6月2日，宇樹科技的狀態(tài)變更為“提交注冊(cè)”，從受理到上會(huì)僅73天。

市場(chǎng)很容易被這樣的速度吸引。畢竟，在人形機(jī)器人仍處于產(chǎn)業(yè)化早期的階段，一家頭部公司的IPO進(jìn)程，本身就會(huì)被視為行業(yè)信號(hào)。相比之下，招股書里的股東結(jié)構(gòu)反而沒(méi)有得到同等關(guān)注：美團(tuán)系合計(jì)持股9.65%，是這家公司最大的外部機(jī)構(gòu)股東。

換句話說(shuō)，在這家備受矚目的人形機(jī)器人公司背后，站著的最大的外部出資方，是一家大家印象里做外賣的公司。

幾乎是同一時(shí)間，美團(tuán)發(fā)布了2026年第一季度業(yè)績(jī)。報(bào)告期內(nèi)，錄得收入910億元，同比增長(zhǎng)5.6%；經(jīng)營(yíng)虧損65億元，比上季度的161億元收窄了96億。核心本地商業(yè)虧了20億，新業(yè)務(wù)虧了21億，雙雙減虧。

兩件事并置，能讀出至少兩層意思。一是本地生活競(jìng)爭(zhēng)的短期壓力沒(méi)有繼續(xù)失控，美團(tuán)的虧損正在收斂。二是即便核心業(yè)務(wù)承壓，美團(tuán)仍有能力、也有意愿維持為未來(lái)儲(chǔ)備的長(zhǎng)期投入。

過(guò)去八年，美團(tuán)把大量資金押向芯片、大模型、具身智能這些方向，積累了一批頭部科技標(biāo)的的早期股權(quán)。與此同時(shí)，它用十幾年時(shí)間在線下建立起一套覆蓋全國(guó)2800多個(gè)市縣的即時(shí)配送網(wǎng)絡(luò)，這套網(wǎng)絡(luò)，正在成為當(dāng)下物理AI落地最好的試驗(yàn)場(chǎng)之一。

這不是一個(gè)簡(jiǎn)單的“美團(tuán)也在做AI”的故事。AI行業(yè)正在從云端走向地面，從模型能力比拼走向真實(shí)場(chǎng)景兌現(xiàn)。誰(shuí)掌握用戶需求、真實(shí)交易、履約網(wǎng)絡(luò)和物理世界數(shù)據(jù)，誰(shuí)就更有可能在下一階段獲得定價(jià)權(quán)。

沿著這條線看，美團(tuán)的價(jià)值或許也需要從外賣平臺(tái)、到店酒旅平臺(tái)，進(jìn)一步切換到“物理世界數(shù)字化入口”的框架中重新理解。

勢(shì)：AI紅利正在往下游走

判斷一個(gè)產(chǎn)業(yè)的錢往哪走，看歷史往往比預(yù)測(cè)更可靠。過(guò)去一百多年，每一次信息基礎(chǔ)設(shè)施的更替，賺錢的順序都大體可以分為三層。

第一層是基礎(chǔ)設(shè)施，也就是“賣鏟子的”，最先拿到紅利。第二層是把單價(jià)往下打的一方，靠技術(shù)讓信息越來(lái)越便宜，在這個(gè)過(guò)程里賺錢。第三層是入口，它處在基礎(chǔ)設(shè)施和用戶中間，決定用戶用誰(shuí)、怎么用。三層里，入口最后拿走的，往往是最大的一塊。

電報(bào)時(shí)代，最早的贏家是鋪設(shè)海底電纜的公司。因?yàn)闆](méi)有電纜，信息就過(guò)不了海。電話時(shí)代，線路、交換機(jī)、長(zhǎng)途通信網(wǎng)絡(luò)是最重要的基礎(chǔ)設(shè)施。移動(dòng)互聯(lián)網(wǎng)時(shí)代，運(yùn)營(yíng)商建基站、賣流量，吃到了第一波紅利。到了AI時(shí)代，這條路變成了數(shù)據(jù)中心、GPU、算力集群。

