科技巨頭集體關注“物理AI”，現實“執(zhí)行力”成AI核心競爭

文：李浩

編輯：經緯

“用 AI 重做一切”的口號，自 2023 年 ChatGPT 首秀后就迅速成為行業(yè)最響亮的宣言。隨著大模型越來越聰明，人們對AI 的能力有了新期待。

無論是把云端的大模型性能參數做到極致，還是將 Token 生成與能力輸出推向巔峰，最終都指向任務的完成上，當下的AI正處于提升“執(zhí)行”能力的關鍵期。

3月底，美團 CEO 王興表示，將 AI 視為重塑本地生活服務的戰(zhàn)略基礎設施。關鍵在于精準理解用戶需求、高效執(zhí)行任務。不止美團，從去年開始，國內外巨頭也有不少相關動作，紛紛布局AI完成任務、理解物理世界的“基礎設施”，目標也是指向AI在現實世界的“執(zhí)行力”。

這也意味著，一場關于AI執(zhí)行能力的進化，正在上演。

經過漫長積累，AI進入“進化”期

從整個行業(yè)的發(fā)展歷程來看，當前的“生成式人工智能 + 大語言模型”路線，并非 AI 的第一次爆發(fā)。

早在 2012 年，AlexNet 在 ImageNet 圖像分類大賽中取得突破性勝利，開啟了深度學習在計算機視覺領域的熱潮。

如今，感知 AI 已高度成熟并深度商品化，人臉識別、語音識別等技術早已成為智能手機解鎖、移動支付、安防監(jiān)控、身份驗證等日常基礎設施的標配。

技術在商業(yè)化后，市場的焦點就轉向了更具想象力的方向。

谷歌 Transformer 架構的提出為當前的生成式 AI 打下了基礎。隨后 ChatGPT 橫空出世讓整個行業(yè)看到了新的可能。大模型的性能飛速提升，Genie 3 或 Cosmos 代表的世界模型也進入投入高峰期， post-training、reasoning steps 等新方向接連出現，這些敘事，意味著AI在數字世界內的信息優(yōu)化與生成增強，有了“更進一步”的能力。

一代 AI 有一代的任務。感知 AI 解決了“看懂”和“聽懂”的問題，生成式 AI 解決了理解、推理和生成內容的問題。AI已經不再是昂貴的玩具，不再是玻璃缸里的大腦。

與此同時，中國互聯網長期在電商、物流、本地生活和即時履約方面十多年來的打通和串聯，已經形成了一個底層能力的雛形——讓機器在真實世界中執(zhí)行命令、處理問題，有了技術能力和商業(yè)土壤的可能性。

這也是為什么，最近黃仁勛、馬斯克、貝佐斯等科技大佬，頻頻提及物理 AI 這個概念。

（黃仁勛在物理AI領域頻頻布局）

舉個例子，其實物理 AI 早已經進入了人們的生活，自動駕駛就是物理 AI 最早實現大規(guī)模部署的領域之一。它早已超越單純的“感知”階段，從檢測車道、障礙物，演進為需要實時感知物理環(huán)境、理解動態(tài)交互、并做出安全決策的人工智能系統。

而物理 AI 的前景遠不止于自動駕駛，而是在重塑智能技術與物理世界的交互方式。

當下一些前沿的探索，已經走得更遠。物流與倉儲領域，少量人形和輪足機器人開始承擔物料搬運、分揀任務；在零售物流環(huán)節(jié)中，一部分具身機器人開始面對復雜的貨架；在醫(yī)療養(yǎng)老領域，機器和AI輔助“大腦”開始嘗試參與手術、“篩查和康復環(huán)節(jié)。

在AI和具身智能當下的應用中，場景和數據的重要性正在凸顯。哪些商業(yè)業(yè)態(tài)擁有可供AI訓練和規(guī)模應用的空間，也意味著更引入入AI能力的探索落地機會。

這也是為什么，王興會有“不做詞元工廠”、而要當作戰(zhàn)略機遇的思考。隨著行業(yè)的目光看向物理 AI，本地生活等商業(yè)生態(tài)中的場景價值正在被重視。

