不做Token工厂，美团把AI做到哪里？

8月28日，美团发布2026年二季度财报。收入1046亿元，同比增长14.4%，营收恢复两位数增长，经营利润环比由负转正，缠斗许久的外卖业务也率先实现了UE转正。

这些数字本身有不少可讲的东西，但当晚的财报电话会上，CEO王兴把相当一部分时间留给了AI。

他直接给出了判断，美团不会成为"Token工厂"。原话是，"我们不会成为Token工厂，我们的模型和AI产品将用于支持我们的主业，提升用户、商户体验和公司经营效率。"

王兴说的很明白，“我们始终认为，AI能力的长期价值，是能否真正进入真实工作流、解决真实问题，并形成长期稳定的基础设施能力。”

二季度，美团研发投入77亿元，同比增长22.5%，占收入的比重达到7.3%。

再往前看，它收购过王慧文创办的光年之外，也入股了智谱AI，它的CVC美团龙珠在月之暗面上下了重注，参与了投资诸多大模型前沿科技企业。所以，美团是大模型创业潮里是相当活跃的产业玩家，并不算是个夸张的评价。

王兴这句话真正要回答的问题，不是前半句做不做模型，而是模型做出来以后，拿它来干什么。

1、模型只是起点

这次财报电话会上，王兴把美团的AI战略概括成三个方向，Building LLM、AI at Work和AI in Products。

模型是地基。6月，美团发布新一代自研大模型LongCat 2.0，这是业内首个在全国产算力集群上完成训练与推理全流程的万亿参数模型，在代码编写和Agent调用场景中表现突出，已经通过全球开发者社区的广泛验证。

王兴专门提到了这件事的另一面价值，"全国产化训练和推理能力，也帮助我们在长期成本以及基础设施可控性上建立了更强优势。"

AI at Work，是让AI进入美团内部，放进研发、运营、产品、客服和大量日常业务流程里，改变原有的工作方式，而不是给每个员工发一个聊天机器人。目前美团员工已经普遍在日常工作中使用AI工具。

AI in Products，则是把这些能力最终做进产品。面向消费者的AI助手"小团"已经升级到2.0版本，从搜索、问答和决策辅助进一步走向任务执行，可以帮用户订座位、由AI外呼餐厅确认，覆盖2800多个城市。面向商户的，是CatPaw这样的经营工具。

三个方向放在一起，"不做Token工厂"的意思就清楚了。它不是否定基础模型，而是认为生产Token本身不能成为一家公司的AI商业模式。模型要往下走，进入产品、进入组织、进入工作流，最后变成用户能够使用、企业能够衡量价值的东西。用王兴的话说，"AI能力的长期价值，是能否真正进入真实工作流、解决真实问题，并形成长期稳定的基础设施能力。"

这也解释了一个看起来矛盾的地方。DeepSeek创始人梁文锋今年7月在一场投资人闭门交流中判断，现在国内做大模型的人太多，行业最终会收敛到三四家。既然基础模型注定是少数人的游戏，美团为什么还要自己下场训练？

原因不复杂。对美团而言，模型不是一门独立的新生意，而是一种必须掌握的底层能力。如果未来大量核心产品、业务流程和交易系统都建立在AI之上，完全依赖外部模型，意味着产品能力、推理成本、数据闭环乃至整个技术基础设施都受制于人。

所以模型还是要做。只是美团不准备把"有一个更大的模型"当作这场竞争最后的答案。

2、一天烧掉一千万的学费

今天回头看这三个方向，像是一套一开始就想清楚的战略。但美团自己走到这里，也经历了一段试错、收敛和迭代。8月12日，美团核心本地商业CEO王莆中在医药健康行业的西普会上，把这段经历复盘得相当坦率。

今年2月到3月，美团内部搞过一轮全员"养虾运动"，鼓励所有人尽可能多地尝试Agent和各种AI工具。结果是账单暴涨，每日Token消耗上千万元，AI产生的错误数据还干扰了真实经营。

很快大家发现，让所有人用AI，不等于完成了AI转型。很多事情只是把原来的人工作业换成了AI，看起来用了新技术，业务本身并没有发生真正变化。王莆中把企业用AI的通病总结为几重错配。认知上要么夸大要么轻视。大模型被用来处理日常事务，没有触及核心业务。AI游走在业务的边缘场景。考核上追求立竿见影，忽视内部适配。

从4月开始，美团重新组织内部AI项目，各事业部成立专门的AI组织，把全员的积极性有序转化为生产力。到6、7月，大量项目开始赛马，寻找真正能改善效率、改变流程的场景，并以医药事业部为试验田，跑出了25个真实落地项目。

