進入2025年，大模型在純軟件上的"暴力美學(xué)"正遭遇邊際效益遞減。

算法的壁壘會隨著時間的推移而逐漸變薄，但扎根于物理世界的運營能力和數(shù)據(jù)積累卻會隨著時間的沉淀而愈發(fā)深厚。

這正是美團與滴滴的價值所在：它們不是AI技術(shù)的提供者，而是物理AI落地的"必要條件"。

文｜行之

編輯｜奇博士

過去兩年，大模型狂飆突進，字節(jié)跳動以"豆包"打響AI應(yīng)用第一槍，阿里通義千問與百度文心一言輪番迭代，騰訊混元與華為盤古也不甘示弱。

美團和滴滴這兩家老牌TMT明星似乎在AI浪潮中失聲。

但這是一種誤判，算法決定AI的下限，數(shù)據(jù)質(zhì)量決定上限。當AI跳出屏幕，從“會聊天”轉(zhuǎn)向“會辦事”，競爭的核心便落到對物理世界的理解上，這需要大量真實的物理信息作依托。

幾十年線下運營積累，讓美團和滴滴成為唯二擁有物理世界真實閉環(huán)數(shù)據(jù)的企業(yè)，而他們手握的“專屬數(shù)據(jù)”，成為“后AI時代”最值錢的資產(chǎn)。

一

美團，AI本地生活的“地面部隊”

AI來襲，王興既焦慮，又興奮。

他用“猴子和花”來類比AI帶來的變革量級，用“唯一合理的策略是進攻，而非防守”來宣誓美團布局AI的決心，力爭成為"未來本地生活需求的AI入口"，是他給美團定下的新目標。

在王興看來，AI的價值不在于智力有多高，而在于“高效執(zhí)行”。

所以當Token經(jīng)濟學(xué)席卷全球市場，大眾目光普遍聚焦于云廠商與獨立大模型企業(yè)時，美團選擇另辟蹊徑，深耕供應(yīng)鏈與履約力。

本地生活的難點從不是“信息獲取”，而是“對齊現(xiàn)實”。

互聯(lián)網(wǎng)上的數(shù)據(jù)是靜態(tài)的，它可以告訴你一家餐廳“在哪里”，卻不知道它此刻是否在營業(yè)；可以總結(jié)評價，卻無法反映當下排隊情況、出餐速度，甚至配送是否可達。

一旦AI把這些信息用于決策，就會出現(xiàn)明顯的“失真”：看似“聰明”，卻無法執(zhí)行。

王興舉過一個頗具代表性的例子：“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。”

而這正是美團的優(yōu)勢。

16年本地服務(wù)運營經(jīng)驗，讓美團沉淀下海量真實可用的物理數(shù)據(jù)。

需求側(cè)，覆蓋外賣、即時零售、酒旅、到店服務(wù)等幾乎日常生活的全部場景；供給側(cè)，商戶系統(tǒng)、快驢進貨、自營前置倉等能力，持續(xù)向商品與供應(yīng)鏈深處滲透。

數(shù)百萬騎手與實時調(diào)度系統(tǒng)構(gòu)成履約網(wǎng)絡(luò)，將分散的供需在空間與時間中精準撮合并完成交付。

每一筆交易，都是一次對現(xiàn)實世界的動態(tài)測量。

不只是“誰買了什么”，還包含實時天氣、時段、緊急程度；商家出餐能力、庫存狀態(tài)、后廚負載、騎手路徑、交通限制、電梯/小區(qū)規(guī)則等等。

如果說互聯(lián)網(wǎng)數(shù)據(jù)教AI“理解世界”，那么美團的數(shù)據(jù)，則在教AI“應(yīng)對世界”。

美團自主研發(fā)的“超腦”即時配送系統(tǒng)，能夠應(yīng)對千億級騎手的軌跡挖掘，平均僅需0.55毫秒就能為騎手規(guī)劃一次最優(yōu)路線，LBS日調(diào)用峰值760億。

履約過程中產(chǎn)生的各種"意外"，繞路，可能是地圖未標注的禁行；午間爆單，可能是附近新開寫字樓；高評分但低復(fù)購，可能是外賣體驗差……這些從混亂物理現(xiàn)實中自然涌現(xiàn)的"噪聲"，都是訓(xùn)練AI泛化能力最珍貴的原料。

大模型會越來越強，算法的壁壘會逐漸變薄，但對物理世界的控制能力，才是支撐AI Agent高效“執(zhí)行”的地基。

美團的數(shù)據(jù)，是幾十年沉淀，被數(shù)百萬騎手“跑”出來、被數(shù)億用戶“消費”出來的。手握“物理活地圖”的美團，在AI時代的護城河只會更深、更寬。

美團在AI領(lǐng)域的布局，也始終圍繞“真實物理世界”的主線。最新發(fā)布的財報顯示，公司全年研發(fā)投入達260億元，同比增長23%，其中相當一部分流向自研大模型、具身智能與無人機配送。

