分类： 文章

声明：本文来自于微信公众号 定焦One，作者：陈颐

今年618，AI含量明显高了。

打开各大电商平台，AI购物助手在跟你对话，AI数字人主播24小时不停播，销售额堪比真人主播，大促素材全是由AI生成。甚至智能体工具渗透到了下单、付款环节，以往这个场景只有用户、商家、平台。现在一切正变得不同。

作为曾经移动互联网时代的一杆大旗，AI正在成为重要角色。以往618，比的是补贴力度和运营手段;这次开始秀谁的AI更聪明、落地更快。

这个现象只是冰山一角。就在同一周，字节被曝正洽谈采购5万颗以上国产推理GPU，给豆包大模型备货;阿里推出Qwen-Robot Suite，高调进军具身智能和机器人。国际上，OpenAI6月24日宣布联合博通推出自研芯片。AI大厂们不是在补全栈基建，就是让技术嵌进产业链，去接触真实的交易、真实的物理世界。

这些动作背后的原因显而易见，大家都看到，AI正作为一种基建，全面改造行业。如果把前些年的AI竞争比作“淘金热”，那今天已经切换到“卖铲子”。

最先看到这片新蓝海的，是各路云厂商。今年以来，云厂商较劲的维度，正从“谁的模型更好”，变成“谁更能让AI在真实业务里跑出结果”。大家都在展示各自的行业落地情况，从一个个细分场景倒推技术如何提升生产力。

这方面谁跑得更快，可以从财报中找到答案。百度2026年Q1财报显示，AI云基础设施收入88亿元，同比增长79%;AI业务在百度营收中的占比首次过半，达到52%。在多数厂商还忙着比模型参数的时候，它更早把重心挪向了产业。

当AI转向行业基建，云的战场已经换了规则，从拼模型，进到了拼落地的下半场，谁能将技术匹配产业场景、落地生根，形成依赖，进而跑出收入，变成结果，正成为新的赛点。

01.Agent时代，Token失效、“结果”更重要

云厂商的集体转向，要从客户端的需求变化说起。

过去十年，企业买云的逻辑很简单:要多少服务器、带宽、存储，你给我报价，我按用量付费。云厂商之间比的是性价比、稳定性、覆盖面。本质是“数字地产”生意，盖好机房，按量收租。

到了Agent时代，这套逻辑不适用了。

银行来谈云服务，关心的不再是“配多少张GPU”，而是“一千多个AI应用能不能7×24小时跑在核心业务里，出了问题谁兜底”。车企关心的是辅助驾驶模型能不能在平台上完成从训练到合规验证、再到量产上路的完整闭环。能源企业更直接:AI能不能进前端业务，在调度、运维、质检环节产出真金白银的效益。

客户想要的，已经从“资源”变成了“结果”。云厂商和客户的关系也随之改写:过去签完合同、机器搬进场，交付就算完成，剩下的靠客户自己的IT团队;现在客户只认“确定性”，交付能力、运维能力、行业know-how、响应速度，都是核心竞争力。

这种“从动作到结果”的转向，连最前沿的AI团队都在经历。在硅谷顶流播客Lenny’s Podcast最新一期里，Anthropic的Claude Code团队负责人Fiona Fung分享了她的观察:他们团队的代码交付量一年里涨到了原来的8倍。瓶颈不再是写代码，而是代码高速生产出来后，怎么验证质量、判断优先级、衡量真实产出。她特别强调:“Don’t mistake motion for progress（别把动作当成进展）”。追工具使用率，只是在衡量“动作”;能否真正改善目标结果，才是核心。

放到云这门生意上，处境是类似的。过去AI圈流行一种打法，叫“token maxing”:能烧多少token就烧多少，先跑出来再说，烧Token的量本身成了一种政绩。现在厂商和企业客户都开始追问回报。衡量的标尺，从“烧了多少Token”，变成“带来多少效果”。

