AI 日新月异，如何更快更低成本落地，才是真问题。

作者｜李苏

编辑｜靖宇

8 月 12 日，西普会开幕第一天，美团核心本地商业 CEO 王莆中在主题演讲中作出一个判断。他认为企业 AI 变革表面是技术问题，实质是业务设计、组织变革和技术应用三个层面。

这句话放在当下的 AI 行业里，显得意味深长。

过去两年，大模型调用成本持续下降，开源模型与闭源模型之间的能力差距也在缩小。有数据显示，今天最先进的开源模型已经追平了六个月前最好最贵的闭源模型，智能供给趋向无限。但另一组数据却让人无法乐观——全球范围内 88%的企业已经在常态化使用 AI，其中只有 6%能拿出可测量的收益。

采用比例已经很高，但实际收益仍然有限。王莆中在演讲里引用了 1987 年诺贝尔经济学奖得主罗伯特·索洛的一句话。计算机到处可见，唯独没有体现在生产率统计里。他说今天的 AI 面临完全相同的困境。

就是在这样一个背景下，美团宣布了一件事。把自己内部验证了四个阶段的 AI 变革方法论，连同基于 LongCat 训练的行业模型，一起向全行业开放。对于行业里的中小商户来说，这是最低成本的行业 Agent，商家不用再走一遍美团踩过的坑，可以直接抄作业复用。

我们了解到，医药行业是典型的落地切口，已有不少美团医药商户和平台共创共建、跑出效果。

看起来，美团想做的不是一个新的 AI 工具。它绕过一家头部科技公司在 AI 落地里踩过的坑，将被证明有效的方法，打包成一套传统行业可以直接调用的能力。按照王莆中的说法，美团不会做线下药店，永远是行业的数字化和 AI 小帮手。

这背后的行业变化，是理解整件事的关键。过去一段时间，AI 行业的竞争焦点一直在模型层。但现在，情况正在切换——当智能供给不再是瓶颈时，真正的悬念是企业侧的落地。

美团此次对外开放，本质上是在回答一个问题。当模型能力已经够用，谁来帮传统企业（特别是中小企业）把 AI 真正装进业务、流程和组织。

01

模型能力提升，企业落地仍然缓慢

王莆中认为，企业 AI 转型的难点通常不在技术。过去一段时间，企业在投入 AI 时容易出现几类偏差。这些偏差往往来自同一个原因。企业先购买工具，再考虑如何使用，却没有重新设计业务流程。

一类问题出现在预期管理上。部分企业把 AI 视为可以迅速解决所有经营问题的方案，投入大量资源后发现效果不及预期。另一些企业则担心可靠性，迟迟不愿让 AI 进入核心业务。两种做法都难以形成稳定投入。

还有一类问题出现在资源配置上。部分企业购买了性能最高的模型，也配置了充足算力，应用却停留在处理邮件和编辑文档等辅助工作，没有进入主要经营环节。这样的应用可以改善局部效率，但很难改变经营结果。

影响更明显的是场景选择和考核周期。许多企业的 AI 应用长期停留在办公外围，没有进入库存管理和供应链优化，也没有进入门店运营。企业采购 AI 工具后往往要求短期见效，但流程和组织调整需要时间。前期投入尚未形成稳定回报，项目便停止，后续应用也就难以继续。人与机器、人与设计的流程适配也是一个大问题。

AI 落地需要同时处理业务设计和组织调整，再叠加技术应用。单靠采购模型无法解决这些问题。王莆中在演讲中把企业 AI 转型称为一号工程。这一表述意味着，AI 应用不能只由技术部门推动，也不能被视为一次普通的信息化采购。

中小企业的困难更加明显。赛迪智库与网商银行 2026 年的调研显示，97.4%的中小企业听说过 AI，持续使用 AI 的只有 33%。大中型企业中，已有超过一半将 AI 融入工作流，小微企业这一比例只有 5.1%。

这组数据说明，成本已经无法解释全部差距。许多企业知道 AI 存在，却不知道应从哪些业务开始，也不清楚投入之后如何衡量效果。对中小企业而言，真正缺少的未必是模型入口，更多是一套能够直接对应经营问题的实施顺序。

美团给出的路径是，先找重复性最强且最消耗人力的环节，从咨询和库存管理，或者门店巡检等具体问题入手。先减少时间消耗，再讨论收入增量。

事实上，中小企业拥抱 AI，可以优先选择已经理解行业特点的平台，复用其 AI 能力，而非从零开始自行训练或改造通用模型。

02

快速试错之后，美团把经验对行业开放

美团自己也不是一开始就把 AI 落地想明白了。

在向行业开放之前，美团先经历了一轮快速试错。王莆中在西普会上首次对外复盘了这一过程。这次复盘解释了美团为何重视业务设计和组织调整。

2026 年初，OpenClaw 在美团内部迅速普及。约十万名员工使用八万个 AI 助手，两周内生成十万个 skill。初期，公司允许员工不限量调用当时价格最高的模型，日均 token 消耗成本达到 1000 万元。

