Zerolook获190万美元Pre-Seed融资：AI代理推高航班搜索成本，传统GDS按次计费模式承压

在通用人工智能代理（AI Agent）开始接管旅行规划的时代，一个简单的口头提问——“帮我找六月去希腊最便宜的岛”——不再是单一的搜索请求。它会瞬间裂变成成千上万次精确到具体日期、航线和岛屿的航班查询。这种指数级的搜索膨胀，正压垮运行了几十年的全球航班搜索基础设施。对航空公司与在线旅行社（OTA）而言，每一秒都有无数非预订目的的“决策查询”产生，而每一次查询，即便没有产生任何收入，其背后的技术供应商都在按次计费。

瑞士楚格，一家2025年成立的初创公司Zerolook，正试图用机器学习彻底重构这套成本逻辑。2026年8月，Zerolook宣布完成了一轮190万美元（折合约160万欧元或150万瑞郎）的Pre-Seed融资。领投方是伦敦风投Playfair，跟投名单中包括Vento Ventures、TrueSight Ventures、Alpha Venture以及多位来自科技、旅游和金融服务领域的天使投资人。这笔资金被明确指向一个目标：推出API的第一个版本，并在苏黎世建立一支专攻机器学习的团队。

看-订比飙升至二十万倍：AI代理如何将GDS的按次计费模式推向断裂点

要理解Zerolook的存在逻辑，必须先审视其背后那条正在断裂的产业链。全球航班分销系统（GDS）是整个航空旅游业的管道，传统GDS巨头通过向航空公司和旅行社收取每次查询的费用来实现商业闭环。据 Zerolook 称，在人类旅行代理主导的时代，看-订比约为1:50，代理人只在确认客户意图后才进行查询，每一次计算都与真实交易可能紧密关联，成本与收入高度匹配。

进入在线旅行社时代，这个比率攀升至1:500。随着Expedia、Kayak等元搜寻引擎的出现，它被进一步推至1:10,000以上。用户开始习惯于在多个网站上进行比价，大量浏览行为被转化成对底层系统的查询请求，而其中绝大多数并不会转化为订单。当AI旅行代理和现代比价工具大规模介入后，看-订比已经突破1:200,000。对于一个航空公司而言，为一个从不会发生的订单支付二十万次查询费，成本结构已完全失衡。一个由AI代理发起的模糊请求——比如“夏天去欧洲最便宜的海滩目的地”——可能在后台触发数千次航线、日期和舱位的组合计算，而最终结果如果被用户采纳，也仅产生一笔机票预订，甚至零预订。

这种成本失衡正在从财务层面侵蚀航空公司的收益管理系统。每一家接入GDS的航空公司，不仅要为真实的预订流量付费，还要为海量的“机器人流量”支付账单。尽管部分GDS已经对过度查询行为设置了惩罚性费率，但这并未从根本上改变按次计费的商业模型。Zerolook首席执行官兼联合创始人Simone Lini对此的概括相当尖锐：“航空公司和旅行社只有在有人订票时才能赚钱，但他们的技术供应商却为每一次搜索收费，甚至会对过高的搜索量做出惩罚。如今，许多搜索的成本已经高于其创造的价值。”因此，Zerolook的产品切入了一个明确的产业级矛盾：海量低价值查询正在耗干整个行业的搜索预算，而现有的技术架构无法区分一次查询背后的意图究竟是购买前的最后确认，还是一个AI代理在无目的地遍历可能性。

一家由前谷歌合作负责人和前Kayak产品VP创立的公司，不打算让搜索重新计算

Zerolook的创始团队配置几乎就是为这个特定问题定制的。CEO Simone Lini在创办Zerolook之前，曾担任谷歌旅行合作业务负责人，期间主导了谷歌航班在整个欧洲、中东和非洲地区的OTA与元搜索合作，并从无到有建立了旅游活动垂直业务。这段经历意味着他同时理解搜索巨头的流量分发机制和传统旅游分销渠道的成本结构。更早之前，他创立的Waynaut被Lastminute.com集团收购，此后他在后者担任首席商务与产品官，这让他对OTA的内部运营、收益管理和技术堆栈有直接从内部视角获得的经验。

