投資全鏈路AI基礎設施，美團加速AI進入“物理世界”

作者 ｜ 黃小藝
郵箱 ｜ huangxiaoyi@pingwest.com

過去幾年，AI每一次進化，都在向前推進一步：從Chatbot的提問框，到Agent的云電腦，再到OpenClaw這樣能同時操控本地與云端的新一代產品，AI的邊界，正在不斷向真實環境延伸。

但有一道墻，始終沒被穿透，那就是屏幕。

屏幕里的世界，AI已經跑得很快了，但屏幕外的世界，它幾乎還沒邁進去。畢竟，物理世界里有太多難以數字化的東西了，大模型能回答你“最近的藥店在哪”，但它不能幫你把藥從貨架上取下來；Agent能替你訂外賣，但當騎手在雨夜找不到門牌號時，它沒法實時決策、規劃路線。

而這一步，比想象中更難邁出。

物理世界的AI，有一個關鍵的瓶頸：真實場景，太稀缺了。 大多數AI公司有算法、有模型、有融資，卻缺少足夠大、足夠復雜、足夠持續的真實物理場景，來訓練并驗證模型智能。

這個時候，美團出現在了這道題的答案里。這家公司長期被貼著“生活服務”的標簽，但過去幾年它悄悄做的事，正在改變這個判斷。

從數據來看，對內，據最新財報顯示，美團2025年全年研發投入達260億元，同比增長23%，相當一部分流向自研大模型、具身智能、無人機配送等方向；對外，美團已在硬科技領域投資超40家企業，其中包括28家獨角獸、7家上市科技公司、11家估值超百億的未上市企業，覆蓋半導體芯片、AI大模型、具身智能、智能硬件到自動駕駛的完整技術棧。

從本地生活到硬科技，從連接用戶與商家到連接數字世界與物理世界，在AI重新定義一切的當下，美團也在嘗試用AI創造新的場景。

1

手握物理世界稀缺的“場景閉環”

AI時代最稀缺的是算力和物理世界的真實數據。算力已經被炒上天了——英偉達市值暴漲，大廠都在燒錢建數據中心；而物理世界真實數據的缺失，也是今天行業里爭論最激烈、最沒共識的焦點。

頭部公司的路線選擇，已經把這個矛盾說得很清楚：真實交互數據很關鍵，但只靠真實采集會貴到不可持續。

以特斯拉為例，從其招聘與研究討論中看到，它一方面會通過遙操作/示教等方式積累真實數據，在2024年大規模招聘數據采集操作員，時薪高達48美元，要求攜帶重達30磅的裝備、每天行走超過七小時，試圖靠人力堆出真實數據；另一方面也在加大仿真與合成數據、以及 sim-to-real 的工程投入，用更低邊際成本覆蓋長尾場景。這恰恰說明物理世界數據的稀缺與昂貴：貴在真實、多樣、持續。

而這也是美團業務結構天然具備的屬性。

美團每天近億單配送，是近億次對物理世界不確定性的真實應對——雨天、夜晚、電梯故障、小區禁入、餐品灑漏、顧客臨時改地址，每一單都是一條有效的物理世界記錄。更關鍵的是，這張網絡覆蓋全國市縣，從北京CBD到西藏縣城，從寫字樓到城中村，地理和場景的多樣性，是實驗室和仿真環境永遠無法復制的。

場景的另一面，是商業化落地的難題。今天很多機器人和AI芯片公司的困境之一，是找不到足夠大、足夠持續的真實場景——大量公司只能停在demo或小規模試點，規模效應無從建立。美團的本地生活網絡橫跨配送、零售、物流、低空等多個方向，每個方向都有持續的業務需求，這為技術企業提供了從驗證到規模化的完整路徑，而不只是一次性的合作。

當然，美團的優勢不在于“已經擁有可直接使用的具身智能訓練數據”，外賣騎手的配送軌跡和具身智能所需的高精度多模態數據之間仍有gap。

但美團擁有的是構建這一閉環的底座：真實的物理場景、持續的業務需求、以及愿意投入的資金和技術團隊。

通過“投資+場景合作”的方式，被投企業的技術可以直接在美團業務中落地——在這個過程中，數據自然產生，技術快速迭代，場景不斷優化。

這種閉環，不是錢能買到的，只能在真實業務中構建。而在美團，這個閉環每天都在運轉。

1

一份完整的物理AI技術棧

基于這樣的場景優勢，美團構建了一個系統性的“硬科技”版圖。

截止目前，美團已投資超43家硬科技企業，其中28家獨角獸、7家上市科技公司、11家估值超百億的未上市企業。

看這些投資案例，有一個反復出現的特征：美團不會等到成熟期才入場，而是集中在A、B輪——技術路徑已經驗證、但估值尚未充分釋放的窗口期。

最近的是3月20日，上交所受理了宇樹科技科創板IPO申請。招股書中，一個細節格外醒目：美團系持股9.65%，是這家人形機器人企業的最大外部股東。

早在2024年，宇樹估值僅10億元時，美團就已入場；2025年6月，騰訊、阿里等巨頭以120億元估值進場時，美團已完成多輪投資；如今按照公開發行價，宇樹估值達到420億元。