龍貓（LongCat）大模型在兩個月內(nèi)密集發(fā)布四款模型，其中5600億參數(shù)的LongCat-Flash-Omni已在多個基準測試中達到SOTA。

圖：LongCat-Flash 架構(gòu)圖

收購叮咚買菜、發(fā)力小象超市，也是在提升美團的全場景履約密度，截至2025年Q4，美團外賣業(yè)務(wù)已覆蓋全國2800多個市縣，超2.7萬個鄉(xiāng)鎮(zhèn)，年活躍商戶數(shù)突破1500萬。閃電倉數(shù)量突破5萬家。

面向B端，美團推出了“智能掌柜”“花小牛”“袋鼠管家”等覆蓋餐飲、即時零售、酒店等多個行業(yè)的AI工具，致力于讓“每個商家都用上自己的AI助理”。

最新財報披露，AI選址成功率提升30%，客服效率提升80%。面向C端，美團推出了AI助手“小美”和“小團”，可以讓用戶一句話完成外賣點餐、餐廳推薦、酒店預(yù)訂和景點門票購買等。

此外，美團還以投資為觸手，搭建起一個龐大的"物理AI"生態(tài)。

據(jù)不完全統(tǒng)計，美團已在硬科技領(lǐng)域投資超50家，從底層算力的摩爾線程、沐曦，到中間的大模型智譜AI、月之暗面、光年之外，再到具身智能宇樹科技、銀河通用，甚至延伸至自動駕駛與智能汽車（理想汽車、禾賽科技、九識智能），這讓美團在訓(xùn)練物理AI時擁有遠超同行的樣本效率。

圖源：極客公園

如今這些投資和場景合作已有些取得了成效。銀河通用的Galbot機器人已在北京10余家藥店實現(xiàn)24小時無人值守分揀，基于VLA模型的自變量機器人，也能完成從取餐、裝餐、進電梯到送達的全過程。

不過這并不意味著美團勝券在握，它的焦慮依然存在。

千問、豆包、元寶等AI應(yīng)用都在完善Agent的辦事能力，最大的潛在威脅來自騰訊微信。微信手握13億月活的關(guān)系鏈、超400萬小程序構(gòu)成的商戶生態(tài)，一旦用戶習(xí)慣在微信Agent上“下需求”，勢必會動搖美團“本地生活A(yù)I入口”的地位。

二

滴滴，AI移動出行的“時空底座”

如果說美團是中國最大的“本地生活數(shù)據(jù)庫”，那么滴滴則是中國最大的"移動出行數(shù)據(jù)庫"。

滴滴是一個覆蓋網(wǎng)約車、單車、貨運、代駕等多種場景的出行網(wǎng)絡(luò)，每一次“從A到B”，都在給這張網(wǎng)絡(luò)“喂”真實的移動數(shù)據(jù)。

網(wǎng)約車仍是核心，但里面已經(jīng)細分出很多不同場景：快車、特惠快車承載了最大規(guī)模的日常通勤；專車、豪華車疊加了“服務(wù)”維度，比如車內(nèi)環(huán)境、等待時長等。

出租車線上化把原來散落在路邊攔車的那部分需求也納入系統(tǒng)，補齊了城市出行“最后一公里”的數(shù)據(jù)空白。

圍繞主業(yè)，滴滴又長出了單車、貨運、代駕、充電等衍生服務(wù)，把城市的“動”刻畫得更細。

海外業(yè)務(wù)（DiDi Global）則是在不同國家復(fù)制這套模型，同步搭建移動出行的樣本庫。

自動駕駛業(yè)務(wù)（Robotaxi）是這套數(shù)據(jù)體系的“升級引擎”，Robotaxi測試運營中產(chǎn)生的高精地圖、攝像頭/雷達感知數(shù)據(jù)、自動駕駛決策軌跡、人工接管記錄、極端場景庫（雨霧/夜間/施工），與網(wǎng)約車業(yè)務(wù)的真實人類駕駛數(shù)據(jù)形成互補，完成從"人類駕駛行為"到"機器駕駛決策"的數(shù)據(jù)閉環(huán)。

提到出行，我們難免會想到高德、百度等地圖廠商，但地圖廠商掌握的是"意圖數(shù)據(jù)"，滴滴掌握的是"交易數(shù)據(jù)"。

滴滴記錄的是物理世界的真實結(jié)果：誰在幾點幾分從哪真的上車，坐了多久，到哪真的下車，付了多少錢，走了哪條路，遇到擁堵還是選擇繞路。

這是一個需求、下單、履約、支付結(jié)束的強閉環(huán)，每一條都是真實位移，不可偽造，不可撤銷。

而地圖導(dǎo)航軟件記錄的是規(guī)劃與可能性，導(dǎo)航開了，最后可能根本沒去；或者換了方式去（地鐵、自駕、朋友送）。它捕捉的是"你打算去哪"，而非"你真的去了哪"。

這種差異在物理AI時代具有決定性意義。當AI試圖理解城市交通時，它需要知道的不是"多少人規(guī)劃去機場"，而是"多少人真的去了機場、花了多長時間、付出了多少成本、最終選擇了哪種交通方式"。