CTO George Hadjiyiannis的履历则精准覆盖了搜索与系统架构，他曾是机票元搜索平台Kayak的产品副总裁，更早的职业轨迹横跨谷歌、英伟达（NVIDIA）和eBay等以大规模系统工程闻名的公司。在谷歌和eBay的背景可能意味着他对处理数十亿级实时查询请求的分布式系统并不陌生，而在英伟达的经历则可能为他提供了将机器学习模型部署至生产环境所需的工程直觉。在Zerolook，Hadjiyiannis负责设计预测模型和合作伙伴API基础设施。两位创始人从不同端点感知到了同一个技术债务：航班搜索的底层架构，从十几年前甚至几十年前起就没有经历过面向机器流量的改造。当初设计这些系统时，工程师们假设每一次查询背后都是一个即将做出购买决策的人类，而非一个正在为某位用户的模糊需求进行大规模假设验证的AI模型。

预测，而非计算：引入置信度打分的API如何试图降低成本边界

与GDS每收到一次请求就实时向航空公司主机发起一次计算不同，Zerolook的B2B API提供了一种替代性产品路径。它并不从原始运价系统中实时拉取结果，而是训练机器学习模型于历史运价、航班时刻表和舱位可用性数据之上，输出一个带有置信度评分的预测行程与价格。这意味着当一个AI代理询问“八月从伦敦到巴塞罗那的航班”，Zerolook的API返回的不是基于当前毫秒级库存状态的计算结果，而是一个基于历史模式推断出的“极可能在此价格区间内”的行程快照。

这是一次在确定性上做出妥协、但在经济性上寻求突破的产品抉择。传统的GDS查询保证了100%的计算确定性——返回的价格和库存状态此刻确实存在。而Zerolook提供的是概率性预测，它的价值主张在于：对于那些最终不会转化、或是仅用于初步决策的查询，一个准确度足够高的预测完全够用，而触发这个预测的成本远低于一次完整的GDS计算。CTO George Hadjiyiannis 认为，如今行业面临的成本困局是“几十年前遗留下来的技术决定的产物，其中有些甚至与8轨磁带诞生于同一个时代”，并且这些基础设施“早该进行现代化，而我们打算做的正是这件事，但不要求整个行业一夜之间改变运作方式。”这表明Zerolook的策略并非取代GDS，而是通过一种低负担的非侵入式旁路，替航空公司接管并回应那些高并发但转化率极低的非人流量查询。一个由AI代理发起的、最终并不会购票的搜索流，从Zerolook处获得一个准确度足够高的预测结果，而不必触发后端昂贵的计算过程。

从技术路径上看，这种预测模型需要在两个维度上维持平衡：预测的时效性，以及预测对票价变化和舱位关闭的敏感度。历史运价数据可以揭示季节性波动、提前购买天数与价格的关系、以及特定航线上的竞争强度，但它无法预知一次突发的航班取消或一场大型活动对短时需求的拉升。Zerolook的模型可能通过持续的数据更新和在线学习来逼近实时状态，但材料中并未披露模型更新频率或延迟时间。这意味着API返回的预测结果，对于需要精准到几分钟内价格变动的场景可能不适用，但对于一个正在规划两个月后行程的AI代理而言，其效用可能更高。这种场景适用性边界，将是决定其能在产业链中占据何种位置的关键变量。

避开更换系统的博弈，充当流量缓冲层

Zerolook的商业模式建立在将这部分流量货币化的可能性上。据公司透露，他们已与多家在线旅游合作伙伴签署了意向书，并准备启动首批试点。这个披露信息暗示了市场一侧对解决搜索成本问题的急迫性，却也不可避免地将Zerolook置于一个复杂的三方博弈中。航空公司、GDS、和以OTA为代表的搜索渠道，已经在现有的运价分发体系中形成了利益捆绑。一家试图改变其中技术路径的创业公司，必须在不要求航空公司与GDS切割关系的前提下解决痛点。在线旅行社和元搜索平台是流量的入口，但它们也承受着来自GDS和航司直连系统的查询成本压力。引入带有置信度的预测结果代替确定性实时查询，本质上是在现有系统之上增加了一层智能缓存。这个缓存层并不试图回答“这个价格此刻是否绝对可订”，而是回答“按照历史模式，这趟行程的大致价格区间和可用性如何”。对于处在旅行规划早期阶段的用户或AI代理，这个信息可能已经足够驱动下一步决策，例如缩小目的地范围或调整出行日期。当决策进入最后阶段，系统可以再切换回传统的实时GDS查询来完成预订，从而将高成本查询留给高意图的流量。

