进入2025年，大模型在纯软件上的"暴力美学"正遭遇边际效益递减。
算法的壁垒会随着时间的推移而逐渐变薄，但扎根于物理世界的运营能力和数据积累却会随着时间的沉淀而愈发深厚。
这正是美团与滴滴的价值所在：它们不是AI技术的提供者，而是物理AI落地的"必要条件"。
文｜行之
编辑｜奇博士
过去两年，大模型狂飙突进，字节跳动以"豆包"打响AI应用第一枪，阿里通义千问与百度文心一言轮番迭代，腾讯混元与华为盘古也不甘示弱。
美团和滴滴这两家老牌TMT明星似乎在AI浪潮中失声。
但这是一种误判，算法决定AI的下限，数据质量决定上限。当AI跳出屏幕，从“会聊天”转向“会办事”，竞争的核心便落到对物理世界的理解上，这需要大量真实的物理信息作依托。
几十年线下运营积累，让美团和滴滴成为唯二拥有物理世界真实闭环数据的企业，而他们手握的“专属数据”，成为“后AI时代”最值钱的资产。
一
美团，AI本地生活的“地面部队”
AI来袭，王兴既焦虑，又兴奋。
他用“猴子和花”来类比AI带来的变革量级，用“唯一合理的策略是进攻，而非防守”来宣誓美团布局AI的决心，力争成为"未来本地生活需求的AI入口"，是他给美团定下的新目标。
在王兴看来，AI的价值不在于智力有多高，而在于“高效执行”。
所以当Token经济学席卷全球市场，大众目光普遍聚焦于云厂商与独立大模型企业时，美团选择另辟蹊径，深耕供应链与履约力。
本地生活的难点从不是“信息获取”，而是“对齐现实”。
互联网上的数据是静态的，它可以告诉你一家餐厅“在哪里”，却不知道它此刻是否在营业；可以总结评价，却无法反映当下排队情况、出餐速度，甚至配送是否可达。
一旦AI把这些信息用于决策，就会出现明显的“失真”：看似“聪明”，却无法执行。
王兴举过一个颇具代表性的例子：“就算爱因斯坦当秘书，让他订一个餐厅，他依然不知道那个餐厅有没有座位。”
而这正是美团的优势。
16年本地服务运营经验，让美团沉淀下海量真实可用的物理数据。
需求侧，覆盖外卖、即时零售、酒旅、到店服务等几乎日常生活的全部场景；供给侧，商户系统、快驴进货、自营前置仓等能力，持续向商品与供应链深处渗透。
数百万骑手与实时调度系统构成履约网络，将分散的供需在空间与时间中精准撮合并完成交付。
每一笔交易，都是一次对现实世界的动态测量。
不只是“谁买了什么”，还包含实时天气、时段、紧急程度；商家出餐能力、库存状态、后厨负载、骑手路径、交通限制、电梯/小区规则等等。
如果说互联网数据教AI“理解世界”，那么美团的数据，则在教AI“应对世界”。
美团自主研发的“超脑”即时配送系统，能够应对千亿级骑手的轨迹挖掘，平均仅需0.55毫秒就能为骑手规划一次最优路线，LBS日调用峰值760亿。





履约过程中产生的各种"意外"，绕路，可能是地图未标注的禁行；午间爆单，可能是附近新开写字楼；高评分但低复购，可能是外卖体验差……这些从混乱物理现实中自然涌现的"噪声"，都是训练AI泛化能力最珍贵的原料。
大模型会越来越强，算法的壁垒会逐渐变薄，但对物理世界的控制能力，才是支撑AI Agent高效“执行”的地基。
美团的数据，是几十年沉淀，被数百万骑手“跑”出来、被数亿用户“消费”出来的。手握“物理活地图”的美团，在AI时代的护城河只会更深、更宽。
美团在AI领域的布局，也始终围绕“真实物理世界”的主线。最新发布的财报显示，公司全年研发投入达260亿元，同比增长23%，其中相当一部分流向自研大模型、具身智能与无人机配送。
龙猫（LongCat）大模型在两个月内密集发布四款模型，其中5600亿参数的LongCat-Flash-Omni已在多个基准测试中达到SOTA。





