??新博弈

文丨林一白

外國科技圈，刮起一股“脫虛向實”的熱潮。

3月底，Meta宣布將停止對Horizon Worlds的版本支持。外界都在說，小扎耗資835億美元的“元宇宙夢”，怕是要醒了。

4月1日，OpenAI完成新一輪融資，估值達8520億美元，但視頻生成的明星項目Sora卻被關停。融來的資金，主要用于AGI的基礎設施。

2026年CES期間，黃仁勛預測，人工智能的下個浪潮是物理AI，AI將從虛擬世界走入物理世界，自主完成復雜的任務。但兩個小時的演講里，他多次提到現實多樣復雜、不可預測、充滿邊緣情況，“沒有真實世界的數據，具身智能只能是幻覺。”

稀缺的場景數據成了“卡脖子”的問題。

同時我們也發現，OpenAI此次融資背后，站著亞馬遜、微軟等大廠，雙方在技術與應用場景上提前綁定。

這樣的投資邏輯在國內亦有體現。不久前，有財經大V扒出美團早早投資了40多家硬科技相關企業，其中不乏銀河通用、智譜AI、自變量、它石、摩爾線程、愛芯元智等圈內的明星企業或“隱形冠軍”。

圖源：卓哥投研筆記

結合海外巨頭們的轉向——國內這些獨角獸提前與本地生活大廠站在一起，可能也不只是因為錢。

99%的物理數據缺口

卡住了AI“落地”

眼下， “場景饑渴”還在加速蔓延。

松延動力創始人姜哲源曾表示，具身智能領域最大的難題是數據。星動紀元聯合創始人席悅認為，真實場景數據采集難度高，需場景方開放權限，“而現有替代方案存在局限”。

智平方聯合創始人張鵬直言，行業必須重視真實場景數據——通過一線實際部署的產品，實現數據回流，而沉淀下來的部分，將是“最寶貴的數據資產”。

這僅僅是圈內熱烈討論的冰山一角。

隨著語言大模型的成熟，已經出現一個個虛擬世界的“聰明人”。但它們想進入物理世界“干活”，還缺乏大量的場景打通和數據交互。一如王興在美團管理層溝通會上舉的那個例子：“就算愛因斯坦當秘書，讓他訂一個餐廳，他依然不知道那個餐廳有沒有座位。這不是智力問題，而是信息問題。”

當數據來源從互聯網轉向現實世界，數據本身就成為一種極度稀缺的資源。原因一方面在于，真實場景很少且大多封閉；另一方面，大模型在真實場景中采集數據的速度，遠遠低于虛擬世界。

全球知名中文IT技術交流平臺CSDN的數據顯示：具身智能需要數百PB級物理交互數據，當前存量缺口超99%。

在這樣的發展局面下，海外市場的大模型研發更快“卷”向了下一個階段，包括英偉達、特斯拉、Meta等在內的科技巨頭們，都開始嘗試構建一個極度仿真的虛擬世界，用來訓練AI，也就是各家當前著力探索的“世界模型”。而在國內市場，類似的嘗試同樣在推進，宇樹科技、銀河通用等頭部企業也在研發自己的“世界模型”，以提升具身智能的“泛化”能力。

不過，借助“世界模型”的核心優勢在于效率提升。前不久的2026亞布力論壇上，宇樹科技創始人王興興一語道破：當前機器人最大瓶頸是泛化能力不足，“如果部署幾千臺機器人每天采集十個小時數據，數據稀缺問題就能解決。”

但虛擬世界與真實世界始終存在不可彌合的鴻溝，再逼真的虛擬世界，也無法100%還原物理世界的復雜性，這也是當下的行業共識。

業界普遍認為，虛擬世界的培養數據采集必須要結合真機數據，才能真正解決“最后一公里”的執行問題。而無論是1:1構建仿真世界，還是采集現實數據，真實場景都是必要條件。從這個角度，便不難理解這么多硬科技企業與美團長期合作，它們中的大多數都有場景訓練、應用落地的現實需求。

AI的“最后一公里”

不止難在場景

事實上，一些場景中的探索已經碰撞出不少“火花”。

比如美團的投資，帶有明顯的產業思維，是典型的強資源投入。2023年，美團參與銀河通用的天使+輪融資，2024年雙方就達成戰略合作，在線下零售、倉儲物流等多個場景進行探索。

場景數據中的積累，已經轉為應用價值的空間。

2025年，北京已有10多家藥店使用Galbot機器人進行24小時藥品分揀，該模式已經向全國擴展。在美團業務的介紹下，銀河通用正與美團買藥上的商家推進無人前置倉的探索，目前已簽訂100臺訂單，交付了數十臺機器人。

