Glenn Fogel：旅行平台没有护城河，只有持续进化
覆盖说明：本期基于完整音频完成 ASR，并用节目方 YouTube 字幕校对专名、章节和数字。正文按原始节目顺序做完整精读，涵盖主要论点、案例、数据与金句；本篇是完整 ASR 精读版，不是逐句无删减全文译本。
这期在谈什么
No Priors 主持人 Elad Gil 访谈 Booking Holdings 与 Booking.com CEO Glenn Fogel。Fogel 从 2000 年加入 Priceline 时公司市值跌到几亿美元、股价跌到 1 美元附近的经历讲起，谈到 Booking 如何把 AI 放进旅行规划、客服和故障处理，再谈资本配置、规模优势、就业变化与员工再培训。
他给出的主线很清楚：旅行不是把库存塞进数据库那么简单，AI 的价值也不在于把平台从中间拿掉，而在于让旅行者更容易完成复杂决策，让供应商更容易经营。与此同时，今天的优势明天就可能被新技术抹平，企业只能继续开发新的服务和做事方式。
嘉宾背景：Glenn Fogel
- Glenn D. Fogel，Booking Holdings 总裁兼 CEO，同时担任 Booking.com CEO。
- 他 2000 年加入当时的 Priceline，之前做过航空运输行业投资银行业务，也曾在资产管理公司做交易员。
- 他拥有宾夕法尼亚大学沃顿商学院经济学学士学位和哈佛法学院学位，是纽约州退休律师。
- 在 Booking 内部，他曾负责全球战略与规划，并参与 Booking.com、KAYAK、OpenTable、RentalCars.com 和 Agoda 等关键收购。
人物资料与真人头像来自 Booking.com 官方人物页。
01｜开场：不存在永远的护城河
Fogel 先把话题拉到竞争优势上。他的判断很直接：不存在一个能让公司永远免受创新冲击的护城河。企业当然会在某些领域拥有竞争优势，但这些优势可能明天就消失。
他认为，长期赢下去的唯一办法，是持续开发新服务，持续寻找新的做事方式。问题不应是「我们现在有什么优势」，而应是：怎样把业务做得更好，客户还缺什么，哪里还有需求，哪里正在受伤。
这句话对 AI 创业者和平台公司都适用。规模、数据、品牌和渠道都能构成暂时优势，却不能自动变成永久保护。真正需要管理的是下一轮变化到来之前，团队有没有继续学习和迭代。
「不存在不会受到创新影响的护城河。长期取胜的唯一办法，是不断开发新的服务和新的做事方式。」
02｜从主机机房到 Priceline
Fogel 从沃顿毕业后，第一份工作并不在投资银行，而是在 Morgan Stanley 的 MIS 项目里做数据中心后台工作。他回忆，自己当时的工作包括给 IBM 3084 主机装磁带，后来转做开发，很快意识到这不是自己想走的职业道路。
身边的本科同学都去了投资银行，他想转向金融，但已经错过了直接进入投行的路径。于是他去哈佛读法学院，把法律当成重新进入金融行业的路线。毕业后，他在华尔街的银行工作到 1995 年，银行被另一家机构收购，大量银行家被裁掉，他也在其中。
这段被解雇的经历让他第一次站到被通知离开的那一边。后来他管理团队时，会一直记得被裁员的人在那一刻经历了什么：组织说「这里已经没有你的位置」，对方听见的并不只是一个商业决定。
失业、父亲去世、祖母去世和宠物离世接连发生时，Fogel 一度写起了小说。他最终没有出版那本书，却在朋友介绍下认识了后来成为妻子的编辑。为了重新找工作，他接受了 Morgan Stanley 的交易职位，后来成为投资人 Barton Biggs 的首席交易员。
交易工作让他积累了金融经验，却没有让他兴奋。互联网在 1990 年代末快速升温，他把 IT、投行和公司发展经验拼在一起，开始寻找互联网公司。东海岸当时最符合条件的公司之一就是 Priceline，于是他申请了公司发展岗位。