这一阶段让员工快速熟悉 AI，也让大量真实需求浮现出来。但成本迅速上升，权限管理变得复杂，部分应用还干扰真实经营。王莆中在复盘时称，早期探索主要由员工热情推动，缺少统一设计和使用边界。但这个阶段，起到了很重要的 AI 科普的作用。

根据公开资料显示，今年 4 月，美团成立分型 AI 组织，开始从公司层面设计转型步骤，把原先分散的尝试纳入统一框架。6 月至 7 月，美团又推动千余个项目进行赛马，在真实业务中筛选有效方案。通过一轮轮项目验证，美团逐渐总结出「三位一体」和「铁三角」两套方法。

「三位一体」指的是业务设计、组织变革和技术应用。也就是说，企业不能只把 AI 当成技术问题，还要同步重新设计业务流程和组织方式。

「铁三角」则包括 HR、业务和技术。业务部门负责提出真实问题，技术团队负责把方案落地，HR 和组织部门则负责岗位、流程和考核机制的调整。三者缺一不可。

如果只有技术部门参与，AI 很容易变成一个看起来先进，但却无法进入业务的工具。而如果只有业务部门推动，又可能缺少技术实现和组织保障。

医药事业部成为较早验证这一方法的业务团队，共形成 25 个项目。7 月以后，相关方法开始固化，产品逐步整合，美团随后准备对外开放。也就是说，此次开放并非从零开始。美团先在公司内部完成了一轮压力测试，把自己经历过的试错过程、业务经验和组织方法封装起来，再将其中可复用的部分整理为产品和流程。

美团此次开放的模型基于 LongCat 大模型体系训练，模型使用了千万条真实问诊数据和 15 万份药品说明书，以及千万级医学知识图谱，并结合药店经营过程中的真实数据进行训练。

对药店和药企来说，这意味着不必重新经历一遍全员试用—成本失控—重新设计—项目赛马的过程，而是可以直接复用美团已经验证过的行业经验。

产品形态主要分为两端。

王莆中强调，开放的并非一个通用 AI 工具。美团同时输出了对医药行业业务流程的理解，以及自身经营数据与行业场景结合后形成的经验。这一组合才是美团此次开放的核心。

03

第一批抄美团作业的药店商户，

AI提效已经跑通了

判断一套 AI 系统有没有价值，最终还是要看它有没有进入真实业务，而不是停留在产品演示和概念层面。

比如，医药零售是一个非常具体的行业。消费者需要咨询，药师需要服务，门店需要补货，管理者需要巡检，药企需要追踪销售和库存。过去，这些工作大量依赖人工经验和层层传递，效率往往受到人的时间、能力和信息处理速度限制。而美团面向医药健康行业开放的医药专属模型，已经在合作商户药店跑通，带来切实的效率提升。

这个案例说明，AI 的价值并不只是帮助企业总结已经发生的事情，更重要的是帮助经营者提前看到需求变化，并把数据洞察转化为商品、库存和营销动作。

另外，AI 还能进入了库存追踪、销售协同和补货管理环节。

此前，工作人员需要先梳理繁杂数据，再逐层把库存异常传达给一线销售。现在，通过生意复盘和异动预警工具，一线人员可以直接接收重点门店的库存异常报告。在药企科赴的试点数据显示，人效提升超过 30%，供给信息传递速度提升一倍，补货速度提升 70.9%。

美团与这些药店的合作结果说明，AI 产生的收益来自具体经营环节。

王莆中在演讲中还谈到组织能力。他将 AI 称为指数级技术，但认为组织基础会影响企业能否获得收益。AI 能力增长越快，组织管理的重要性越高。管理基础较稳的企业更容易形成增量，管理薄弱的企业则可能把原有混乱放大。

从这一逻辑看，同样使用性能领先的模型，企业之间出现不同结果并不意外。模型只能提供能力，业务流程影响能力被用在哪里，组织机制影响能力能否持续使用。若缺少清晰流程和责任分工，更强的模型反而可能制造更多信息和更高成本。

通用大模型在企业落地时的天然短板也在于此——它不懂行业。

药店是一个缩影。在复杂的实体产业里，中小企业需要的，可能不是「更强」的 AI 模型，而是「更懂行业」的 AI Agent。美团向全行业开源的，不只是技术层面的 AI 能力，也包含其深耕本地生活服务多年积累的行业理解和系统能力。

当前，模型之间的能力差距正在缩小，调用成本也在下降。企业竞争重心开始从选择模型转向如何改造业务流程。对缺少技术团队的中小企业来说，直接采用经过验证的行业系统，可以省去自建团队和高额试错成本。