作者： 编辑

声明：本文来自于微信公众号 Tech星球，作者：林京

美团核心本地商业（CLC）组织架构近日调整，新成立AI Transformation部门，与外卖、闪购等部门平行，由前大众点评总经理牧遥负责，汇报关系从美团高级副总裁、平台负责人李树斌调整为向美团核心本地商业CEO王莆中。

这也是继阿里成立Token Foundry事业部之后，又一互联网大厂设立AI转型部门，美团的AI战略也随之浮出水面。而“一号位”交由业务经验丰富的高管而非技术专家掌舵，也延续美团将AI与业务融合置于首位的务实风格。

除此之外，美团近期还密集落地多款AI产品。最受关注的公测100天、更新十多个版本之后，美团旗下GN06团队推出的AI原生浏览器Tabbit1.0近期。GN06团队是由美团花20.65亿元收购的“光年之外”团队整合而成，这也是其走至台前交出的第一份答卷。

外卖大战之后，美团AI业务正在开启“大跃进”。

美团AI战略，浮出水面

随着AI Transformation部门成立，美团AI战略轮廓初现。

不同于美团自研大模型、各项AI应用产品探索的业务团队都是直接汇报给美团平台负责人、S-team成员李树斌，AI Transformation现在直接向王莆中汇报，美团AI从过去的“技术探索”上升为“战略核心”，在推动AI方案落地时，可以更高效调动整个核心本地商业体系的资源，而不再受制于单个业务部门的技术能力和决策周期。

美团对于AI业务的态度，转折点可以追溯到2025年的一季度电话会上，彼时美团CEO王兴表示，美团在AI技术上的战略定位，是积极进攻而非消极防御。

受外卖大战牵制，美团将有限的“子弹”都铺向AI基础设施，核心是其自研大模型Long cat（龙猫）。从2025年9月首次发布至今，美团 LongCat 系列模型已累计发布12个模型，覆盖文本、图像、语音、视频等全模态。

和其他互联网大厂一样，美团通过“挖角”迅速补齐人才短板。2025年底，据《智能涌现》报道，前闪极AI合伙人、前字节视觉大模型AI平台负责人潘欣加入美团。潘欣负责多模态AI创新工作，主导了LongCat App等多个相关应用的开发。

而作为美团LongCat团队基础模型负责人，裴鹏在2025年多所高校举办的学术论坛活动上露面。基于LongCat，美团密集发布了面向B端和C端产品，前者包括“袋鼠参谋”、“智能掌柜”等产品，后者则是独立APPAI生活秘书“小美”、AI管家“问小团”等产品。今年“五一”小长假前夕，“问小团”被提至美团APP首页底部导航栏核心位置。

它们属于核心本地商业（CLC）体系下的各个业务线自行推进的项目。从美团官网发布的招聘需求可以看到，“小团”等都归属于美团核心本地商业部门。伴随着AI Transformation的设立，未来这些产品很可能都会在新的架构下进行统一规划和协调。

图注:美团独立APP生活秘书“小美”（左）和“问小团”(右)

另一款备受关注的AI产品Tabbit上线背后，AI浏览器赛道已经卷成一片红海，不仅有谷歌Chrome、微软Edge、OpenAI Atlas等海外巨头重兵布阵，还有夸克、字节跳动和360AI浏览器等国内企业入局。

据界面新闻报道，Tabbit在2025年8月正式立项，9月开工，11月做出第一个版本，12月在美团内部测试，春节后推向公测。

Tabbit 在国内百日狂飙上线、一度陷入抄袭风波之后，最近还悄悄上线了Tabbit国际版，在去年6月停止招聘后，Tabbit 团队近日又重启了海外岗位招聘。

其背后的原光年之外团队也颇受关注。2023年，美团前联合创始人、高级副总裁王慧文创立的“光年之外”被美团收购后，整合为GN06在美团运营，目前与外卖、闪购、酒旅等主营业务无关联，主要是面向AI原生应用的探索。除了Tabbit之外，GN06在2023年和2024年末还分别推出过AI图像/视频生成工具妙刷、AI情感陪伴App“WOW”。

据雷峰网报道，2025年11月，原光年之外应用负责人调任至美团，直接向李树斌汇报。美团的 GN06团队规模数十人，产品线围绕 AI 应用的娱乐、Agent等方面。

进入2026年，美团不止是布局自研大模型、密集落地产品，还有内部氛围变化。虎嗅曾报道，一位美团技术中层表示，2026年开年以来，美团内部在彻底的“AI化”，他所在的某核心业务线的技术部门，超过95%的代码工作都依托于美团自研的CatPaw这款工具。CatPaw几乎嵌入到了他如今工作的每一步。

此外，2026年，美团内部把“AI提高人效”作为关键目标之一。其核心思路是，通过AI减少“重复劳动”中人工占比，这不仅是常规代码生成，也包括了通过无人机和无人配送车提高复杂、困难场景中的配送人效。基于AI重新梳理业务流程，并优化流程以减少内耗，打造适配AI生态、高效流程的组织文化。

借力腾讯，美团抢滩AI入口

相比流量更充沛和技术实力更雄厚的互联网大厂，无论是自研大模型，还是面向C端的产品探索，美团AI业务在外界的存在感并不强，以独立APPAI生活秘书“小美”为例，截至目前，其在安卓端的下载量不过169万。

美团想要重新定义自己在AI时代的角色。在今年Q1的财报电话会上，王兴表示，美团的AI Agent“小美”跟腾讯元宝的合作即将上线。用户在腾讯元宝里输入本地生活需求，可以直接通过小美调用美团的外卖等服务，整个交易过程不用跳转到美团App。