03｜加入 Priceline：一周后，纳斯达克见顶
Fogel 本来想等到 1999 年奖金在 2000 年 2 月发放后再加入 Priceline。等他拿到奖金、准备入职时，纳斯达克刚好见顶。他笑称，自己在互联网泡沫顶点前一周做了多头交易，这证明自己并不适合当交易员。
Priceline 上市后一度达到约 300 亿美元市值。Fogel 加入时，市值已经跌到约 150 亿美元；又过了几个月，市场价值只剩几亿美元，股价跌到每股 1 美元附近，公司甚至面临被交易所摘牌的风险。
公司通过反向拆股避免摘牌，Fogel 选择留下。到访谈录制时，他已经在公司工作 27 年左右。股价从拆股后的约 6 美元，涨到后来接近 6000 美元，市值最高接近 1800 亿美元。这个变化不是一条平滑上升曲线，而是经历了泡沫、崩塌、重建和持续经营。
他从这段经历里留下的管理原则是：每天都要为客户争取一次。昨天的成功不会替今天完成竞争，今天的市值也不能替明天证明公司仍然有价值。
04｜互联网泡沫与 AI 热潮
Elad Gil 把互联网时期大量 IPO 公司最终消失的情况，与当下 AI 公司的高估值放在一起问 Fogel。Fogel 不愿意给出一个成功率预测，但他认为这并不是第一次技术热潮带来资本和人才涌入，也不是第一次出现大量失望。
淘金热会带来真正的金矿，也会带来卖铲子的人；汽车行业和互联网都经历过类似过程。大量公司会失败，大量资本会损失，但这不等于所有公司都没有真实价值。泡沫的存在和技术的价值可以同时成立。
他不赞成给创始人一个统一的「现在该卖还是该继续」答案。决定取决于公司的具体情况、管理层对未来的信心、投资人能否继续支持，以及创始人真正想完成什么。
想做一家有影响力的公司，和想尽快赚钱都没有错，但两者是不同的目标。做决定前，创始人需要先回答自己想把有限的时间用在哪里，而不是把市场热度当成唯一依据。
05｜AI 进入旅行：复杂行程才是入口
Fogel 不认为旅行会被一个模型简单地「接管」。他先把旅行还原成一个用户问题：很多人会为了餐厅去旅行，也有很多人需要组织包含多个目的地、不同交通方式、住宿、餐饮和家庭成员约束的复杂行程。
这类任务很麻烦。人们会先开始规划，遇到太多限制后又停下来。富裕用户会找真人旅行顾问，普通用户通常只能让伴侣或家人承担这项工作。Fogel 甚至拿自己举例，他和妻子有时也会争论到底谁来做旅行规划。
AI 适合处理的不是一句「帮我订个酒店」，而是大量条件之间的反复试错：有人要从一个城市落地，再去另一个城市；家庭成员分住不同舱位；有人使用里程，有人支付现金；中途还要考虑酒店、接驳、餐厅和时间安排。
机器不会忘记用户已经说过的条件，也能快速搜索大量组合，再回到前一步检查为什么某个选择不成立。人仍然需要确认和做决定，但 AI 可以先把复杂度压下来。
06｜Penny：从搜索框走向旅行代理
Priceline 的 Penny 是节目里最具体的 AI 案例。Fogel 讲到自己用 Penny 规划一次家庭欧洲旅行：他和妻子要坐在前排，已经成年的孩子安排在后排；家人要去不同城市；抵达后的酒店、第二天的接驳、餐厅，以及航空里程和现金怎么分配，都需要一起考虑。
Penny 会继续追问，例如每家航空公司有多少里程，再根据回答调整方案。最后，Fogel 用里程支付自己和妻子的前段行程，为孩子的航班支付现金，抵达后先住在落地城市，第二天再乘接驳去另一座城市。
这个案例的关键不在于 Penny 能生成一段漂亮的旅行建议，而在于它能持续追问、记住约束、处理多段行程，并让用户在结果出来前参与确认。