美團的業(yè)務，自其誕生的第一天就綁定本地生活、即時履約、物理執(zhí)行等場景底盤。在AI技術尚未成熟的時候，美團就在用信息化、線下連接打通等能力，保障一次次服務最終的交付結果。底層業(yè)務基因決定，美團的AI底座肯定不只在對話框里，更需要大量前期的“地面”工作，來保障訂單、用戶需求能夠在線上線下高效銜接和流轉。

過去 16 年，美團已把中國超 800 萬商家、數億用戶、千萬級騎手、萬億級訂單、百萬級 POI 全部數字化，建成了全球最復雜的“實時服務數字孿生體”。

可以說美團要做的，不是通過AI技術外溢，尋找場景的落地路線，而是關注已有的業(yè)務里，AI提效和改造的“生長路線”。

AI時代，重新定義數據價值

數據，尤其是真實世界的交互數據，決定了AI執(zhí)行力的成熟速度。

為了訓練機器人抓取物體等基礎操作，OpenAI 2025 年雇傭了約100 名專職數據采集員，分三班倒 24 小時不間斷工作。他們通過 VR 控制器或專用硬件遠程操控機械臂完成如抓取、放置物體等家務任務。OpenAI 希望通過這些真實交互數據訓練具身智能模型，但人力瓶頸明顯。

自動駕駛領域的端到端，同樣難以擺脫對仿真數據的依賴。許多方案在訓練階段大量使用高保真仿真平臺生成海量場景數據，或通過世界模型或神經渲染器快速構造長尾和危險情況，以降低真實路測的成本與風險。

但真實世界依然有很多難以“完全模仿”的地方——傳感器噪聲、光照變化、路面摩擦、車輛動力學細節(jié)以及其他交通參與者的不可預測行為，都還需要漫長的學習和理解。

讓AI理解現實中的重力、摩擦力或粗糙程度，依然需要很多現實場景作為參照，及時糾偏和反饋。

美團的業(yè)務網絡，每天在真實物理環(huán)境中自然產生高頻、多模態(tài)、帶因果反饋的交互數據。這恰恰是很多硬科技企業(yè)所關注的。

美團配送網絡覆蓋全國 2800多個市縣，從北京 CBD 的高樓林立到偏遠縣城的狹窄巷道，從寫字樓的標準化場景到城中村的無電梯老舊建筑，地理環(huán)境與服務場景有多樣性，也有持續(xù)探索訓練的“景深”價值

比如，雨夜路滑如何調整路線、商家出餐波動如何動態(tài)重規(guī)劃、用戶臨時改址帶來的連鎖反應——這些線上與線下的實時交互。比如，用戶口味、商家經營、實時路況、騎手行為、投訴糾紛、履約波動……這些實時、非標的現實需求，都意味著AI提效的空間，介入“訓練”“學習”實現優(yōu)化的可能。

16 年的積累，讓美團的AI底座形成了一些基于物理世界的“基因特性”，主要體現在三個方面。

數據上，美團的業(yè)務本身就是一臺高效運轉的物理世界數據挖掘機。每天數千萬訂單、千萬商家、數百萬騎手、億級用戶的全鏈路的互動數據。

數據的背后，是美團龐大的即時履約的“神經網絡”。美團擁有全球少有的覆蓋能 300+ 城市實時配送網絡。AI調度的復雜度達到每秒百萬級變量優(yōu)化。

AI 的目的是服務于人的最終體驗，最終指向任務的“交付”，這是美團的另一個差異。美團的主業(yè)本地生活是一個用戶體驗敏感、履約糾紛復雜、需要多方協同的業(yè)態(tài)。遲到、漏餐、破損、退款、售后等問題，都是用戶難以接受的，也因此 AI 必須有極低的容錯率，還要“理解”人的核心需求。

