意图更精准的画像。相比之下，Airbnb仅拥有用户已发生的交易数据或少数收藏内容，缺乏对潜在旅行欲望的前瞻性洞察。专家评论强调，虽然OTA平台曾承诺推出AI代理来利用独家数据定制服务，但从未成功落地。而Muse通过跨平台的数据整合能力，不仅满足了个性化推荐的核心需求，还附带了直接比价的功能。这种双重优势表明，拥有强大上下文理解能力的AI助手可能成为未来旅行预订的主导入口。

“Instagram有更好的想法……相比之下，Airbnb能提供的信息非常有限。”

信任是 Airbnb 的核心壁垒

在讨论 AI 代理（如 Meta 的 Muse）对平台经济的影响时，Airbnb 最大的防御机制并非技术或价格，而是信任。对于用户而言，直接面对互联网上的陌生人存在巨大的心理障碍和实际风险。当出现纠纷时，用户不希望独自与房东交涉或陷入复杂的信用卡争议中。Airbnb 提供的退款保障和中间人角色，消除了这种不确定性，这是其相对于直接预订渠道的核心优势。相比之下，酒店集团拥有实体资产和品牌背书，天然具备合法性；而 Airbnb 作为撮合平台，其价值恰恰在于通过建立信任体系来弥补陌生人交易中的安全感缺失。

"I get uncomfortable with this idea of going direct where there's a problem and I'm just dealing with literally a stranger from the internet... There's no one standing in between."

此外，独家供给（Exclusive Supply）也是 Airbnb 的重要护城河。许多房东并未建立独立网站，也不愿投入精力维护直接预订渠道。即使 AI 技术降低了搭建网站的门槛，大量房东仍依赖 Airbnb 的流量和基础设施。因此，尽管 AI 可能让直接预订变得更容易，但信任机制和供给端的惯性使得 Airbnb 在短期内难以被完全绕过。

AI 代理的个性化偏好与行为模拟

从用户工作流的角度看，预订 Airbnb 的过程高度数字化：浏览网站、查看评论。AI 代理可以完全复现这一过程，甚至执行更复杂的决策逻辑。关键在于用户可以将偏好一次性设定给 AI 代理。例如，用户可以指示 AI："首选质量，其次价格，最后配送速度"。这种偏好设置是永久性的，AI 会在每次交互中自动应用这些规则，无需用户重复说明。

以 Airbnb 预订为例，用户可以设定指令："优先推荐 Airbnb 房源，但在支付前必须比价其他网站或直订渠道。如果其他地方更便宜，则选择那里预订"。AI 代理会利用 Airbnb 的数据（如评论和房源信息）进行筛选，但最终交易可能发生在平台之外。这揭示了 AI 代理的核心能力：它不仅能搜索信息，还能根据用户设定的复杂逻辑链执行跨平台决策。虽然并非所有用户都会采取这种行为模式，但一旦这种习惯普及，将对平台的交易闭环构成挑战。

"I don't have to mention it like every time I'm shopping something. I just have to give it an instruction once in my entire life and it will just remember it and follow through it."

数据依赖与平台的反制策略

尽管 AI 代理可能绕过交易环节，但Airbnb 的数据体系仍是整个决策链条中不可或缺的一环。AI 代理本身无法凭空理解房源质量，它需要依赖 Airbnb 积累的评论、评分和房源详情。如果移除 Airbnb 的数据源，AI 代理将无法有效筛选优质房源。因此，Airbnb 的价值并未消失，而是从"交易执行者"转变为"数据提供者"。

面对 AI 代理的绕开行为，Airbnb 可能会采取数据封锁或 API 收费策略。正如亚马逊已对 AI 搜索实施类似措施，Airbnb 可能要求 AI 代理付费才能访问其目录数据。这并非因为 Airbnb 提供的价值减少，而是为了应对 AI 代理带来的货币化挑战。只要业务提供独特且难以复制的价值（如高质量的房源数据），企业通常能找到变现方式，尽管模式可能需要调整。因此，"轻易绕过 Airbnb"的观点忽略了数据依赖这一关键约束。

"If you pull Airbnb out, it has no idea how to actually surf the open web. And so... eventually... they're just going to gate activity on the platform."