旅行中更难的是意外。天气、机械故障、航班延误等问题经常不是任何一方的错，但它们会像多米诺骨牌一样影响酒店、接驳和后续航班。Fogel 希望未来的系统能提前判断可能出现的问题，并在问题发生前提出修改方案。
「旅行像多米诺骨牌，一件事倒下，后面的事情会跟着倒下。真正有用的 AI，是提前看见问题，并帮助你修正。」
07｜有增长，不等于已经证明了 ROI
Elad Gil 提到，Penny 的采用率在过去几个月里大约每月翻倍，并带来更高的转化、更快的搜索、更短的预订路径和更低的取消率。Fogel 没有把这些早期信号直接说成商业结论。
他提醒，Penny 目前相对于 Booking Holdings 的总体业务仍然很小。公司上一年完成了约 1860 亿美元的旅行交易，客房间夜超过 10 亿。放在这个体量里，产品的绝对使用量还不足以明显改变整体数字。
下一步要算的也不只是模型回答得好不好，而是：一次复杂对话消耗多少 token，使用哪个模型最划算，来回追问的成本是多少，转化提升能否覆盖推理成本，用户是否会回来，忠诚度和长期价值有没有变化。
这也是企业 AI 和演示型 AI 的差别。模型能力只是起点，企业需要把 token 成本、转化率、客服成本、复购和用户满意度放进同一张账里。
08｜客服：更快不等于全部自动化
Booking 已经把 AI 用在客服上。Fogel 说，AI 能让客服响应更快，也能减少高峰期排队等待。节目中提到，预订和客服体验相关的每次联系成本已经下降约 10%，同时客户满意度上升。
但他没有因此主张把真人客服全部删掉。有人只想快速解决问题，有人遇到航班取消、家庭成员滞留等情况时，仍然希望和真人说话。系统需要识别这两类需求，而不是为了追求自动化比例，把所有用户都推向同一个入口。
对于服务型产品，AI 的好处不是「让人消失」，而是让简单问题更快被处理，把有限的真人时间留给复杂、敏感或需要判断的场景。
09｜资本配置：先投能产生回报的地方
Fogel 纠正了节目中关于投入金额的说法：公司在当年投入 AI 和其他技术的金额约为 7 亿美元，具体分布在多个技术和业务项目中，不应全部归类为单一的 AI 项目。
他的资本配置顺序是：先判断内部投资能否带来足够的回报；如果没有合适的内部项目，再考虑收购；如果投资和收购都不值得做，就把现金返还给股东，因为股东可能比公司更会配置这笔钱。
他提到，公司过去十多年回购了约 40% 的流通股。最近一个季度回购约 36 亿美元股票，支付超过 3 亿美元股息，并为股权激励相关税费支付约 3 亿美元。
这套逻辑对 AI 公司也有提醒：模型和算力投入不能因为热门就自动获得预算。每一笔钱都要回答，能带来什么业务回报，什么时候能验证，验证失败后是否有停止机制。
10｜规模是资产，但不是免死金牌
Booking 在 2025 年底拥有约 860 万条替代住宿房源。Fogel 认为，这类库存、全球合作伙伴关系和运营经验经常被低估。仅替代住宿业务的交易规模就接近 Airbnb 的四分之三，而 Booking 的整个酒店业务还在其上。
他还说，过去五年里，Booking 的替代住宿业务按同口径计算增长速度快于 Airbnb。这里的竞争不只是把房源信息放进数据库，还包括与酒店和物业管理者长期协作，理解他们缺什么，再把需求、库存、支付和服务连接起来。
旅行是高度复杂且受监管的行业。公司如果要成为 merchant of record，就要遵守不同国家和地区的规则。对大型平台来说，监管、支付、合作伙伴和运营团队的固定成本可以被规模摊薄；对刚进入的公司来说，这些部分并不会因为模型能写代码而自动消失。
但 Fogel 又回到开场的判断：规模是资产，不是永远有效的护城河。25,000 名员工今天能做出优势，明天也可能因为停止创新而变成负担。
11｜工作的意义：选择要付出时间的事情