5月份的Create大会上，百度创始人、董事长兼CEO李彦宏就给出了一个观点:AI时代的度量衡不该再是Token，而应该是DAA（日活智能体数，Daily Active Agents）。Token代表成本、不代表收益，与其在单价上内卷，不如按客户的业务效果来定价，效果收益才能把行业的蛋糕真正做大。

峰瑞资本创始合伙人李丰在一期播客中也分享过类似判断:AI正在从“证明有用”切换到“证明划算”。前期投入靠FOMO（害怕错过）驱动，后期必须靠ROI说话。

这套逻辑放到中国云市场，一样成立。

过去两年，中国AI的故事基本围绕性价比和速度。模型成本低、应用上线快，这是中国AI的强项。DeepSeek去年初震动全球，靠的是用极低成本做出接近顶尖水平的模型。

但“省”不是终点，产业才是。“产业”指的是什么?有关注AI的投资人对「定焦One」表示，中国的大模型公司不缺模型性能，缺的是把模型能力接进产业的工作流;美国同行在掌控开发者入口和执行环境上走在了前头，中国得把这一环补上。

资本市场已经在用脚投票。6月16日，DeepSeek完成500亿元首轮融资，投后估值在3500亿-4000亿元之间，腾讯、宁德时代等产业资本入局。除国家AI基金外，投资方无投票权、设五年锁定期。这说明资本市场开始按“产业基础设施”的逻辑给AI定价，不再把它当软件应用。

那么，价值最后会沉淀在哪一层?有AI创业者做过类比:电力行业里，发电厂的净利润率只有5%到8%，电网公司却能拿到10%到15%。大模型行业正在走同样的路，模型层的利润被越压越薄，平台层的利润反而稳定。

云，就是这个“平台层”:不管底下跑的是ChatGPT还是DeepSeek，总得在云上跑。模型可以换，平台不好换。

而撑起这一层的算力底座，也在同步国产化。百度昆仑芯P800已完成规模化验证，2025年至今交付多个万卡云。字节2026年的资本开支预算上调到2000亿元，AI芯片采购中国产占比超过50%，推理端实现全栈国产替代;华为昇腾的出货目标从30万片上调至75万片。国产芯片正从“备选”变成“主力”，中国云上跑AI，正在减少对外部供应链的依赖。

资本按基础设施给AI定价，价值往平台层沉淀，算力底座转向国产，这几个维度指向的是同一件事:中国AI的重心，正从“做出一个好模型”，移到“搭起一套能落进产业的体系”。

政策也在往这个方向加码。2026年5月，三部委印发《智能体规范应用与创新发展实施意见》，把智能体定位为产业基础设施，目标2027年重点行业普及率70%。智能体已经从“创新项目”升格为批量的基建需求;这层基建往下落，最核心的载体就是云。

需求变了，供给端就得跟着转型，这和当年互联网切换到移动互联网是一个道理:底层基础设施都值得重做一遍。对云厂商来说，这是一道分水岭，还守着卖服务器、卖带宽的“数字地产”老生意，迟早被甩下;能把自己改造成帮客户跑出业务结果的“智能化服务商”，才接得住这波需求。

从这个角度看，最后赢的，或许是那些“最不看token消耗”的人。

02.头部云厂商们，各自拼什么?

进入2026年，四家头部云厂商都在讲“落地”，都在强调“怎么帮客户把AI用起来”。这一点没有分歧。真正的分野，在于用什么去落地、往哪个方向使劲。四家走出了不同的路，背后是各自的基因在驱动。

阿里云押的是规模。今年动作很猛:未来三年AI基础设施资本开支拉到3800亿以上;推出Qwen-Robot Suite（千问机器人套件）;日本第五座数据中心落地;618期间把通义千问(Qwen)接进了淘宝。从芯(自研芯片平头哥)、云(全球数据中心)、模(千问)、体(机器人)，全栈一路铺开，核心就一个字:大。

