怎么看“小美”牵手“元宝”?AI 时代,入口 ≠ 能力

云浩姑娘_4520

云浩姑娘_4520

2026-06-03

206人浏览

原创

6月1日港股盘后,美团发布2026年第一季度财报。减亏近百亿元,显著超出市场预期。

核心本地商业止血,成为美团大幅减亏的关键引擎。

本季度,美团核心本地商业经营亏损收窄至20亿元,而上一季度该板块亏损高达100亿元;与此同时,以小象超市、Keeta为代表的新业务分部经营亏损为21亿元,较上季度的46亿元亦实现明显收窄。

在监管持续引导理性竞争、行业长期承压失血的背景下,市场对无休止补贴战已显疲态。受此利好消息提振,当日港股收盘,美团股价上涨9.27%,总市值达约5279亿港元。

不过,外卖行业的激烈角逐早已令各方审美疲劳,当下真正的焦点正转向AI。

财报电话会上,王兴官宣一项重要AI进展:美团自研AI助手“小美”将与腾讯AI产品“元宝”展开深度合作,预计近期正式上线。届时,用户可在元宝中直接提出需求,元宝将通过调用“小美”的能力,完成外卖下单等本地生活服务操作。

换言之,用户未来能在元宝内,借助小美完成点餐。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

怎么看“小美”牵手“元宝”?AI 时代,入口 ≠ 能力

怎么看“小美”牵手“元宝”?AI 时代,入口 ≠ 能力

美团旗下AI助手“小美”

小美原本即具备独立完成外卖服务的能力,而元宝此前并不具备此类履约功能。

值得注意的是,小美与元宝均属于AI Agent形态。传统AI Agent多以“人机交互”为主,即直接面向用户响应指令;而此次合作,则是首次实现“Agent对Agent”的跨平台协同——两个AI助手之间建立通信与任务调度机制。

AI时代,“入口”的定义正在重构

在传统互联网逻辑中,流量入口即服务能力,谁掌握用户,谁就掌控全局。但在AI时代,入口层与应用层趋于解耦。

例如元宝、豆包、Kimi等通用型AI助手,虽拥有强大的对话理解与生成能力,但缺乏线下履约基础设施——无法实时调度骑手、对接商户库存、处理订单履约与售后闭环。即便用户明确表达“帮我订一份奶茶”,元宝也难以真正落地执行,因其缺失真实世界的运力网络、动态商户数据及即时配送系统。

因此,它必须依赖美团这类具备完整物理世界服务能力的AI Agent来补足短板。

怎么看“小美”牵手“元宝”?AI 时代,入口 ≠ 能力

美团小美与元宝的合作,本质是向外部AI开放本地生活服务能力,使其也能支持点单、闪购等高频生活场景。

与元宝的合作,或许仅是开端。

王兴在电话会上强调:“面向AI Agent提供服务,正日益成为美团的重要战略方向之一。”除持续服务消费者(To C)与商家(To B)外,美团正加速构建面向AI生态的B2A(Business-to-Agent)能力。“在AI领域,美团始终坚持主动出击,而非被动防御。”

Ask Gemini/ChatGPT
Ask Gemini/ChatGPT

用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。

下载

可以理解为,美团已从单一服务平台,升级为AI时代的本地生活“能力底座”。

正如微信支付曾成为电商交易的基础设施,在AI浪潮下,美团正逐步演变为本地生活服务的“水电煤”——任何AI助手若想真正服务用户的衣食住行,最终都需接入美团的服务网络。

瓶颈不在算力,而在信息与履约

纵观当前AI产业格局,抛开英伟达等底层硬件厂商,主流玩家主要聚焦两条路径:一是追求大模型技术领先,向企业端销售算力与Token;二是深耕C端应用场景,试图以AI打通现实世界的服务链路。

模型层面的竞争高度同质化,比拼的是资金、人才与算力投入。但在AI服务落地环节,各家却面临截然不同的现实困境。

以OpenAI为例,过去两年始终致力于让ChatGPT连接实体服务,涵盖购物、打车、外卖等多个场景,但实际成效有限,今年甚至已暂停部分电商类尝试。

国内情况亦不乐观。不时有用户反馈,通过某AI助手预约餐厅或下单服务,结果抵达现场却被商家质疑“你是不是走错平台了?”此类尴尬频发,背后折射出一个共性问题:多数AI助手缺乏真实、鲜活、可调度的本地生活数据与履约能力。

AI再聪明,也难凭空完成一次真实交付。

这也导致当前大量AI助手仍停留在“聊天机器人”阶段,尚未迈入“服务执行者”行列。

而这恰恰是美团的核心壁垒,甚至是其他平台短期内难以复制的优势。

原因显而易见:美团十余年深耕线下服务生态,积累了覆盖全国的商户网络、海量真实用户评价、动态库存信息以及高效可靠的即时配送体系。这些能力并非靠短期资本堆砌即可建成,而是源于长期运营沉淀。

