春秋航空 × AI

[导语·核心观点]2026年2月，春秋航空推出AI创意贺岁短片《神机妙算2·新春百景图》，用古画与AI技术让客机穿越古今[1]；同年9月，公司在投资者互动平台表示正积极拥抱科技变革，深入探索AI技术在航空业务领域的应用和部署[4]。前者被当作春节营销，后者被当作一句标准回复，几乎没有进入资本市场的讨论。但把2023年上线的AI个性化登机牌[3]与创略科技为其搭建的AI+CDP营销平台[2]摆在一起，一条被低估的线索浮现：低成本航空的高频、标准化、强标价运营，可能正是AI最容易产生现金回报的场景。核心判断是：市场尚未把春秋航空的AI投入计入估值；但现有证据也尚不足以证明它已经变成利润。

[事件回顾·发生了什么]按公开信息时间线：2023年11月，春秋航空推出AI个性化登机牌，旅客可从App“订单详情—我的订单—AI登机牌”进入，或在微信小程序搜索“个性化登机牌”使用[3]。同期，创略科技助其搭建AI+CDP精准营销平台，整合千万级会员及亿级乘机人数据，构建360°用户画像，实现精准人群分群与个性化营销[2]。2026年丙午马年新春，公司推出AI创意贺岁短片《神机妙算2·新春百景图》，以古画结合AI技术呈现客机穿越古今[1]。2026年9月23日，公司在投资者互动平台回应称，正深入探索AI技术在航空业务领域的应用和部署[4]。四条信息中，两条是面向乘客的对外传播，一条是供应商案例，一条是官方表态；没有任何一条给出财务数字。

[背景与格局·公司沿革 · 行业脉络]春秋航空是A股上市的低成本航空（LCC）代表。低成本模式的商业内核并不神秘：把服务拆成标准件，把成本压到极薄，把飞机日利用率和客座率推到高位，再通过自有渠道把附加服务卖给旅客。这个模式对AI有两层天然亲和性。第一层是数据：其CDP整合了千万级会员与亿级乘机人数据[2]，规模足以支撑分群与推荐。第二层是决策密度：选座、行李、餐食、改签、增值服务，每一次购买都是短周期、强标价、可立即验证的决策点，特别适合用算法排序和A/B验证。从技术脉络看，春秋的AI布局呈现“前端体验—数据中台—内容生产”三段式：2023年的个性化登机牌属前端互动[3]，CDP属数据中台[2]，2026年的AI短片属内容生产[1]。行业层面，AI在民航的落地主要集中在营销获客、旅客服务与运行控制三类场景，且工具与供应商高度同质化——这是分析判断，报道本身未提供同行业对比数据。

[深度解读·为什么发生 · 意味着什么]为什么值得单独拎出来看？因为这三段布局的价值密度完全不同。AI短片[1]与个性化登机牌[3]属于品牌与体验层，好看、好传播，但很难直接换算成收入——登机牌的真正意义不在“生成一张图”，而在它把旅客引导至自有App或小程序[3]，这是把流量从第三方分销渠道拉回自营入口的动作，对低成本航司的渠道成本结构有实质影响（分析）。真正可能改变利润表的，是中间那层CDP[2]：如果把亿级乘机人数据转化为对附加服务的个性化排序，提高的就是人均辅营收入，而不是客座率。低成本航司的估值框架长期锚定在单位成本、客座率、飞机日利用率等运营指标上，一旦辅营收入占比与直销占比出现可归因的改善，估值锚就可能从“成本型”向“效率+数据型”迁移——这是本文的重估假设，而非已发生的事实。 谁受益？公司若能把转化率做上去，受益的是利润率；创略科技获得了航空业标杆案例[2]，受益的是品牌与获客。谁受损？一旦直销与个性化推荐规模化，OTA与第三方分销在流量分配上的议价权会被稀释（分析）。但必须承认：目前公开信息停留在“能力展示”阶段，没有任何一条披露了AI对收入、成本或转化率的贡献[1][2][3][4]。区分“市场未认知”和“确实不行”很重要——现有证据不足以证明前者失败，也远不足以证明后者成功。