图：LongCat-Flash 架构图
收购叮咚买菜、发力小象超市，也是在提升美团的全场景履约密度，截至2025年Q4，美团外卖业务已覆盖全国2800多个市县，超2.7万个乡镇，年活跃商户数突破1500万。闪电仓数量突破5万家。
面向B端，美团推出了“智能掌柜”“花小牛”“袋鼠管家”等覆盖餐饮、即时零售、酒店等多个行业的AI工具，致力于让“每个商家都用上自己的AI助理”。
最新财报披露，AI选址成功率提升30%，客服效率提升80%。面向C端，美团推出了AI助手“小美”和“小团”，可以让用户一句话完成外卖点餐、餐厅推荐、酒店预订和景点门票购买等。
此外，美团还以投资为触手，搭建起一个庞大的"物理AI"生态。
据不完全统计，美团已在硬科技领域投资超50家，从底层算力的摩尔线程、沐曦，到中间的大模型智谱AI、月之暗面、光年之外，再到具身智能宇树科技、银河通用，甚至延伸至自动驾驶与智能汽车（理想汽车、禾赛科技、九识智能），这让美团在训练物理AI时拥有远超同行的样本效率。





图源：极客公园
如今这些投资和场景合作已有些取得了成效。银河通用的Galbot机器人已在北京10余家药店实现24小时无人值守分拣，基于VLA模型的自变量机器人，也能完成从取餐、装餐、进电梯到送达的全过程。
不过这并不意味着美团胜券在握，它的焦虑依然存在。
千问、豆包、元宝等AI应用都在完善Agent的办事能力，最大的潜在威胁来自腾讯微信。微信手握13亿月活的关系链、超400万小程序构成的商户生态，一旦用户习惯在微信Agent上“下需求”，势必会动摇美团“本地生活AI入口”的地位。
二
滴滴，AI移动出行的“时空底座”
如果说美团是中国最大的“本地生活数据库”，那么滴滴则是中国最大的"移动出行数据库"。
滴滴是一个覆盖网约车、单车、货运、代驾等多种场景的出行网络，每一次“从A到B”，都在给这张网络“喂”真实的移动数据。
网约车仍是核心，但里面已经细分出很多不同场景：快车、特惠快车承载了最大规模的日常通勤；专车、豪华车叠加了“服务”维度，比如车内环境、等待时长等。
出租车线上化把原来散落在路边拦车的那部分需求也纳入系统，补齐了城市出行“最后一公里”的数据空白。
围绕主业，滴滴又长出了单车、货运、代驾、充电等衍生服务，把城市的“动”刻画得更细。
海外业务（DiDi Global）则是在不同国家复制这套模型，同步搭建移动出行的样本库。
自动驾驶业务（Robotaxi）是这套数据体系的“升级引擎”，Robotaxi测试运营中产生的高精地图、摄像头/雷达感知数据、自动驾驶决策轨迹、人工接管记录、极端场景库（雨雾/夜间/施工），与网约车业务的真实人类驾驶数据形成互补，完成从"人类驾驶行为"到"机器驾驶决策"的数据闭环。
提到出行，我们难免会想到高德、百度等地图厂商，但地图厂商掌握的是"意图数据"，滴滴掌握的是"交易数据"。
滴滴记录的是物理世界的真实结果：谁在几点几分从哪真的上车，坐了多久，到哪真的下车，付了多少钱，走了哪条路，遇到拥堵还是选择绕路。
这是一个需求、下单、履约、支付结束的强闭环，每一条都是真实位移，不可伪造，不可撤销。
而地图导航软件记录的是规划与可能性，导航开了，最后可能根本没去；或者换了方式去（地铁、自驾、朋友送）。它捕捉的是"你打算去哪"，而非"你真的去了哪"。
这种差异在物理AI时代具有决定性意义。当AI试图理解城市交通时，它需要知道的不是"多少人规划去机场"，而是"多少人真的去了机场、花了多长时间、付出了多少成本、最终选择了哪种交通方式"。