这和阿里千问点外卖的模式颇为相似，不同的是，阿里是在自身体系内完成闭环，而美团则是向所有AI Agent开放自身的履约能力。美团想要实现的，是未来无论用户用的是元宝、豆包还是其他AI入口，最终完成配送和线下服务的，依然是美团的商家网络和骑手体系。

比起争夺AI时代的“超级入口”，美团选择的是“退一步”战略，将平台积累的核心能力，打造成为所有AI Agent都绕不开的“服务底座”。

这也是美团提出的“物理AI”战略，主要建立在美团数据和履约优势上，具体表现为美团的AI可以直接在覆盖全国2800多个市县、每日数千万笔交易的复杂真实环境中学习和迭代。王兴曾用一个形象的比喻说明:“就算让爱因斯坦来当秘书，让他订一家餐厅，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。”

在这一愿景之下，美团已经开始推出具体的落地路径。在2026年Q1财报电话会上，王兴提出的新战略方向——服务AI Agent（To A），他表示，未来美团除了服务消费者(To C)和商家(To B)，服务AI Agent(To A)正变得越来越重要。

美团将AI Agent从“工具”重新定义为美团的“客户”。一些具体的产品已经开始落地，美团在5月发布了“跑腿Skill”，将跑腿下单能力以封装Skill形式向AI助手生态开放，目前已有多家AI助手接入美团跑腿。

而决定物理世界AI化的广度，还有美团早在探索的无人机业务。通过卡位低空经济，美团可以将“物理AI”的服务边界从地面延伸至空中。

这是美团从2017年就开始布局的业务。彼时，毛一宁带着其创业团队加入美团无人机业务。2022年，毛一宁在接受《电脑报》专访时提到，2022年9月，该团队已经有300余人，并且里面很多已经是小有成就的人工智能、或者硬件领域的 leader。

这一项业务的特殊性还在于直接向王兴汇报。2024年2月的美团组织架构调整中，王兴在内部邮件里明确将无人机和境外业务的汇报关系提升至直接向他汇报，以此提升科技与国际化业务的优先级。

强投入、弱声量，不追求“Token工厂”

在AI投入上，美团并非“低调”。核心本地商业CEO王莆中曾公开表示，美团每年在AI领域的投入超过百亿元。美团CEO王兴也曾披露，自2023年初以来，美团在资本开支和AI人才上持续加码，大部分资金用于自研大模型的构建，投入规模在国内企业中位居前列，仅次于部分云计算巨头。

只不过，相较于阿里、字节、腾讯等动辄数千亿的AI投入，美团的体量仍有差距。加之过去一年外卖大战对资源和精力的牵制，美团的AI叙事在外界看来，存在感并不算强。

这种“强投入、弱声量”的感知，在自研大模型业务上体现得尤为明显。LongCat团队极少公开亮相，也缺乏明显的技术“一号位”，落地产品如“小团”等，在千问等产品通过狂撒红包补贴推动用户点外卖心智时，美团的“问小团”声量也较小。

美团的AI业务也有其浓厚的企业基因，美团并未将全部筹码押注在自研模型上。以AI浏览器Tabbit为例，其策略是集成多家头部大模型——除自研LongCat-Flash-Chat外，还接入了DeepSeek、豆包、千问、Kimi等。美团更在意的，显然是模型能否在自家场景中跑出结果，而非模型本身有多强。这种与业务强结合的风格，贯穿了美团AI的整体布局。

图注:美团“LongCat”页面。

譬如，LongCat与市面上其他大模型产品的一个区别是与本地生活业务深度绑定。在其产品界面上，“找附近玩乐”、“做出游攻略”、“订住处”等导航栏清晰可见，延续了美团“业务先行”的一贯逻辑。

美团在“物理AI”战略下，不追求成为“Token工厂”，而是致力于成为连接数字智能与真实世界服务的“基础设施”，这是基于自身独业务特基因进行战略卡位。相较之下，美团主动出击推出的LongCat与Tabbit等产品，在当前激烈的AI工具与模型竞争中，很难在短期内建立起显著的差异化优势，其未来的竞争力更取决于与美团实体服务生态的融合深度。

在AI颠覆本地生活之前，场景和履约能力是美团真正的底牌，美团必须把这张牌牢握在自己手里。

声明：本文来自于微信公众号 字母榜，作者：李峰

原生AI入口正在进入分流时刻。

过去两年，大模型产品的竞争焦点主要是模型能力。但进入2026年，问题开始变化。

Agentic能力不断进化，AI从“会聊天”走向“能办事”。任务能力越强，产品分层越明显。复杂办公、深度研究、代码生成、长链路Agent，都意味着更长上下文、更多工具调用和更高推理成本。

在这些背景下，一些AI厂商开始将高阶能力单独定价。

近日，豆包推出专业版。公开信息显示，豆包专业版基于豆包2.1系列大模型，标准套餐连续包月68元，加强套餐连续包月200元，高级套餐连续包月500元。

AI生产力正在被重新定价，但另一件事也在同时发生。百度文心宣布网站整合升级，把另一条路推到台前:通过统一入口和模型升级，继续维持免费，降低普通用户使用AI的第一道门槛。

中国生成式人工智能用户已经进入6亿级市场。AI助手面对的不只是程序员、研究员和企业用户，也包括学生、家长、普通职场人、自由职业者这样的普通受众群体。

于是，国产AI的商业化路径正在走向分化:AI到底该先服务少数专业用户，还是先让更多普通用户用起来、用得懂?