[关键数据与证据·来自报道的数字与事实]可核验的事实清单如下。一，2026年丙午马年新春，春秋航空推出AI创意贺岁短片《神机妙算2·新春百景图》，以古画结合AI技术呈现客机穿越古今[1]。二，创略科技助力春秋航空搭建AI+CDP精准营销平台，整合千万级会员及亿级乘机人数据，构建360°用户画像，实现精准人群分群与个性化营销[2]。三，2023年11月，公司推出AI个性化登机牌，旅客可通过App“订单详情”中“我的订单”的“AI登机牌”进入，或在微信小程序搜索“个性化登机牌”使用[3]。四，2026年9月23日，公司在投资者互动平台表示，正积极拥抱科技变革，深入探索AI技术在航空业务领域的应用和部署[4]。需要点明的是：这四条证据中，没有任何一条包含AI带来的收入、成本、转化率或客座率数字；“千万级”“亿级”描述的是数据存量规模[2]，而非业务效果。

[风险与争议·审慎的批评视角]第一，来源结构本身有偏差。四条材料里，两条是公司自述的对外传播物料[1][3]，一条是供应商的案例文章[2]，供应商有明确的商业动机把效果写得好看；唯一涉及投资者关系的一条[4]，用的是“积极探索”“深入探索”这类无法证伪的表述。用这些材料推断财务影响，证据强度不够。 第二，把“探索”读成“已部署”是最常见的误读。“深入探索AI技术在航空业务领域的应用和部署”[4]同时容纳了“已上线并产生收益”和“仅成立了一个小组”两种现实。 第三，数据合规不是小事。整合亿级乘机人数据的CDP[2]，直接落在个人信息保护与数据安全监管的射程内。“个性化推荐”与“个性化定价”之间只有一线之隔，一旦被舆论读成“大数据杀熟”，品牌损失可能远超转化收益（分析）。 第四，同质化与折旧。营销类AI工具在行业内扩散很快，先发优势通常以季度而非年份计；而低成本航司的利润恰恰来自对成本的极致克制，AI投入若无法量化回报，反而会侵蚀它的核心优势（分析）。 第五，AI生成内容在古画、文物题材上的版权与史实准确性问题，是这类品牌型AI项目的常见隐性成本[1]。

[未来展望·情景推演]保守情景：AI停留在内容与前端体验层，财报上无从体现，市场继续用成本型航司框架估值，AI不构成重估理由。中性情景：CDP的转化效果在未来两到四个季度通过辅营收入占比、直销占比、销售费用率等指标的边际变化被侧面观察到，公司仍不单独披露，分析师开始把它写进模型但调低权重。乐观情景：公司主动在定期报告或投资者交流中给出可核验口径（例如AI推荐覆盖的订单比例、辅营转化提升幅度），估值框架从“成本型航司”向“效率+数据型”切换，触发系统性重估。 可观察的催化剂有三类。其一是财报节点：年报与半年报中辅营收入、销售费用率、直销占比的任何异常波动。其二是运营节点：春运、暑运等旺季启用的AI工具是否延伸到推荐与动态服务，而不只是生成一张登机牌或一支短片。其三是沟通节点：投资者互动平台[4]的表态是否会从“探索”升级为具体部署与量化目标——口径的变化本身就是信号。

[建议与启示·面向决策者]给企业决策者三条建议。第一，把AI项目的KPI从传播量换成可归因的经营指标——人均辅营收入、直销占比、销售费用率、客服一次解决率；不能被归因的效果，第二年预算就会被砍。第二，披露节奏先行：不必等大结果，先在投资者沟通中给出可核验的口径与方法，降低市场对“AI”这个词的信任折价。第三，数据合规前置，把个性化推荐与个性化定价的边界写成内部红线，而不是等舆情来划。 更进一步的问题是：单点AI工具的天花板很低，真正的效率来自跨系统协同。航班保障、不正常航班处置、旅客服务与辅营推荐、机组与地服排班，这些任务跨部门、跨系统、强时序，天然适合由多智能体编排来完成——这正是AgentSH这类多智能体调度平台的价值所在：它不生产单个模型能力，而是把已有AI能力组织成可观测、可回溯、可归因的任务流，让“AI提升了多少”第一次有答案。春秋航空的CDP已经握有数据[2]，缺的正是把数据到决策之间的链路显性化。

[结语·一句话立场]春秋航空的AI故事，一句话概括是“真实但未经证实”：场景是真的——低成本高频运营确实是AI的优质土壤；数据是真的——千万级会员与亿级乘机人数据已在体系内[2]；但财务上的证明是空的，四条公开信息没有一条给出量化结果[1][2][3][4]。它属于被低估，但不属于已被证明。理性的做法是把它放进观察清单，盯住辅营收入、直销占比与披露口径这三个可验证变量，而不是把它当作买入理由。