所以過(guò)去兩年，算力公司和大模型公司率先被資本市場(chǎng)重估。大家比的是誰(shuí)有更多GPU，誰(shuí)能訓(xùn)練更大的模型，誰(shuí)能把推理成本壓下來(lái)。這個(gè)階段很像淘金熱早期，賣鏟子、修路、供水供電的人先賺到錢。

但技術(shù)史的規(guī)律也很清楚，基礎(chǔ)設(shè)施重要，卻很少獨(dú)占最終價(jià)值。電報(bào)鋪起來(lái)之后，真正把電報(bào)能力包裝成商業(yè)服務(wù)的，是路透社這樣的信息分發(fā)者。電話網(wǎng)絡(luò)普及之后，最后真正沉淀下商業(yè)價(jià)值的，是電話黃頁(yè)、企業(yè)服務(wù)這一類入口生意，它們后來(lái)演變成了今天的大眾點(diǎn)評(píng)和Salesforce這樣的公司。流量時(shí)代也一樣，電信運(yùn)營(yíng)商一度因?yàn)榱髁?、通話和短信市值很高，但騰訊、阿里、字節(jié)、美團(tuán)這些站在用戶入口上的公司，最后拿走了流量背后更大的商業(yè)價(jià)值。

AI大概率也會(huì)沿著這條路走，Token是這一代信息技術(shù)的最小計(jì)費(fèi)單位，和電報(bào)費(fèi)、電話費(fèi)、流量費(fèi)有相似之處。早期大家關(guān)心Token能不能生成足夠聰明的答案，下一階段會(huì)更關(guān)心兩個(gè)問(wèn)題：怎樣讓Token更便宜，怎樣讓Token進(jìn)入真實(shí)業(yè)務(wù)。前者對(duì)應(yīng)模型壓縮、推理優(yōu)化、端側(cè)AI；后者對(duì)應(yīng)入口、場(chǎng)景、數(shù)據(jù)和執(zhí)行能力。

這種趨勢(shì)在應(yīng)用層表現(xiàn)得尤為明顯。因?yàn)锳I時(shí)代的應(yīng)用層，基本沒(méi)有移動(dòng)互聯(lián)網(wǎng)時(shí)代那種網(wǎng)絡(luò)效應(yīng)，過(guò)去的邏輯是用戶越多、邊際成本越低，規(guī)模本身就是壁壘；但在AI這里這條線反了過(guò)來(lái)：用戶越多，燒掉的算力越多，虧得反而越厲害，規(guī)模不再天然形成壁壘。

與此同時(shí)，底層模型的能力已經(jīng)強(qiáng)到能直接覆蓋寫作、視頻、問(wèn)答這些場(chǎng)景，應(yīng)用層好不容易做出來(lái)的功能優(yōu)勢(shì)，常常被基座模型的一次更新就抹平了。再加上用戶在不同AI產(chǎn)品之間切換幾乎沒(méi)有成本，今天用這個(gè)、明天換那個(gè)，談不上黏性。

當(dāng)軟件本身不再構(gòu)成壁壘，真正稀缺的東西就是獨(dú)家的數(shù)據(jù)、繞不開(kāi)的入口、以及能落地的真實(shí)場(chǎng)景。海外的情況已經(jīng)透露出類似的信號(hào)，作為這一輪浪潮先行者的OpenAI增收卻不增利，而Anthropic靠著向企業(yè)提供能嵌進(jìn)工作流的服務(wù)后來(lái)居上，年化收入一度反超沖到了300億美元量級(jí)。

現(xiàn)在AI要真正進(jìn)入物理世界、替人干活，最大的瓶頸是什么？就是數(shù)據(jù)不夠真實(shí)。

仿真環(huán)境里跑出來(lái)的數(shù)據(jù)有“Simulation - to - Reality”的落差，搬到現(xiàn)實(shí)里就不準(zhǔn)；視頻里學(xué)來(lái)的數(shù)據(jù)缺少物理反饋，機(jī)器人不知道踩下去地面是軟是硬。真正不可替代的，是大量帶物理反饋的真實(shí)場(chǎng)景數(shù)據(jù)。

