文｜任曉漁

編｜徐鑫

AI行業正在面臨難以迴避的價值拷問：過去大半年，需求側和模型智能供給側都在加速，但到企業端的效益層面卻出現了明顯的斷層。

用的企業越來越多，算得出收益的依然寥寥。這一幕似曾相識。

1987年，諾貝爾經濟學獎得主索洛留下一句名言：「計算機到處可見，唯獨沒有體現在生產率統計裏。」四十年後，這個以他名字命名的悖論在AI領域原樣重演——全球88%的企業在常態化使用AI，卻只有6%能統計到可測量的收益。

8月12日的西普會上，美團核心本地商業CEO王莆中深入剖析了這一行業困境。王莆中認為，企業AI變革是業務設計、組織變革與技術應用的系統性工程，企業要用好AI需要跨越五重錯配，而美團在過去幾個月用真金白銀蹚出了AI在企業級落地的方法論。

這也是美團首次對外披露企業級AI變革的完整實踐。基於美團自身的實踐，王莆中進一步宣佈將內部實戰的整套AI系統向全行業開放。這套內生外化的系統級能力，為廣大行業場景裏AI落地困境提供了可供借鑑的解法，也讓美團在當下的AI落地比拼裏佔據了一個獨特的位置。

01

AI落地困境，卡點不在模型

用不用AI，今年對許多企業而言已不再成為一個問題。你可以從今年智能體滲透率的變化以及企業AI支出的變化裏窺見一些端倪。

在滲透率上，今年智能體浪潮狂飆猛進，AI在企業內的滲透趨勢正在加速。麥肯錫數據顯示，全球88%的企業已在常態化使用AI。IDC同樣證實，AI在生產環境中已徹底進入主流化階段。截至 2026 年初，全球有約三分之二的企業已經將AI工具正式接入了實時生產系統。國內也是同樣，根據賽迪的一份報告，97.4%的企業聽說過AI，超過50%的大中型企業已將AI融入工作流。

在企業的軟硬件採購中，AI也不再是邊緣的嘗試性開支，而是正在重塑企業整體IT支出的「壓艙石」。Gartner將2026年全球全棧AI採購支出預測調高至2.59萬億美元，按年大幅增長47%。同時，企業在AI平台與大模型上的終端用戶採購額預計在今年突破640億美元，相比去年暴增63.4%。

業界認為，AI正在完成了從「技術極客試驗」向「企業常態化生產流」的全面滲透。

然而，高滲透率卻無法掩蓋一個尷尬的現實：可量化收益的缺失。

同樣來自麥肯錫的數據，全球僅6%的企業能從AI應用中統計到可測量的收益；在國內，真正持續使用AI的企業只有33%，小微企業將AI融入工作流的比例僅5.1%，與大中型企業之間隔着十倍鴻溝。

MIT的一份報告也佐證了這一點——高達95%的企業在財務損益表上完全看不到AI帶來的全局 Measurable 財務紅利；IDC也在2026報告中發出預警，今年將有近半數的 AI項目因算不清賬、拿不到ROI而面臨未達標風險。

用了AI卻算不出賺了什麼，已經成為當下AI落地裏的企業面臨的真實痛點，尤其是對廣大中小企業而言，這更是AI落地中的一個大挑戰。

從供給側指標來看，業界認為很難將問題歸結到模型智能上來。有觀點認為，大模型已經完成了向技術成熟和低成本的躍遷。

一方面，模型的迭代發布已經是按周更新，技術收斂速度極快。行業內感慨基模賽道里的競爭已經從各領風騷一百天到當下僅剩一到兩個月的SOTA周期。今天最先進的開源模型，已經打平六個月前最好、最貴的閉源模型。

同時，模型的性價比也越來越高。根據海外機構AICC與FinOps基金會的一項統計，全球混合平均Token單價從去年的18.4美元斷崖式下跌至今年的6.07美元，按年大跌67%。而如果橫向對比三年前的GPT-4級模型到如今的 DeepSeek V4/Flash或OpenAI同等算力模型，單位算力成本累計跌幅已超95%。

錢花出去，模型接進來，月底的財務報表卻沒有反應，王莆中在西普會的演講中將之與40年前經濟學家羅伯特·索洛提出的「索洛悖論」相類比。

王莆中認為，這裏面存在五個錯配——

第一是認知錯配。企業對AI的認知走向正兩個極端：要麼把AI神化成無所不能，以為上了 AI 什麼都解決了；要麼因為幻覺和謬誤全盤否定，覺得AI一無是處。用王莆中的話說，「不要把它弄得特別高，也不要覺得一無是處」。

