人工智能与可持续旅游——天平的两端是什么？

2026年7月26日星期日上午7:21

如今几乎没有哪个旅游会议上不会提到人工智能正在从根本上改变行业运作方式。几场演讲之后，通常还会提到AI消耗大量能源、需要水来冷却数据中心，并持续增加对信息技术基础设施的需求。两种说法都是真的。人工智能确实对环境有一定负担，但同时也提供了以前许多旅游企业难以负担的知识和工具。因此，真正的问题不是AI是好是坏，而是我们如何使用它，它基于哪些数据工作，以及我们赋予它什么目标。

在开发I-DEST的过程中，我们也在这种矛盾中工作。我们开发了一些使用人工智能的数字解决方案，同时希望支持目的地和旅游服务提供商实现更可持续的运营。因此，我们也无法回避这样一个问题：使用技术的代价是什么，我们又能从中获得什么回报。

这一切对地球的代价是什么？

根据国际能源署（IEA）的计算，全球数据中心在2024年消耗了约415太瓦时的电力。这约占全球电力消耗的1.5%。按照基本预测，到2030年，这一消耗可能接近945太瓦时，即增长超过两倍，占全球总电力消耗的近3%。(IEA, 2025)

增长的主要驱动力之一是人工智能，尽管数据中心并不仅仅服务于人工智能系统。云服务、在线视频、企业信息系统以及许多其他数字服务也需要大量容量。

然而，单个AI查询的环境影响可能远小于之前的普遍估计。

根据谷歌在2025年8月发布的运营测量数据，处理一个平均（更准确地说是中位数）Gemini文本请求：

消耗了0.24瓦时的能量，
排放了0.03克二氧化碳当量，
并需要约0.26毫升的水。

其能耗大约相当于看电视九秒钟的消耗，水量则约为五滴水。(Elsworth et al., 2025)

然而，这些数据需要谨慎对待。测量针对的是特定服务，即Gemini文本请求，并不能自动适用于所有AI系统、复杂的研究任务或图像和视频生成。此外，这些计算并未完全展示模型开发、训练、硬件制造和数据中心建设的环境负担。谷歌的结果也因间接用水和排放计算方法可能显著影响最终结果而受到独立专家的批评。

因此，这两种说法并不矛盾。单个短请求的负担可能很小，但数十亿次请求的负担就不可忽视了。尽管系统变得越来越高效，但其使用也在迅速扩展。因此，即使完成单个任务所需的资源减少，总体的能源和用水需求仍可能增加。

此外，用水量不仅仅是全球总量的问题。数据中心的位置同样重要。同样的用水需求在一个多雨地区和一个经常面临水资源短缺的地区会产生完全不同的后果。

硬件的生命周期也不能被忽视。高性能芯片的制造需要原材料、水和能源，而设备的快速更换则增加了电子垃圾的数量。

我们能获得什么回报？

人工智能在旅游业中的价值可能并不一定体现在大型国际企业上，而是更显著地改变了小型服务提供商。一家几间客房的家庭旅馆、家庭餐厅或本地活动组织者，过去常常因为没有合适的员工或外部专家而无法用多种语言沟通、定期分析客户评价或制作详细的可持续性报告。

如今，这些任务中的一部分只需一台笔记本电脑即可完成。人工智能并不能取代专业知识，但可以显著降低初始步骤的成本和时间需求。

社会效益的一个重要领域是可及性。借助人工智能，可以更容易地制作：

实时或快速翻译；
用简单语言编写的说明；
可朗读内容；
为视障人士提供的图像描述；
适应多种需求的信息；
基于无障碍数据的概览。

这些任务过去常常因为服务提供商无法负担而被忽视。

在面临劳动力短缺的旅游业中，行政自动化也可能是有益的。它不一定取代员工，而是可以释放时间。减少填写表格、撰写重复性邮件或整理数据的时间，从而将更多时间留给客户。

但这只有在企业管理层确实将技术用于这些目的时才成立。人工智能既可以支持员工，也可以加强对他们的监控或减少人员。技术本身并不能决定我们选择哪个方向。

在展示文化遗产方面也蕴藏着许多可能性。地方历史收藏、旧照片、民俗录音、方言材料和长篇专著可以变得可搜索。一个城镇的历史可以被纳入主题步道、语音导览或学校项目中。

然而，学术文献对人工智能的可持续性优势持更为谨慎的态度，而不像科技公司的营销材料那样乐观。根据Gössling和Mei在2025年的综述，虽然关于可能性的讨论很多，但关于实际的、长期可衡量的可持续性成果的可靠证据仍然相对较少。作者还警告称，人工智能可能会加强数据集中、消费者监控以及旅游业的进一步密集化(Gössling–Mei, 2025)。