宇樹的王興興觀點(diǎn)很明確：機(jī)器人現(xiàn)在最大的瓶頸是泛化能力不夠，辦法也很樸素，部署上萬(wàn)臺(tái)機(jī)器人，每天采集十個(gè)小時(shí)數(shù)據(jù)，數(shù)據(jù)稀缺的問(wèn)題就能解決。宇樹這次IPO籌到的錢，市場(chǎng)普遍認(rèn)為大部分會(huì)用來(lái)訓(xùn)練機(jī)器人的“大腦”，而訓(xùn)練這個(gè)大腦，需要的正是在真實(shí)物理場(chǎng)景里產(chǎn)生的數(shù)據(jù)。

現(xiàn)在回過(guò)頭看，美團(tuán)過(guò)去十幾年做的是一門很重的生意：把用戶的即時(shí)需求連接到附近商戶，再通過(guò)履約網(wǎng)絡(luò)完成交付。這張網(wǎng)絡(luò)越復(fù)雜，越說(shuō)明它離真實(shí)世界足夠近。過(guò)去，復(fù)雜意味著成本；AI時(shí)代，復(fù)雜就意味著數(shù)據(jù)、場(chǎng)景和入口。

真實(shí)世界不會(huì)按照模型訓(xùn)練集的格式出現(xiàn)。城市里的路況，門店的出餐速度，用戶的偏好，倉(cāng)庫(kù)里的貨，騎手的路徑，這些都會(huì)變。AI要在這里發(fā)揮作用，光有語(yǔ)言能力不夠，還要懂交易、懂供給、懂履約、懂反饋。

這也正是美團(tuán)這類公司最大的優(yōu)勢(shì)所在。

術(shù)：把物理世界的底座焊住

很多公司談AI時(shí)，喜歡把它包裝成一個(gè)新業(yè)務(wù)，仿佛只要多一個(gè)模型助手，就能重新講一遍增長(zhǎng)故事。美團(tuán)的AI敘事更貼近自己的老本行：本地生活、即時(shí)零售、商戶經(jīng)營(yíng)和履約網(wǎng)絡(luò)。

王興在財(cái)報(bào)電話會(huì)上提到，美團(tuán)把AI視為戰(zhàn)略機(jī)遇，目標(biāo)是爭(zhēng)取把美團(tuán)App率先升級(jí)成AI-powered App，更完整地覆蓋本地生活和即時(shí)零售從頭到尾的體驗(yàn)。王莆中的定調(diào)則更為具體一些：建設(shè)物理世界AI底座，幫每個(gè)商家都用上自己的AI助理。

兩句話放在一起，大致勾勒出美團(tuán)AI戰(zhàn)略的兩條線：一條朝著消費(fèi)者端，把App變成一個(gè)真正能“理解需求、完成任務(wù)”的界面；另一條朝著商戶端，把此前需要人工判斷的運(yùn)營(yíng)決策，逐步交給AI處理。

支撐這套判斷的是持續(xù)多年的投入。從2023年初算起，在沒(méi)有云業(yè)務(wù)的中國(guó)公司里，美團(tuán)在AI上的投入規(guī)模大概率最大，而且堅(jiān)持了三年多。投入主要落在兩頭，一頭是自研基座大模型，2026年4月，新一代LongCat-2.0-Preview開(kāi)放測(cè)試，總參數(shù)規(guī)模過(guò)了萬(wàn)億，訓(xùn)練和推理全程依托國(guó)產(chǎn)算力集群完成。另一頭是把模型做成真正能用的產(chǎn)品，分別面向消費(fèi)者和商戶。

面向消費(fèi)者，美團(tuán)做的是兩個(gè)方向不同、目標(biāo)一致的助手?！靶F(tuán)”定位偏綜合，2026年五一假期服務(wù)了超過(guò)一億人次；“小美”強(qiáng)調(diào)用一句話把從挑選到下單走完，把交互成本壓到最低；更細(xì)的健康場(chǎng)景里還有“小團(tuán)健康管家”，則覆蓋在線問(wèn)診、購(gòu)藥和預(yù)約，試圖把AI助手的觸角從餐飲延伸到醫(yī)療健康。

