首页→ 公司动态→ AICX 智库→
标准与报告→ AICX 图书→ AICX 洞察→
培训业务→
年度会员→ 入企培训→ 落地工坊→ 公开课→
咨询业务→
咨询产品→ 原创方法论→ AI 产品与工具→
客户案例→
培训案例→ 咨询案例→ 客户名录→
同辉 Skill→ 关于我们→
公司简介→ 创始团队→ AI 原生实践→
联系我们→
AICX 智库
把前沿研究,沉淀为服务企业的能力

聚焦 AI 行业标准建设、专业书籍出版、行业洞察、原创方法论沉淀,把对 AI 的趋势判断与实践经验,转化为企业看得懂、学得会、用得上的标准、方法和工具。

首页/ AICX 智库/ 美团千万AI账单,买了很贵的一堂课
AICX 洞察 2026.08.24

美团千万AI账单,买了很贵的一堂课

AI落地
美团千万AI账单,买了很贵的一堂课
作者
叶涛
栏目
案例拆解

就在最近,美团核心本地商业CEO王莆中复盘美团内部AI变革时自爆:2026年2月至3月,美团曾启动全员养虾运动。结果是账单暴涨,每日消耗上千万元,同时养虾产生的谬误还干扰了真实经营。

日耗上千万元。

这是美团一度交出的AI账单。

就在最近,美团核心本地商业CEO王莆中复盘美团内部AI变革时自爆:2026年2月至3月,美团曾启动全员养虾运动。结果是账单暴涨,每日消耗上千万元,同时养虾产生的谬误还干扰了真实经营。

看到这里,很多人都开始起哄了:

美团开始反思了,养虾运动是错误。

AI又烧钱真厉害,美团这样的大厂也扛不住了。

AI就是花拳绣腿,在企业果然用不成。

光看到事件的这一段,就下结论,未免太草率。

这笔钱,不能算花得值当;但对美团这样的大公司,也不算一笔冤枉钱。

美团买到的,是一堂很贵、但很多企业早晚都要上的课:

企业AI转型,最先要解决的,不是技术问题,而是组织有没有学会和AI一起工作。

当然,我不建议任何企业照抄美团的养虾做法。无边界使用、无限制消耗、没有统一治理的全员试用,不是AI转型,而是成本失控。

但美团后来做的事,值得对标学习。

4月,美团开始在各事业部成立AI组织。6月至7月,它通过赛马机制梳理方法。到7月,AI初步在内部产品流程中跑通并产生价值。

美团技术团队披露,CatPaw已在内部覆盖9万员工,搭建3万个Agent,并在多个真实业务场景中完成验证。

这说明了一件事:

那笔千万级账单,没直接买来ROI;但它加速买来了认知、能力边界和组织问题的暴露。

而这些,恰恰是企业后面找场景、进产品、进流程、建组织、选人才的基础。

它让组织开始知道,AI能做什么,不能做什么。

它让管理者开始看到,哪些人会用AI,哪些人不会用AI。

它也让业务团队看清,哪些流程接得住AI,哪些流程还接不住AI。

企业AI转型,最贵的从来不是Token。

最贵的,是不会用。

一、企业买了AI模型和工具,却没有买到能力

很多公司今天也是这样。

老板说,要拥抱AI。

技术部门说,模型已经接进来了,workbuddy账号已经配了。

员工开始用AI写报告、写PPT、做海报、整理会议纪要。

三个月后,老板问:AI提效怎么样?

结果却发现,很多人电脑里面的AI工具,打开率越来越低,开始吃灰。

员工觉得,AI不好用,还得靠人来完成任务。

管理者发现,有了AI,员工提交上来一大堆AI成果,脱离业务实际,跟shi山一样。

问题不是AI没有价值。

问题是,企业把买工具,当成了建能力。

这两件事,差得很远。

美团对第一阶段的复盘,会是很多早鸟推AI落地的企业的真实写照:

第一阶段是今年的2月到3月,公司开启全员‘养虾运动’,但结果是账单暴涨,每日消耗上千万元,同时养虾产生的谬误干扰了真实经营。

这段话里,表面问题是Token太贵。

但更深的问题是,企业还没有准备好承接AI。

一个企业要真正把AI用起来,至少要回答几个问题。

AI能做什么,不能做什么?

哪些工作可以交给AI,哪些必须由人确认?

什么数据可以输入,什么数据不能碰?

什么样的结果才算做好?出了错,谁来兜底?

更关键的是,谁愿意把真实流程拿出来,和AI一起重做?