圖：智能沙盤展示滴滴自動駕駛慧桔港

更重要的是，滴滴的數(shù)據(jù)包含了真實的供需博弈。平臺知道某片區(qū)早高峰到底缺多少車（真實運力缺口），知道這條街、這個小區(qū)的人真實出行頻率（真實出行強度），知道多少錢用戶愿意走、多少錢會放棄（真實價格敏感）。

這對城市交通規(guī)劃、網(wǎng)約車調(diào)度、出租車投放，甚至新樓盤與新商業(yè)體的選址決策都有很強的參考意義。

這種對商業(yè)與城市的穿透力，是純粹的地圖數(shù)據(jù)無法提供的。

手握如此多高價值的真實移動數(shù)據(jù)，滴滴的AI戰(zhàn)略不是到處撒網(wǎng)，而是圍繞出行深挖兩件事：Robotaxi 和 AI打車Agent“小滴”。

滴滴自動駕駛公司自2021年獨立融資以來，持續(xù)深耕L4級自動駕駛。與廣汽合作的首款前裝量產(chǎn)車型將于2025年下線交付，2026年開始在重點城市示范運營，形成“AI +量產(chǎn)+運營”的市場驗證。

圖：廣汽埃安與滴滴自動駕駛合作開發(fā)的L4自動駕駛車

Robotaxi不僅是未來的出行業(yè)態(tài)，更是滴滴物理數(shù)據(jù)的"終極變現(xiàn)載體"，車輛本身成為數(shù)據(jù)采集器，真實路況數(shù)據(jù)反哺算法，這種“飛輪效應(yīng)”是其他只有技術(shù)，沒有規(guī)模交易數(shù)據(jù)的自動駕駛公司短時間內(nèi)難以復(fù)制的優(yōu)勢。

滴滴近期上線的AI打車Agent"小滴"，基于滴滴在arXiv發(fā)布的DiMA架構(gòu)，試圖解決大模型在出行場景的核心痛點：時空感知能力。

當用戶提出"幫我叫一輛不容易暈車的車，半小時后到機場"時，Agent需要理解的不僅是語義，而是將需求拆解為時間、空間和供給約束（哪輛車更穩(wěn)、哪條路不堵、當前運力能否滿足）。

這背后是滴滴十余年積累的真實運營數(shù)據(jù)做支撐，沒有這些數(shù)據(jù)底座，Agent再聰明也會陷入"答得好聽、交付打折"的尷尬。

圖：滴滴基于大模型的網(wǎng)約車助手DiMA

過去，滴滴是連接乘客和司機的撮合平臺；現(xiàn)在，滴滴正在變成"城市移動的基礎(chǔ)設(shè)施"。其積累的真實出行數(shù)據(jù)，不僅可以優(yōu)化自身的調(diào)度算法，還可以成為城市規(guī)劃者的決策依據(jù)。

比如交通部門可以用來看職住是否分離、夜間經(jīng)濟是否活躍；商業(yè)地產(chǎn)和連鎖品牌可以用來判斷某個區(qū)域真實的消費能力和出行熱度。

當AI Agent試圖接管物理世界，它必然需要調(diào)用滴滴這樣成熟的、經(jīng)過時間驗證的"移動數(shù)據(jù)庫"為其“執(zhí)行”。

三

大模型駛?cè)牍拯c

過去兩年，科技界的注意力被大模型的參數(shù)規(guī)模與benchmark榜單牢牢鎖定。但進入2025年，大模型在純軟件上的"暴力美學(xué)"正遭遇邊際效益遞減。

研究機構(gòu)Epoch AI預(yù)測，2028年，互聯(lián)網(wǎng)上所有高質(zhì)量文本數(shù)據(jù)將被耗盡，數(shù)據(jù)缺失導(dǎo)致的“數(shù)據(jù)墻”會放緩模型的擴展速度。

合成數(shù)據(jù)與仿真數(shù)據(jù)雖然能夠補充供給，但“治標不治本”，算力可以替代部分數(shù)據(jù)，Agent可以替代部分專家，但AI Agent最終還是要在真實世界中落地。

算法的壁壘會隨著時間的推移而逐漸變薄，但扎根于物理世界的運營能力和數(shù)據(jù)積累卻會隨著時間的沉淀而愈發(fā)深厚。

這正是美團與滴滴的價值所在：它們不是AI技術(shù)的提供者，而是物理AI落地的"必要條件"。

就像AWS是云計算的基礎(chǔ)設(shè)施、臺積電是芯片制造的基礎(chǔ)設(shè)施一樣，美團與滴滴正在成為AI連接物理世界的"樞紐"：一個提供本地生活的履約數(shù)據(jù)與決策接口，一個提供人與物移動的時空坐標與運力網(wǎng)絡(luò)。

這些"苦活、累活"積累下的真實數(shù)據(jù)，是AI時代最難以復(fù)制的護城河，也是美團和滴滴最值錢的資產(chǎn)。

本文來自微信公眾號“奇點研究社”，作者：奇點團隊，36氪經(jīng)授權(quán)發(fā)布。