Airbnb在8月6日公布的2026年二季度财报，给AI应用商业化提供了一组少见的硬指标。 $爱彼迎(ABNB)$
财报显示Airbnb二季度收入36.1亿美元，同比增长17%；Gross Booking Value达到272亿美元，同比增长16%；Nights & Seats Booked达到1.483亿，同比增长10%；调整后EBITDA约13亿美元，同比增长21%，利润率达到35%。公司随后将全年收入增速指引提高至“至少中双位数”，调整后EBITDA Margin指引也从至少35%上调至至少35.5%。
客服系统情况更是值得关注。Airbnb披露，通过AI Assistant发起的客服问题中，接近45%已经可以无需人工介入完成解决，每笔预订对应的客服成本同比下降约16%。今年一季度，AI独立解决问题的比例还在40%以上，对应的每笔预订成本下降约10%；2025年四季度自动解决率约为三分之一。
综合来看，一条经营曲线已经出现：AI承担的工作越来越多，单位交易需要消耗的人力越来越少。
CEO Brian Chesky在电话会上甚至说：“AI是Airbnb有史以来遇到的最美好的事物。”Airbnb也已经开始用成本、开发效率和利润率呈现AI给公司所带来的价值。AI商业化讨论也因此多了一个更重要的问题：模型究竟能为一家成熟企业省下多少钱？
AI应用的第一轮财务回报，正在高人工成本的后台系统集中出现
生成式AI商业化一直存在一层错位。尽管用户能明显感受到模型每隔几个月变聪明一次，企业利润表却很少同步发生变化。聊天次数、Token消耗、AI功能渗透率可以证明技术被使用，却很难证明企业因此拥有了更好的单位经济模型。
客服提供了一个不同的起点。
住宿平台需要处理取消、退款、入住、支付、房源规则、房东沟通等大量问题，同时业务覆盖多个国家和语言，又要求全天候响应。里面有相当一部分工作高度重复，却长期依赖人工坐席。于是订单规模扩大以后，客服成本通常也会跟随业务量上涨。
如今Airbnb正在改变这组关系。AI Assistant承担的工作开始越过简单问答，深入订单信息、规则判断和标准流程执行。同时影响还在向研发体系扩散。
Airbnb披露，部分项目从概念形成到产品上线所需时间最多缩短60%，今年上半年上线的功能及改进数量同比增加接近80%。二季度公司重做首页推荐、搜索结果、注册登录和结账等环节，并表示这些产品调整带来了更好的预订转化。
以上实打实的数据比“用了AI”的说法更有说服力，更有行业参考意义。
软件最大的魅力一直来自近乎零成本的复制，可应用到服务业却受制于人力投入。经济学中的“鲍莫尔成本病”描述的正是这种困境：很多服务无法像制造业一样持续提高劳动生产率，工资却会跟随整个经济体上涨。
生成式AI为其提供了一个罕见的突破口。客服、运营、销售支持、内容审核、代码开发原本都属于需要大量脑力劳动的服务环节，一旦部分工作能够由软件自主完成，服务业第一次可能获得接近软件行业的规模效应。
模型越来越容易获得，交易数据和执行能力开始决定应用层效率
Chesky此前多次表示，Airbnb并不准备参与大规模基础模型训练和算力建设。公司会调用包括开源模型在内的外部模型，把内部资源集中到产品、数据和工作流。2026年5月，美国国会还曾就Airbnb使用Qwen等开源模型展开调查，Chesky随后公开解释，Airbnb运行模型并不意味着把用户数据交给模型提供商。
Airbnb没有把AI战略建立在自研基础模型和GPU基础设施上，其所采取的路线对应了一种越来越清晰的应用层分工：基础模型提供通用智能，平台公司负责把智能接入真实业务。
技术史学家Melvin Kranzberg曾说：“技术既非善也非恶，也不是中性的。”技术最终产生什么经济结果，与所处的组织、制度和使用方式密切相关。
放到Airbnb身上，模型会不会聊天并没有太高门槛。真正的难度在于AI能否知道某一张订单发生了什么，理解房源对应的政策，判断取消和退款规则，调用支付系统，再在风险过高时把问题移交人工。
搜索也是同样的道理。
住宿还是高度非标准化商品，一套公寓与另一套公寓之间很难像机票一样直接比较，评价、位置、装修、房东沟通和退款保障都会影响决策。通用AI可以告诉消费者巴黎住在哪个区域，但是没有Airbnb实时房源库存、价格、房东关系、支付系统和售后履约能力。
Airbnb因此拥有了把AI向交易链条继续延伸的空间。公司目前已经从Homes向酒店、汽车租赁、私人厨师等品类扩张。二季度酒店间夜增长速度约为Homes的三倍，尽管酒店在总间夜中的占比仍处个位数；北美预订增速也达到接近三年来最高水平。
新品类越多，AI能够参与的节点也越多：发现需求、推荐商品、比较房源、辅助定价、生成内容、完成客服，再进一步延伸至跨品类推荐。
客服AI解决的是成本问题，搜索和推荐面对的是收入问题。两端逐渐连在一起以后，AI对平台公司的影响会比单独上线一个聊天机器人深得多。
45%以后更难，Airbnb需要证明AI不会把效率变成新的信任成本
Airbnb目前的数据足够积极，但45%的自动解决率也意味着容易自动化的问题正在逐步被吃掉。剩余客服需求通常更加复杂。
像安全事件、重大退款、房东与住客纠纷、财产损失等，都需要理解上下文和权衡责任。随着AI继续扩大处理范围，每提高一个百分点，面对的问题难度可能都会增加。
因此，Human Intervention Rate不能孤立观察。
如果人工介入率继续下降，重复咨询、投诉、错误退款或者升级人工后的处理时间却明显增加，节省下来的客服费用可能转化成用户信任成本。Airbnb今年已经出现用户公开反映AI客服提供错误信息的案例，虽然个案无法说明整体服务质量，却已经提示了自动化继续深入后的边界。
Airbnb的第二个压力来自业务边界扩大。
酒店、汽车租赁以及更多旅行服务的增加，虽然提高了Airbnb的收入空间，但也增加了履约复杂度。Airbnb越接近综合旅行平台，竞争范围越接近Booking、Expedia等成熟OTA。AI能够提升内部生产率，却无法替代供给密度、价格竞争力、品牌信任以及长期积累的服务体系。
二季度的财务表现至少给出了一个积极起点：收入增长17%，调整后EBITDA增长21%，全年EBITDA Margin指引继续提高。
AI行业已经积累了大量衡量技术能力的指标，却仍然缺少足够多衡量企业经营。AI应用下一轮竞争，会看谁能把每一笔交易做得更便宜。接下来拥有真实交易、私有数据、执行权限和完整履约体系的公司，更容易把这种技术进步转化成收入和现金流。Airbnb已经给出第一组连续可验证的数据。
接下来需要观察的，是AI自动化率能否继续提高，同时核心住宿保持增长；新品类持续扩张，同时利润率没有被投入明显侵蚀；产品开发更快，同时消费者体验保持稳定。只有三条线同时成立，Airbnb的AI战略才具备更长久的基本面含义。
AI最终有多大的商业价值，不需要从参数表里寻找答案。利润表会给出更清楚的结果。
精彩评论