投资视角的核心关切：长期复利优于短期波动

作为长线投资者，核心关注点并非资产可能出现的特定下行风险或百分比跌幅，而是企业能否在未来10到15年内实现可持续的盈利复利增长。作者明确表示，对于像他这样的多头投资者而言，关注点在于能否以12%至15%的复合年增长率（CAGR）推动每股收益增长，而非纠结于短期的市场波动或潜在的特定下行空间。这种视角决定了在评估Airbnb等公司时，重点在于其长期盈利能力的稳定性与增长潜力，而非短期的多空博弈。虽然空头或对冲基金投资者会高度关注下行风险及具体跌幅预测，但长线逻辑更侧重于企业在宏观技术变革下的长期价值创造能力。因此，分析框架应聚焦于商业模式在AI时代的适应性及其对长期现金流的支撑作用。

AI代理与监管环境：Booking的潜在机遇与挑战

在讨论AI对在线旅游代理商（OTA）的影响时，必须区分不同市场的监管环境。作者指出，Airbnb若引入“最惠国条款”（Rate Parity Clause）以统一价格，可能在欧洲面临严重的监管阻力。由于Booking已被欧盟认定为《数字市场法案》（DMA）下的守门人，欧洲明确禁止此类价格 parity 条款，允许酒店在OTA平台与自有官网间存在价差。相比之下，美国及其他多数国家对此类条款的限制较少，Airbnb在此类市场可能运作良好。然而，消费者行为在高考量、低频率的交易（如旅行）中转变缓慢，不会迅速发生剧烈变化。尽管如此，AI代理带来的流量入口变革仍是不可忽视的结构性风险。作者提到，Booking的管理层曾强调从Google垄断转向多元化流量入口（如OpenAI、Muse Cloud、Gemini等）可能降低其获客成本（CAC），这被视为一个潜在的正向情景。若未来5年内，来自Google的流量从三分之一降至15%，而其余20%由AI代理分流，Booking的低CAC优势可能抵消部分流量损失。

Airbnb的直接流量危机：从90%到50-60%的结构性下滑

对于Airbnb而言，AI代理带来的威胁比Booking更为严峻，核心原因在于其极高的直接流量占比。目前Airbnb约90%的流量来自直接访问（App或网站），而Booking仅有三分之一左右依赖Google，其余为直接或其他来源。作者认为，随着AI代理（如Muse、ChatGPT）提供更丰富的上下文和更精准的推荐能力，消费者将逐渐从基于App的经济模式转向基于代理的经济模式。这意味着Airbnb的直接流量很可能已经见顶，并将在未来5到10年内显著下降。作者预测，Airbnb的直接流量可能从90%降至60%甚至更低（如50-35%区间），尽管具体数字存在不确定性，但趋势是明确的。相比之下，Booking因已有较高比例的付费流量（如Google广告），其获客成本结构更具弹性。若Airbnb的直接流量大幅下滑，尽管AI代理可能带来更低的CAC，但整体混合成本结构仍可能对Airbnb造成更大冲击。作者强调，对于空头投资者而言，确定流量最终稳定在60%还是50%至关重要，因为这直接决定了利润率的下限。但对于长线投资者而言，确认“直接流量已见顶”这一事实足以改变估值逻辑。

估值重估：溢价合理性的消解与AI代理的颠覆性影响

过去，Airbnb享有高于Booking的高估值倍数（如30倍LTM EBITDA vs Booking的约15-20倍），理由是其拥有差异化的房源供给和近乎零成本的有机直接流量，无需像Booking那样持续支付高昂的Google广告费。然而，随着AI代理技术的成熟，这一溢价基础正在瓦解。作者预测，到2027年底之前，任何在Airbnb上托管房源的房东都将能够通过简单的提示词（Prompt），让AI代理自动将其房源同步至Vrbo、Booking等其他平台，并管理日历。这种“懒惰的提示”将极大降低多平台管理的门槛，削弱Airbnb作为唯一首选平台的网络效应。如果AI代理能提供更丰富的上下文和更优的推荐，消费者将不再局限于单一App，而是通过AI代理跨平台比价。这将导致Airbnb的有机流量优势被稀释，其高估值所依赖的“差异化供给+零成本获客”逻辑不再成立。因此，即使Airbnb的实际利润率因前期投入（如体验、服务）而被低估，其当前30倍EBITDA的估值倍数相对于Booking而言依然过高。在AI重塑流量入口的背景下，Airbnb与Booking的业务模式将趋于同质化，巨大的估值差异缺乏合理支撑。

AI代理引发的“双重发布”与平台依赖风险

Airbnb房东目前普遍面临一个核心痛点：虽然意识到过度依赖单一平台的危险性，但因操作繁琐而难以拓展其他渠道。许多个体房东选择Airbnb正是因为其直观易用的平台特性，导致他们仅在此一站发布房源。然而，随着Meta推出的Muse等AI代理技术的发展，跨平台发布的用户界面摩擦被大幅消除。对于兼职房东而言，手动管理多个日历过于耗时且复杂，而AI代理可以自动处理所有协调工作。这种便利性可能导致房源在Airbnb之外的平台出现“双重发布”现象，从而造成库存泄露。一旦房东完全信任AI代理的操作，原本封闭在Airbnb生态系统内的流量和预订数据将发生外溢。这种技术变革使得房东更容易绕过平台限制，直接通过AI工具实现多渠道分发。

