Bon Appetit 把外卖 AI 化这件事讲清楚了 DoorDash Uber Eats Tock Resy 都被卷进去了

Bon Appetit 10 月初的 Open Tab 专栏把过去两周餐饮外卖行业正在发生的一个变化写得非常具体：AI 不再只是餐厅后台的点单系统，而是开始出现在点单前的「选什么吃」这个环节。DoorDash 在 9 月底推出了一个名为 DashAI 的功能，用户在 app 里输入「我想吃点辣的但不要太油，最好能在 30 分钟内送到」这种自然语言描述，DashAI 会在 4 秒内返回 3 到 5 家匹配的餐厅和具体菜品。Uber Eats 紧随其后，在 10 月 1 日上线了一个叫 Eats Assistant 的对话式推荐功能，直接嵌在搜索框里。这两个功能的底层模型都来自 OpenAI 的 Realtime API 微调版本，DoorDash 还专门训练了一个「根据天气、时间、健康目标推荐菜品」的子模型。

这两个功能的底层逻辑和过去按「距离 / 评分 / 销量」排序的外卖 app 完全不同。过去的算法是把所有符合条件的餐厅列出来让用户挑，AI 版的逻辑是先理解用户的饮食偏好（从过去 30 天的订单历史提取）、当前的身体状态（从订单时间和菜系推测是工作餐还是周末聚餐）、预算约束（自动匹配价格区间），然后直接给一个「我们建议你点什么」的答案。这个交互模式的转变，让外卖 app 从「工具」变成了「顾问」。DoorDash 内部把这个变化称作「从决策列表到决策代理」——过去 app 给的是选择题，现在 app 给的是带推理链的建议题。

更值得注意的是高端餐饮订位平台的跟进。Tock 在 9 月 28 日宣布把 OpenAI 的 Realtime API 接入到订位流程，用户可以在订位前跟 AI 助手讨论「这家餐厅值不值得去、菜系风格适不适合我的口味、有没有 dress code 要求」。Resy 在 10 月 2 日跟进了一个类似的功能，并且把 AI 助手的人格设定成「一个常去这家餐厅的本地食客」，语气比 Tock 的更口语化。这两个订位平台过去的核心场景是「提前 1-2 周预订米其林餐厅」，AI 接入后他们的判断是「让 AI 帮客人做决策，降低订位取消率」。

这三家公司的动作背后是同一个判断：外卖和订位的下一个增长点不是让用户下更多订单，而是让用户下「对的订单」。过去的增长靠补贴和覆盖密度，现在的增长要靠「被用户信任地推荐」。这种转变对小型独立餐厅的冲击尤其大——过去一家餐厅的生存取决于能不能被用户刷到，现在取决于能不能被 AI 推荐到。一个餐厅如果不能在 4 秒内把「我是谁 / 我做什么 / 为什么今天应该选我」这件事讲清楚，AI 助手在 95% 的场景下会推荐另外几家。Bon Appetit 文章里举了一个被业内广泛讨论的案例：纽约一家做手工意面的小餐厅，过去靠 Yelp 评分 4.7 和 Instagram 帖子被客人发现，最近三个月发现新客来源全部断了，原因就是客人现在用 DashAI 推荐，DashAI 的推荐池里完全找不到这家餐厅。

对国内餐饮同行来说，这篇文章最有用的洞察是「AI 选餐」在国内的落地会比美国更快。美团、饿了么、大众点评三家在过去一年都已经把大模型接入了搜索推荐，但目前还停留在「关键词召回」的阶段，下一步必然是「对话式推荐」。如果一家餐厅的菜品描述还是按「主菜 + 配菜 + 价格」这一波模板写，它在 AI 助手的眼里跟其他 200 家餐厅几乎没有区别。真正能让 AI 助手「选择这家」的，是这家餐厅能不能提供 50 到 100 字的「场景描述」——「这家店适合什么人来、什么场景来、吃完会有什么感受」。这件事现在做的人极少，先做的人会被所有 AI 助手反复推荐。

Bon Appetit 文章里有一句话值得反复读：「未来五年餐厅外卖的胜负不在配送速度，而在被 AI 助手的认知度。」这句话翻译成经营动作就是：每一家餐厅都应该开始认真写自己的「AI 友好型描述」，从菜品的灵魂、餐厅的氛围、主厨的执念、客人的真实反馈这些维度，写一份给 AI 助手看的「餐厅说明」。这件事现在做的人极少，先做的人会被所有 AI 助手反复推荐。这件事对国内同行来说同样值得复盘，从更细颗粒度的执行层面去看，每个判断背后都连着一串可以落到自己生意里的具体动作。

创业找资源，上乌鸦部落。