这套打法，和阿里做电商时的逻辑一脉相承:先把盘子做大，覆盖面够广，再靠规模效应和运营能力把成本摊薄。前两年阿里云增速一度掉到个位数，被外界质疑增长见顶;最近几个季度靠AI需求重新拉了起来，某种程度上是这套打法在新赛道上的再次验证。

火山引擎押的是流量效应。抖音、今日头条本身就是亿级用户的试验场，豆包大模型日均Token消耗突破120万亿，火山引擎的路线是，先在C端跑通能力，再打包卖给B端。这要求它迭代快、数据反馈快、技术验证快。

6月22日的火山引擎FORCE大会上，这条路线又往前走了一步:新发布的豆包Seed-2.1-pro补上了Coding和Agent能力，配套的“豆包办公模式”能接管发票汇总、选址调研这类办公场景。一个细节是，在现场演示和评测里，火山反复拿自己跟Claude、Opus对标。连字节这种最信奉“模型即产品”、最擅长C端飞轮的玩家，如今也把火力对准了Agent和落地。

华为云押的是纵深。昇腾芯片、盘古大模型、CloudMatrix超节点，软硬一体，再叠加“云、网、安”的整套能力，华为的主场是政务、央国企、运营商这些合规要求最苛刻的市场。这也是它从通信设备时代就攒下的研发底子和政企关系带来的。

四家里，百度智能云的出身最特别。阿里云从电商长出来，火山从内容和短视频长出来，华为云从通信长出来，只有百度智能云，是完全从AI长出来的。可以说，它是目前唯一的“AI原生云”。

早在2010年，百度就开始押注AI，也是国内最早提出“云智一体”的厂商。别人是先有云、再往上加AI;它是从AI出发，倒推出自己需要什么样的云。这条路径，决定了它的全栈是“芯云模体”四层联动:昆仑芯（芯），智能云(云)，文心大模型(模)，DuMate、秒哒等智能体应用(体)。

其中的昆仑芯值得重点关注。芯片是这套体系最难啃的一层。百度有自己的昆仑芯，等于把这一层也攥在了手里:上层模型跑得不对，能一路查到芯片;芯片有瓶颈，又能反过来调模型。这种从硬件到应用的端到端可控，买别人芯片的厂商做不到。

这四家里，真正称得上“芯、云、模、体”全栈打通的，只有百度和阿里两家。华为也发布了CloudRobo具身智能平台，但策略是不做本体、对外开放给生态伙伴。

百度和阿里的最大区别是，阿里的体系，是从庞大的电商生态向外扩出来的，芯片、模型、机器人是给业务版图配齐能力;百度的体系，是从AI内核向外长出来的，每一层都为“让AI落地”服务。这个差别，在客户需求转向“要结果”的当下越来越关键。

这套全栈到底为什么这么搭，李彦宏在5月13日的Create2026开发者大会上给出了答案:就是为了“支撑智能体应用爆发”，让智能体真正能在产业里用起来。

这个判断，是有市场依据，且已经在百度内部落实的。五天后的Q1业绩电话会上，百度集团执行副总裁、百度智能云事业群总裁沈抖表示:行业AI应用早就跨过了单纯训练模型的阶段，市场需求转向在全业务流程里快速部署、常态化使用AI。而在Create大会上，沈抖提出百度智能体云已面向大规模智能体落地，完成了基于AI Infra与Agent Infra升级的新全栈AI云。

总结来看，四家的“落地”策略各有侧重:阿里理解为“铺得广”，字节理解为“迭代快”，华为理解为“扎得深”，百度则是“瞄准智能体落地，从芯片到应用全线贯通”。

这四种方式，其实是在回答另一个问题:Agent时代，拼的是广度还是深度?

字节、阿里押的是“广度”，但广度可以复制。阿里今天把Qwen接入淘宝，明天京东也可以接自研模型;字节今天用抖音验证Agent，明天另一个有C端流量的平台也能做。

百度、华为拼的是“深度”，相对而言，深度更难复制。那什么样的深度才算护城河?