銀河通用Galbot在藥店工作

另一邊，立鏢的分揀機器人，早已“入職”美團買藥的廣州倉和武漢倉；其域創新與美團小象合作，完成前置倉的測繪建模，同時在到店業務上，其產品也能幫助美團商家生成3D效果展示……

不過，國內有能力通過“投資+場景協同”模式，把硬科技融入多個業務的平臺企業，目前還不多。一方面，硬科技要“落地”，偏向線上生態的商業模式，難以提供“執行線下任務”的場景。同時，這些技術想要融入線下業務，并非一蹴而就，也需要平臺具備“承接能力”，有對業務與技術的理解積累和轉化經驗。

據了解，早在十多年前，美團就開始落子無人機、無人車相關業務。無人機已在國內外開設70多條無人機航線，無人車配送也處在行業領先位置，訂單超過了550萬單。

而基于美團自研的多模態LongCat系列大語言模型與開源模型，平臺已孵化出服務消費者的AI助手“小美”和“小團”，及服務商家的“袋鼠參謀”、“智能掌柜”等一系列AI工具，后者已幫助超340萬商戶有效降低運營成本。美團還為部分商家上門安裝了袋鼠管家claw，第一批“裝蝦”商家已經實現了AI抓取數據、經營提效。

這些應用于實際業務的場景、自研技術，已形成多個成熟“技術小生態”，如同一個遍布擴展槽的主板，可以插入很多前沿的“功能卡”，能為芯片算力、激光雷達、機器人關節、視覺識別，無人駕駛等硬科技，提供現成的應用場景和數據回流。

比如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，實現激光雷達技術與低空物流場景的深度融合，早在4年前雙方就開始合作，在無人配送業務里探索應用了多款遠距離的激光雷達。

今年1月，自變量機器人在真實場景中完成了自主配送的全過程：不僅精準從美團外賣箱中取出餐食，折疊紙箱，放回高度僅7cm的回收口，還從室外穿越玻璃門進入室內，自行識別樓層、按鍵出入電梯，將外賣準時送達。

其中的突破在于，這些機器人不僅走出虛擬世界，還更進一步，走出了以流水線為主的封閉空間，進入更復雜的外部環境中。它們也不再重復固定的動作，而是隨著環境變化自行決策、調整動作。

這也是場景價值得到深度釋放的直觀體現。

長出什么樣的AI底座

取決于原有基因

由此來看，美團復雜的生態場景，決定了他們的硬科技能力，會像毛細血管一樣，深入錯綜復雜的餐飲水電網、高低錯落的商品貨架以及嘈雜的街頭巷尾。

此前的十多年里，美團用履約能力、信息化、BD團隊點對點的溝通，完成了線上用戶需求與線下服務的“連接”。在這個過程中，美團的外賣配送、零售倉儲、餐飲到店、消費評價等業務，逐步滲透到生活服務的方方面面。

進入AI時代，技術繼續推動這些業務的提效迭代。這個極度碎片化，充滿溝通成本和銜接成本，又與很多人息息相關的市場，其多個細微環節，都成為天然的AI訓練場。

比如單一的送餐服務，就涉及商家出餐、用戶需求匹配、道路規劃、小區情況分析、爬樓/乘電梯等多個場景；餐飲到店則需關注到店決策的信息和評價、用戶消費體驗，商家經營體驗等；出行服務除了分為商務、旅游、探親等多個場景外，還需根據不同需求和喜好設定路線，完成相關酒旅訂票、游玩景點等規劃；而快速發展的零售業務，在前置倉、生鮮等領域都有優化需求。

這些業務場景，都可能借助技術突破，完成新一輪提效。

這不僅意味著用戶體驗的提升，也意味著在信息化時代構建的“連通式”基建，正在AI時代升維成“執行式”底座。

這種升維，與美團的長期目標一脈相承，即 “幫大家吃得更好、生活更好”。

站在這個層面，美團持續在硬科技的落子，也是為未來的AI超級入口鋪路。硬科技支撐下的執行能力，是必須夯實的AI基礎設施。

王興說，要讓AI落地物理世界、打造“物理世界的AI底座”，必然也是看到“執行效率”和“交付能力”對自身業務、市場競爭的獨特價值。沒有信息和場景的支撐，再聰明的AI也長不出手腳、下地干活。

所以說，AI的“脫虛向實”，不是圈內一時興起喊的口號，在中國最接地氣的地方已經有了回音——比如外賣箱、前置倉、餐廳后廚和街角的藥店。當市場進入比拼“任務效果”的時代，那些更了解物理世界的玩家，手里握著的，可能是愛因斯坦也訂不到的 “座位”。

新博弈（ID：newgametheory）原創

轉載請注明來源、作者署名，違者必究

━━ 已入駐平臺 ━━━━ 視頻號 已入駐平臺 ━━