当AI潜入酒店后台:全球PMS格局正在被重写

走进一家酒店的后台，你很可能会看到一种略显“混乱”的技术景象。

前台在使用一套系统办理入住，客房部门用另一套软件安排清洁任务，餐厅消费记录在POS系统里，会员数据又存放在CRM中。这些系统往往来自不同供应商，很少真正打通。

对许多酒店来说，数字化并没有带来真正的效率提升，反而让员工每天在不同软件之间来回切换。

有业内人士曾开玩笑说，酒店行业的数字化问题并不是“缺少系统”，而是“系统太多”。

在这样的行业背景下，成立于2012年的酒店科技公司 Mews 试图做一件更激进的事情：把酒店所有核心运营流程整合进一个统一的平台，让PMS从单一管理软件，变成真正的“酒店操作系统”。

创始人Richard Valtr成长于一个拥有深厚酒店行业背景的家庭，并曾亲自在一线岗位历练，包括担任前台接待工作。这段经历让他深刻意识到，当时酒店业广泛使用的软件大多开发于20世纪90年代——技术陈旧，实操效率低下。正是基于这一洞察，他决心打造一款能真正契合行业实际需求的软件。

十多年后，这家公司已经服务 全球85个国家超过15000家酒店。在刚刚完成 3亿美元D轮融资、估值达到25亿美元之后，Mews正在把赌注押在一个更具野心的方向上——把酒店系统彻底重构为 AI原生平台。

酒店行业的软件困境

酒店行业的技术结构，很大程度上是历史遗留问题。

正如Mews CEO Matthijs Welle 在接受环球旅讯CEO李超采访时所说：“很多人低估了酒店系统的复杂程度。要真正改变它，需要非常深入地理解酒店运营本身。”

Mews CEO Matthijs Welle

过去几十年，酒店系统的发展方式更像是不断叠加工具：当运营出现新的需求，就引入一套新的软件。于是，一家中型酒店往往同时运行几到十几套系统——PMS负责房态管理，收益管理系统负责定价，客房管理软件安排清洁任务，POS系统记录餐饮消费，活动系统处理会议订单。

这些系统虽然各司其职，却很少真正共享数据。

这意味着许多原本可以自动完成的工作，仍然需要人工操作。员工在不同系统之间重复录入信息，管理层也很难从分散的数据中获得完整洞察。

Mews的创始团队最初并不是软件公司，而是酒店经营者。

在筹备自己的第一家酒店时，他们希望打造一家没有前台的酒店——客人可以通过手机完成入住、开门和支付。

但现实很快让他们碰了壁。现有PMS系统几乎都建立在传统前台模式之上，许多功能甚至需要固定电脑终端才能运行。

于是他们决定自己开发系统。

与传统PMS的不同

在全球酒店科技市场，PMS长期被几家老牌厂商主导。

Oracle 的 OPERA 系统几乎是全球大型酒店集团的标准配置，而中国市场则由石基等本土厂商形成了另一套技术生态。这些系统拥有庞大的客户基础，但也带着明显的历史包袱，许多架构诞生于二十年前。

Mews选择了一条不同的路径。

公司从一开始就没有沿用传统PMS结构，而是把平台设计成一个统一的云端系统。入住、支付、收益管理、客房运营甚至活动管理，都运行在同一界面之中。

对于酒店员工来说，这种变化并不只是界面简化。

更重要的是，原本分散的流程开始自动连接起来。例如，在线入住系统可以自动识别护照和信用卡信息；客房部门的清洁任务会根据实时房态自动更新；收益管理系统也能够直接读取订单数据并调整价格。

在 Matthijs Welle 看来，传统PMS最大的局限在于，它们只是数据录入系统。“员工需要在系统里输入护照信息、信用卡信息，但系统本身并不理解酒店运营流程。”

Mews试图改变这一点。与其让员工在不同系统之间来回录入数据，Mews希望系统本身能够理解整个运营流程，并自动推动任务流转。

AI开始进入酒店后台

随着生成式AI的发展，酒店科技行业也在发生新的变化。

在Mews的设想中，AI并不是一个独立功能，而是一种嵌入系统底层的能力。

例如，当系统检测到某一房型需求突然增加时，收益管理模块可以自动调整价格；

当客人通过聊天工具提出需求时，AI可以直接生成客房任务并推送给员工。

在这种模式下，系统不再只是记录信息，而是能够主动触发运营动作。

通过收购集合成统一平台

过去几年间，Mews 通过一系列收购不断拓展其产品版图，业务范围已覆盖收益管理、对话式 AI 以及酒店 POS 系统等领域。

具体的收购案例包括收益管理软件 Atomize、客房管理清洁系统 Flexkeeping，以及生成式 AI 分析公司 DataChat。但这些收购并非简单的功能堆砌。

Mews 通常会对收购的系统进行重新设计，使其完全融入统一的架构中。这就是所谓的“语义层”（Semantic Layer）——一个位于原始数据与终端用户之间的、对业务人员友好的抽象层。它能将复杂的数据库结构转化为“每间可供出租客房收入（RevPAR）”或“已售房晚数”等熟悉的行业指标。

这一层级为 AI 应用提供了关键基石，它明确了数据的确切含义，使系统能够精准回答业务问题，而非依赖猜测。在此基础上，Mews 还能部署“代理层”（Agentic Layer），让 AI 智能体利用语义层的上下文信息，自主执行运营、排班、客房清洁及收益管理等任务。

因此，不同系统间的通信不再依赖复杂的接口对接——它们实现了原生的互操作性。

举个简单的例子：当客人通过酒店 App 或社交平台发送“需要一条毛巾”的消息时，系统能自动生成客房清洁任务，并实时推送到员工的移动设备上。这种自动化流程减少了人工协调成本，显著提升了运营效率。

Mews 早期的客户多为独立酒店和民宿（B&B）。对于这些小型物业而言，云系统通常比传统软件更具灵活性，也更易于部署。

随着产品的成熟，公司开始瞄准更大的客群，包括旅馆、露营地以及中型连锁酒店。

如今，Mews 的系统已支持房间数从 20 间到 700 间不等的各类酒店。一些欧洲大型酒店集团也在采用该平台；例如，北欧的 Strawberry Hotels 集团就使用 Mews 来管理数百处房产。

这种扩张反映了一种更广泛的趋势：越来越多的酒店正在重新评估其技术架构，而非仅仅固守传统系统。

正如 Matt Welle 所言，这种转变是不可逆的：

“酒店业的技术架构正在经历一场真正的重构。”

在市场布局上，Mews最初主要集中在欧洲。但近年来，美国市场增长明显。公司在美国的团队规模已经从几年前的十多人增长到150人。

与此同时，公司也开始进入亚太地区，目前已经在日本、澳大利亚和新西兰开展业务，并考虑在日本设立办公室。

中国市场则更为复杂。一方面，这里拥有巨大的酒店规模；另一方面，本土厂商已经形成成熟技术生态。此外，数据本地化要求、支付体系以及运营习惯差异，也提高了进入门槛。

因此，Mews目前对中国市场保持谨慎态度，正在寻找更合适的合作模式。对一家以云架构和开放生态为核心的公司来说，本地化整合和监管要求都意味着更高门槛。

在很长一段时间里，PMS只是酒店后台的一套管理工具。

但随着AI、云计算和数据平台的发展，它正在逐渐演变为整个酒店运营的核心基础设施。

对像Mews这样的新一代公司来说，这不仅是一场软件升级，而是一场行业架构的重写。