“如果Muse消除了那种UI摩擦……因为很多人是兼职做这个，他们真的不想处理日历，那太麻烦了。”

房东们普遍对Airbnb拥有的“核武器般”的权力感到担忧。这种风险并非理论假设，而是真实存在的商业威胁。如果客人留下差评，房源可能会从搜索结果中消失、受到惩罚甚至被直接封禁。这种不可预测的处罚机制让房东们意识到必须分散风险，但高昂的操作成本阻碍了这一行为。尽管许多房东曾经历过被随机封禁或处罚的情况，且最终可能得到解决，但这种切身的痛苦体验强化了他们对多渠道布局的需求。然而，在AI工具普及之前，这种需求始终被“麻烦”所抑制。

流量结构与估值差异下的竞争格局

从商业逻辑来看，Airbnb拥有大量直接流量（Direct Traffic），这意味着其搜索网络媒体支出（SNM）相对较低。相比之下，Booking.com拥有超过50亿美元的庞大营销预算，已经购买了各种渠道的海量流量。如果未来的分发渠道从传统的搜索引擎（如Google）转向AI代理（如ChatGPT或Muse），对于Booking而言影响相对较小，因为其已经通过巨额投入锁定了广泛的流量入口。然而，这种变化对Airbnb构成更大威胁。如果AI代理成为主要预订入口，Airbnb需要重新购买流量以维持曝光，这将显著增加其获客成本（CAC）。

从估值角度看，Booking的市盈率约为11倍ID A倍数，而Airbnb高达30倍。如果AI导致流量渠道收敛或竞争加剧，两者的估值差距可能缩小。即使Booking的付费流量比例从90%下降到60%，其绝对值的恶化幅度（30个百分点）也大于Airbnb从33%上升到50%的情况。更重要的是，任何中介化的减少都会直接冲击Airbnb的损益表（P&L）。虽然多渠道分散可能带来更低的CPM和CAC，但这仍是一个巨大的不确定性风险。Airbnb的低直接流量占比使其在面对渠道变革时更为脆弱，而Booking庞大的既有营销投入构成了其防御壁垒。

忠诚度计划与AI代理的决策影响

Airbnb缺乏有效的用户忠诚度计划，这是其在AI时代面临的另一个结构性劣势。Brian Chesky曾强调关注“易逝性机会”（perishable opportunities），但忠诚度计划可能是一个被低估的长期护城河。Booking.com拥有成熟的忠诚体系，其数据显示超过一半的预订来自忠诚度计划会员。当AI代理（如Muse）在推荐房源时，如果面临功能相似的选项，它会优先向用户推荐能带来额外价值的平台。例如，AI可能会提示：“选择Booking.com，因为你可以获得折扣和积分。”这种基于利益的推荐逻辑将削弱Airbnb在AI代理决策中的竞争力。

此外，Airbnb的低利润率部分源于其未能有效利用赞助广告等变现机会。随着AI代理的普及，赞助商广告的展示空间可能被进一步压缩。房东和平台都在持续投入体验和服务，但AI代理的介入可能改变这一生态。如果用户完全依赖AI进行决策，传统的品牌曝光和广告点击模式将失效。Airbnb需要在低利润率和高渠道风险之间寻找平衡，而缺乏忠诚度和广告变现能力的短板将在AI主导的未来被放大。

AI对Airbnb利润率与护城河的双重挤压

AI技术的引入可能显著改变在线旅游市场的竞争格局，尤其是对Airbnb这样的平台构成结构性风险。核心担忧在于利润率结构的恶化。如果AI使得用户获取成本（CAC）在未来上升，或者导致平台无法维持原有的运营杠杆效应，那么其盈利模型将受到严峻挑战。边际利润率下降是这一趋势下的直接后果。此外，Airbnb近期重点拓展的住宿业务中，酒店板块是最具商品化（commoditized）特征的领域。除非Airbnb能继续主导流量分发，否则其在酒店领域的竞争优势正面临被AI替代的风险。这并非意味着Airbnb会立即倒闭，而是一个二元对立之外的中间状态。评估其未来价值的更直观方式是问：五年后Airbnb的业务状况是更好还是更差？

"It doesn't mean this is a binary thing. It's like it's either going to be successful or they're done as a company."

创始人治理风格与组织效率的反思

Airbnb作为创始人主导的公司（founder-led company），其管理层Brian Chesky的决策风格一直是分析重点。批评者指出，自Chip功能上线以来，Airbnb应用界面四年未发生显著变化，这种停滞被视为近乎不可接受。然而，创始人通常在背水一战时表现最佳。Chesky深知这些风险，并可能在寻找新的破局之道。回顾历史，Chesky在疫情后（post-pandemic）才真正开始关注财务与运营效率。此前，公司内部存在多达10个不同的营销部门，甚至拥有独立的Airbnb出版物及其营销团队。通过精简组织和大幅削减成本，公司从深度亏损转向强劲盈利。这种管理模式的转变表明，创始人并非不关注业务，而是此前缺乏紧迫感。

"It's been like four years since Chip was launched and Airbnb app has barely changed in the last four years which I think is a borderline unacceptable."