Zerolook能否被行业接纳，取决于一个重要假设：航空公司愿意承认，对于某些特定类型的查询，一个足够好的预测带来的边际收入，完全可以接受它偶尔不精确的事实。若航空公司坚持百分之百的计算确定性——这可能源自收益管理部门的合规要求，或是对品牌体验一致性的担忧——预测模型的价值就会回到辅助参考这类次要定位上。目前，关于模型到底在多大比例上足够可靠，或对于价格敏感的旅行代理而言误差的可容忍区间是多大，Zerolook并未公开性能指标。这个信息缺口本身可能就是一种策略性的商业保密，但也意味着外界尚无法评估其产品距离真正的商业化部署还有多远。

一个不确定性垒成的假设：预测精度、行业惯性与时间窗口

事实上，Zerolook面临的最核心风险，也是投资人必须去验证的假设。首先，预测的准确性是否足以让航空公司将其纳入核心业务流程？航班实时查询关乎座位库存的实际占用与最终票价，尤其在多航段组合与转机场景下，运价计算涉及的规则与条件组合极其复杂。一个跨航空公司的联程行程，可能涉及数十种运价基础、舱位组合、行李规则和停留限制，每一次实时计算都是针对这些规则在特定时间点的联合求解。预测模型如果遗漏了某条航司刚刚更新的一项行李收费政策，或是对某个舱位子等级的关闭动态反应滞后，给出的预测就可能与实际可订选项产生偏差。哪怕只是毫厘的偏差，也可能引发航空公司收益管理上的连锁反应，例如错误地引导需求至已接近售罄的舱位，或是让本可以更高价格出售的座位被提前以预测价格锁定。来源材料中有观察指出，“目前尚不清楚它们的预测是否足够精确以让航空公司信任”，这亦点出了Zerolook暂时还是一个悬而未决的产品。

其次，Zerolook试图填补的窗口期可能并非无限漫长。如果传统系统在未来几年内成功将搜索计算的边际成本大幅下降，或者通过引入自己的AI缓存层来降低查询压力，那么Zerolook这类外部预测引擎的存在价值就会被削弱。初创公司在基础设施层面建立的优势，很容易被掌握流量和客户关系的现有巨头通过吸收式创新所消解。

第三，技术债务固然存在，但债务的最终解决者往往是其持有者。Zerolook的叙事强调不要求行业做出“一夜之间的改变”，这虽然降低了商用的准入门槛，但同时也将自己定义成了一个过渡性角色。一旦行业转向，过渡方案可能迅速失去立足之地。Hadjiyiannis关于“不需要即刻的行业性转变”的表述，在投资者看来可能是一种务实的进入策略，也可能从侧面表明这家公司预判自己无法在短期内倒逼行业抛弃传统架构。此外，数据获取也是潜在障碍：要训练出高精度的预测模型，Zerolook需要大量历史运价和可用性数据。这些数据目前主要在航空公司和GDS手中，Zerolook是否已与数据提供方达成合作协议，或通过签署意向书的合作伙伴间接获取训练数据，材料中未予披露。如果数据获取受限于商业谈判进程，模型的迭代速度和质量提升将直接受到影响。

领投方Playfair与苏黎世团队：一次对于基础设施替代模块的早期押注

从投资逻辑看，Playfair的领投反映出一种对于旅游科技基础设施的特定解读。与许多面向终端消费者的AI旅行工具不同，Zerolook的定位是在B2B管道层，直连的是行业成本结构中最为疼痛的一环。它不是去创造新的旅行搜索体验，而是试图让现有的搜索体验在AI时代能够继续运转而不至成本崩溃。这种定位意味着商业价值只能在产业链内部实现——通过降低航空公司和OTA的搜索总成本，从中分取一部分节省的费用作为收入。这轮融资的规模和节奏（Pre-Seed阶段瞄准的是API的第一个版本和机器学习团队）也说明，投资人认可的首要价值是创始团队对问题本质的认知以及他们从谷歌和Kayak带来的行业关系网，而非一个已经成熟的产品。在这个阶段，投资更多地是在押注一个方向和一个团队，而不是在验证一项已经被市场接受的技术。