它們的共同點(diǎn)是都不獨(dú)立于業(yè)務(wù)之外，而是直接嵌在吃喝玩樂(lè)、買藥看病這些真實(shí)的日常需求。

面向商戶，美團(tuán)的邏輯是“幫商家用上自己的AI助理”?！爸悄苷乒瘛币逊?wù)超過(guò)70萬(wàn)家餐飲商戶，面向零售的“數(shù)字員工”服務(wù)超過(guò)30萬(wàn)家零售商戶，酒店行業(yè)的“既白”AI也在不同的場(chǎng)景下完成了驗(yàn)證。這些產(chǎn)品的邏輯相近：把排班、定價(jià)、促銷這類此前需要人工經(jīng)驗(yàn)才能做好的運(yùn)營(yíng)決策，轉(zhuǎn)交給AI，降低商家的經(jīng)營(yíng)門檻。

無(wú)人機(jī)、無(wú)人車和機(jī)器人，則把這種能力推向更清晰的物理執(zhí)行層。截至目前，美團(tuán)無(wú)人機(jī)已在北京、上海、深圳、香港、迪拜等多個(gè)城市常態(tài)化運(yùn)營(yíng)，累計(jì)商業(yè)訂單超過(guò)90萬(wàn)筆，位列全球第二；自主構(gòu)建的“城市低空航網(wǎng)”已進(jìn)入常態(tài)化運(yùn)營(yíng)，并向全行業(yè)開(kāi)放合作，單個(gè)起降點(diǎn)單日訂單峰值達(dá)到423單，規(guī)劃近距離配送最快可實(shí)現(xiàn)10分鐘送達(dá)。

美團(tuán)的路徑，和大多數(shù)AI公司是反過(guò)來(lái)的。通常的做法是先有模型，再去找場(chǎng)景驗(yàn)證；美團(tuán)是先有了場(chǎng)景，然后場(chǎng)景里長(zhǎng)出了模型需要的東西。這個(gè)順序上的差別，用錢很難在短期內(nèi)追上。美團(tuán)機(jī)器人研究院目前已和全球20余所高校達(dá)成40余項(xiàng)科研合作，成果被ICRA、IROS等頂級(jí)學(xué)術(shù)會(huì)議收錄，說(shuō)明這條路不只是在商業(yè)側(cè)走，學(xué)術(shù)研究的積累也在同步推進(jìn)。

一季度，美團(tuán)環(huán)比減虧近百億，減虧的意義不止在利潤(rùn)表本身，當(dāng)外賣的虧損不再占滿外界的注意力，市場(chǎng)才有余裕重新打量這家公司，看它用攢下的現(xiàn)金和場(chǎng)景，到底在物理AI上壓了多大的注。從這個(gè)角度說(shuō)，減虧拐點(diǎn)真正打開(kāi)的，是一扇重新認(rèn)識(shí)美團(tuán)的窗戶。

局：支持了大半個(gè)中國(guó)的AI科技公司

到目前為止，美團(tuán)已投出超過(guò)28家獨(dú)角獸公司，其中7家已上市，覆蓋AI大模型、具身智能、半導(dǎo)體、自動(dòng)駕駛、AI智能硬件五個(gè)領(lǐng)域，頭部標(biāo)的包括智譜、宇樹、銀河通用、月之暗面、理想汽車、摩爾線程、沐曦股份等。這份名單最大的分量是它幾乎把這一輪硬科技里跑在前面的公司收了個(gè)遍。

美團(tuán)的科技投資，和大廠的普遍節(jié)奏有一個(gè)關(guān)鍵的時(shí)間差。2018年上市后，美團(tuán)的投資重心就從大消費(fèi)轉(zhuǎn)向硬科技，2020年確立“零售+科技”戰(zhàn)略后進(jìn)一步提速。彼時(shí)個(gè)別企業(yè)還在重點(diǎn)投游戲和零售，美團(tuán)已經(jīng)把過(guò)半資金押向了和自身業(yè)務(wù)看似無(wú)關(guān)的硬科技。