03.高增长背后的百度答案

对行业护城河的衡量，最终要落在数据里。百度2026年Q1财报显示，其AI云基础设施收入同比增长79%，GPU云收入同比增长184%，领先行业。这已经是百度智能云连续多个季度实现高增长，背后意味着，他们的服务和能力正在快速变现。

而回归到云服务本身，为什么百度智能云能够实现这样的高增长?或许也可以从当前AI云服务需求端的变化来看。

在当下行业之中，有一类客户，是云厂商最难拿下、也最值得拿下的，那就是银行。

传统金融的服务选择标准，几乎是所有行业里最严苛的。因为金融几乎不容出错，一笔风控误判可能就是真金白银的损失，一次系统宕机牵连几百万用户。所以银行选云，看的不只是谁模型最新、参数最大，更看重厂商在这行跑了多少年、经历过几轮监管。这种信任只能靠服务时间一点点积累。

从覆盖面看，百度智能云已经服务了800多家金融机构，国内系统重要性银行全部接入。但比覆盖面更能说明“扎得深“的，是它被允许进入了核心环节。以百信银行为例，它把风控交给了百度伐谋智能体，特征挖掘效率提升320%，风险区分度提升10%，建模时间从3天压到0.5天。风控是银行的命脉，银行肯把这个环节交出去，意味着它认可百度是一个能共担风险的合作方。

车企选云厂商的逻辑跟金融的底层是相通的。

辅助驾驶直接关系到人身安全。一旦出事故，责任链条怎么划、数据归属怎么定，这些不是一个算力供应商能解决的。车企要找的，是能跟它一起定标准、共建测试体系、共担安全责任的合作方。

去年，百度智能云支撑了超过2000万辆L2级辅助驾驶新车的交付;覆盖范围从主机厂延伸到电池、芯片、无人车等产业链企业，研发、训练、仿真、测试到量产交付，多个环节都有它的身影。也就是说，从底层到上层的环节它都包了。

和金融、汽车这种成熟行业不同，具身智能是一个标准还没确定的新赛道，所有玩家几乎站在同一起跑线上。

Omdia2026年2月发布的数据显示，去年上半年，百度智能云在具身智能市场的份额是35%，超过第二、三名之和。智元机器人、宇树科技等三十多家重点具身智能企业，都在用它的服务。

机器人企业最需要的是训练快、推理稳。VLA训练加速超70%，意味着机器人学会一个新动作的时间大幅缩短;世界模型推理时延降低近50%，意味着机器人在真实环境里做决策的反应速度更快。这两件事，直接决定了一家机器人企业能不能快速迭代、尽早量产。

新赛道的规律是:谁先跑出场景、跑出规模，谁就掌握更大的话语权。百度能在这个赛道跑在前面，和萝卜快跑也有一定关系。累计超2200万单（截至2026年4月）、周峰值35万单(2026年3月)，这些数字本身是自动驾驶的商业化成绩，但同时也沉淀了一整套“在物理世界里把AI用到规模化”的经验:从感知物理环境、做实时决策，到规模化运营，恰好是具身智能最需要的能力。

把这三个行业放在一起看，能发现一个共同的规律:越是容错率低、责任重的场景，客户越不会轻易换供应商。AI在这些行业里，已经不再是辅助工具，而是核心生产要素。谁先在这里站稳，谁就先卡住了身位。

能扎进这些场景，靠的不是一两年的冲刺，而是长期累积下来的几样东西:足够长的时间、足够完整的技术，以及对行业场景足够深的理解。

百度在AI上押注超过十五年，中间经历了一轮又一轮“AI是不是泡沫”的质疑，坚持到现在，攒下的除了技术，还有客户关系。B端的信任有“复利”:每多稳定服务一年，客户再想换掉你的成本就高一分，这也是金融、能源这类客户一旦合作就很难松动的原因。