这笔资金的规划相当聚焦。在苏黎世建立一支机器学习团队，意味着Zerolook打算将核心预测能力掌握在自己手中，而非外包给第三方模型。苏黎世作为欧洲工程技术人才的聚集地之一，能够接触到苏黎世联邦理工学院（ETH Zurich）等机构的研究人员，这可能有助于在公司早期阶段招募到具备高度专业能力的机器学习工程师。这家公司也并未提及使用通用的大语言模型，而是在CTO Hadjiyiannis的主导下，构建专门针对全球航班数据的垂直化中小规模预测模型。这种选择避免了在通用模型上与大厂直接竞争算力和数据规模，转而利用领域知识和对航班运价规则的深度理解来构建差异化。这可能成为其构建技术护城河的方向。但190万美元对于一个试图在全球航空业管道中占据一席之地的初创公司而言极其有限，这决定了Zerolook必须在首批试点中拿出足以说服更多商业伙伴分摊成本的证据。这笔资金大约只能支撑一支小型工程团队一年左右的运营，如果试点不能在短期内产生可验证的成本节约数据，下一轮融资的叙事将面临更大压力。

搜索的边界：是成本问题，还是行业收入模型的结构性偏差？

当我们拓宽视野，Zerolook所触及的，其实是一个比航班搜索本身更大的行业命题。Simone Lini的表述——“大多数搜索都是人们在决策，而不是在预订”，切中了一个根本性事实。旅游搜索从来没有被设计成为决策工具，而一直是交易管道。当它被迫替代决策，就出现了一个基础设计上的不对称：管道的拥有者按照交易工具收费，而使用管道的用户则将它当作免费的决策助手。用户和AI代理正在把GDS当作一个无穷尽的沙盘，反复推演各种旅行可能性，而管道的每一次转动都在计费。

Zerolook试图在技术改造的层面纠正这个偏差，它给出的答案是让机器在管道之前进行预测来降低高层级成本。但它并没有从根本上解决收入模型错配的问题。一个更为激进的版本可能是直接向大规模的AI代理或提供旅行决策服务的平台收费，而这将完全脱离现有航空分销体系下的价值分配秩序。在这样的模型下，Zerolook可能会变成一个连接AI代理和航班数据的收费网关，向上游海量查询的发起方收取订阅费或按API调用量收费，而非让航空公司继续承担所有查询成本。但显然，对于一家刚完成Pre-Seed融资的公司而言，拆除整个票价查询货币化的旧框架是不现实的。Zerolook选择的是技术领域的软修复，而非商业协议上的硬革命。

目前Zerolook的客户清单、具体的定价模型、以及预测性能的精确度量标准均未披露。这些信息的不透明，使得外界对其商业化进程的评估只能停留在逻辑推演层面。如果其在试点阶段能够证明预测模型可以将一定比例（例如80%以上）的低意图查询从实时GDS计算中分流出来，同时把因预测误差导致的收入损失控制在显著低于所节约查询成本的范围内，那么它在行业内的价值主张就会从“一个有趣的技术尝试”升级为“一个必需的运营组件”。这一验证过程的难度和时长，可能是决定Zerolook最终命运的最关键变量。

RecodeX 极客视：Zerolook正在进入一个窗口期：一边是AI代理带来的万倍级查询洪峰，一边是已有数十年历史的GDS按次计费架构。用预测替代计算，是一条逻辑通顺的降低成本路径，但这个方案必须解决一个关键悖论——航空公司可以不接受任何比自己系统更差的准确性，哪怕它更便宜。而当预测足够好到让他们接受，它可能又会冲击掉现今动态定价中，航空公司对“信息不对称”的控制红利。因此，Zerolook的真正对手可能不是某一家GDS，而是整个行业对于丧失运价透明度的本能抵制。