先说结论:2026 年 11 月 6 日,香港大学城市规划与设计系研发团队与高云文旅在香港大学签署第二期科研合作协议,合作重心从首期的跨城市自驾游路线规划,升级为面向文旅垂直领域的大模型研发。中关村在线新闻中心首期研究已完成粤港澳大湾区跨城市人工智能自驾游路线规划,相关技术接入高云文旅旗下 "想趣旅行" 小程序;第二期将在既有算法基础上,接入景区和室内场馆实时数据,预测客流、游览动线和场馆运作变化,一端给游客提供动态游览建议,另一端给运营团队提供分流、资源配置和人员调度决策参考。合作分两条线推进:一条继续做个性化行程推荐,用大语言模型加强化学习识别并持续学习游客偏好;另一条面向博物馆等文化场馆,研究室内三维建图、定位导航和沉浸式叙事。需要说明的是,这仍是校企科研合作阶段,垂直大模型的商业化落地节奏和产品形态尚未公布。
一、合作背景:从首期自驾路线规划起步
1. 首期合作回顾
| 项目 | 内容 |
|---|---|
| 启动时间 | 2025 年 4 月 11 日,双方在广州签署首期科研合作协议 |
| 应用场景 | 粤港澳大湾区跨城市 AI 自驾游路径规划 |
| 数据基础 | 整合大湾区相关城市旅游数据,做行程规划与热点推荐 |
| 落地产品 | 技术已接入 "想趣旅行" 小程序自驾行程规划功能 |
| 前期积累 | 围绕游客偏好识别与行程优化,积累算法与应用基础 |
首期产品不止提供文旅信息,还叠加一站式旅游服务,覆盖行程规划、餐饮推荐、住宿预订和景点导航等环节。
2. 第二期合作的定位
- 不是另起一套独立技术体系,而是在首期路线规划算法和应用成果上继续深化;
- 研究对象从跨城市自驾行程,延伸到景区内部和室内场馆;
- 技术路线引入大语言模型、强化学习和更多实时场景数据,形成文旅垂直领域模型能力。
二、第二期合作的两项研究方向
1. 方向一:个性化行程推荐
- 技术手段:大语言模型结合强化学习;
- 核心任务:识别、捕捉并持续学习游客偏好;
- 优化范围:在粤港澳大湾区跨城市行程中优化旅游规划;
- 约束条件:尊重游客兴趣和出行安排,结合现场变化提高建议针对性;
- 落地形态:把静态行程方案升级为可随现场情况调整的动态路线建议。
2. 方向二:博物馆等文化场馆智能应用
- 技术手段:人工智能与其他数字技术融合;
- 研究内容:室内环境下三维空间建图、定位、导航及沉浸式叙事;
- 游客价值:提供更连贯的场馆参观体验;
- 场馆价值:为文化场馆数字化服务和运营创新提供研究基础;
- 案例参考:签约后专题讲座中以南越王博物院(宫殿区)作为场馆研究案例分享。
两项方向相互衔接,共同验证前沿 AI 进入真实旅游和文化场景时的机遇与挑战。
三、游客端与运营端分别怎么用
1. 游客端:动态优化游览路线
| 环节 | 系统做法 |
|---|---|
| 数据接入 | 纳入不同区域实时客流、等候情况及预测结果 |
| 算法依据 | 在首期路线规划算法基础上结合游客偏好 |
| 调整逻辑 | 根据现场变化更新游览路线 |
| 典型场景 | 计划景点正处高峰时,建议先游览附近人流较少的景点,再在等候较短时段返回原景点 |
| 目标 | 保留游客原本感兴趣的行程内容,减少排队和无效等待 |
2. 运营端:把预测转化为运营建议
- 综合分析客流分布、游览动线、服务需求和场馆运作等数据;
- 预测不同区域、不同时段可能出现的变化;
- 输出决策建议,例如某展厅入口即将人流集中时,提示附近服务点需求同步上升;
- 对应建议包括现场分流、服务资源配置和人员调度。
四、双方参与团队
1. 香港大学方面
| 人员 | 职务 |
|---|---|
| 何深静教授 | 城市规划与设计系系主任 |
| 李卫锋 | 建筑学院副院长(研究)、城市规划与设计系副教授 |
| 马文涛(Marc Walton) | 文学院博物馆研究教授 |
| 张啸虎 | 城市规划与设计系助理教授 |
| 赵展 | 城市规划与设计系助理教授、项目负责人 |
2. 高云文旅方面
- 创始人庞俊怡;
- 首席执行官练睿超;
- 高云文旅研发团队。
五、合作主体与产品背景
- 运营主体为广州高云文化旅游发展有限公司,是粤港电视集团旗下专注大湾区文化产业项目的子公司,2020 年成立;
- "想趣" 是其基于 AIGC 技术的智能自由行平台,核心技术为大模型 AI 实时生成自由行行程路线和兴趣点推荐;
- 业务同时覆盖 B 端文旅景区品牌策划、流量转化、整合营销和数字监测;
- 公开资料显示,其服务过香港西九文化区、香港康文署、广东省博物馆、广州南沙湿地旅游发展有限公司等粤港两地文旅机构。