A

当前，智能体等AI应用的竞争正在加速。

从办公助手到代码助手，从研究助手到营销助手，从个人助理到企业智能体，AI产品都在把“回答问题”升级为“完成任务”。

普通聊天通常只需要模型给出一次答案;复杂智能体任务往往要经历多轮推理、信息检索、工具调用、文件处理和结果校验。

在这个过程中，AI使用账单已经先一步变化。

近期公开报道显示，亚马逊等公司开始限制员工使用AI工具。原因并不复杂:高级模型和智能体工具的计算成本，明显高于普通聊天机器人。

一些学术研究也在指向同一个问题。

今年4月，斯坦福大学数字经济实验室发布工作论文《How Do AI Agents Spend Your Money?》（《AI智能体如何花掉你的钱》），分析了8个前沿大模型在SWE-bench Verified上的任务轨迹。

SWE-bench Verified是用于评估模型解决真实软件工程问题能力的基准。论文称，智能体编码任务的Token消耗可达代码推理和代码聊天任务的1000倍;同一任务不同运行之间，Token消耗最高相差30倍。更高Token消耗也不必然带来更高准确率。

对专业B端用户来说，只要AI能够减少人力投入、缩短交付周期、提高工作质量，企业就会把它放进生产力账本。

然而，C端用户面对的是另一套问题。

普通用户未必理解智能体是什么，也未必知道不同模型之间有什么差异。面对Agent生态的加速迭代，很多人首先遇到的不是能力上限问题，而是使用门槛。

这个门槛正在变成行业共识。

中国互联网络信息中心（CNNIC）第57次《中国互联网络发展状况统计报告》显示，截至2025年12月，中国生成式人工智能用户规模达到6.02亿，普及率为42.8%。生成式AI应用场景正在向生活、生产领域渗透。

6亿用户之后，AI助手面对的已经是大众市场。

学生、家长、普通职场人都在加速使用AI产品。对他们来说，AI助手的关键价值，不在参数大小，也不在概念新旧，而在能不能更容易地完成一项任务。

去年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，明确提出“推动人工智能普惠共享”，推动技术开源可及，帮助更多国家和人群参与智能化发展进程。

高阶能力需要商业闭环，基础能力也需要亲民入口。前者决定AI生产力能否持续供给，后者决定AI能否进入数亿普通人的日常任务。

在这条分流线上，百度选择了升级产品入口。

今日，百度宣布对文心旗下多个网站入口进行合并升级，统一整合为全新的百度文心网站，打造一站式AI服务入口。用户可在一个平台内便捷使用全部AI功能，大幅降低使用门槛，提升交互效率。

这意味着，百度把更先进的模型能力和AI服务，被整合进了一个更大众和统一的入口里。

B

目前，升级后的百度文心网站已经形成多元能力矩阵:多模态搜索、中文写作、图片问答、AI PPT、视频生成和跨端协同等能力，被放进同一个入口，覆盖生活、学习、工作和娱乐。

统一入口的价值，是减少用户选择成本。

过去，用户要完成一个任务，常常要在多个工具之间切换。写报告要找资料，找资料要搜索，做PPT要整理大纲，生成图片视频又要打开另一个创作工具。

百度文心网站把这些能力集中起来，用户面对的不是多个工具菜单，而是一个可以承接任务的AI入口。

哪怕是一个职场用户提出“我要做一份汇报”，背后也可能涉及一套复杂的Agent调用链路。

整合后的文心，承接的正是这类普通用户高频、真实、跨工具的任务。

以生活服务场景为例，本月10日，百度发布今年高考服务升级方案，推出AI志愿报告，并引入真人专家背书机制。

据了解，AI志愿报告通过文心助手多轮对话采集考生信息，结合历年投档分数线、高校及专业数据、专业就业前景等数据库，为考生输出个性化志愿填报方案，并向考生免费开放。

高考志愿填报牵涉分数、院校、专业和就业预期。文心助手通过多轮对话和数据库生成方案，AI入口开始进入更重的生活决策场景。

用户不必先学习专业软件，也不必在多个入口之间来回跳转。复杂模型和智能体能力，被整合到一个普通人可以便捷使用的入口里。

文心和豆包专业版的路径分化，也由此拉开。

豆包专业版把高阶任务能力做成更清晰的付费层级，以付费订阅验证产品价值并反哺研发。

文心网站则把基础模型、智能体能力和高频任务入口打包给用户，让更多人先用起来、用得懂、用得上。

百度的普惠路线，也有更早的用户基础。

QuestMobile研究院今年3月发布的《2025年AI应用层发展核心报告》显示，2025年PC端AI应用月活跃用户规模达到2.05亿;在月活跃用户规模TOP10的PC网页版应用榜单中，百度旗下文心助手、百度文库、百度翻译占据三席，且均位于前五。

报告还提到，AI搜索引擎、AI综合助手和AI效率办公正在构成PC端主力赛道。

今年春节期间，文心助手增长也提供了一个侧面样本。春节红包活动启动以来，文心助手MAU同比增长4倍;生图功能调用量同比增长50倍，生视频功能同比增长40倍，AI打电话功能增长近4倍。