对于其他AI助手而言,若想真正实现“帮用户做事”,最可行路径或许是调用美团的AI Agent接口。

当前,AI助手普遍面临商业化难题:每次交互消耗算力,使用越频繁成本越高,无法沿用互联网时代“规模摊薄边际成本”的旧逻辑。即便是字节跳动,也不得不为豆包探索付费订阅模式。对To C型AI产品而言,唯有切入真实交易闭环,才可能找到可持续盈利路径。

若此前种种尝试尚存掣肘,那么随着美团主动对外开放本地生活AI能力,这一关键瓶颈有望被彻底打破。

更值得留意的是,美团已在AI产业链广泛布局。从大模型领域的智谱、月之暗面,到具身智能代表宇树科技、银河通用,再到国产GPU厂商摩尔线程、沐曦股份,中国AI领域众多头部创新企业背后,均有美团资本或战略合作的身影。

美团的战略意图清晰:不执着于做“Token工厂”,而是专注打造“物理AI”——用AI深度链接线下真实世界。这既是其基因所在,也是差异化优势所在。随着AI加速向实体经济渗透,美团这条AI落地路径,或将释放更大增长潜力。

在AI时代,每个Agent都将拥有自己的用户触点,但在本地生活服务这一刚需赛道,所有交易闭环终将汇聚于美团——因为无论技术如何演进,人在物理世界中对“吃喝玩乐、衣食住行”的基本需求,始终如一。

本文来自微信公众号“山上”,作者:山上团队,36氪经授权发布。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Buffalo框架数据库开发全教程
Buffalo框架数据库开发全教程

本专题围绕Buffalo框架数据库开发,讲解database.yml多环境配置、soda与fizz迁移生成回滚、模型结构体标签、增删改查与条件查询、一对多与多对多关联、数据校验、回调钩子、事务处理及原生SQL执行能力。

2026.09.23

0

15

Buffalo框架路由与请求处理实操指南
Buffalo框架路由与请求处理实操指南

本专题讲解Buffalo框架路由与请求处理机制,涵盖路由注册与分组、资源路由、Handler编写规范、Context上下文方法、参数绑定、中间件编写挂载、Session与Cookie读写、Flash消息及错误页面定制方法。

2026.09.23

0

15

Buffalo框架零基础入门教程
Buffalo框架零基础入门教程

本专题整理Buffalo框架入门内容,涵盖Go环境准备、buffalo CLI安装、新项目生成、目录结构说明、dev热加载启动、数据库连接配置与常见报错排查,帮助新手按约定优于配置的思路跑通第一个Buffalo框架应用。

2026.09.23

0

15

Conan创建软件包配方指南
Conan创建软件包配方指南

本专题介绍通过conanfile.py创建软件包的方法,讲解包名、版本、依赖和构建设置等基础信息,以及source、build、package、package_info等常用方法的作用及编写思路。

2026.09.22

0

12

Conan二进制包配置指南
Conan二进制包配置指南

本专题介绍Conan根据操作系统、编译器、架构和构建类型生成二进制包的方法,讲解Profile、Settings、Options及Package ID的作用,帮助管理不同平台和编译环境下的包版本。

2026.09.22

0

13

Conan私有仓库搭建教程
Conan私有仓库搭建教程

本专题系统的讲解Conan私有仓库的搭建流程,涵盖仓库服务部署、存储目录配置、用户认证、权限划分和远程地址添加,并介绍内部C++依赖包的上传、下载及版本维护方法。

2026.09.22

0

19

loomy官网入口地址合集
loomy官网入口地址合集

本专题汇总了 Loomy 桌面 AI 助理的官方入口地址合集及使用指南。提供 macOS 与 Windows 客户端下载 。Loomy 是讯飞推出的桌面级 AI 工作搭子,支持文件整理、数据分析、网页操作及通过飞书/钉钉远程操控电脑,助你高效完成本地办公任务 。

2026.09.22

0

19

NumPy常见函数使用方法
NumPy常见函数使用方法

本专题整理 NumPy 常见函数使用方法相关教程,覆盖函数大全、参数用法、数组运算、统计聚合、排序处理、where 条件筛选、linspace 创建数列等常用场景,帮助读者快速掌握 NumPy 函数调用思路和实际数据处理技巧。

2026.09.22

0

21

NumPy性能优化版本更新与常见报错排查
NumPy性能优化版本更新与常见报错排查

本专题整理 NumPy 性能优化、版本更新与常见报错排查相关教程,覆盖向量化计算、广播性能、内存布局、NumPy 2.0 升级、版本兼容冲突、安装导入报错、dtype 溢出、矩阵运算异常和 broadcasting 报错修复,帮助读者系统掌握 NumPy 性能调优与问题定位方法。

2026.09.22

20

25

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程