这轮折腾换来的核心认知，王莆中说得很直白。AI转型不是一个单纯的技术项目，而是业务设计、组织方式和技术应用三位一体的系统性工程，不能只交给产研团队。这也是美团的AI路线逐渐收敛到"工作流"上的原因。不是先问还有哪些地方可以加一个AI，而是重新问，原来的事情为什么要这么做？如果今天重新设计一次，这件事是不是可以让AI来完成？

两个问题看起来接近，实际上完全不同。前者是给旧流程打补丁，后者是重做流程。

这个转型的底层逻辑，王兴早就解释过。3月的业绩沟通会上，他说物理世界的数字化将是AI非常重要的底座，还打了个比方，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。这不是智力问题，而是信息问题。

美团不是一个纯粹的信息平台，一个用户打开美团，不只是为了找一个答案。他可能要找一家餐厅、订一个座位、点一顿饭、订一间酒店，最后还需要有人把商品在规定时间里送到指定地点。商圈、人流、天气、时段、品类、价格、库存、配送距离和用户偏好，都会影响这一笔交易。对这样一家公司，AI停留在聊天、问答和内容生成层面，能改变的东西有限。

它必须进入这些具体流程，才开始产生价值。

3、把踩过的坑做成产品

当美团在内部找到越来越多有效的AI工作流之后，下一步很自然，把这些能力向外输出。

CatPaw是其中最典型的例子。7月27日，美团宣布CatPaw全新上线，定位是一个全场景AI Agent平台，既提供开箱即用的AI工作台，也提供企业级的Agent开发与托管能力。

在此之前，它已经在美团内部覆盖9万名员工，搭建的Agent超过3万个。也就是说，这个产品先在美团自己十万级员工、复杂业务和大量真实工作流里用过、踩过坑，才被封装出来交给外部。

它面对的不是程序员，也不是专业AI用户，而是数量庞大的普通商户。这些商户每天的问题都很实际。差评怎么回复？什么套餐更容易卖？最近为什么客流下降？一家新店应该开在哪里？大型连锁企业可以请咨询公司、建数据团队、自己开发经营系统，中小商家没有这样的资源，过去主要靠老板自己的经验。

AI提供了另一种可能。不是让一个餐厅老板学会写Prompt，而是把平台长期积累的数据、经营方法和工具，直接变成可以调用的能力。美团官方举过一个麻辣烫店老板"老周"的例子，AI助手自动汇总销售、评价和营销数据，生成日常报告并标注异常，原来需要2小时的工作压缩到几分钟，最终拍板的仍然是人。

在医药零售行业，这套东西已经有了更具体的战果。美团把AI经营专家、CatPaw的能力和工作流改造方法论开放给医药行业，背后是与25万家药店、近500家药企的合作生态。

老百姓大药房的AI系统捕捉到"藿香正气"搜索量日环比激增72%的高温信号，藿香正气水月销量增长150%。漱玉平民的经营专家智能体把分散在68个城市的数据流实时汇聚成分析，原来每次2小时的人工汇总，变成了自动推送的日报。王莆中在西普会上把边界画了出来，美团不开实体药店，坚持通过AI和数字化服务帮医药健康行业做好经营。

他对这套输出的定义是，美团提供给行业和合作伙伴的，不是一个简简单单的AI工具，而是一套真实数据实战出来的方法、一套模型、对行业的深度整合理解，以及美团经营数据的打通。

换成商户视角，这意味着大公司探好的路，中小商家照着走就行，不必再各自交一遍学费。他还有一句提醒，"AI是指数级技术，但享有红利的前提是组织底数大于1。"技术是放大器，放大的是原有的经营能力。

这条路比单独训练一个模型要慢得多，也琐碎得多。但它是AI真正进入产业时绕不开的一段。

4、考题换了

过去几年，AI行业最容易比较的是模型，参数多少、榜单排名、推理能力、上下文长度、Token成本。这些指标仍然重要，但随着模型能力不断提高，另一组问题正在变得越来越现实。

哪些流程值得重做？哪些事情应该交给Agent？AI应该成为一个独立产品，还是隐藏在原来的产品里？企业应该为Token付钱，还是为一个完成的任务付钱？一套AI系统创造的价值，又该怎么衡量？这些问题已经不完全属于模型公司，它们开始进入每一个真实行业。

所以美团这条路线值得观察的地方，不只是它有没有一个更强的LongCat，而是一家拥有十万级员工、数百万商家、大量消费者和复杂线下履约网络的公司，会怎样重新设计自己的产品、组织和工作流。

"不做Token工厂"指向的正是这个变化。模型仍然是起点，但AI真正困难的部分，正在从"模型能做什么"，转向"企业究竟怎么把它用起来"。而美团现在，正走在这一段路上。