用户被入口带进来之后，增长落到生图、生视频、AI打电话等具体功能调用上。文心网站这次整合，承接的正是百度已经跑出的网页端和应用端AI需求。

对C端用户来说，普惠不能只是一句口号。

它要求入口简单，也要求覆盖高频使用场景。复杂模型和智能体能力只有被打造成普通人能理解的服务，才可能真正穿过6亿AI用户的使用门槛。

C

文心网站这一轮升级背后，是百度对AI应用价值的长期判断。

上个月，在Create2026百度AI开发者大会上，百度集团创始人李彦宏在开幕式上提出，AI时代的度量衡可能是“日活智能体数（DAA，Daily Active Agents）”。

移动互联网时代，平台关注日活用户数。智能体时代，平台需要关注有多少智能体在为用户干活，并交付结果。

Token可以衡量模型调用和算力消耗，但DAA显然更接近任务完成和用户价值。

当前，文心网站的升级方向，与这个判断高度一致。

真正的智能体生态，需要大量用户不断提出真实任务。只有足够多的任务被执行、被验证、被复用，智能体才能从概念走向日常服务。

而这需要更完整的生态布局。

百度过去的基础盘，来自中国互联网时代最重要的信息入口之一。用户查资料、搜地图、看百科、找文档，绝大多数需求都曾通过搜索完成。

进入AI时代，这些入口能力没有消失，而是在文心里转化为任务场景。

搜索时代，用户要的是找到信息。AI时代，用户要的是拿到结果。文心网站把AI能力和服务继续向一个入口集中，实际是在把信息入口改造成任务入口。

与此同时，在基座模型能力上，百度也在持续升级补强。

上月，文心5.1正式上线。公开信息显示，文心5.1继承文心5.0知识能力，在总参数、激活参数和预训练成本上做了压缩，并通过智能体后训练强化了Agent、知识、推理和深度搜索能力。

该模型迅速登上LMArena搜索榜国内第一，在智能体、知识、推理和深度搜索等方面表现出色，创意写作能力与Gemini3.1Pro相当。

AI能力越强，越需要面向更广泛的人群开放。只服务少数专业用户，AI很难成为基础服务;只有让普通人低门槛使用，AI入口才有真正的规模价值。

这也是头部大厂在AI时代需要承担的角色。

从互联网时代的搜索框到今天AI应用的任务框，百度一直在承接国民级用户需求。QuestMobile数据显示，百度文心助手月活跃用户规模3.6亿。

AI需要应用场景不断扩展，需要用户在真实任务中反复使用。在这一点上，中国的AI厂商正在走向不同路线。

豆包分层付费在证明AI生产力需要被定价。百度文心要证明的，是AI生产力也需要被普惠化。再强大的模型能力，也需要在更多用户的日常结果中得到验证。

今年1月，李彦宏在接受《时代》杂志专访时谈到，百度的基础模型采取应用驱动路线，训练会围绕搜索、数字人等具体应用展开;他还提到，开放模型能让更多人尝试效果，带来更多关注。

这两件事，恰好发生在这次文心网站升级的延长线上。

入口合并让文心继续承接普通用户的高频任务;自去年文心4.5系列以来，百度模型团队持续开源，把能力交给更多开发者和企业继续改造。

用户的使用入口不断降低门槛，开源模型不断扩大覆盖面，Agent在真实场景里验证结果，百度文心的生态才会越滚越厚，为下一轮AI产业竞争筑牢根基。

目前，AI生产力固然进入了定价周期，但只有穿过足够多的任务、组织和人，AI才会变成下一代入口的底座。

百度文心押注的，正是这条更长期、也更考验耐心的路。

声明：本文来自于微信公众号 深响，作者：何理

AI的风向，已经变了。

此前，无论大语言模型还是Agent、龙虾，AI始终在“屏幕内”，「数字AI」不断探索边界，也卷成了红海。而现在，在屏幕之外，一个更庞大、更具想象力的AI新战场正在形成——行业目光集体转向能真正在真实世界里动手干活儿的「物理AI」。

巨头对此纷纷下注:英伟达高调推出全模态物理AI模型NVIDIA Cosmos3，还亮出了机器人领域的全家桶，黄仁勋反复强调物理AI将成为下一波浪潮，世界模型是实现物理人工智能的核心;马斯克也在将AI的触角延伸至物理世界，FSD（完全自动驾驶）实现端到端进化，Optimus人形机器人高频迭代……

有意思的是，在物理AI的蓝图里，率先承接机会的并非是尚在实验室里练习行走的双足人形机器人，而是已经在公路上比比皆是的智能汽车。自动驾驶是目前非常稀缺的能够同时跑通“海量物理数据闭环”与“高频商业造血”的通用物理AI场景。而世界模型则是物理AI的底座，是激发物理AI“GPT时刻”的关键突破口。

6月23日，物理AI公司Momenta通过港交所聆讯，正式进入IPO冲刺阶段，即将领衔“物理AI第一股”。在智驾的基础上，Momenta正在打造一个能够理解物理规律、推演世界演变的通用世界模型，成为物理AI基座模型的构建者。

目前，Momenta R7世界模型已实现量产首发，意味着物理AI正式从技术理念走向规模化量产落地，实现从“看见世界”到“理解世界”的跨越。与此同时，在竞争最为激烈的中国第三方城市NOA供应商市场中，Momenta以高达65%的市占率行业居首，Momenta的客户已覆盖国内全部主流乘用车企业，且全球前10大车企中已有9家与其开展合作，成为“全球品牌的共同选择”，这也验证了自动驾驶作为物理AI的核心赛道的规模化商业价值。