Services业务战略：价值主张与执行失误

Airbnb推出的Services（服务）板块旨在填补市场空白，即缺乏一个能聚合服务提供商、评论并支持应用内支付的无缝体验平台。这一模式在中国市场已被微信和美团验证成功，而Yelp则因固守传统搜索广告模式错失了这一机会。尽管Services具有真实的价值主张（value prop），但Airbnb在战略执行上犯了两个关键错误。首先，在产品尚未被用户广泛接受前就收取20%的佣金率（take rate），这极大地阻碍了早期采用。其次，未能通过收购建立小型企业（small businesses）的基础用户群。

"Total mistake charging a 20% take rate on services before anyone even uses it or adopts it."

错失的并购机会与成本效益分析

在构建Services生态时，Airbnb本可以通过更具性价比的方式快速获取供给端资源。文中指出，以约20亿美元（$2 billion）或更低的价格收购Yelp是一个极具吸引力的选项。通过这一并购，Airbnb可以直接获得1000万+小型企业和3000万+用户。这些资源正是Airbnb试图通过Services业务自行构建的市场基础。相比之下，自建（build）这些用户群和商户关系的客户获取成本远高于收购Yelp的成本。尽管Services业务在逻辑上成立，但高昂的自建成本和错误的定价策略使其初期推进困难重重。投资者目前持谨慎态度，需要看到更清晰的战略执行路径才愿意持有该资产。

"You could have bought Yelp for $2 billion, maybe a little less today, and you get access to... 10 million plus small businesses... at a much cheaper fraction of the cost."

Airbnb 产品执行与品牌延伸的局限性

尽管 Francis de Souza（注：此处指代视频中批评的对象，可能为 Airbnb 高管或相关人物）创立了伟大的企业并提供了许多值得学习的商业理念，但其具体产品的执行逻辑存在显著缺陷。核心问题在于Airbnb 的流量属性与高频日常服务不匹配。由于 Airbnb 属于低频出行场景，用户仅在旅行时打开应用，这种非日常高频的使用习惯使其难以切入需要极高粘性的服务领域。此外，Airbnb 的品牌影响力主要局限于住宿本身，无法有效延伸至其他生活服务类别。这种产品定位与执行层面的错位，使得整个产品的创造过程显得格格不入。即便观察者希望看到其成功并渴望使用该产品，但整体执行逻辑缺乏合理性。这种“为了创新而创新”的尝试，在商业落地层面显得过于牵强。

Booking.com 的低估值优势与“管道”属性对比

在比较 Airbnb 与 Booking.com（以下简称 Booking）时，必须认识到两者在市场估值逻辑上的根本差异。Booking 目前的市场表现被形容为“管道股”（dump pipe），其交易市盈率约为 10-11 倍的 LTM EBITDA。这意味着，只要 Booking 能证明自己比纯粹的流量管道稍好一些，其市场地位就已经相对稳固。相比之下，Airbnb 拥有独特的非标住宿供应和精美的 UI/UX，而 Booking 则面临界面丑陋、体验较差的批评。然而，Booking 的优势在于其庞大的酒店库存和标准化的供应体系。大多数在 Airbnb 上预订的房源，通常只能通过特定渠道预定；而在 Booking 上，用户往往能找到更广泛的替代方案。这种供应端的差异使得 Booking 在流量获取上具有不同的逻辑。虽然有人担心 AI Agent（如 Meta 的 Muse）会分流 Booking 的直接流量，但其低估值本身已提供了安全边际。正如对话中所言：

"Booking is already valued like a dump pipe... if you are trading at like 10-11 times IDA LTM, you're already kind of valued like a dump pipe."

费率平价条款（Rate Parity）带来的结构性护城河

Booking.com 相对于 Airbnb 的一个关键竞争优势在于其费率平价条款（Rate Parity Clauses）。在欧洲以外的大部分市场，Booking 与酒店签订了协议，要求酒店在 Booking 上的价格不得高于其他渠道。虽然欧洲市场因法律原因允许差异化定价，但这并未完全消除 Booking 的优势。许多酒店即使被允许设定不同价格，仍因担心在搜索结果中被降权而选择保持一致。此外，Booking 通过批量采购房间（bulk rooms）获得了定价权，这使得用户经常能在 Booking 上找到比官方渠道更便宜的价格。相反，Airbnb 的房东完全自由地在不同平台或自有网站上设定价格。如果 AI Agent 开始比价，Airbnb 房东可能因跨平台价差导致销售流失（leakage）。Booking 无需改变现有政策即可享受这一红利，而 Airbnb 若引入类似条款则面临监管和媒体舆论风险。因此，Booking 在费率控制上拥有既得利益者的优势。对话中指出：

"Booking actually has rate parity clauses with the hotels... it's pretty common for you to actually find cheaper rooms on booking than elsewhere."