这些问题,模型不会替你回答。

所以,美团那次养虾暴露出来的,不只是模型幻觉,也不只是账单问题。它暴露的是一个更普遍的现实:当全员热情跑在组织能力前面时,热情就会变成噪音。

但反过来,噪音也会产生信息。

谁在高频使用?谁只是在尝鲜?哪个任务最容易出错?哪个部门最愿意尝试?哪个环节最值得流程化?

这些信息,如果不经过一次真实使用,很难在会议室里讨论出来。

所以,这笔钱的价值在于,美团用一种代价极高的方式,完成了一次组织摸底。

不值得复制。

但值得研究。

二、美团总结的四个错配

王莆中在公开演讲中提出了AI落地的四重错配:

从现状看,虽然 AI 供给丰富,但在落地方面,现阶段仅有少数企业能统计到可以测量的收益。这一问题源于四重错配:认知上,企业对 AI 要么夸大要么轻视;效率上,大模型用于日常事务而未触及核心;场景上,AI 仍游走边缘,未能融入经营核心;考核上,追求立竿见影却忽视企业内部适配程度。在王莆中看来,这四重错配叠加,导致 AI 投入难以转化为可测量的生产力增长。

王莆中认为,四重错配叠加,导致 AI 投入难以转化为可测量的生产力增长。

这四个判断我基本认同,

但我认为,最容易被误读的,是效率错配和场景错配。

AI的核心价值,不应该止步于画PPT、整理纪要、查资料、分析数据这些日常日常事务性工作,非业务核心场景的应用。

但如果一家企业的员工都没有高频地在日常工作中使用AI,管理者都不知道AI的能力边界,企业也没有人会拆人机协作流程,就直接要求AI进入供应链、生产控制、质量检验,同样是一种错配。

这是企业能力与AI能力的错配。

我认为,企业落地AI,并非场景越重越好。

先在日常工作中形成认知、使用习惯和治理边界,再把已经验证的能力推向核心业务场景,最后推进整个企业的经营重构。

三、不建议企业AI落地一上来来就找高价值场景

今天,很多人给企业讲AI,都会强调先找高价值场景。

美团的王莆中也强调,企业做AI转型,真实落地一定要从高价值场景开始,同时注意业务、组织、技术三位一体的系统性工程。

如果一家企业已经有一定基础,这确实是对的。

库存预警、生产排产、质量检测、订单审核、资质审查、客服、客户分析等都是高价值场景。

一旦跑通,也最容易产生可衡量的价值。

但这句话,误导了很多AI转型刚起步的企业,特别是中小企业。

因为它们把这句话听成了:AI转型的第一步,就是要找到一个高价值场景。

于是,大家开始开会。

有人说,AI要进供应链。

有人说,AI要做产品研发。

有人说,AI要进生产控制。

有人说,AI要做质量检验。

这些场景当然重要。

也当然更接近经营核心。

可问题是,如果你的企业连工作AI化都没有普及,员工都不知道AI工具怎么在自己的岗位工作中深度使用,也没有人知道AI项目的落地要求和实施方法,那么这个高价值场景,谁来选?谁来做?谁来为结果负责?谁来评价项目好坏?

高价值场景,不是开会选出来的。

高价值场景,是组织用出来的。

你得先有人知道AI能做什么,才能判断它在哪个环节最有用。

你得先有人在真实工作里踩过坑,才能设计人机协作的流程。

你得先建立起数据、权限和工作标准,才能让AI从一个Demo,变成一项业务能力。

所以,我的建议是:

