2026年7月27日，美团上线了CatPaw全场景AI Agent平台。9万名员工在用、3万个Agent已搭建——这是目前国内互联网公司里规模最大、最完整的AI Agent内部落地案例之一。

同一天，上汽集团与飞书签署了集团层面合作协议。一周后，阿里云瓴羊AgentOne的四名AI员工正式上岗。

三个案例拼在一起，能看清一件事： AI Agent正在从“个人提效工具”变成“企业级生产力”。

一、美团：9万人“内测”三年，把Agent铺进了每一个角落

CatPaw最早在2023年以编辑器插件形态在美团内部上线。经过近三年迭代，它从一个小插件长成了覆盖个人、团队、企业三种主体的全场景平台。

据美团官方披露，规模数据目前在国内互联网公司里靠前 ：9万名员工、3万个Agent、研发渗透率超过95%、增量代码AI生成率逾50%。

它在研发、数据、运营三个场景里分别解决了不同的问题：

• 研发场景：CatPaw可以协助工程师阅读代码、审查修改、排查问题，并在授权范围内执行相关任务。
• 数据分析场景：业务人员通过自然语言完成取数、分析和报告整理，将原本分散在多个系统和表格中的工作串联起来。
• 协同场景：员工可以将相对固定的流程沉淀为技能，无论是跟进项目进度、汇总跨团队信息，还是处理企业自有App、小程序和业务系统中的重复操作，都能交给Agent处理。

产品能力的支撑：CatPaw搭载了美团自研的LongCat 2.0万亿参数大模型，提供独立的移动端App与PC客户端，双端任务实时同步。云端模式支持7×24小时不间断运行，即使本地设备关机也不受影响。安全方面，Agent运行环境严格隔离，凭证集中托管，支持分级权限管控与私有化部署。

更重要的是，这套系统已经从内部走向了外部。

CatPaw已在餐饮、美业、宠物医院等多个真实商家场景中完成验证。商家在完成授权和规则配置后，可以通过CatPaw搭建的AI小帮手自动汇总销售、评价和营销数据，生成每日报告。一个麻辣烫店老板以前处理这些问题至少要花2小时，现在几分钟就能拿到清晰的报告。

美团CatPaw相关负责人说了一句话：“对商家来说，AI的价值未必是写出更漂亮的营销文案，更实际的是帮助完成数据汇总、异常识别、策略输出等重复性工作，让人把时间留给选品、服务和经营判断。”

据一位美团后端工程师在内部社区分享，CatPaw让他的Code Review效率提升了至少30%——过去需要人工逐行检查的重复性问题（如变量命名不规范、空指针风险等），现在CatPaw会先筛一遍，他只需要重点看Agent标注出的疑点即可。

二、阿里瓴羊：四个“AI员工”正式上岗，用业务效果说话

7月29日，瓴羊AgentOne的四名AI员工正式上岗，覆盖AI销售、AI客服、AI运营和AI营销四个场景。

瓴羊CEO朋新宇给出了一个清晰的框架：

“Data、Agent和FDE缺一不可。Data让AI‘能信’，Agent让AI‘能干’，FDE贯穿其中，三者结合最终成为‘能打’的企业级AI员工。”

区别于通用型Agent，瓴羊的企业级AI员工围绕岗位目标配置数据、知识、工具、权限和考核方式，直指GMV、ROI、锁单率等业务指标。

雅迪的案例提供了可量化的效果：瓴羊FDE团队用24天开展78场驻场调研，覆盖十多个部门。落地后，热线机器人解决率从20%提升到42%，在线机器人解决率达78%。高峰期热线接通率从88%提升到95%，平均通话时长从6分钟缩短到4分钟。

企业还可以根据自身业务需求，在AgentOne上组合数据、知识、工具、模型服务、权限和评测方式，打造财务、法务、采购、行政、人力资源等专属场景的X员工。

三、上汽：AI开始进入汽车研发和生产现场

7月27日，上汽集团与飞书签署集团层面合作协议。上汽员工超过10万人，业务横跨整车、零部件和出行服务，旗下不同企业拥有各自的组织、权限和IT系统。

AI是促成这次合作的关键变量。一位接近签约的人士对第一财经表示：“AI兴起后，传统主机厂和零部件企业对飞书的兴趣明显提高。它们考察的已不只是一套办公软件，而是一个工作平台能否承载AI，让AI进入研发、生产和经营现场。”

目前，上汽正在研产供销服全链路梳理高价值AI应用场景，部分场景已经进入验证或实际运行阶段。

虽然上汽的具体应用场景尚在验证阶段，但汽车行业的先行者已经跑出了可量化的效果：

• 北汽福田长沙超级卡车工厂的数字员工“长超小福”，连接工厂的业务数据、摄像头和部分设备接口，可以协助巡检、生成日报，并处理生产群里的设备、物料和工艺问题。相关应用使工厂跨部门任务闭环率提升约40%，预计每年减少损失近200万元。
• 东风奕派的“设备大师”沉淀了1200多个设备故障案例，可以协助员工识别问题并给出维修建议。设备问题平均处理时间从10分钟缩短到4分钟，判断准确率从约70%提升到95%。

这两项应用的共同点是：AI没有停留在文档生成和信息问答，而是开始进入设备管理、生产运营等汽车业务现场，效果可以用工时、准确率和损失金额来衡量。

上汽的案例说明，AI Agent向传统制造业的渗透刚刚开始，其规模效应一旦释放，将远大于互联网公司内部提效——因为它直接作用于物理世界的生产和供应链。

四、三条可复用的落地方法论

第一，让AI在真实业务里先跑起来，再谈理想。

美团的CatPaw从2023年的编辑器插件起步，花了三年迭代才走到今天。不是“搭一个完美平台再推广”，而是“先让一部分人用起来，再逐步完善”。 9万人、3万个Agent的数据不是规划出来的，是长出来的。

第二，AI的价值要用业务指标衡量，而不是技术指标。

瓴羊盯的是“解决率从20%涨到42%”，北汽福田盯的是“任务闭环率提升40%”。 企业不需要AI‘有多聪明’，需要的是‘能解决什么问题、省多少时间、降多少成本’。

第三，AI Agent的落地是组织工程，不只是技术工程。

上汽的难点不是接入几个AI功能，而是“让AI理解复杂的组织关系、找到分散在不同系统中的信息，并在权限允许的范围内参与工作”。权限管理、数据口径、系统集成、员工使用习惯——这些“人”的问题，往往比技术问题更难。

📌 总结：

美团9万人、3万个Agent的规模证明了一件事——AI Agent在企业内部的大规模落地是可行的，但路径和大多数人想的不一样。它不是“买一个平台就能用”，而是“先在一个小场景里跑起来，慢慢长出能力，再反哺给外部客户”。

从美团的CatPaw到瓴羊的AI员工，从北汽福田到东风奕派，2026年正在成为企业AI Agent从“试点”走向“规模化”的关键一年。谁先跑通内部场景，谁就拿到了对外输出的门票。

💬 你所在的企业开始用AI Agent了吗？

A. 已经在用，覆盖了不少场景

B. 正在试点，小范围测试中

C. 还在观望，不知道从哪入手

D. 我们公司压根还没考虑

你们公司用的第一个Agent场景是什么？效果怎么样？欢迎在评论区聊聊真实体验。👇