此外，Momenta的股东阵容极其豪华，汇聚了全球最核心的产业和科技战略投资人，以及全球顶级财务投资人。产业资本囊括了全球汽车产业链的核心玩家，包括:上汽、通用、奔驰、丰田、比亚迪、现代、奇瑞等7家全球顶级车企，以及博世、德赛西威、立讯精密等头部产业链合作伙伴，和Uber、Grab、Stone Venture等Robo合作伙伴。科技巨头则包括腾讯、阿里云、蚂蚁集团、京东等。财务投资人更是覆盖了淡马锡、IDG、阿曼投资局、亦庄国投、Granite Asia、顺为、蔚来资本、凯辉基金、云锋基金、蓝湖资本、创新工场、真格基金、鼎晖投资、高榕创投、高成资本、众为资本、愉悦资本、钟鼎资本、盈峰资本、招银国际、华泰创新资本、混沌资本、春华资本、大湾区基金、国新基金、光合创投、九合创投、锦秋基金等全球最顶尖投资机构。超豪华、多元化的股东阵营，不仅为Momenta提供了战略和资本支持，还从业务协同、用户增长和全球化布局等方面助力了Momenta高速增长。

世界模型带来新的“GPT时刻”

说起“物理AI”其实不难理解，简单来说，它就是将人工智能的感知、决策与学习能力，深度嵌入机器人、智能设备、自动化产线等物理实体系统中，使其能够在复杂、动态的真实物理环境中自主执行任务。如果说过去AI突破主要体现在数字世界，那么物理AI的兴起，则意味着AI发展进入了以理解和影响物理世界为核心的新阶段。

但不同于数字AI，物理AI并不是一条单线赛道。具身智能、自动驾驶、工业机器人、边缘AI，都在把AI从屏幕带进现实世界，它们之间也并非对立关系，更像是物理AI走向现实的不同入口。而世界模型（World Model），正是这一切的共同底座——它是AI理解物理世界、预判未来并自主决策的“内在思维系统”。

要理解世界模型的关键性，我们不妨将其与大语言模型（LLM）做个对比:

大语言模型擅长的是“读万卷书”，它理解语义、擅长推理，在虚拟符号世界里无所不知，但它并不真正掌握物理规律，无法本能地理解“推倒杯子水就会洒”;世界模型则擅长“行万里路”，它能够深刻理解物理世界的规则，预测动作带来的后果，并支持AI在现实世界中做出实际行动。

纯语言模型或传统简单算法的短板很明显:它们要么不懂物理规律，无法应对瞬息万变的动态场景;要么必须在真实环境中通过海量的肉身试错来“刷经验”，比如机器人不断摔倒，这不仅导致硬件损耗成本高昂，更伴随着不可承受的安全风险。

现实世界场景多变且充满不确定性，人类无法用死板的规则预设所有的突发情况。因此AI必须具备自主理解和预判能力，才能适应不同环境。而世界模型正是要解决这一痛点——在AI的大脑中搭建了一个“虚拟练兵场”，先通过预训练赋予模型理解现实世界的“物理直觉”，让AI真正“懂物理”;再利用这套规律在虚拟练兵场里“脑补”行动后果，配合强化学习的奖惩机制，让大模型在无风险、低成本的环境中反复探索、试错并给出最优决策。这种从理解物理规律到在虚拟试错中进化出最优行动方案的闭环能力，正是世界模型能够打破虚拟与现实鸿沟，成为具身智能和通用人工智能核心基石的关键原因。

今年世界模型热度明显升温，很多不同的技术路线、不同的场景模型都冠以世界模型:

有的以语言为中心，比如VLM、VLA是把其它模态、其它能力映射到语言空间。

有的以像素为中心，比如Sora，实际上是在预测下一个2D像素场景，由于其训练数据大量来自影视作品，模型极易生成不符合真实物理规律的内容，比如像星战“原力”一样违背重力逻辑的画面。图灵奖得主Yann LeCun也曾多次公开批评，生成像素并不等同于理解物理因果;

还有的以三维结构为中心，比如李飞飞World Labs的"空间智能"理念，从单张图片生成可交互的持久化3D环境，本质上瞄准的是数字世界的构建。但模型重建3D空间不等于理解世界，几何结构也不代表复杂的物理动态演变状态。

由此可见，当前各个方向的世界模型的痛点核心，在于对物理规律的理解深度，以及能否最终服务于“行动”。我们开发世界模型，不是为了教模型去生成一段好看的视频，而是要教它理解物理规律，并基于这种理解去精准预测下一个状态。行业真正需要的，是把多模态感知、物理规律理解和动作执行三者彻底打通。

Momenta R7世界模型

如何构筑物理AI底座?

而要实现多模态感知、物理规律理解和动作执行三者打通，就必须拥有海量的真实物理交互数据与场景，率先跑通数据和商业规模化闭环，让“数据回流再推动模型能力跃升”的正向循环真正转起来。在这个前提下，拥有断层式数据红利的自动驾驶赛道，自然成为了最先解出这道题的产业先锋。

无论是Mobileye、Waymo，还是Momenta，这些自动驾驶的头部公司都不约而同地成为了物理AI的排头兵，自动驾驶公司积累的能力，正在被重新理解为可以泛化到更广义物理AI的平台能力。

Momenta在数据、场景、世界模型架构方面的优势格外显著:

在数据规模方面，Momenta拥有基于120+亿公里实车里程提炼的1亿段黄金数据，还有真实世界里大量数据的反馈，覆盖更多长尾场景。Momenta以真实数据学习生成世界，它可以通过实车和仿真的一致性来做对齐和校准，并拥有明确可参考的基准，这种“真生成”最大程度地减少了仿真与现实之间的差异，比生硬的渲染方式要可靠得多。