從開放場景到技術迭代

要達到這種有溫度的服務，當然還需要漫長的底座建設和技術積累。當下美團的很多動作，都指向了這個目標。

不止在前端可見的 App，美團的 AI能力 已經滲透到 C 端、B 端、履約端的每一個環(huán)節(jié)，進入“需求→推薦→交易→履約→經營”的多個鏈路。

比如在 C 端的“問小團”，能夠滿足基于用戶習慣，給出“消費決策”等建議。即使是復雜的需求，比如“今晚 6 個人、寵物友好、人均200 的川菜、離我 3 公里、不用等位”，AI 也能在數秒內完成定位篩選、特色梳理、真實評價提煉，并貼合用戶需求給出更進一步的決策建議。

在 B 端，340 萬商家在用 AI 經營助手。自動分析客流、建議備菜、動態(tài)調價、生成營銷文案、管理庫存，AI 不是工具，是可靠的“數據管家”。

在無人配送業(yè)務里，美團擁有 70多條常態(tài)化全球航線、累計配送超 78 萬單的無人機網絡，以及550萬單訂單無人車業(yè)務。

從這些業(yè)務中形成的場景生態(tài)、技術生態(tài)不難看出，美團正在把大模型、智能駕駛、智能硬件等技術融入自身的商業(yè)系統。

為此，2025 年美團投入 260 億元。

“除云計算公司外，美團 AI 投入大概率是國內最大，且已堅持 3 年。”王興表示，美團要做的是“物理世界的 AI 底座”，要讓 AI“長出手腳”，真正執(zhí)行現實任務。

這一套完整的體系不是美團的“獨角戲”，而是一群硬科技企業(yè)共同參與、相互賦能的協同生態(tài)。

美團在科技界的投資布局已不是新聞。

美團硬科技投資占比一度高達 64%。比如在具身智能賽道，美團至少布局了 16 家公司，其中 10 家已成長為獨角獸。

如果放到整個硬科技領域，美團多年來至少投資布局了五十多家企業(yè)，覆蓋了大模型，半導體，智能硬件，具身智能和無人駕駛五個主要賽道。不僅早期就參與了銀河通用、星海圖、自變量、愛芯元智等獨角獸的投資，還是智譜AI，月之暗面，摩爾線程，沐曦股份等明星企業(yè)的投資方。

同時，美團不是“投資撒錢”，而是“場景反哺”。

在 2022 年互聯網大廠投資數量驟降 70% 時，美團依然持續(xù)投入硬科技。在宇樹科技 B2 輪估值僅 10 億左右時，美團便領投并持續(xù)參跟投。

同時，美團利用開放自己的業(yè)務場景，讓硬科技被投企業(yè)不斷在訓練中迭代技術，逐漸形成了適配本地生活的“AI 科技樹”。

比如，銀河通用的 Galbot 人形機器人已與美團買藥業(yè)務協同，在北京等地多家藥店和智慧倉中承擔補貨、分揀、商品識別等任務，并逐步驗證其在零售貨架交互流程中的穩(wěn)定性。

禾賽科技的第二代純固態(tài)激光雷達 FTX 獲得美團無人機量產定點，實現低空物流在城市復雜空域、惡劣天氣下的精準感知與避障，推動配送效率進一步提升。立鏢等分揀機器人技術，也在美團的區(qū)域倉等節(jié)點中得到實際應用驗證，處理高頻、高精度的倉儲作業(yè)。

這種場景合作協同，不僅加速了被投企業(yè)的商業(yè)化進程，也反過來持續(xù)為美團自身的物理AI系統，注入新鮮的現實執(zhí)行力，形成場景，技術與業(yè)務發(fā)展的正向循環(huán)。

從AI基建的視角看，美團的路徑有明顯的開放特征，也考驗長期耐心。

雖然短期內仍要承擔被動卷入外賣大戰(zhàn)的副作用，但長期看，美團的 AI 路徑開始清晰起來：讓 AI 連接人、商家、服務、硬件，讓 30 分鐘萬物到家成為像水電一樣的基礎社會設施。終究，AI 的歸宿，應該是讓人類的生活更美好。