企业AI转型，比数字化转型更难。
作者 | 刘亮
编辑 | 趣解商业·AI力场
1987年，经济学家罗伯特·索洛留下一句流传至今的名言：“计算机随处可见，唯独在生产率统计中看不到显著提升”，在当时曾被视为对技术乐观主义的挑战。将近40年后，美团核心本地商业CEO王莆中把这句话重新拎了出来，不过把“计算机”换成了“AI”。
近日，王莆中在2026西普会中国健康产业（国际）生态大会发表主题演讲，他抛出了两组数据：已有88%的企业在试验AI，但仅6%能统计到可测量的收益；另一边，最先进的开源模型已经打平六个月前最贵的闭源模型，智能供给已极度充沛。
他认为，当下的AI行业正如当年计算机行业一样，供给井喷，落地遇冷。AI产业走到了一个微妙的十字路口——模型竞赛已经结束，落地战争刚刚开始。
在这一背景下，王莆中在会上首次披露了美团在企业级AI变革领域的完整实践路径，并宣布将内部实战的全套AI系统向全行业开放。
这不是一个简单的产品发布，这是一家拥有千万家合作商家生态的本地生活平台，把自己踩过的坑、烧过的钱、跑通的方法论，打包成了一套可直接调用的低成本AI系统。
目前，美团首批AI经营专家团已在漱玉平民、科赴、老百姓大药房等企业应用，医药零售供应链条长、参与方多、数据交互繁杂，正是零售链路中最需要AI啃硬骨头的场景。
这条路要是走顺了，传统行业该如何赶上AI这趟车，所有人都会看得更清楚明白。
01.五个错配，为什么AI落地这么难？
过去两年，全球AI领域掀起了一场关于大模型的军备竞赛，模型参数从千亿到万亿；上下文从几万到百万；产品形态从智能助手进化到能自动执行任务Agent……
随着AI行业竞争不断提速，底层大模型技术的趋同在所难免；当供给不再是问题，如何创造需求就成了更重要的问题。
王莆中在演讲中指出，现在智能供给十分充沛，新模型一两周、一个月就会推出一版，当下顶尖开源模型，能力已经追平半年前最昂贵的闭源模型，未来智能供给会趋向无限。
模型有了，算力够了，但企业端的落地却卡住了。
据麦肯锡2025年全球AI调研显示，至少在一个职能中常态化使用AI的企业比例已达88%，但仅约三分之一企业已着手推进AI的规模化落地；其中，能称得上“AI高绩效企业”，即能把税前收益提升超过5%的企业，更仅有6%。
王莆中把这种“高渗透、低回报”的困局归结为“五个错配”：
第一种是认知错配，企业要么以为AI万能，投入就等着点石成金；要么觉得AI全是幻觉，碰都不碰，两种认知都会走向同一个结局，AI很难真正起到作用。
第二种是效率错配，企业愿意深入探索AI落地，却是将最好的模型用来发邮件、改PPT、聊天，王莆中形容这是“钱花在了刀背上” 。
第三种是场景错配，企业有着将AI用起来的想法，但受企业组织架构的限制，AI只能在外围打转，难以进入库存管理、供应链协同、门店巡检等核心经营环节。
第四种是考核错配，企业急于看到短期回报，忽视AI落地必需的内部流程与组织改造，一旦不能马上看到AI落地的效果，就会选择放弃。
第五是流程错配，包括人和机器、人和设计之间的流程适配。
这“五个错配”叠加在一起，企业很容易AI投入越多，失望越大。
尤其是经营规模本就不大的小微企业，它们既寄希望于AI能改善经营，但又受限于投入能力，AI预算往往捉襟见肘，一旦无法在短期内看到效果，更容易选择放弃。
赛迪智库中小企业研究所联合网商银行发布的《AI时代小微经营者观察》显示，97.4%的小微经营者听说过AI工具，但近七成的小微企业被挡在了AI深入应用的门槛之外，仅有5.1%的小微企业能将AI融入完整工作流。
王莆中的判断很干脆，“中小企业不是不想用，也不是用不起，而是不知道怎么用，从哪儿用。”
这个困境，美团太熟悉了，因为它自己就是从这条路上摔过来的。
02.踩坑、复盘、迭代，换一套可复制的方法论
2023年初，美团着手研究美团基础大模型，并在2025年发布并开源其首个自研大模型 LongCat-Flash；今年6月30日，其发布了新一代大模型LongCat-2.0。
除此以外，美团更早已萌生“帮用户办事”的想法，其在2023年上线了编辑器插件CatPaw，也是美团在今年7月上线的全场景AI Agent平台CatPaw的前身。
CatPaw依托美团在本地生活领域的长期积累，为用户提供开箱即用的AI工作台，以及企业级Agent开发与托管能力，帮助商家构建AI帮手，提升日常经营效率。
过去三年，CatPaw已在美团内部大规模落地，覆盖十万名员工，搭建了超3万个Agent，并在餐饮、美业、宠物医院等真实场景中完成了打磨。
AI落地的痛点，美团一个不落全经历过，王莆中将这个过程梳理为四个阶段，与行业共享：
