谷歌斥资千万美元采购 Spirit 航空数据，瞄准 Gemini 机票信息幻觉

在大语言模型的讨论中，算力和参数量固然是核心，但决定 AI 在实际应用中表现优劣的关键，往往在于那些无法通过公开爬虫获取的垂直领域私有数据。谷歌此次投入 1000 万美元购买 Spirit Airlines 的业务数据，虽然这笔支出在模型训练总成本中占比极小，却释放出清晰信号：通过构建底层数据闭环，解决 Gemini 在旅游规划中面临的“时效性幻觉”。

AI 助手机票搜索为何容易失真

目前，大多数 AI 助手搜索机票时，主要依赖历史缓存或概率预测。当用户查询某条航线的低价日期时，答案通常来自既有训练语料，或者通过 Web Scraping 抓取前端页面。

航空公司页面往往采用高度动态加载模式，并设有严苛的反爬机制。AI 提供的价格因此可能与用户跳转预订页时看到的真实价格脱节，甚至编造出并不存在的航班号。这类“幻觉”的根源在于数据断层：模型只能利用概率预测，弥补实时数据的缺失。

一旦谷歌把航空公司的实时库存、动态定价逻辑及航线调度计划等底层业务数据直接接入工作流，Gemini 在机票预订方面的确定性将发生质变。这并不是简单的 API 调用。传统 AI 助手依靠爬虫抓取前端数据，不仅延迟高，容错率也低；直接对接数据层，则能让谷歌的 AI Agent 实现“实时价格锚定”。

当用户要求 Gemini 查找下周飞往纽约的最便宜航班时，它提供的不再只是参考价，而是直接读取底层数据库中的真实数值。当其他 AI 助手还在使用数周甚至数月前的缓存信息并给出错误结果时，谷歌已经可以依据真实可用性生成可直接执行的行程，由此建立用户体验上的护城河。

Spirit 数据如何影响廉价航空搜索排序

针对 Spirit 这类廉价航空公司（LCC），谷歌还可以利用相关数据优化搜索排序算法。廉价航空的定价逻辑较为复杂，涉及大量隐藏附加费，例如在支付环节才会显现的 30-50 美元行李托运费或选座费。

通过分析这些底层数据，谷歌可以更精准地权衡“时间成本 vs 金钱成本”，在搜索结果中给出更客观的性价比对比，而不是只按照价格高低进行简单排序。

与单纯增加算力或参数量相比，采购闭环行业数据来强化模型能力是一种更直接的策略。在旅游这类高度依赖实时信息的垂直领域，掌握底层数据就意味着掌握定义“正确答案”的主动权。

对谷歌而言，深度整合这类数据，会让其他缺乏直接数据采购能力的 AI 助手在真实预订场景中显得不够专业。在实时定价的竞争中，最精准的语料库并非互联网上的公开网页，而是航空公司内部的数据库。