信任机制差异与 AI Agent 冲击下的相对表现

Airbnb 的核心壁垒建立在高度碎片化的长尾供应所衍生的信任机制上，而 Booking 的标准化酒店业务对单一平台品牌的依赖度较低。Booking 的品牌强度不及 Airbnb，但其真实存在的实体酒店业务降低了用户对平台中介的信任焦虑。从投资策略角度看，若 AI Agent 的普及速度慢于预期或陷入炒作周期，消费者行为不会迅速改变，那么Booking 当前的低估值可能使其成为被过度惩罚的对象。反之，若 AI Agent 迅速接管搜索比价功能，Airbnb 因缺乏费率控制且依赖独特供应，可能面临更大的流量流失风险。因此，在配对交易（pair trade）的逻辑下，长期 Booking 并做空 Airbnb 被视为一种相对稳健的选择。这并非断言 Booking 是更好的商业模式，而是基于当前估值水平与 AI 冲击风险的非对称性。正如对话最后所强调的：

"If there's a gun to my head, I would be long booking and short Airbnb. But thankfully there's no gun to the head."

直接预订的信任基础与AI的套利消除

在酒店预订领域，信任机制的差异决定了用户的行为模式。对于Airbnb这类共享经济平台，第三方中介的存在是建立信任的关键，因为用户需要有人来调解潜在的问题；而对于Booking.com这类传统酒店预订平台，由于交易对象是实体存在的商业机构（即使是法国南部的小型精品酒店），用户对获得体面对待的预期更高，因此信任要素的重要性相对较低。这种心理预期使得用户更倾向于直接预订。

长期以来，“直接预订是最佳选择”的观念已深入人心，其核心逻辑在于避免中介带来的沟通断层。“我们没有实际出售你的酒店房间……你不能给我们升级，所有这一切都让事情变得更加繁琐。” 这种观点认为直接联系酒店能更有效地解决房间问题或获取升级。然而，过去用户虽然知道这一点，却往往因为OTA（在线旅游代理）的价格优势而妥协。AI的出现改变了这一局面：“现在你有一个AI代理可以在两周后再次提醒你，价格已经变化……我们可以自动为你预订另一家。” AI能够系统化地执行比价和重新预订流程，消除了剩余的价格套利空间。

主动式商业：从被动查询到AI代理的预判服务

一个关键的转变在于AI代理的主动性（Proactive）。与过去用户需要主动发起查询不同，现在的AI可以基于用户的习惯自动提供建议。“Muse甚至主动向我的朋友发送消息……告诉他你每年支付430美元，而使用另一个完全相同的服务只需130美元。” 这个案例表明AI不仅能处理旅行预订，还能监控其他订阅服务并建议切换以节省成本。

如果AI代理能够识别用户的旅行频率，它可能会主动建议用户“直接访问酒店网站并成为忠诚会员”，从而获得比通过Booking.com预订更好的体验。这种模式的核心价值在于“如果它们主要基于交易进行货币化，那么就没有利益冲突……不会仅仅为了推广出价最高的广告库存而推荐某一方。” 这解决了传统OTA模式中因竞价排名导致的潜在利益冲突问题。

“主动式商业”新类别的诞生与Airbnb模式的张力

这种由AI代理代表用户进行主动推荐甚至购买的行为，被定义为“主动式商业（Proactive Commerce）”。它介于传统的“意图驱动购买”（如在亚马逊搜索特定书籍）和“发现式购买”（如Instagram上的广告推荐）之间，构成了第三种从未存在过的商业类别。在这种模式下，AI不再是被动响应查询的工具，而是主动告知用户“你应该购买什么”甚至代为购买的智能体。

然而，这种新范式与现有的商业模式存在巨大张力。以Airbnb近期推出的“先预订后付款”（Reserve Now Pay Later）功能为例，如果AI代理通过访问用户的Gmail得知用户已预订但未付款的Airbnb房源……它完全有可能主动建议：‘你可以直接去网站以更低的价格预订。’” 虽然这听起来像是一个极端的假设场景，但鉴于Muse已经能主动建议更换软件服务，“我无法完全称之为不可能”。这种潜在的冲突揭示了AI代理在优化用户利益时，可能与平台现有的收入模型产生根本性的矛盾。