而在世界模型方面，Momenta R7的三层架构更是独树一帜。

第一层World Model Pre-Training（世界模型预训练）， 让模型懂物理。传统的智驾大模型大多是在“背题库”，而R7则是在“学规律”。它通过海量真实驾驶视频的预测训练，将物理规律、常识与因果关系压缩进模型，让系统形成对物理世界最底层的基础认知，不再机械地依赖人工规则。

有了物理常识，模型需要演练，第二层World Model Simulation（世界模型仿真），就是让模型拥有“练兵场”。R7利用生成式模型推演周围环境进行闭环仿真，让系统能够推演自身行为变化时世界将如何演变。依托这种高效场景推演能力，AI可以对现实中很罕见、很危险的长尾场景进行性能评估，其效率比传统实车路测提升了上万倍。

第三层则是World Model Reinforcement Learning（在世界模型中进行强化学习），系统通过精心设计的奖惩机制让大模型反复探索与试错。它在虚拟世界里经历千万次的博弈推演，自主学会了在复杂多变的动态环境里如何做出最优决策，最终输出更安全安心、高效丝滑的类人驾驶表现。

这套架构可以说是物理AI现实价值的直观体现。比如开车的时候，前方意外掉落一箱苹果，Momenta就可以自主预判苹果滚落的轨迹与扩散范围，提前平稳减速、规划绕行路线，以更从容、更贴合人类驾驶逻辑的方式处理突发路况。

Momenta R7理解的是物理世界的运动规律与交互逻辑，而非依赖场景记忆与规则匹配。真正的物理AI，不只是让车辆在绝大多数日常场景中顺畅行驶，更要在万中无一的罕见极端场景中，依然为用户提供更稳健的安全保障。

从整体视角来看，Momenta R7世界模型这三层架构并不是孤立的三个模块，而是一个有机统一、高频自运转的整体:一方面认知一体，从第一层的“理解物理”，到第二层的“推演未来”，再到第三层的“动作决策”，R7架构打破了过去感知、预测、规划各自为战的割裂状态，信息在同一套基座模型中流动;另一方面可以自进化，第一层提供认知，第二层提供空间，第三层在空间里刷经验，三者互为因果，数据在内部滚动即可实现模型的自我升级。

目前行业内普遍仅将世界模型用作“生成数据”的仿真工具，好比考前多刷一些模拟题，Momenta是市场上极少数直接将世界模型用于“端到端基座模型预训练”的公司。这种底层的应用代差，让系统整体的产品性能和进化上真正与其他人拉开距离。

另外，招股书显示，2025全年Momenta研发投入为18.69亿元，占其年度收入的77.5%，近三年累计研发投入达46.6亿元。截至2025年底，公司拥有研发人员1157名，研发人员占比近82%，超过三分之二拥有硕士及以上学历。坚决的研发投入会进一步巩固和加强Momenta的技术领导地位。

技术跨场景落地

指数级优势显现

而更重要的是，技术的积累正在落地于应用。Momenta R7世界模型已经走出了实验室，在真实的产业与资本浪潮中率先跑通了数据+商业的两大闭环。

一方面是实打实的量产，Momenta R7世界模型已量产首发，目前搭载Momenta系统的量产车辆规模已超90万台，已成功交付超100款量产车型，累计定点车型数超210款，并实现最快不到40天交付10万台的高效部署。复杂路况下产生的海量交互数据，实时、高频地流回模型，会进一步促使 R7实现指数级自我进化。

另一方面则是实打实的营收，招股书显示，Momenta近三年营收规模实现跨越式增长:2023年至2025年，Momenta营业收入从7.43亿元增长至24.13亿元，三年翻三倍，年均复合增长率超80%。截至2025年底，公司现金储备超100亿元，为加速Robo市场和全球化发展提供了有力支撑，有利于其在物理AI的长期战役里占据主动权。

图源:招股书

由此Momenta得以形成飞轮效应，“平台级”的架构将终结过往各场景孤立开发、重复造轮子的传统模式。其用一套大模型同时覆盖乘用车以及无人驾驶出租车（Robotaxi）、无人物流车(Robovan)，2027年还将扩展至无人驾驶卡车(Robotruck)领域。

核心底层技术的跨场景复用，极大地摊销了多业务线并行的研发成本，使得边际成本大幅降低。可以想象，未来这种从智驾中锤炼出来的、打通了“感知-物理常识-行动”的底座能力，还可以无缝延展到具身智能、工业机器人等更广阔的通用物理 AI 领域。

Momenta的“两条腿”策略

目前，智驾领域正呈现出一种“摩尔定律”式的进步节奏，在端到端与世界模型的加持下，行业部分头部企业开始展现出远超以往的能力迭代速度。

而Momenta的规模效应和先发优势也在多个维度展开:体验上，数据越多，算法越聪明，体验越好;交付上，建立工程化壁垒后迭代极快，Momenta 交付首个10万台车用了整整2年，而如今仅需要不到40天即可完成10万台车的交付;客户上，头部车企的信任也在不断积累，在 Momenta 的客户群体中，既有BBA德系豪华，也有通用、大众、丰田、日产、本田等20余家全球主流车企，拥有不同背景的中德美日韩顶流品牌，这些合作案例也成为 Momenta 量产能力和市场接受度的最直观证明。