3月底，有報道梳理美團5年來的科技投資案例，發現中早期項目數量占比超過66%。

具身智能第一梯隊的銀河通用、它石，專注國產芯片自主供應鏈的榮芯半導體等，美團均在天使輪階段出手。

月之暗面、自變量、星海圖、Sharpa、愛芯元智等獨角獸，或行業的“隱形冠軍”，也在A、B輪階段與美團“牽手”。

當我們把40多家被投企業排列出來，會發現這不是隨機的財務投資，而是一套完整的“物理世界AI基礎設施”生態。

從底層算力（摩爾線程、沐曦、紫光展銳、愛芯智元），到中間的大模型能力（智譜AI、月之暗面、光年之外），再到具身智能應用層（宇樹科技、銀河通用、星海圖、自變量、Sharpa）、智能硬件和消費科技領域的其域創新、快造科技，延伸至自動駕駛與智能汽車（理想汽車、禾賽科技、九識智能、輕舟智航），每一層都有核心玩家，層與層之間又能通過美團的場景形成協同。

很多人理解美團投資AI的邏輯是：AI是美團進入下一個時代的船票——投資機器人、大模型、芯片，是為了不在技術變革中掉隊，用新技術優化現有業務。

但真實的邏輯可能恰恰相反：美團的業務，才是美團進入AI時代的門票。對美團來說，用技術為本地生活業務提效是必然；而自己所在的本地生活場景，本身就是下一輪的入場券。

1

不只給錢，更給場景和未來

相比于其他大廠“有技術去找場景”的投資邏輯，美團的邏輯是：有場景，去反向集成技術。

把這些投資合作放在一起看，會發現一個清晰的輪廓：美團正在把自己的業務網絡，變成一條物理AI的能力流水線。

梳理已有的落地案例，可以發現共性特征——場景集成技術、技術提效場景、共同探索規模化的商業落地。

比如倉儲端的銀河通用。2024年，雙方就已展開合作，涉及線下零售、倉儲物流等多個領域。目前，美團的平臺商家已與銀河通用簽訂了100臺訂單。2025年，北京有10余家藥店使用Galbot機器人24小時進行藥品分揀，這一模式，正在全國范圍落地——這不僅驗證了機器人的商業化能力，也幫助銀河通用快速積累真實場景數據，推動技術迭代。

比如空中配送場景中的禾賽。2025年底，禾賽的感知定位激光雷達獲得美團無人機量產定點——低空物流的“眼睛”，已經裝上。

還有末端配送的細節。今年1月，自變量公布的視頻顯示，基于VLA端到端模型的機器人，可以精準從美團外賣箱取出餐食，把包裝折疊后放回高度僅7cm的回收口，隨后從室外進入電梯，自行識別樓層出入。這一連串動作背后，沒有真實環境的持續測試，模型不會知道7cm的回收口意味著什么精度要求。

與其域創新的合作，落地在小象前置倉的測繪建模、美團到店商家的3d效果展以及無人機業務的地圖測繪上。如果說機器人的靈巧手臂訓練，體現著場景的深度，覆蓋三個業務的探索，則意味著可落地場景的廣度和豐富性。

可見美團沒有把自己定位成一個 “投資方”。財報數據上顯示，2025年，美團全年研發投入達到260億元，同比增長23%，其中相當一部分流向AI關鍵技術——自研大模型、具身智能、自動駕駛。而美團向被投企業開放的生態場景、合作的技術探索，則是很難用金額衡量的無形資源。

自研加投資的結合，正在拼湊成美團的物理世界AI底座。正如3月26日財報電話會上，王興強調的那樣，“我們是一家連接線下業務和線上世界的科技公司。在AI時代，我們將繼續扮演這樣的連接者角色，實現數字世界和物理世界之間的連接，這是我們的強項所在。”

1

結尾

這個邏輯，讓人想起亞馬遜的AWS。

2006年AWS推出云服務時，很多人不理解：一個電商公司為什么要做云服務？但貝佐斯看到的是：電商需要的彈性計算能力，本質上是一種通用基礎設施。他將網絡服務視為類似電力事業一樣的東西，允許客戶只支付使用費，且可以隨時增加或減少消費。

2014年開始，AWS就成為亞馬遜的盈利支柱。2023年，AWS以約16%的收入占比貢獻了超過半數的營業利潤。

美團的邏輯與此有相似之處：外賣配送需要的“物理世界AI能力”（路徑規劃、實時調度、機器人配送），本質上也是一種通用基礎設施。今天服務外賣，明天可以服務所有需要“在物理世界移動、操作、交付”的場景。

正如3月13日管理層溝通會上，王興說的，“移動互聯網和互聯網沒有本質區別，可能像玫瑰和芍藥，而AI和互聯網相比，就像猴與花的區別，量級和影響力要大得多。”

美團的故事從來都不是“一家外賣公司如何用AI提升效率”，而是“一家擁有物理世界場景的公司，如何在AI時代重構自己的身份”。

點個“愛心”，再走 吧