直接预订的可行性争议与算力瓶颈

关于AI代理是否会取代Booking.com等在线旅行社（OTA），一种观点认为，既然酒店已有官网且支持双重上架，AI代理应能直接比价并预订，从而让OTA失去存在的必要性。然而，这种看法忽略了工具使用或浏览器操作是一个计算密集型的流程。如果AI代理直接通过浏览器访问酒店官网，需要经历多步点击才能确认房态和价格，这一过程极其低效。相比之下，连接API（Connector）是更高效的起点。Meta的Muse等AI代理倾向于通过Expedia或Booking.com的合作接口获取数据，因为这些平台已将信息结构化整理为目录。正如对话中所述："> tool use or browser use is fairly compute intensive process. So that's where the connector idea comes in right." 这种架构设计使得代理能迅速获取实时价格和库存，而非在杂乱的网络页面中盲目爬取。

实测数据揭示的当前技术局限

为了验证AI代理直接浏览网页的能力，进行了具体的基准测试。当要求Muse对5家酒店进行价格检查时，耗时高达14分钟。这一数据直观地展示了当前技术的算力瓶颈：如果检查5家酒店需要如此之久，那么代理根本无法在合理时间内扫描成百上千的酒店选项。因此，直接爬取整个互联网在当前阶段是不切实际的。Meta之所以与Expedia等公司合作，正是因为这些合作伙伴提供了经过组织的数据接口。测试结果显示，当询问佛罗伦萨的酒店时，5个结果中有4-5个均来自Booking.com。这表明AI代理目前仍高度依赖OTA平台来获取准确、实时的房源信息，因为直接访问酒店官网往往需要复杂的交互步骤才能确认房间可用性。

护城河：忠诚度计划与支付体验

除了技术层面的限制，Booking.com还拥有深厚的商业护城河。其忠诚度计划（Genius Points）贡献了超过一半的夜间预订量。用户为了积累积分以换取免费住宿或升级，倾向于直接通过App或官网预订，而非通过AI代理跳转。这种用户粘性构成了强大的防御机制。此外，即使AI代理找到了相同的酒店列表，直接预订的支付选项可能比通过OTA更为有限。这引发了一个关键问题：AI代理提供的便利性是否足以抵消用户对忠诚度奖励和支付灵活性的偏好？Booking.com若能快速推出自己的AI代理功能，或许能进一步缩小这一差距。正如观点所指出的："> the point of a loyalty program is to build loyalty. And that means that you don't go and shop around elsewhere." 这种基于用户习惯和奖励机制的壁垒，在短期内难以被单纯的技术效率所打破。

长期展望：算力成本下降与终端价值

尽管当前AI代理直接浏览网页的效率低下，但长期来看，算力成本预计将大幅下降。随着技术进步，AI代理可能在未来达到“超人”阶段，能够以极低的延迟和成本快速浏览海量库存。届时，计算效率的提升将消除当前的技术障碍。虽然Meta等公司目前可能训练代理默认使用连接器以节省成本，但从长远投资的角度看："> the beauty or the boon or bane of long investing is basically everything's in the terminal value"。如果五年后算力变得极其廉价，AI代理将能够自由选择对用户最有益的方式——无论是通过API还是直接浏览网页。这意味着当前的算力限制只是暂时的，未来的竞争焦点将转向谁能为用户提供最优的最终结果，而非仅仅依赖当前的技术路径依赖。

OTA平台的短期防御与长期数据护城河

在线旅游代理（OTA）如Booking和Airbnb在短期内似乎能抵御AI带来的颠覆风险，这主要得益于支付方式的复杂性和地域差异。不同国家存在150到200种不同的支付方式，例如支付宝等本地化支付工具在普通酒店前台并不普及，但通过Booking等平台则能顺畅使用。这种支付环节的便利性构成了短期内的绝缘层。然而，长期来看风险在于AI代理是否会建立自己的酒店数据库。如果AI通过大量预订积累了用户偏好数据，并直接映射出所有酒店位置，它就能在有限范围内直接向用户推荐住宿，从而绕过OTA的搜索聚合层。与此同时，酒店业主可能变得更加精明，通过向大型语言模型（LLM）开放实时库存链接来直接对接需求。一旦这种聚合层不再被证明其价值，OTA赖以生存的18%佣金模式将失去合理性。>

高频低额交易与决策模式的错位

外卖订单具有高频率、低考虑度及小额支付的特征，这使得通过AI代理（如Muse）绕过传统应用界面来节省大量成本的说法显得说服力不足。然而，核心挑战在于用户的点餐决策流程。大多数用户并非带着明确的既定目标去下单，而是处于一种“浏览式”的探索状态。如果用户能精确指定餐厅和菜品（例如：“从最近的Chipotle点一份特定菜单”），AI代理确实能出色完成任务，甚至在未来做得更好。但现实是，“大多数人并不是每天吃同样的东西”（原文：most people probably don't decide like that. They don’t have the same meal every day）。这种不确定性意味着用户需要浏览来发现想要的内容，而AI代理若能在此时提供个性化推荐、展示餐厅及菜品组合，将构成对传统浏览模式的颠覆。