更关键的是，百度的路径一直是顺着“理解”往上走的:从搜索理解人类语言，到自动驾驶理解物理世界，而智能体时代恰恰需要同时理解“人想要什么”和“现实世界怎么运转”，才能把两者结合起来完成复杂任务。这块拼图，只做语言模型的厂商没有。

还有一层，全栈能力“兜底”的价值，但它往往在出问题的时候才能体现出来。假设系统突然宕机，芯片、云、模型、应用分属不同供应商，客户可能面临几家互相推责的扯皮;现在四层在一家手里，出了问题责任链条清晰，响应速度也更快。在安全攸关的B端场景里，这种“不踢皮球”的确定性，有时候比单点性能更关键。

这些积累的价值，最终还得看客户买不买账。2026年Q1，百度大模型中标金额12.48亿元，差不多是第二名的五倍，连着两个季度排名第一。其中，仅中国联通一个项目就贡献了8.37亿，头部客户的大额订单撑起了收入底盘。B端生意一旦在某个大客户身上跑通，后续扩容、复购的空间会持续打开。在这个市场里，最有说服力的指标，从来就是客户愿不愿意接着掏钱。

千行百业的智能化，是AI时代最大的一片蓝海。从“挖金子”变成“卖铲子”，旧地图当然还在，算力规模、营收排名、市场份额，这些指标依然很重要。但这场仗的胜负手显然变了:能不能进入那些容错率极低、出了错要担真实责任的场景，才是新的分水岭。这些场景拼的是时间、技术和场景理解的整体能力。百度智能云已经在这些场景占住了先机，这种整体能力，恰恰是智能体时代最难被复制的护城河。

声明：本文来自于微信公众号 Tech星球，作者：林京

美团核心本地商业（CLC）组织架构近日调整，新成立AI Transformation部门，与外卖、闪购等部门平行，由前大众点评总经理牧遥负责，汇报关系从美团高级副总裁、平台负责人李树斌调整为向美团核心本地商业CEO王莆中。

这也是继阿里成立Token Foundry事业部之后，又一互联网大厂设立AI转型部门，美团的AI战略也随之浮出水面。而“一号位”交由业务经验丰富的高管而非技术专家掌舵，也延续美团将AI与业务融合置于首位的务实风格。

除此之外，美团近期还密集落地多款AI产品。最受关注的公测100天、更新十多个版本之后，美团旗下GN06团队推出的AI原生浏览器Tabbit1.0近期。GN06团队是由美团花20.65亿元收购的“光年之外”团队整合而成，这也是其走至台前交出的第一份答卷。

外卖大战之后，美团AI业务正在开启“大跃进”。

美团AI战略，浮出水面

随着AI Transformation部门成立，美团AI战略轮廓初现。

不同于美团自研大模型、各项AI应用产品探索的业务团队都是直接汇报给美团平台负责人、S-team成员李树斌，AI Transformation现在直接向王莆中汇报，美团AI从过去的“技术探索”上升为“战略核心”，在推动AI方案落地时，可以更高效调动整个核心本地商业体系的资源，而不再受制于单个业务部门的技术能力和决策周期。

美团对于AI业务的态度，转折点可以追溯到2025年的一季度电话会上，彼时美团CEO王兴表示，美团在AI技术上的战略定位，是积极进攻而非消极防御。

受外卖大战牵制，美团将有限的“子弹”都铺向AI基础设施，核心是其自研大模型Long cat（龙猫）。从2025年9月首次发布至今，美团 LongCat 系列模型已累计发布12个模型，覆盖文本、图像、语音、视频等全模态。

和其他互联网大厂一样，美团通过“挖角”迅速补齐人才短板。2025年底，据《智能涌现》报道，前闪极AI合伙人、前字节视觉大模型AI平台负责人潘欣加入美团。潘欣负责多模态AI创新工作，主导了LongCat App等多个相关应用的开发。