第二是效率錯配。「用最好的模型發郵件、改郵件、做 PPT」，大量高性能模型被消耗在低價值場景裏，錢花在了刀背上。第三，場景錯配。AI在經營外圍打轉，進不了內核。企業很難找到真正有價值的場景把AI融進去，它發揮作用的地方往往離經營核心很遠。

第四是考覈錯配。像買了一批原材料就要求立刻見效，忽略了AI真正產生效果所需要的內部流程與組織改造——人和機器怎麼協作、流程怎麼重新設計，這些都不是接一個API就能自動完成的。

第五是流程錯配。人和機器、人和設計的適配並非易事。

這五個坑都與模型智能無關，真正的問題在於企業用AI的方式和方法。

02

企業AI變革不是技術問題，

是三位一體的系統性工程

要跨越五重錯配，從單點技術出發已經很難看到效果。中小企業不是不想用，也不是用不起，而是不知道怎麼用，從哪兒用。

為什麼同樣用最強的模型，有的企業兩天跑通一個方案，有的燒錢看不到效果？差別不在發動機，而在組織底盤上。業務流程是否理順、組織是否配套、目標是否清晰，會極大地影響最終呈現出來的效果。要解決問題，換一個更強的模型、買一套更貴的工具、招幾個算法工程師都不是解法。

王莆中認為，當下AI落地應該遵循一條公式化的判斷：AI是指數級技術，但企業享受紅利的前提是組織底數大於1。AI能力是指數，組織管理是底數，底數大於1，AI越強跑得越快；小於1。本質上，「發動機越強勁，底盤越容易散架」。

這一判斷，背後凝結着美團用真金白銀蹚出來的AI實踐方法論。美團過去大半年用AI的方式也在經歷一場從個人提效到組織提效的升級，王莆中在演講中第一次對外披露這一企業級AI變革的完整實踐路徑。

年初「養蝦熱潮」席捲大江南北，在這股浪潮下，今年2到3月，美團內部也掀起了養蝦運動。公司內10萬人配了8萬隻蝦。當時最狂熱的時候，美團內部兩周產出了10萬個skill。對員工養蝦的支持也很多，比如美團內部對員工的Token消耗無上限限制，大家能用上最貴的模型。上至管理層下至基層員工，每天都跟AI助手聊天、發文件、做分析。可以說，龍蝦成了所有人的AI助手。

但這只是是美團AI變革的第一階段。王莆中坦言，全員養蝦熱潮在公司內普及了智能體，完成了一場聲勢浩大的全員科普。但它的代價也非常突出，一天一千萬的賬單和失控的安全權限，各種謬誤對真實經營的破壞開始顯現出來。

之後，美團管理層開始思考怎樣才能真正推進這場AI變革。他們意識到，必須從上至下開始提出一些真正的變革方案出來，由此美團的企業級AI變革進入了第二個階段。

從4月起，美團從頂層設計入手，成立了一系列跨事業部AI組織，體系化推進組織的AI轉型——每個大的事業部都有對應的AI組織，把全員對AI的積極性，納入一套行之有效的轉型步驟裏，有序地把全員對AI的積極性轉化為生產力。

六七月是美團AI變革的第三個階段。有了自上而下的組織支持，經過幾個月積累，王莆中稱初步有不少項目跑了出來，也沉澱出一套流程和方法。

這一階段，美團內部上線了上千個項目賽馬，僅在醫藥事業部，就跑出了 25 個落地案例。這個過程裏，美團發現，企業的AI變革需要從搭底盤開始，人力資源、技術和業務負責人都要全面參與，整個AI變革的過程也是流程新生的過程。

具體來說，企業內先要做評估診斷，之後要做工作流程梳理，再做優先級排序，之後是配套的組織方式變革，比如激勵晉升等機制要跟上，最後纔是技術實施方案的敲定和落地。

在王莆中看來，企業做AI轉型，難度一點不亞於甚至遠超過上個時代從傳統企業轉型到數字化企業。數字化轉型是一號工程，AI變革也是同樣，表面是技術問題，實質是「業務設計 + 組織變革 + 技術應用」的三位一體系統性一號工程。

他以美團自身的實踐為例指出光依靠美團兩萬名產品研發人員完成不了這場變革，對於廣大傳統企業而言，「不要把 AI 變革寄希望於 CTO、CIO 或數字化總監」，必須一把手牽頭，業務、HR、技術組成鐵三角。