僅具身智能一個(gè)領(lǐng)域，美團(tuán)至少投了16家企業(yè)，大多在早期就進(jìn)場(chǎng)，其中10家已成長(zhǎng)為估值超過(guò)10億美元的獨(dú)角獸。銀河通用是個(gè)典型，當(dāng)前估值約210億元，美團(tuán)是它的天使投資人，從公司創(chuàng)建一路陪到現(xiàn)在；星海圖、自變量這些估值過(guò)百億的公司，美團(tuán)也大多在A輪就參與了。

宇樹是這張版圖里最近被外界看見(jiàn)的一個(gè)，過(guò)會(huì)時(shí)美團(tuán)系合計(jì)持股9.65%，是最大的外部機(jī)構(gòu)股東。并且美團(tuán)在宇樹B2輪就領(lǐng)投，當(dāng)時(shí)估值才10億，后來(lái)又參與B3輪。其他幾家大廠參與宇樹投資的時(shí)間普遍要晚得多，進(jìn)場(chǎng)時(shí)它的人形機(jī)器人已經(jīng)登過(guò)春晚、估值漲到百億量級(jí)、IPO路徑也基本清晰。

同樣是投，早一輪和晚一輪，差的是判斷和決心。

在AI芯片和算力上，美團(tuán)投的摩爾線程是國(guó)內(nèi)GPU的領(lǐng)軍企業(yè)之一，上市首日市值超過(guò)3000億；沐曦股份上市首日市值超過(guò)2800億；此外還有愛(ài)芯智元、榮芯半導(dǎo)體等一批百億級(jí)芯片企業(yè)。AI大模型上，美團(tuán)投的智譜是國(guó)內(nèi)最早做大模型的企業(yè)之一，也是“全球大模型第一股”；它還在很早的輪次投了月之暗面，后者當(dāng)前估值超過(guò)200億美元，美團(tuán)旗下龍珠領(lǐng)投過(guò)它一筆20億美元的新融資。自動(dòng)駕駛上，美團(tuán)是理想汽車最大的外部股東，還投了禾賽科技、九識(shí)智能、輕舟智航等公司。

芯片、大模型、具身智能這幾個(gè)主賽道，美團(tuán)不僅都覆蓋到，而且大多是陪著這些公司從早期一路走過(guò)來(lái)的。

AI芯片要做大規(guī)模測(cè)試，機(jī)器人要找真實(shí)環(huán)境練手，這些都得有地方去試，而美團(tuán)正是消費(fèi)場(chǎng)景最多的平臺(tái)之一。

2024年起，美團(tuán)和銀河通用在線下零售、智慧貨倉(cāng)、智慧物流等方向圍繞機(jī)器人服務(wù)展開(kāi)合作，到2025年，北京已有十幾家藥店用上它的機(jī)器人24小時(shí)分揀藥品，并逐步往全國(guó)鋪；去年年底，禾賽的感知定位激光雷達(dá)拿到美團(tuán)無(wú)人機(jī)的量產(chǎn)定點(diǎn)，把激光雷達(dá)和低空物流場(chǎng)景綁在了一起；宇樹科技通過(guò)美團(tuán)生活服務(wù)業(yè)務(wù)在對(duì)接機(jī)器人租賃。

美團(tuán)的場(chǎng)景乘以被投企業(yè)的技術(shù)，在物理AI落地上能形成的協(xié)同空間，是一個(gè)動(dòng)態(tài)的長(zhǎng)期變量，市場(chǎng)可能還沒(méi)看懂它的價(jià)值，但不代表它不存在。

寫在最后

大多數(shù)人看美團(tuán)，盯的是外賣、到店酒旅，這些都是舊框架里的指標(biāo)。但AI時(shí)代來(lái)了。

宇樹IPO的進(jìn)度，讓美團(tuán)的另一張資產(chǎn)表出現(xiàn)在公眾視野里：美團(tuán)押注了什么、押在了哪個(gè)階段、和被投企業(yè)之間有多深的協(xié)同，這些信息此前散落在各處，現(xiàn)在突然有了一個(gè)集中呈現(xiàn)的窗口。

也讓市場(chǎng)重新去理解美團(tuán)做“物理AI”的邏輯，重新去評(píng)估，在AI時(shí)代，美團(tuán)的位置應(yīng)該在哪里。

*題圖及文中配圖來(lái)源于網(wǎng)絡(luò)。