图：智能沙盘展示滴滴自动驾驶慧桔港
更重要的是，滴滴的数据包含了真实的供需博弈。平台知道某片区早高峰到底缺多少车（真实运力缺口），知道这条街、这个小区的人真实出行频率（真实出行强度），知道多少钱用户愿意走、多少钱会放弃（真实价格敏感）。
这对城市交通规划、网约车调度、出租车投放，甚至新楼盘与新商业体的选址决策都有很强的参考意义。
这种对商业与城市的穿透力，是纯粹的地图数据无法提供的。
手握如此多高价值的真实移动数据，滴滴的AI战略不是到处撒网，而是围绕出行深挖两件事：Robotaxi 和 AI打车Agent“小滴”。
滴滴自动驾驶公司自2021年独立融资以来，持续深耕L4级自动驾驶。与广汽合作的首款前装量产车型将于2025年下线交付，2026年开始在重点城市示范运营，形成“AI +量产+运营”的市场验证。





图：广汽埃安与滴滴自动驾驶合作开发的L4自动驾驶车
Robotaxi不仅是未来的出行业态，更是滴滴物理数据的"终极变现载体"，车辆本身成为数据采集器，真实路况数据反哺算法，这种“飞轮效应”是其他只有技术，没有规模交易数据的自动驾驶公司短时间内难以复制的优势。
滴滴近期上线的AI打车Agent"小滴"，基于滴滴在arXiv发布的DiMA架构，试图解决大模型在出行场景的核心痛点：时空感知能力。
当用户提出"帮我叫一辆不容易晕车的车，半小时后到机场"时，Agent需要理解的不仅是语义，而是将需求拆解为时间、空间和供给约束（哪辆车更稳、哪条路不堵、当前运力能否满足）。
这背后是滴滴十余年积累的真实运营数据做支撑，没有这些数据底座，Agent再聪明也会陷入"答得好听、交付打折"的尴尬。





图：滴滴基于大模型的网约车助手DiMA
过去，滴滴是连接乘客和司机的撮合平台；现在，滴滴正在变成"城市移动的基础设施"。其积累的真实出行数据，不仅可以优化自身的调度算法，还可以成为城市规划者的决策依据。
比如交通部门可以用来看职住是否分离、夜间经济是否活跃；商业地产和连锁品牌可以用来判断某个区域真实的消费能力和出行热度。
当AI Agent试图接管物理世界，它必然需要调用滴滴这样成熟的、经过时间验证的"移动数据库"为其“执行”。
三
大模型驶入拐点
过去两年，科技界的注意力被大模型的参数规模与benchmark榜单牢牢锁定。但进入2025年，大模型在纯软件上的"暴力美学"正遭遇边际效益递减。
研究机构Epoch AI预测，2028年，互联网上所有高质量文本数据将被耗尽，数据缺失导致的“数据墙”会放缓模型的扩展速度。
合成数据与仿真数据虽然能够补充供给，但“治标不治本”，算力可以替代部分数据，Agent可以替代部分专家，但AI Agent最终还是要在真实世界中落地。





算法的壁垒会随着时间的推移而逐渐变薄，但扎根于物理世界的运营能力和数据积累却会随着时间的沉淀而愈发深厚。
这正是美团与滴滴的价值所在：它们不是AI技术的提供者，而是物理AI落地的"必要条件"。
就像AWS是云计算的基础设施、台积电是芯片制造的基础设施一样，美团与滴滴正在成为AI连接物理世界的"枢纽"：一个提供本地生活的履约数据与决策接口，一个提供人与物移动的时空坐标与运力网络。
这些"苦活、累活"积累下的真实数据，是AI时代最难以复制的护城河，也是美团和滴滴最值钱的资产。
本文来自微信公众号“奇点研究社”，作者：奇点团队，36氪经授权发布。