而具體的落地策略上，王莆中建議廣大企業要遵循「從高價值場景切入，積小勝為大勝」的路徑。

第一步是先要找到「AI能幫你省最多錢」的環節。不是先買工具，而是先想清楚企業的經營裏有多少花在重複性工作上。從最痛點環節切入，不論是諮詢、庫存還是巡檢，可以先讓AI幫忙省出時間再談增長。

第二步則是非常務實的提醒。對於中小企業而言，核心是找一個已經懂你行業的AI平台，而不是自己去調教通用模型，選對平台比選對模型更重要。

03

美團經驗內生外化，助力行業AI落地

美團用10萬人的組織、日燒千萬的試錯和上千個項目的賽馬蹚出了一套方法論和經驗，作為科技大廠，這樣的投入也算不菲。對於廣大中小企業而言，如何跨越AI應用的鴻溝？

在西普會上，王莆中給出了美團的答案：把自己踩坑換來的方法和能力封裝成系統，開放出去，讓廣大中小企業和行業用戶不用走彎路。

美團開放的不是單一的孤立工具，而是一整套企業級AI系統能力。

它既包含行業模型底座，也包括面向行業端和消費者端的垂直領域應用。通過與美團經營數據的打通，美團正在將「企業AI落地」從不可複製的大廠內部工程，轉化為傳統行業可直接調用的標準化能力。

在基模底座上，美團的企業級AI系統以基於LongCat訓練的行業模型為底座。相比通用工具，在一些重點的垂類領域如在醫藥健康領域，這個底座融合了千萬次高質量問診會話、15 萬份藥品說明書以及千萬級醫學知識圖譜，能大幅提升垂直領域的智能水平。

在產品層面，美團面向消費者和麪向合作伙伴推出了專門AI助手及商家工作台。以醫藥行業應用為例，面向消費者的小團健康管家是ToC級產品，提供用藥諮詢、問診、健康管理等服務，背後對接藥店和醫生資源；ToB的佈局則包含了面向合作伙伴的CatPaw +商家AI工作台，內含經營助手、庫存管家、智能客服等模塊都是從美團自身經營中總結提煉和抽象出來的能力。

王莆中認為，廣大中小企業接入這套系統，不只是算力和模型，還有一個平台在真實經營裏驗證過的行業know-how。這套系統已經在美團內部的真實經營裏跑出了結果，也已經在一些頭部先鋒企業裏驗證了效果。

在美團內部，流程改造帶來了明顯的效果。過去靠人來驅動流程，一個方案要耗時一到兩個月。而把人的經驗提取出來之後沉澱到AI裏面，重新設計人和流程的協作方式之後，現在兩天就能跑出一個新方案。

而在合作伙伴端，一批連鎖藥企通過與美團的AI合作，在消費者洞察、日常經營等多個環節正切實實現提效。

比如美團與老百姓大藥房在需求洞察場景共建，讓AI基於數據分析識別需求上漲的機會，推動了高溫季藿香正氣月銷增長150%。而醫藥零售連鎖企業漱玉平民則與美團合作打造了經營專家智能體，它幫助漱玉平民把68個城市的經營數據分析，從每次2小時壓縮到自動推送日報、5分鐘通覽。藥企科赴則基於美團AI能力在生意覆盤與異動預警場景，提升了人效和補貨效率。一線人員可直接接收重點門店的庫存異常預警，人效提升超三成，補貨速度提升70.9%。

可以觀察到，美團與這些先鋒夥伴的合作場景多圍繞諮詢問答、庫存、巡檢和經營分析等展開，它也是幾乎所有零售連鎖生意經營的普遍痛點場景。

這也意味着，醫藥只是這套系統能力落地的第一站，目前在醫藥行業裏率先落地的能力未來有望複製和遷移到更大更廣的行業場景。

作為一個深耕本地生活服務的平台，美團對自身的定位也非常明確。王莆中在西普會上明確表示，「美團不會做線下藥店，我們永遠是行業的數字化和AI的小幫手。」

當下AI產業的競爭如火如荼。基模層激烈的軍備競賽還在繼續。而對千行百業的企業而言，落地戰更關乎切身生存及發展命脈。在愈演愈烈的落地戰場上，競爭的主題不再是基模的參數，也不再單純比拼模型有多聰明,更重要的是比誰能把模型、企業知識、業務工具和管理流程，組織成一套穩定運行的生產系統。

那些能幫傳統行業把底盤建好，幫助他們能更低成本用上並用好AI能力的平台無疑將喫到更多的紅利。而美團以自己的切身實踐給行業提供了一種內生外化的解法，很自然地也在這場落地比拼裏佔據一個獨特的位置。