而作为美团LongCat团队基础模型负责人，裴鹏在2025年多所高校举办的学术论坛活动上露面。基于LongCat，美团密集发布了面向B端和C端产品，前者包括“袋鼠参谋”、“智能掌柜”等产品，后者则是独立APPAI生活秘书“小美”、AI管家“问小团”等产品。今年“五一”小长假前夕，“问小团”被提至美团APP首页底部导航栏核心位置。

它们属于核心本地商业（CLC）体系下的各个业务线自行推进的项目。从美团官网发布的招聘需求可以看到，“小团”等都归属于美团核心本地商业部门。伴随着AI Transformation的设立，未来这些产品很可能都会在新的架构下进行统一规划和协调。

图注:美团独立APP生活秘书“小美”（左）和“问小团”(右)

另一款备受关注的AI产品Tabbit上线背后，AI浏览器赛道已经卷成一片红海，不仅有谷歌Chrome、微软Edge、OpenAI Atlas等海外巨头重兵布阵，还有夸克、字节跳动和360AI浏览器等国内企业入局。

据界面新闻报道，Tabbit在2025年8月正式立项，9月开工，11月做出第一个版本，12月在美团内部测试，春节后推向公测。

Tabbit 在国内百日狂飙上线、一度陷入抄袭风波之后，最近还悄悄上线了Tabbit国际版，在去年6月停止招聘后，Tabbit 团队近日又重启了海外岗位招聘。

其背后的原光年之外团队也颇受关注。2023年，美团前联合创始人、高级副总裁王慧文创立的“光年之外”被美团收购后，整合为GN06在美团运营，目前与外卖、闪购、酒旅等主营业务无关联，主要是面向AI原生应用的探索。除了Tabbit之外，GN06在2023年和2024年末还分别推出过AI图像/视频生成工具妙刷、AI情感陪伴App“WOW”。

据雷峰网报道，2025年11月，原光年之外应用负责人调任至美团，直接向李树斌汇报。美团的 GN06团队规模数十人，产品线围绕 AI 应用的娱乐、Agent等方面。

进入2026年，美团不止是布局自研大模型、密集落地产品，还有内部氛围变化。虎嗅曾报道，一位美团技术中层表示，2026年开年以来，美团内部在彻底的“AI化”，他所在的某核心业务线的技术部门，超过95%的代码工作都依托于美团自研的CatPaw这款工具。CatPaw几乎嵌入到了他如今工作的每一步。

此外，2026年，美团内部把“AI提高人效”作为关键目标之一。其核心思路是，通过AI减少“重复劳动”中人工占比，这不仅是常规代码生成，也包括了通过无人机和无人配送车提高复杂、困难场景中的配送人效。基于AI重新梳理业务流程，并优化流程以减少内耗，打造适配AI生态、高效流程的组织文化。

借力腾讯，美团抢滩AI入口

相比流量更充沛和技术实力更雄厚的互联网大厂，无论是自研大模型，还是面向C端的产品探索，美团AI业务在外界的存在感并不强，以独立APPAI生活秘书“小美”为例，截至目前，其在安卓端的下载量不过169万。

美团想要重新定义自己在AI时代的角色。在今年Q1的财报电话会上，王兴表示，美团的AI Agent“小美”跟腾讯元宝的合作即将上线。用户在腾讯元宝里输入本地生活需求，可以直接通过小美调用美团的外卖等服务，整个交易过程不用跳转到美团App。

这和阿里千问点外卖的模式颇为相似，不同的是，阿里是在自身体系内完成闭环，而美团则是向所有AI Agent开放自身的履约能力。美团想要实现的，是未来无论用户用的是元宝、豆包还是其他AI入口，最终完成配送和线下服务的，依然是美团的商家网络和骑手体系。