配送网络的三重壁垒与长期共存

尽管AI代理可能改变前端交互，但实体配送网络构成了难以逾越的护城河。外卖服务是一个涉及用户、餐厅和配送员的三方网络（three-sided network）。即使AI代理直接连接餐厅，仍需依赖物理配送系统。目前存在多种可能性：一是餐厅自建或采用第三方白标（white-labeled）配送服务，从而降低佣金率；二是依赖DoorDash或Uber Eats等平台的现有网络。值得注意的是，配送服务在美国并非传统业态（原文：delivery is actually a recent phenomenon），直到2010年代初才逐渐普及。DoorDash和Uber Eats已建立起包含人类司机、无人机（如DOT）及自动驾驶在内的稳健配送基础设施。在5到10年内，这些模式将共存而非相互取代。履约环节（fulfillment aspect）仍将保持其相关性，因为无论前端界面如何变化，最后一公里配送无法被完全虚拟化。

经济模型的重构与盈利能力的底线

如果AI代理在前端界面实现去中介化，外卖平台将失去广告和佣金收入的主要来源，被迫转向从履约环节获取更高利润。这是否能抵消前端收入的损失尚属未知数（TBD）。然而，数据表明平台并未过度获利。以DoorDash为例，其每单利润约为0.5美元（原文：makes like 50 cents... per order），而平均订单价值（AOV）约为33美元。这一利润率表明，即使失去部分前端经济优势，平台仍有空间维持类似的盈利能力。市场目前可能高估了每单利润的增长预期，但即便保持当前水平，平台也具备较强的抗压能力。相比之下，高价值、低频率的旅行预订领域（如Instacart提到的50%交易来自旅行）更容易被AI代理渗透，而外卖领域的去中介化进程预计将晚于其他行业发生。

外卖业务：三方网络构建天然壁垒

尽管AI代理可能改变用户交互方式，但外卖业务因其独特的三方网络结构而具备较强的抗风险能力。与网约车不同，外卖平台不仅聚合餐厅，还深度整合了配送环节。这种复杂性使得单一维度的竞争难以撼动其地位。**

AI代理重塑消费决策逻辑

传统电商购物往往依赖算法推荐和搜索排名，用户倾向于无脑购买排名第一或次日达的商品，甚至不清楚自己是否支付了合理价格。然而，以Meta的Muse为代表的AI代理正在改变这一行为模式。AI能够根据用户的具体需求提供筛选标准并推荐产品，而非仅仅展示热门商品。这种转变意味着消费者不再盲目跟随平台流量分配，而是依赖AI进行理性决策。

"Before this agents came along, I would go to Amazon... mindlessly buy stuff like whatever that shows up on the top."

这种变化对广告主构成了实质性风险。如果AI代理专注于为用户提供最佳质量的产品而非最大化平台利润，传统的广告盈利模式将受到挑战。消费者开始关注产品本身的质量匹配度，而非仅仅被曝光率驱动。这标志着从"流量导向"向"价值导向"的购物逻辑转变，用户期望AI能理解其隐含需求并给出专业建议。

亚马逊应用体验的严重滞后

尽管拥有万亿市值，亚马逊的应用程序在用户体验层面被评价为"糟糕至极（crap）"。其核心功能仅局限于搜索栏和购买按钮，其他交互体验均存在缺陷。例如，拼写错误无法自动纠正，即使对于用户曾经购买过的商品也是如此。这种基础功能的缺失令人难以理解，尤其是在竞争对手不断优化的背景下。

"If you look at the Amazon app, it is kind of crap... Everything else about the experience is garbage."

用户指出，亚马逊未能利用其巨大的技术优势来改善基础交互。搜索智能不足导致用户在寻找特定商品（如牛排刀）时，面临数百个无关结果的困扰。相比之下，AI代理虽然目前也存在不足（如搜索速度慢、推荐陌生品牌），但亚马逊作为基础设施提供商，未能将AI能力直接整合进应用内部是其重大战略失误。这种体验差距使得用户有动力转向其他平台或工具进行购物决策。

内部AI整合与围墙花园策略的博弈

亚马逊的核心优势在于其极高的用户习惯粘性和高效的物流网络。用户倾向于直接打开Amazon App购买日常用品，因为这种路径比先使用AI代理再跳转更快捷。因此，亚马逊必须在应用内集成足够好用的AI功能，以防止用户流失到其他AI平台。

"They need to build in AI capabilities directly into their app... keeping that behavior is the most important thing."