一项对213篇科学出版物的系统性综述表明，与智能自动化相关的旅游研究主要关注游客体验、遗产保护、生活质量、游客体验的测量以及环境保护。然而，与经济和社会问题相比，对环境影响的实际测量迄今为止关注较少(Majid et al., 2023)。

营销是首次接触点

如今，大多数旅游企业首先在营销中接触到人工智能。它被用于撰写文案、翻译、制作社交媒体帖子、新闻通讯、生成图片以及回复客户评价。这是有原因的。结果可以立即看到，使用相对简单，通常不需要额外的信息技术开发。

从可持续性的角度来看，营销远不止于快速完成一篇Facebook帖子。沟通可以显著影响以下方面：谁会来到某个地方；他们何时旅行；在那里停留多长时间；他们参观哪些景点以及在哪里花钱。

例如，一个精心设计的春季或秋季活动可以减轻夏季高峰期的压力。介绍一个鲜为人知的城镇或本地企业可以帮助游客分散到不同的地方，而不是集中在几个热门景点。人工智能使得较小的服务提供商或旅游组织也能够为不同目标群体制作定制信息。针对那些希望在安静时段旅行的人、小家庭、骑行者或寻找本地美食和农产品的人，可以制作不同的内容。

多语言沟通也变得更便宜、更快捷。这对那些以前没有专门营销预算的小型目标市场尤其有用。

人工智能还可以帮助展示较少知名的景点、本地故事和小型服务提供商。许多目的地网站上对最知名景点有详细描述，而较小的价值却很少被提及。技术可以加速信息处理，但地方知识和真实故事仍需由人们添加。

营销的主要风险

所有地方听起来都一样

如果所有服务提供商都使用相同的人工智能工具，并给出类似的指令，很快每个住宿都会被描述为“温馨的”，每个城镇都会成为“隐藏的宝石”，每个活动都会“提供难忘的体验”。然而，在旅游业中，地方特色是最重要的价值之一。

因此，值得制定自己的语言指南。这可以包括地方特色的表达方式、期望的语气、需要避免的陈词滥调以及真正使服务与众不同的故事。

生成的图片无法替代现实

展示不存在的房间、泳池、景观或风景的图片不仅仅是创意解决方案。它可能误导客户，引发消费者保护问题，并破坏信任。生成的图片可以用作插图或氛围元素，但需要明确标注。对于实际可购买的服务展示，必须使用真实照片。

绿色洗白也会变得更快

关于可持续性的文本现在可以在几分钟内生成。然而，衡量运营的可持续性仍然需要数据。

如果环境声明背后没有测量、文件或可验证的结果，那么人工智能不会使企业更可持续，而只是更快地生成毫无根据的绿色信息。这也带来了商业和法律风险。环境声明正受到越来越严格的审查，因此所有沟通的结果必须是可验证的并且准确表达。

系统强化我们设定的目标

如果一个活动仅仅试图增加预订数量或即时收入，它可能会进一步强化最受欢迎的时段和产品。在这些情况下，最容易取得好结果。

只有当可持续性也被纳入指标时，它才会出现在决策中。

例如，可以使用以下指标：

淡季和旺季预订的比例；
平均停留时间；
在本地企业消费的金额；
较少访问地点的流量；
使用公共交通工具到达的游客比例；
或每位游客每晚的能源和用水消耗。

同一个人工智能系统可能会给出完全不同的建议，如果它不仅需要考虑预订数量，还需要考虑这些因素。

人工智能在哪些方面已经表现良好？

需求预测和容量规划

基于过去的预订数据、活动日历、天气、交通信息等因素，可以更准确地预测未来的需求。

这可以帮助：

安排员工排班；
计划库存；
调整交通容量；
设计参观时间段；
以及提前识别过载时段。

预测并不能消除拥挤，但可以更早地发现问题，从而留出更多时间进行干预。

减少食物浪费

基于人工智能的图像识别和测量系统可以识别出哪些食物在什么时间段产生了最多的浪费。这些数据帮助厨房调整采购、份量和菜单。希尔顿在2025年的绿色斋月计划中，14个国家的45家酒店参与了该计划。期间，盘中剩余食物的数量减少了26%，避免了超过2.6吨的食物浪费。该计划还使用了Winnow的人工智能测量技术(Hilton, 2025)。这是一个环境和商业利益直接结合的好例子：减少了食物浪费，同时降低了采购成本。