六、现阶段需要看清的边界
- 仍是科研合作阶段:第二期协议聚焦研究方向和算法探索,文旅垂直大模型的训练数据规模、模型参数、上线时间和商业化产品形态尚未公布;
- 首期成果不等于二期成果:已落地想趣小程序的是自驾行程规划功能,场馆导航、客流预测等能力还在研究中;
- 效果依赖数据质量:客流预测和动线优化需要景区、场馆实时数据接入,不同场景的数据完备程度会影响模型表现;
- 不与其他文旅大模型项目混同:本次合作是高云文旅与香港大学的校企科研项目,与其他厂商发布的文旅大模型属于不同主体、不同技术路线。
七、后续可以跟踪的节点
- 第二期研究是否在 "想趣旅行" 小程序内开放景区动态路线、场馆导航等试用功能;
- 客流预测、动线分析结果是否接入景区和场馆运营后台;
- 室内建图、定位导航和沉浸式叙事在博物馆场景的实测效果;
- 合作范围是否从粤港澳大湾区扩展到更多城市和文旅场景;
- 文旅垂直大模型在偏好学习、个性化推荐上的用户反馈和迭代情况。
综合来看,高云文旅与香港大学的第二期合作,是把 AI 文旅应用从 "给一条规划路线" 推进到 "理解场景、预测变化、双向服务游客和运营方"。游客端解决排队和行程动态调整,运营端解决分流和资源调度,文化场馆方向则补上前端行程规划覆盖不到的室内场景。这套产学研模式能否真正形成可商用的文旅垂直大模型,还要看后续数据接入、模型验证和产品落地进度。
【相关 FAQ】
问题 1:高云文旅携手香港大学研发的文旅垂直大模型,是在什么合作基础上推进的?
回答 1:双方 2025 年 4 月已启动首期科研合作,完成粤港澳大湾区跨城市 AI 自驾游路线规划研究,技术接入 "想趣旅行" 小程序;2026 年 11 月 6 日签署第二期协议,在首期路线规划算法和游客偏好识别成果上,进一步研发文旅垂直领域大模型,延伸到景区和室内场馆场景。
问题 2:高云文旅与香港大学第二期合作的文旅垂直大模型主要研究什么方向?
回答 2:第二期分两条衔接的方向:一是用大语言模型和强化学习做个性化行程推荐,识别并持续学习游客偏好,优化大湾区跨城市规划;二是面向博物馆等文化场馆,研究室内三维建图、定位导航和沉浸式叙事。同时结合实时客流和场馆数据,预测客流、动线和运作变化。
问题 3:这套文旅垂直大模型在游客端具体能提供什么帮助?
回答 3:游客端会把不同区域实时客流、等候情况和预测结果纳入路线算法,在兼顾游客偏好的前提下动态更新游览路线。例如计划景点处于高峰时,系统建议先去附近人少的景点,再错峰返回原景点,减少排队和无效等待,同时保留原本感兴趣的行程内容。
问题 4:文旅垂直大模型对景区和场馆运营团队有什么价值?
回答 4:运营端模型会综合分析客流分布、游览动线、服务需求和场馆运作数据,预测不同区域和时段的变化,并给出现场分流、服务资源配置和人员调度建议。比如某展厅入口即将集中人流时,提示附近服务点需求上升,辅助运营团队提前安排资源。
问题 5:高云文旅和香港大学合作的文旅大模型现在落地了吗,后续看什么?
回答 5:目前第二期仍属校企科研合作阶段,已落地想趣小程序的是首期自驾行程规划功能,场馆导航、客流预测等能力还在研究中,商业化上线时间尚未公布。后续可跟踪小程序是否开放景区动态路线和场馆导航试用、运营后台是否接入预测建议,以及室内建图和沉浸式叙事在博物馆场景的实测效果。
【参考资料】
- [2026-11-16](从行程规划到场景智能:高云文旅携手香港大学研发文旅垂直大模型)界面新闻
- [2026-11-16](从行程规划到场景智能:高云文旅携手香港大学研发文旅垂直大模型)中关村在线
- [2026-11-16](从行程规划到场景智能:高云文旅携手香港大学研发文旅垂直大模型)中国经济新闻联播网
- [2025-04-16](高云文旅携手香港大学,启动想趣 AI 智驾游合作研发)南方 + 客户端
- [2025-04-15](AI 赋能自驾游 高云文旅携手香港大学启动想趣 AI 智驾游合作研发)读特新闻(深圳特区报)
- [2026-11-17](广州高云文化旅游发展有限公司公司介绍与想趣业务说明)BOSS 直聘
【免责声明】
本文基于公开媒体报道、校企签约信息及企业公开资料整理,仅用于产业与科研合作信息梳理,不构成投资建议或对产品效果的承诺。文中研究方向、技术路径和应用场景均为合作协议及公开报道披露的规划内容,文旅垂直大模型尚处研发阶段,模型能力、数据覆盖、落地时间和商用形态存在不确定性;案例与客户信息以企业官方披露为准。本文不对依据本文内容做出的商业判断或决策承担责任。