不是所有企业都要先找高价值场景。

对AI能力几乎为零的企业,第一步应该是工作AI化。

请注意,工作AI化不是让员工无目标、无预算、无差别地随便用AI。

恰恰相反。

它应该是一场有边界的组织普及。

统一工具平台。

建立权限和安全规则。

优先覆盖使用电脑较多的岗位。

从先锋部门和先锋员工开始。

把好用的做法沉淀下来,把不好用的地方及时复盘。

大多数企业,不必从美团第一阶段的无边界试错开始。

大多数企业,应该直接从美团第二阶段的有组织的工作 AI 化开始。

四、AI转型,要分三步走,心急吃不了热豆腐

我们有一个简单好用的企业AI转型三步走的方法论。

这个方法论是我们在2024年就提出来的,没想到到当下AI办公工具成熟后被越来越多的企业所认可。

企业AI转型就像是学游泳。首先要先下水,在浅水区熟悉水性。

第一步,工作AI化

先让AI进入日常工作。

会议纪要、项目跟进、销售记录分析、客户提案、海报设计、文案生成、资料整理、简历初筛、人才画像、经营数据分析。

这些市面成熟的AI工具,例如workbuddy、千问办公都可以做。

有人会觉得,这些都是轻场景,价值不大。

我不同意。

对于大企业,轻场景会带来减员提效的价值。

对于中小企业,轻场景往往意味着把原来员工做不到、做不及时、做不专业的事情,让AI帮忙做出来了。

一个销售能更快理解客户需求。

一个运营能更早发现库存异常。

一个老板能更快看懂经营数据。

一个管理者能少花两小时写纪要和汇报材料,多花两小时推进实际业务。

这不是场景够不够高级的问题。

这是企业能不能先把AI变成日常习惯的问题。

我为为联想、华润等大型企业开展AI培训时,以及与隆基、美光等企业交流时,发现他们很早就为管理和职能岗位买了Copilot等AI工具,费用还不低。

这些投入未必一开始就进入生产控制或供应链系统。

但他们先完成了最关键的一步。

让大量员工开始在真实工作中理解AI、使用AI、判断AI。

这就是工作AI化。

第二步,业务AI化

当员工都会用AI了,企业才应该把AI推进到复杂的业务环节中。

这时,要具体化地分析,具体业务流程里,哪些环节最值得让AI参与。

订单批量审核、资质核查、库存分析与预警、销售报价、经营分析、生产排产、销售预测,都可以成为业务AI化的试点。

但这时,AI的价值就要开始被衡量。

处理时间有没有缩短?

错误率有没有下降?

客户响应有没有变快?

销售转化有没有改善?

管理者的判断质量有没有提高?

更重要的是,必须完成流程重塑。

AI做哪一步?

人做哪一步?

关键决策谁确认?

出现异常谁接手?

数据如何留痕?

结果如何复盘?

没有流程改造,AI永远只能停留在工具层。

第三步,企业AI化

企业AI化,才是最难的一步。

它不是给每个员工装一个工具。

也不是上线几十个Agent。

它意味着,AI开始进入产品、流程、组织和经营方式。

产品怎么重新设计?

流程怎么重新分工?

数据如何被治理?

什么样的人才需要被培养?

什么样的岗位需要被重构?

管理者用什么指标看AI创造的价值?

这些问题,才是企业AI转型真正的深水区。

美团复盘时得出的结论,我非常认同:

“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。”

模型很重要。

平台很重要。

技术团队也很重要。

但它们都不能替业务定义价值,不能替管理者改流程,不能替HR培养人,不能替一号位做组织选择。

五、AI价值有大小,没有高低贵贱

企业用AI,最怕一种心态。

做海报、写纪要、整理资料,不够高级。

只有进产品研发、生产控制、质量检验、供应链管理,才算真正的AI落地。

这种想法,听起来很有业务深度和战略高度。

但它很容易让企业失去行动能力。

当然,核心业务场景的价值可能更大。

但它的成本也更高。

它需要更复杂的数据治理。

更深的系统集成。

更严格的稳定性要求。

更长的改造周期。

不是每家企业,都有条件一开始就啃最硬的骨头。

而且,AI的价值并不只有一种。

它可以节省时间。

它可以减少错误。

它可以让一个普通员工,交付过去只有专业人员才能完成的初版方案。

它可以让管理者从低价值协调中抽身,把时间用在判断、沟通和决策上。

它也可以把个体经验,变成团队可复用的skill。

所以,我一直坚持:AI价值有大小,没有高低贵贱。

企业真正应该问的,不是这个场景够不够炫。

而是,它是不是真的解决了问题。

如果解决了,就值得做。

哪怕是一个小问题。

写在最后

美团最不值得学习的,是日耗千万的无边界试错。

美团最值得学习的,是撞墙之后的AI真落地。

经过第一阶段后,美团开始成立组织,梳理方法,让业务、组织、技术协同,再把跑通的能力沉淀为平台和流程。

这才是企业AI转型真正该学的地方。

不要把AI当成一个项目。

不要把AI当成一场运动。

更不要把AI当成一个马上就要交出ROI的许愿池。

把它当成一次经营体系的进化,一次组织能力的升级。

先让员工学会和AI一起工作。

再让业务学会和AI一起增长。

最后,才让企业学会用AI重新定义自己。

千万AI账单,买的不是答案。

买的是一家企业开始学会正确启动AI的姿势。

想让这套方法用在你的企业?

先用一次诊断,看清当前阶段与最优切入点。

预约沟通→