谈到个人目标时，Fogel 说 Booking 的使命是让每个人更容易体验世界。旅行让人接触不同文化和不同的人，如果平台能把旅行变得更容易，它就做了一件有价值的事。
他也谈到一个更个人的判断：人只有一次生命，有选择空间的人应该谨慎选择把时间放在哪里。有人选择法律职业是因为那是一条默认路径，收入和舒适区会让人继续走下去，等到中年后才问自己是否真的想要那种生活。
这不是让所有人辞职创业，而是提醒创业者和管理者区分两件事：眼前的收入，以及愿意长期投入的事情。Fogel 自己从主机机房、华尔街、失业和写小说一路转到 Priceline，经历并不符合一条标准职业路径。
12｜AI 对就业的冲击：速度是问题
Fogel 不否认技术一直在改变就业。Booking 早期要用 40 种语言处理酒店内容和客服，翻译与客服需要大量人工。机器翻译成熟后，这些岗位大量消失，这种变化已经发生过。
AI 带来的新问题是变化速度。新岗位会出现，但旧岗位消失和新岗位生成未必同步。一个 50 多岁的卡车司机可能拥有稳定收入，也认为自己的工作对社会有贡献；如果自动驾驶让岗位突然消失，企业和社会要怎样帮助这个人重新开始，不能只说「技术最终会创造新工作」。
Fogel 担心，转型速度太快会让很多人来不及学习，也会让一部分人因为恐惧而拒绝新技术。过去的技术变迁总体上提高了社会生产力，但生产力增长并不会自动解决转型期的个人损失。
13｜企业能做什么：把员工训练到 AI 能力线上
Booking 的做法是持续 upskilling。Fogel 说，他几乎每天都会和负责人才与培训的管理者讨论怎样让员工为未来做好准备，至少先具备 AI literacy，也就是理解 AI 能做什么、不能做什么，并能把新工具用于工作。
这并不保证每个人都能留在原岗位，却能让员工有机会获得下一份工作所需的技能。对公司来说，培训不是短期成本，而是让员工提升生产力、延长职业选择的方式。
他对政府大规模再培训项目持谨慎态度，因为过去 50 年的结果并不总是理想。但他认为，企业、政府和社会仍然需要更坦诚地讨论如何处理转型成本，不能只谈效率收益。
14｜公众为什么既喜欢又害怕 AI
Elad Gil 提到，人们对 AI 的态度经常被描述成非常负面，但调查结果很大程度取决于问题怎么问。
问用户是否喜欢 ChatGPT、Gemini、Claude，是否愿意为这些工具付费，很多人会回答喜欢，也会说 AI 帮助了生活和孩子的学习。换一种问法，问用户是否担心 AI 摧毁职业、夺走工作，答案当然会变得悲观。
两种答案并不矛盾。人可以喜欢一个工具，同时担心这个工具改变自己的工作。真正需要讨论的是不同经济领域会发生什么，怎样让更多人获得收益，怎样让人们参与变化，而不是只选择纯粹乐观或纯粹末日论。
Fogel 希望社会能够更诚实地讨论 AI，避免因为恐惧而拒绝有益的技术，也避免用政治口号替代具体问题。对创业者来说，产品是否有价值，也不能只看公众对 AI 这个词的态度，而要看它具体解决了什么问题。
「如果人们因为恐惧而拒绝技术，最终会伤害整个社会。我们需要讨论不同经济领域的真实影响，以及怎样让人们参与其中。」
读者可以带走的 6 个判断
- AI 旅行的入口是复杂决策，不是把搜索框换成聊天框。
- 旅行代理的价值在于记住约束、持续追问、处理变化，并在故障发生前给出修复方案。
- 企业 AI 的 ROI 必须同时看 token 成本、转化、客服成本、复购和满意度。
- 规模、库存、品牌和监管经验都很难复制，但它们仍然需要持续创新来维持价值。
- 服务自动化不能把「更快」等同于「完全无人」，真人支持仍是体验的一部分。
- AI 的就业问题不只在于最终会不会创造新岗位，更在于岗位消失和再培训的速度是否匹配。
댓글
로그인하면 댓글을 작성할 수 있습니다.