科技巨头集体关注“物理AI”，现实“执行力”成AI核心竞争

文：李浩

编辑：经纬

“用 AI 重做一切”的口号，自 2023 年 ChatGPT 首秀后就迅速成为行业最响亮的宣言。随着大模型越来越聪明，人们对AI 的能力有了新期待。

无论是把云端的大模型性能参数做到极致，还是将 Token 生成与能力输出推向巅峰，最终都指向任务的完成上，当下的AI正处于提升“执行”能力的关键期。

3月底，美团 CEO 王兴表示，将 AI 视为重塑本地生活服务的战略基础设施。关键在于精准理解用户需求、高效执行任务。不止美团，从去年开始，国内外巨头也有不少相关动作，纷纷布局AI完成任务、理解物理世界的“基础设施”，目标也是指向AI在现实世界的“执行力”。

这也意味着，一场关于AI执行能力的进化，正在上演。

经过漫长积累，AI进入“进化”期

从整个行业的发展历程来看，当前的“生成式人工智能 + 大语言模型”路线，并非 AI 的第一次爆发。

早在 2012 年，AlexNet 在 ImageNet 图像分类大赛中取得突破性胜利，开启了深度学习在计算机视觉领域的热潮。

如今，感知 AI 已高度成熟并深度商品化，人脸识别、语音识别等技术早已成为智能手机解锁、移动支付、安防监控、身份验证等日常基础设施的标配。

技术在商业化后，市场的焦点就转向了更具想象力的方向。

谷歌 Transformer 架构的提出为当前的生成式 AI 打下了基础。随后 ChatGPT 横空出世让整个行业看到了新的可能。大模型的性能飞速提升，Genie 3 或 Cosmos 代表的世界模型也进入投入高峰期， post-training、reasoning steps 等新方向接连出现，这些叙事，意味着AI在数字世界内的信息优化与生成增强，有了“更进一步”的能力。

一代 AI 有一代的任务。感知 AI 解决了“看懂”和“听懂”的问题，生成式 AI 解决了理解、推理和生成内容的问题。AI已经不再是昂贵的玩具，不再是玻璃缸里的大脑。

与此同时，中国互联网长期在电商、物流、本地生活和即时履约方面十多年来的打通和串联，已经形成了一个底层能力的雏形——让机器在真实世界中执行命令、处理问题，有了技术能力和商业土壤的可能性。

这也是为什么，最近黄仁勋、马斯克、贝佐斯等科技大佬，频频提及物理 AI 这个概念。

（黄仁勋在物理AI领域频频布局）

举个例子，其实物理 AI 早已经进入了人们的生活，自动驾驶就是物理 AI 最早实现大规模部署的领域之一。它早已超越单纯的“感知”阶段，从检测车道、障碍物，演进为需要实时感知物理环境、理解动态交互、并做出安全决策的人工智能系统。

而物理 AI 的前景远不止于自动驾驶，而是在重塑智能技术与物理世界的交互方式。

当下一些前沿的探索，已经走得更远。物流与仓储领域，少量人形和轮足机器人开始承担物料搬运、分拣任务；在零售物流环节中，一部分具身机器人开始面对复杂的货架；在医疗养老领域，机器和AI辅助“大脑”开始尝试参与手术、“筛查和康复环节。

在AI和具身智能当下的应用中，场景和数据的重要性正在凸显。哪些商业业态拥有可供AI训练和规模应用的空间，也意味着更引入入AI能力的探索落地机会。

这也是为什么，王兴会有“不做词元工厂”、而要当作战略机遇的思考。随着行业的目光看向物理 AI，本地生活等商业生态中的场景价值正在被重视。

美团的业务，自其诞生的第一天就绑定本地生活、即时履约、物理执行等场景底盘。在AI技术尚未成熟的时候，美团就在用信息化、线下连接打通等能力，保障一次次服务最终的交付结果。底层业务基因决定，美团的AI底座肯定不只在对话框里，更需要大量前期的“地面”工作，来保障订单、用户需求能够在线上线下高效衔接和流转。

过去 16 年，美团已把中国超 800 万商家、数亿用户、千万级骑手、万亿级订单、百万级 POI 全部数字化，建成了全球最复杂的“实时服务数字孪生体”。

可以说美团要做的，不是通过AI技术外溢，寻找场景的落地路线，而是关注已有的业务里，AI提效和改造的“生长路线”。

AI时代，重新定义数据价值

数据，尤其是真实世界的交互数据，决定了AI执行力的成熟速度。

为了训练机器人抓取物体等基础操作，OpenAI 2025 年雇佣了约100 名专职数据采集员，分三班倒 24 小时不间断工作。他们通过 VR 控制器或专用硬件远程操控机械臂完成如抓取、放置物体等家务任务。OpenAI 希望通过这些真实交互数据训练具身智能模型，但人力瓶颈明显。

自动驾驶领域的端到端，同样难以摆脱对仿真数据的依赖。许多方案在训练阶段大量使用高保真仿真平台生成海量场景数据，或通过世界模型或神经渲染器快速构造长尾和危险情况，以降低真实路测的成本与风险。