能源和用水管理

智能系统可以帮助调节供暖、制冷和通风。它们可以识别异常消耗、泄漏、运行不良的设备或不必要运行的装置。

目标不是降低客户的舒适度，而是确保系统在不需要时不消耗能源。

可持续性报告和认证准备

可持续性认证或审计需要大量文档，包括政策、账单、消耗数据、照片和其他证据，这些都需要收集、整理并与具体要求对应。

人工智能的作用不是将服务描述得“更绿色”。它的有用之处在于识别和整理现有证据，指出缺失的数据，并支持要求的跟踪。

最终的合规性决定仍需由合格的专家或审计员作出。

当人工智能可能恶化情况时

人工智能推荐的一个问题是，它们往往使已经受欢迎的地方变得更显眼。

Lee和Pennington-Gray的研究预研究基于一百万次模拟的美国国内旅行发现，所研究的大型语言模型比实际的旅游模式产生了更具季节性、更不均衡和更少样化的旅行流动。这些系统特别强化了已经受欢迎的目的地和时间段的组合(Lee–Pennington-Gray, 2026)。

由于是预研究，这些结果需要进一步研究确认，但揭示的风险值得关注。

如果许多人都从少数几个系统中获取建议，而这些系统经常推荐相同的地方，这可能会进一步加剧拥挤。

另一个问题是“隐形”。

Chen、Weng和Moro在2026年的预研究中，研究了三种大型语言模型在五个美国城市的304个街区中推荐餐厅的情况。即使在模型可以从经过验证的真实餐厅列表中选择时，也有47.5%的地方一次都没有被推荐。而在所有三个模型中都未被推荐的企业占31.9%(Chen–Weng–Moro, 2026)。

这表明，人工智能不仅仅是收集可用信息。它还会对信息进行筛选。一些地方经常被优先展示，而另一些地方则很少甚至完全不被展示。

这尤其可能使较小的、本地评价较少或数字存在较弱的地方企业处于劣势。

旅行者可以做什么？

不要只问去哪里

还可以问什么时候旅行最不拥挤，以及附近有哪些类似但不那么拥挤的选择。一个有用的问题可能是：

“这个地方什么时候最不拥挤，我在附近还能找到哪些类似的活动？”