回头看AI的发展路径，会发现一个有趣的规律:每一次技术范式切换，资本市场最终定价的都不是某个单点产品，而是能够定义下一代基础设施的平台能力。

大语言模型时代，市场重估的是能够理解和生成信息的数字智能;而当AI开始走出屏幕、进入真实世界，市场重新寻找的则是能够理解物理规律、预测世界演化并驱动行动决策的物理智能。从这个角度来看，Momenta上市的意义，不仅是自动驾驶业务的资本化，更是世界模型、物理AI第一次进入公开市场的价值验证。

行业普遍判断，智驾及物理 AI 底座最终将是“马太效应”的局面，未来全球市场最终可能只会留下少数头部玩家。而Momenta势必能以自身的稀缺性、技术领先、商业闭环迎来“赢者通吃”的应许之期。

声明：本文来自于微信公众号 深响，作者：吕玥

618收官，喧嚣过后，行业进入复盘期。作为上半年最大的生意机会，今年618最大的变量或许是AI。

纵观各大电商平台，AI工具已从“点缀”变为“基建”。例如今年天猫618，有超百万商家使用AI投放，「万相台AI无界」已响应超30亿次投放决策。

事实上今年在工具爆发的水面下，有不少品牌方颇为焦虑:不用AI工具怕掉队，用了又担心花钱不见效。纠结的根源在于:商家普遍认同AI是大势所趋，但在具体操作层面，缺乏清晰的“怎么用、用在哪”的路径指引，自然也无法预判实际效果。而大促期间，每一分预算都要为确定性负责，如果AI不能直接服务于增长，它就只是一种昂贵的实验。

那么AI究竟该如何提升经营效益?

自然堂作为头部品牌，提供了一个可供拆解的范例。

事实上，自然堂首席对外事务官郑确也提到了大促中的不少难点:流量贵、竞争激烈……但在今年母亲节及618期间，品牌通过与阿里妈妈AI万相合作，拿到了一份不俗的成绩单:天猫旗舰店GMV同比提升近30%，新客人数同比增长70%，新增会员数同比提升14%。

这也让我们更为好奇:自然堂将AI应用于哪些具体环节?阿里妈妈AI万相又是如何助力品牌实现上述增长的?

大促的新解法，

本质是“语言体系”的升维

自然堂在大促中遭遇的难点，实则是众多电商商家的共性困境。

同质化竞争下，各大品牌传播语言趋同、目标人群重叠。各方不得不争抢同一批泛流量，导致大家不得不卷价格，而这也一直是商家经营的痛点。

自然堂首席对外事务官郑确在复盘时提到了一个深刻的观察:“问题不在投放，而在翻译。”

消费者关注的从来不是生涩的专利术语，而是感性场景下的痛点解决。但品牌习惯输出“专利科技喜默因”、“抗皱紧致”等功能词，这与用户心中“想既要抗老又要温和”的感性期待完全不在一个频道。

这种转换并非品牌凭直觉就能完成，它需要一个严谨的分析、洞察和操作过程。今年618，一个积极的变化给出了回应:AI正在帮助商家获得这一“翻译”能力。

具体来看，阿里妈妈品牌新力WIN（阿里妈妈推出的AI品牌增长模型，帮助品牌建立全域资产评估体系，让种草和转化之间的每一步都看得见、算得清）与自然堂在今年天猫618的合作，正是沿着这一逻辑展开:品牌借助阿里妈妈AI能力发现了过去被忽略的人群需求，找到细分赛道的新机会，并完成了全新的营销表达。由此带来的，是更健康的产品结构、更扎实的品牌心智，以及用户的主动购买与复购——最终形成差异化竞争和可持续盈利的正向循环。

实践拆解，AI完成

「从需求到转化」全链路翻译

从落地实操的过程来看，阿里妈妈品牌新力WIN给出的是一次覆盖需求发现、内容表达和人群触达的全链路重构。

第一步是捕捉真实需求，即从泛化的“抗老”概念中，找到具体的消费意图。

过去做新品，品牌首先思考“我要卖什么”，所以放在抗老赛道里就表现为大家都在讲同一套理念，竞争压力巨大。事实上，消费者的需求从来不是统一的“抗老”:有人担心长期熬夜导致皮肤状态下滑;有人刚刚进入初老阶段，希望提前预防;还有敏感肌用户既有抗老需求，又担心产品刺激带来的负担……

表面上他们都属于抗老人群，但背后的动机、焦虑和决策逻辑并不相同。如果品牌只能看到“抗老”这个大标签，就很难发现其中隐藏的细分机会。

品牌新力WIN对全网抗老、抗皱紧致等相关的搜索意图和消费热点进行秒级分析。结果显示，用户频繁提及的并非抽象的抗老概念，而是大量具体场景:熬夜之后脸色暗沉怎么办、皮肤屏障受损如何修护、敏感肌是否能够安全抗老等。

基于这些真实需求，再结合自然堂核心成分“喜默因”的修护能力，品牌新力帮助自然堂提炼出了“韧肌抗老”这一差异化赛道——既关注抗老效果，也强调肌肤韧性与屏障健康。与此同时，品牌还进一步锁定了三类核心人群:熬夜党、初老焦虑人群以及敏感肌抗老人群。

这背后体现的是一种思维转变。过去品牌首先思考的是“我要卖什么”;而AI帮助品牌把问题变成“用户在焦虑什么”“用户需要什么”。当视角从产品转向需求时，那些原本隐藏在大赛道里的细分空间才真正被看见。

明确需求后，第二步是把产品语言翻译成消费者语言。

自然堂第七代超抗小紫瓶拥有自研核心成分“喜默因”，并经历多代技术迭代。从研发视角看这些都是重要卖点，但对普通消费者而言，专业术语往往意味着理解门槛，尽管知道这是一个“厉害成分”，却未必知道它究竟能帮自己解决什么问题。