然而，存在一种风险：如果亚马逊的AI表现不佳，用户可能会转向Muse等外部代理。尽管这些代理目前存在搜索慢、推荐不可靠等问题，但亚马逊的"围墙花园（walled garden）"策略提供了保护。通过限制外部AI直接访问其库存数据，亚马逊确保即使Muse再强大，用户在购买日常用品时仍可能选择直接在App内操作。只要亚马逊的AI表现"足够好（good enough）"，不迫使人们去别处搜索，就能维持其电商主导地位。这种策略结合了内部体验优化与外部数据封锁，旨在巩固其在AI时代的竞争地位。

核心论点：AI代理与原生搜索的任务差异

在评估Meta的Muse等AI购物助手对亚马逊的影响时，必须首先厘清两者所承担的用户任务本质差异。用户在使用Amazon时的核心特征是具有明确的购买意图（purchase intent），这属于“意向性发现”后的执行阶段；而Muse这类AI代理需要处理的是随机物品的查找、无购买意图下的最佳选项推荐以及决策辅助。这种任务复杂度的不对等意味着，如果亚马逊能优化其应用内的AI功能，例如集成智能推荐和搜索算法，便足以守住现有的商业阵地。对于亚马逊而言，当前的首要任务并非彻底重构业务模式，而是确保应用秩序井然并融入AI功能，以此作为防御手段。这种观点认为，通过强化自身App内的体验来“保存和守护”现有业务领域，在逻辑上是可行且足够的。

实证案例：亚马逊物流优势与广告争议

为了验证AI代理是否会颠覆现有巨头，演讲者分享了亲自使用Muse进行购物查询的实证案例。在测试中，他要求AI代理根据“最佳价格”和“最佳配送速度”筛选商品，结果发现亚马逊在大多数查询中胜出。这一案例有力地证明了，即便其他平台开放接口给AI代理使用，亚马逊凭借其强大的物流网络和配送速度优势，依然能保持市场份额。然而，这一结论也伴随着一个关键前提：即用户界面（UI）的控制权问题。赞助广告（sponsored ads）被视为一个潜在的风险点，因为如果AI代理成为主要入口，亚马逊可能失去对展示界面的直接控制。因此，演讲者强调亚马逊需要捍卫现有的用户界面控制权，并通过改进内部体验来应对挑战，而非盲目开辟全新赛道。

未来场景：超级应用与多代理协作生态

关于未来的电商形态，存在两种截然不同的可能性。一种极端情况是消费者逐渐转向“聚合器的聚合器”（即超级应用或单一AI代理），导致所有购物行为都通过一个Agent完成，亚马逊可能退化为后台基础设施。另一种更可能的场景是多代理协作生态。演讲者指出，用户可能不会只依赖一个全能AI Agent，而是保留直接访问特定App的习惯（如亚马逊购物、DoorDash点餐）。例如，用户可以在DoorDash App内直接使用其内置的AI推荐系统（基于历史订单推荐食物），然后该系统再与外部的消费者AI Agent（如Muse）进行对接。这种架构下，DoorDash的推荐引擎可能被嵌入到更大的AI生态中。虽然这会导致未来界面和交互变得复杂，但也意味着亚马逊可能转型为销售基础设施、履行服务和第三方广告平台。尽管这会牺牲部分直接广告收入，但如果能吸引大量AI代理通过其接口完成交易，这种被动式的基础设施化转型或许能带来新的增长动力。

结论与展望：主动式商业的新类别

综合来看，尽管Muse目前的体验尚不完美，但它正在做亚马逊当前App无法直接提供的主动式发现服务。演讲者认为，如果能在Amazon内实现类似的体验，将显著提升用户满意度。最终，这场辩论揭示了一个新的商业类别：主动式商业（proactive commerce）。这区别于传统的“意向性发现”模式，标志着电商从被动响应搜索转向主动推荐和决策辅助。对于亚马逊而言，关键在于平衡内部AI能力的提升与外部代理生态的接入。无论未来是走向单一超级应用还是多系统协作，亚马逊都需要在物流基础设施优势与AI界面控制权之间找到新的平衡点。演讲者最后幽默地建议，观众可以通过其网站或Twitter（@mostlyborrowedideas）获取更深入的研究订阅，并调侃道：“也许你可以让AI代理去黑掉他的网站看看有没有更便宜的选项。”

结论

Meta Muse的实测表明，AI代理在视觉化推荐、个性化历史数据整合及跨平台比价上具备颠覆性潜力，能显著削弱OTA的信息垄断价值。然而，当前技术存在算力瓶颈：直接浏览网页耗时过长（5家酒店需14分钟），且缺乏实时库存确认能力，导致其仍高度依赖Booking等OTA的结构化数据接口。

长期来看，AI代理通过“主动式商业”重构决策流程，威胁Airbnb的直接流量优势。但Booking凭借费率平价条款、庞大的忠诚度计划及支付便利性构建了短期护城河，且其低估值已部分反映风险。AI代理尚未能完全绕过OTA的数据层与信任机制，双方将进入长期博弈阶段。