我们往往通过在不同时间去同一个地方，而不是寻找另一个遥远的目的地，为可持续性做出更多贡献。

核实实际信息

营业时间、时间表、价格、预订条件和认证的有效性始终应在原始来源中核实。人工智能也可能以令人信服的方式提供过时或错误的信息。

减少行程安排

如果行程规划工具在一天内推荐十个地方，可以要求它减少到三到四个。

较少的地点通常意味着较少的本地旅行、更轻松的行程和更多真实的互动。在旅行的环境负担中，交通通常比规划行程所用的几次人工智能查询更重要。

对可持续性声明提出质疑

当一个住宿或活动称自己是可持续的时，可以问：是否有独立认证？由谁颁发？有效期到什么时候？测量了哪些数据？取得了哪些具体成果？

独立要求体系下颁发的认证与企业自己制作的“绿色”标志之间有很大区别。

旅游企业可以做什么？

首先确保数据准确

人工智能只能处理数字化且可解释的信息。

如果网站上的营业时间不准确、地址或地理位置缺失、无障碍信息没有标注，服务描述不清晰，那么人工智能系统也可能传递错误或不完整的信息。

特别重要的是：

准确的名称、地址和联系方式；
当前的营业时间；
价格和预订条件；
交通选项；
无障碍信息；
服务的正确分类；
以及网站结构化数据的提供。

维护良好且对机器友好的数据不仅仅是搜索引擎优化的问题。它也可能是出现在人工智能推荐中的一个条件。

先测量，再沟通

能源、水、废物、本地采购、过夜游客、交通。这些可以用来计算真实的可持续性成果。

人工智能可以帮助整理数据、识别差异并制作报告。然而，它不应被用来在没有测量的情况下生成令人信服的环境声明。

一个好的起点可以是：

食物浪费；
供暖和制冷的时间安排；
洗衣流程；
检测漏水；
库存管理；
或采购计划。

在这些领域，商业成果通常也能相对快速地显现。

人工智能建议，人类决策

所有面向客户的文本、定价建议、翻译和环境声明都应由人类检查。

一个错误的价格、营业时间或预订条件可能造成的损失远大于通过自动化节省的时间。

不要使用超过需求的系统

并非所有任务都需要最大的语言模型，也不是所有沟通都需要人工智能生成的视频。

对于短文本的修改、数据分类或简单摘要，通常较小、更节能的系统就足够了。而一张好的真实照片在许多情况下比一段高能耗生成的人工视频更有价值。

这不仅是环境问题。从成本和效率的角度来看，这也是一个合理的选择。

我们在I-DEST如何使用人工智能？

我们并不想假装自己是旁观者。在开发I-DEST和我们的专业工作中，我们也经常使用人工智能。我们并不将其视为独立的决策者，而是作为一种工作工具，可以加速某些流程，帮助发现关联，并减少因人为疏忽导致的错误数量。

预测和情景分析

我们分析需求时间序列、季节性、容量负载以及不同的开发情景。

人工智能的作用并不是提供无误的答案，而是帮助我们在短时间内研究许多变体，并发现手工处理难以察觉的关联。

然而，输入数据的质量决定了一切。从错误或不完整的基础数据中，系统可能迅速生成错误的预测。因此，人工智能并不能取代数据验证，而是使其变得更加重要。

软件开发和错误检测

在I-DEST的技术开发中，我们也使用人工智能。借助它，可以更快地审查较长的代码段，识别某些逻辑错误、不一致和安全风险，并更容易创建测试用例。目标不是让人工智能在没有人类检查的情况下编程系统，而是通过多角度审查开发工作，更早发现问题，并尽可能在用户遇到问题之前修复它们。这对于像I-DEST这样复杂的系统尤为重要，其中不同的数据源、语言、用户界面、评估模块和推荐功能相互关联。一个修改可能会影响多个其他功能的运行。

人工智能驱动的代码分析和测试为传统的开发人员和用户测试增加了额外的检查层。然而，人工智能的使用本身并不能保证无错误的软件。机器生成的代码也可能包含错误、过时的解决方案或安全问题。因此，所有重要的修改都需要开发人员检查，并在上线前测试系统的运行。

因此，目标不是取代开发人员，而是减少错误数量，支持测试，并使开发工作更可靠。

翻译和术语检查

我们还使用人工智能处理战略、项目文件、旅游描述和标准的多语言内容。对于所有专业重要的文件，机器翻译之后都由人类检查。旅游、可持续性和欧盟术语中，一个翻译错误的术语可能会改变句子或要求的含义。然而，人工智能有助于在较长的文件中保持术语和名称的一致性。术语一致性在国际标准、认证要求和多语言数字界面中尤为重要。此外，人工智能确保了I-DEST的多语言可用性，以便目的地和服务提供商无需以多种语言上传数据——每个人只需完成最低限度的工作。

营销和内容创建

人工智能帮助准备初始文本版本、多语言内容以及针对不同目标群体的沟通。

在使用过程中，我们遵循一些简单的规则：

以自己的语调沟通；
基于可验证的真实数据；
最终内容由人类批准；
将可持续性声明与证据关联；
不仅将点击量或预订量视为成果。

在营销中，人工智能的可持续性影响很大程度上取决于我们为系统设定的目标。如果仅关注短期转化，算法可能会进一步强化已经受欢迎的时段和地点。然而，如果季节性、区域分布或本地服务提供商的可见性也成为目标，则可能会产生不同类型的活动和推荐。有时，极少情况下，人工智能还会帮助制作各种海报、广告摘要等内容。

I-DEST的开发方向

在I-DEST，我们努力让人工智能基于经过验证的数据和可识别的来源，而不仅仅依赖语言模型的内部知识。

我们将可持续性评估与国际公认的要求体系联系起来，而不是基于主观印象。因此，我们以机器可读的形式处理了全球可持续旅游委员会（GSTC）对目的地和旅游服务提供商的标准。