比起争夺AI时代的“超级入口”，美团选择的是“退一步”战略，将平台积累的核心能力，打造成为所有AI Agent都绕不开的“服务底座”。

这也是美团提出的“物理AI”战略，主要建立在美团数据和履约优势上，具体表现为美团的AI可以直接在覆盖全国2800多个市县、每日数千万笔交易的复杂真实环境中学习和迭代。王兴曾用一个形象的比喻说明:“就算让爱因斯坦来当秘书，让他订一家餐厅，他依然不知道那个餐厅有没有座位。这不是智力问题，而是信息问题。”

在这一愿景之下，美团已经开始推出具体的落地路径。在2026年Q1财报电话会上，王兴提出的新战略方向——服务AI Agent（To A），他表示，未来美团除了服务消费者(To C)和商家(To B)，服务AI Agent(To A)正变得越来越重要。

美团将AI Agent从“工具”重新定义为美团的“客户”。一些具体的产品已经开始落地，美团在5月发布了“跑腿Skill”，将跑腿下单能力以封装Skill形式向AI助手生态开放，目前已有多家AI助手接入美团跑腿。

而决定物理世界AI化的广度，还有美团早在探索的无人机业务。通过卡位低空经济，美团可以将“物理AI”的服务边界从地面延伸至空中。

这是美团从2017年就开始布局的业务。彼时，毛一宁带着其创业团队加入美团无人机业务。2022年，毛一宁在接受《电脑报》专访时提到，2022年9月，该团队已经有300余人，并且里面很多已经是小有成就的人工智能、或者硬件领域的 leader。

这一项业务的特殊性还在于直接向王兴汇报。2024年2月的美团组织架构调整中，王兴在内部邮件里明确将无人机和境外业务的汇报关系提升至直接向他汇报，以此提升科技与国际化业务的优先级。

强投入、弱声量，不追求“Token工厂”

在AI投入上，美团并非“低调”。核心本地商业CEO王莆中曾公开表示，美团每年在AI领域的投入超过百亿元。美团CEO王兴也曾披露，自2023年初以来，美团在资本开支和AI人才上持续加码，大部分资金用于自研大模型的构建，投入规模在国内企业中位居前列，仅次于部分云计算巨头。

只不过，相较于阿里、字节、腾讯等动辄数千亿的AI投入，美团的体量仍有差距。加之过去一年外卖大战对资源和精力的牵制，美团的AI叙事在外界看来，存在感并不算强。

这种“强投入、弱声量”的感知，在自研大模型业务上体现得尤为明显。LongCat团队极少公开亮相，也缺乏明显的技术“一号位”，落地产品如“小团”等，在千问等产品通过狂撒红包补贴推动用户点外卖心智时，美团的“问小团”声量也较小。

美团的AI业务也有其浓厚的企业基因，美团并未将全部筹码押注在自研模型上。以AI浏览器Tabbit为例，其策略是集成多家头部大模型——除自研LongCat-Flash-Chat外，还接入了DeepSeek、豆包、千问、Kimi等。美团更在意的，显然是模型能否在自家场景中跑出结果，而非模型本身有多强。这种与业务强结合的风格，贯穿了美团AI的整体布局。

图注:美团“LongCat”页面。

譬如，LongCat与市面上其他大模型产品的一个区别是与本地生活业务深度绑定。在其产品界面上，“找附近玩乐”、“做出游攻略”、“订住处”等导航栏清晰可见，延续了美团“业务先行”的一贯逻辑。

美团在“物理AI”战略下，不追求成为“Token工厂”，而是致力于成为连接数字智能与真实世界服务的“基础设施”，这是基于自身独业务特基因进行战略卡位。相较之下，美团主动出击推出的LongCat与Tabbit等产品，在当前激烈的AI工具与模型竞争中，很难在短期内建立起显著的差异化优势，其未来的竞争力更取决于与美团实体服务生态的融合深度。

在AI颠覆本地生活之前，场景和履约能力是美团真正的底牌，美团必须把这张牌牢握在自己手里。