但真实世界依然有很多难以“完全模仿”的地方——传感器噪声、光照变化、路面摩擦、车辆动力学细节以及其他交通参与者的不可预测行为，都还需要漫长的学习和理解。

让AI理解现实中的重力、摩擦力或粗糙程度，依然需要很多现实场景作为参照，及时纠偏和反馈。

美团的业务网络，每天在真实物理环境中自然产生高频、多模态、带因果反馈的交互数据。这恰恰是很多硬科技企业所关注的。

美团配送网络覆盖全国 2800多个市县，从北京 CBD 的高楼林立到偏远县城的狭窄巷道，从写字楼的标准化场景到城中村的无电梯老旧建筑，地理环境与服务场景有多样性，也有持续探索训练的“景深”价值

比如，雨夜路滑如何调整路线、商家出餐波动如何动态重规划、用户临时改址带来的连锁反应——这些线上与线下的实时交互。比如，用户口味、商家经营、实时路况、骑手行为、投诉纠纷、履约波动……这些实时、非标的现实需求，都意味着AI提效的空间，介入“训练”“学习”实现优化的可能。

16 年的积累，让美团的AI底座形成了一些基于物理世界的“基因特性”，主要体现在三个方面。

数据上，美团的业务本身就是一台高效运转的物理世界数据挖掘机。每天数千万订单、千万商家、数百万骑手、亿级用户的全链路的互动数据。

数据的背后，是美团庞大的即时履约的“神经网络”。美团拥有全球少有的覆盖能 300+ 城市实时配送网络。AI调度的复杂度达到每秒百万级变量优化。

AI 的目的是服务于人的最终体验，最终指向任务的“交付”，这是美团的另一个差异。美团的主业本地生活是一个用户体验敏感、履约纠纷复杂、需要多方协同的业态。迟到、漏餐、破损、退款、售后等问题，都是用户难以接受的，也因此 AI 必须有极低的容错率，还要“理解”人的核心需求。

从开放场景到技术迭代

要达到这种有温度的服务，当然还需要漫长的底座建设和技术积累。当下美团的很多动作，都指向了这个目标。

不止在前端可见的 App，美团的 AI能力 已经渗透到 C 端、B 端、履约端的每一个环节，进入“需求→推荐→交易→履约→经营”的多个链路。

比如在 C 端的“问小团”，能够满足基于用户习惯，给出“消费决策”等建议。即使是复杂的需求，比如“今晚 6 个人、宠物友好、人均200 的川菜、离我 3 公里、不用等位”，AI 也能在数秒内完成定位筛选、特色梳理、真实评价提炼，并贴合用户需求给出更进一步的决策建议。

在 B 端，340 万商家在用 AI 经营助手。自动分析客流、建议备菜、动态调价、生成营销文案、管理库存，AI 不是工具，是可靠的“数据管家”。

在无人配送业务里，美团拥有 70多条常态化全球航线、累计配送超 78 万单的无人机网络，以及550万单订单无人车业务。

从这些业务中形成的场景生态、技术生态不难看出，美团正在把大模型、智能驾驶、智能硬件等技术融入自身的商业系统。

为此，2025 年美团投入 260 亿元。

“除云计算公司外，美团 AI 投入大概率是国内最大，且已坚持 3 年。”王兴表示，美团要做的是“物理世界的 AI 底座”，要让 AI“长出手脚”，真正执行现实任务。

这一套完整的体系不是美团的“独角戏”，而是一群硬科技企业共同参与、相互赋能的协同生态。

美团在科技界的投资布局已不是新闻。

美团硬科技投资占比一度高达 64%。比如在具身智能赛道，美团至少布局了 16 家公司，其中 10 家已成长为独角兽。

如果放到整个硬科技领域，美团多年来至少投资布局了五十多家企业，覆盖了大模型，半导体，智能硬件，具身智能和无人驾驶五个主要赛道。不仅早期就参与了银河通用、星海图、自变量、爱芯元智等独角兽的投资，还是智谱AI，月之暗面，摩尔线程，沐曦股份等明星企业的投资方。

同时，美团不是“投资撒钱”，而是“场景反哺”。

在 2022 年互联网大厂投资数量骤降 70% 时，美团依然持续投入硬科技。在宇树科技 B2 轮估值仅 10 亿左右时，美团便领投并持续参跟投。

同时，美团利用开放自己的业务场景，让硬科技被投企业不断在训练中迭代技术，逐渐形成了适配本地生活的“AI 科技树”。

比如，银河通用的 Galbot 人形机器人已与美团买药业务协同，在北京等地多家药店和智慧仓中承担补货、分拣、商品识别等任务，并逐步验证其在零售货架交互流程中的稳定性。

禾赛科技的第二代纯固态激光雷达 FTX 获得美团无人机量产定点，实现低空物流在城市复杂空域、恶劣天气下的精准感知与避障，推动配送效率进一步提升。立镖等分拣机器人技术，也在美团的区域仓等节点中得到实际应用验证，处理高频、高精度的仓储作业。

这种场景合作协同，不仅加速了被投企业的商业化进程，也反过来持续为美团自身的物理AI系统，注入新鲜的现实执行力，形成场景，技术与业务发展的正向循环。

从AI基建的视角看，美团的路径有明显的开放特征，也考验长期耐心。

虽然短期内仍要承担被动卷入外卖大战的副作用，但长期看，美团的 AI 路径开始清晰起来：让 AI 连接人、商家、服务、硬件，让 30 分钟万物到家成为像水电一样的基础社会设施。终究，AI 的归宿，应该是让人类的生活更美好。