第一阶段是今年2月，美团开启了全员“养虾运动”，给10万员工配了8万个龙虾助手，Token不设上限，还能直接用最高规格的模型。结果是，Token账单直接爆炸，公司平均日消耗一千万元，产生的谬误还干扰了真实经营。
第二阶段从4月开始，美团各事业部成立分型AI组织，先总结出行之有效的转型步骤，再将全员积极性有序转化为生产力。
第三阶段是6-7月，美团完成了AI组织架构的顶层设计后，通过项目赛马得出一个新的认知：AI转型不是技术问题，而是业务、组织、技术三位一体的系统性工程，不能只寄望于产研团队，得是业务、HR、技术三方组成的铁三角一起上。
第四阶段是今年7月，AI在美团内部产品流程中跑顺并产生价值，美团将这套验证过的行业模型和方法论封装为产品，向外输出。
王莆中表示，美团希望将AI经营专家、CatPaw能力及工作流改造方法论开放出来，让传统行业企业可以直接复用平台已沉淀的行业know-how，低成本完成AI化转型。
美团AI变革的四个阶段经验，也为AI时代的索洛悖论提供了一个企业样本：对于零售商家而言，要更高效地使用AI，不是全面AI化，而是要先找一个每天都在重复、规则又相对清楚的高价值场景，让AI先做起来。
所以，企业AI变革，表面看是技术问题，实际上是系统工程，不能指望买几个大模型就万事大吉，得从流程梳理开始，把组织配套搭好，再让AI在对的场景发力。
王莆中指出，AI是指数级技术，但享有红利的前提是组织底数大于1，否则发动机越强劲，你的底盘越容易散架。
所以，他给了一套很朴素的打法：“先建好底盘，从高价值场景切入，积小胜为大胜。”
第一步，找出AI能省最多钱的环节，想清楚AI要应用在哪里；第二步，找一个懂行业的AI平台，而不是自己去调教通用模型。
美团用真金白银的学费，得出一个朴素却值钱的结论——对于中小企业而言，想要抓住AI红利，让AI真的产生效果，选对平台比选对模型更重要。
03.AI落地，葫芦里卖的什么药？
那么，这个平台为什么偏偏是美团？
2025年，美团CEO王兴阐述了美团的AI战略，分别是AI at work（AI在工作中的应用）、AI in products（AI在产品中的应用）以及Building LLM（构建美团内部大语言模型）。
底层是基础模型，是美团的技术底座；中层是组织适配，用AI改造内部工作流，让员工将产品先跑起来，沉淀经验；上层是产品交付，把AI能力注入面向B端和C端的产品里。
三个层面，层层递进，美团是少数能沉下来，在真实行业里跑通流程、理顺组织，把AI塞进经营毛细血管的平台。
以医药零售行业为例，美团自研大模型LongCat，已经沉淀数千万次高质量咨询会话，拥有十几万份药品说明书以及多维度人群医学相关数据。
而在中间的组织层，美团也跑过足够多的“弯路”，并用这套经验支撑产品交付，分别推出面向C端的小团健康管家，以及面向B端的美团CatPaw+商家AI工作台。
小团健康管家主要为患者、普通消费者提供用药咨询、问诊、药品管理等健康管理的服务，背后是相应的药店的资源和医生的资源；美团CatPaw+商家AI工作台则为行业和合作伙伴提供经营助手、库存管家、智能客服等功能。
目前，这套系统已经在医药行业率先跑出了效果。
王莆中举了个例子，过去美团流程改造项目，用人工跑一个方案得1-2个月；如今把人的经验提取出来之后沉淀到AI里面，可以压缩到用2天就能完成。
此外，美团首批AI经营专家团已在漱玉平民、科赴、老百姓大药房等企业应用，在用药咨询、库存管理、门店巡检、需求洞察等场景落地。
比如美团跟老百姓大药房在需求洞察层面进行共建，让AI基于数据分析识别需求上涨的机会，推动高温季藿香正气月销量增长150%。
跟漱玉平民大药房合作经营专家智能体，帮助漱玉68个城市的数据分析从每次2小时压缩至自动推送日报、5分钟通览，效率提升数十倍。
在药企科赴的试点应用中，通过美团的生意复盘与异动预警AI工具，一线人员可直接接收重点门店的库存异常预警报告，推动人效提升超30%，补货速度提升70.9%。
这些数字背后，是最朴素的道理：AI的价值不在于它有多“智能”，而在于它能不能帮商家省钱、省时间、省人力。
就像王莆中给出的判断，AI产业的下一个十倍增长空间，不在模型层，在落地层，属于能把AI从概念搬进真实经营场景的平台。
美团正在做的便是这件事，基于25万家药店与近500家药企的合作伙伴生态，把自己内部验证过的AI能力和方法论，变成了传统行业可以直接调用的基础设施。
不过，王莆中也明确表示，“美团不开线下药店。”美团希望做的，从来都是那个能帮企业把底盘搭好，让AI真正跑起来的数字化小帮手。
AI落地这场仗，美团不只是自己探索，还希望把AI能力开放给全行业，让行业里的中小商家都能以最低成本踏上AI这条赛道。当然最后能得几分，还得看商家的真实反馈。但有一点是可以确定的是，先奔赴战场，才能先打响第一枪。
热门跟贴