品牌说的是技术语言，消费者听的是生活语言。

AI在这里承担的角色是翻译。系统将产品能力与消费者关注场景进行自动关联，把专业表达转换成更容易理解的利益点。例如“喜默因”不再只是实验室里的成分名称，而被转译为“熬夜脸的急救回血包”;修护与抗老双重功效，则对应“敏感肌也能安心使用的抗老方案”;第七代技术迭代，则被表达为国货科研能力持续升级的实力证明。

而且这种翻译并非只有一个标准答案。过去品牌往往只制作一套素材，对所有用户统一沟通;如今AI能够针对熬夜党、敏感肌用户、成分党等不同人群去生成差异化创意内容，实现了真正意义上的“分人说话”。

“从成分术语到消费者语言，这个转变，点击率直接就上去了。”正如自然堂首席对外事务官郑确所说，当用户看到的内容恰好回应自己关心的问题时，沟通成本会显著下降。AI不仅完成了卖点翻译，更让品牌具备了根据不同人群动态调整表达方式的能力。

在需求和内容都完成翻译之后，最后一步，是找到真正需要听到这些信息的人。

传统广告投放长期依赖年龄、地域、购买记录等静态标签。这种方式虽然有效，却存在天然局限。一方面，它难以识别那些已经在站外被种草、但尚未完成购买的人群，这是跨平台带来的难题。另一方面，它也看不到那些需求尚未显性表达的潜在消费者。比如长期加班、频繁购买褪黑素的人可能从未搜索过“抗老精华”，但其生活状态与消费行为已经透露出潜在需求。

为此，自然堂首先是在投放环节应用了ShowMax全域追投（可追踪、承接站外种草回流人群的全域电商追投转化工具）。当用户在站外内容平台接触品牌信息后回到淘内，系统能够持续识别和追踪用户兴趣变化，进行二次触达，避免品牌在站外投入的大量种草成本流失。

更值得关注的是，自然堂还应用了“AI点睛”这一新功能。它并非是简单的人群扩量工具，而是依托大模型，实现了过去投放“买词”，到如今“买意图”的升级。

过去品牌投放要先定义目标用户，如25-35岁女性、一二线城市、关注抗老护肤等，再由系统按照这些条件筛选人群。但AI点睛的逻辑是先理解商品本身的特征和卖点，再结合全域行为数据进行实时推理，动态生成专属人群包。这些人群并非固定标签的排列组合，而是大模型基于行为链条推导出来的结果。

在自然堂的应用中，AI点睛为其生成了多组人群:既有按抗老阶段细分的“抗初老”“首次尝试抗老产品的年轻女性”“25-35岁轻熟龄女性”“35-45岁熟龄女性”;也有基于兴趣和行为链路的“李佳琦护肤类目粉丝”“在内容平台学习护肤知识的用户”“搜索抗老精华、紧致精华的精准用户”;还有基于消费价值观的“信任自然堂等国货护肤品牌的消费者”“追求自我投资与变美自信的女性”等等。

不难看出，AI点睛找的不只是已经表达需求的人，还有更多是那些可能从没有搜过“抗老精华”“小紫瓶”的人，但AI通过其行为链条推理出了他们的潜在需求，并将他们纳入了品牌的投放人群。这样自然能帮助品牌触达以往触达不到的新客，为生意带来实实在在的增量。

除了功能，AI点睛的产品设计思路也值得关注。

当前市面上大多数Agent产品仍是“黑箱模式”——商家看不到AI的决策过程，信任自然无从建立。AI点睛则直接做成了一个嵌入人群推广界面的可视化“开关”。商家打开后，AI为什么这样判断、为什么推荐这群人，全部推理过程一目了然。这种将AI能力产品化、显性化、可验证化的做法，把不可见变为可见，从根本上解决了品牌对AI的信任问题。

618

百万商家的AI试验

自然堂为我们提供了清晰的观察样本，它也是今年618阿里妈妈AI万相和品牌深度合作的一个缩影。

今年天猫618，一个明显的趋势是新的增长市场正在打开。

今年在天猫，AI帮助近百万商品加速成交，新客占比接近96.82%，让新品破局不再是玄学。

新品牌同样受益:通过AIGC，商家节省了近30亿内容制作成本，智能提效工具让运营效率提升39.3%，UD品牌全周期曝光超50亿，唤端近20亿次覆盖超7亿用户，驱动成交双位数增长。这些数字背后，是AI让创新从高门槛、高风险变成了可计算、可负担的经营选择。

AI还在帮助商家发现蓝海。品牌新力WIN捕捉了亿级消费意图，拓展出85条新趋势赛道，平均转化效率提升30%。自然堂所切入的“韧肌抗老”正是其中之一。

对于自然堂这样的成熟品牌而言，AI在帮助它进一步放大长板;而对更多中小商家和新品牌来说，AI万相也可以补齐短板，让创新成为一种更具确定性的经营选择。

从帮助商家获得更多曝光，到帮助商家发现机会、创造需求、实现增长，AI开始成为新的经营基础设施。

阿里妈妈曾提出AI万相的长期愿景是“重塑电商经营范式”——从多平台、多工具、多计划的复杂操作，向自然语言交互、AI自主推理的简化模式演进。今年618的实战，正是这一愿景的第一次大规模检验。而检验的结果，已经在自然堂等众多品牌身上得到了有力印证。