自我评估的目标不是自动为用户提供一个有利的形象。系统应该展示：

哪些要求得到了满足；
有哪些证据支持这一点；
哪些数据或文件缺失；
以及需要采取哪些进一步措施。

在推荐中，时间安排、季节性、交通的环境负担和区域集中度的考虑也很重要。

慕尼黑工业大学的研究人员开发了一种旅游推荐系统，该系统除了用户需求外，还将交通方式的碳排放、目的地的受欢迎程度和季节性纳入推荐中(Banerjee et al., 2025)。

一项相关的用户研究表明，清晰显示的碳排放、受欢迎程度和季节性信息可以影响旅行者的选择。如果这些信息清晰呈现，参与者更有可能选择低排放的交通方式，或者选择不那么拥挤或更适合该时段的目的地(Banerjee–Mahmudov–Wörndl, 2024)。

这是一条重要的经验教训。可持续性并不一定意味着限制。通过适当的数据和明确的目标，人工智能可以展示对旅行者、本地社区和企业都更有利的选项。

决定我们建设什么样旅游业的不是人工智能，而是我们

人工智能对环境的负担是真实存在的。然而，旅游业最大的环境负担仍主要与旅行、交通、建筑运营、消费以及热门地点的季节性过载有关。

人工智能的益处也是真实的，但并非自动实现。

同一个系统可以帮助避免拥挤的地点，也可以吸引更多游客前往那里。它可以帮助找到本地企业，也可以让它们变得隐形。它可以减少食物浪费，也可以生成一个听起来不错但没有数据支持的可持续性活动。

关键问题不是人工智能还是可持续性。

重要的是系统基于哪些数据工作，我们要求它做什么，设定了哪些目标，以及谁来检查结果。

这不仅仅是技术问题。这是专业和管理决策的问题。

因此，目的地、旅游企业和旅行者都可以塑造人工智能是促进旅游业的进一步集中，还是推动更平衡、更可及和更节约的运营。

声明

在本博客文章中，我们没有使用人工智能生成任何新图片，所有使用的图片均来自之前已发布的来源，并在源代码中记录了来源，因为在I-DEST，我们仅在人工智能确实具有附加价值时才使用它。

参考来源

Banerjee, A. – Mahmudov, T. – Adler, E. – Aisyah, F. N. – Wörndl, W. (2025): Modeling sustainable city trips: integrating CO₂e emissions, popularity, and seasonality into tourism recommender systems. Information Technology & Tourism, 27, 189–226. DOI: 10.1007/s40558-024-00303-1.

Banerjee, A. – Mahmudov, T. – Wörndl, W. (2024): A User Interface Study on Sustainable City Trip Recommendations. arXiv:2405.11243.

Chen, L. – Weng, G. – Moro, E. (2026): Large language models create an uneven informational layer over cities. arXiv:2607.06260. Kutatási előtanulmány.

Elsworth, C. – Huang, K. – Patterson, D. – Schneider, I. – Sedivy, R. – Goodman, S. – Townsend, B. – Ranganathan, P. – Dean, J. – Vahdat, A. – Gomes, B. – Manyika, J. (2025): Measuring the Environmental Impact of Delivering AI at Google Scale. arXiv:2508.15734.

Gössling, S. – Mei, X. Y. (2025): AI and sustainable tourism: an assessment of risks and opportunities for the SDGs. Current Issues in Tourism. DOI: 10.1080/13683500.2025.2477142.

Hilton (2025): Hilton Scales Up Green Ramadan Initiative in 2025, Achieves 26% Reduction in Plate Waste During the Holy Month. A Hilton, a UNEP West Asia és a Winnow együttműködésében megvalósított program eredményei.

International Energy Agency – IEA (2025): Energy and AI. Az adatközpontok energiafelhasználására és a 2030-ig várható növekedésre vonatkozó elemzés.

Lee, S. – Pennington-Gray, L. (2026): Large Language Models Yield Unsustainable Tourist Flows: Testing Algorithmic Biases Using the Baseline-Rescaling-Outcome Model. DOI: 10.31235/osf.io/kqczf. Kutatási előtanulmány.

Majid, G. M. – Tussyadiah, I. – Kim, Y. R. – Pal, A. (2023): Intelligent automation for sustainable tourism: a systematic review. Journal of Sustainable Tourism, 31(11), 2421–2440. DOI: 10.1080/09669582.2023.2246681.

Global Sustainable Tourism Council – GSTC: GSTC Industry Criteria és GSTC Destination Criteria. A desztinációkra, szálláshelyekre és turisztikai szolgáltatókra vonatkozó nemzetközi fenntarthatósági követelményrendszerek.