中国 AI 的三条商业化路径：阿里、腾讯与美团

大模型能力的进步，让越来越多企业开始思考如何把 AI 放进真实业务。模型与算力的竞争仍在继续，场景、数据和执行能力也在影响商业化结果。

阿里、腾讯与美团提供了三个值得比较的观察样本：基础设施、生态连接与生活服务。本文用这三条路径分析机会，不把它们视为中国 AI 市场已经形成的全部格局，也不预设最终胜者。

商业化的关键，是把可用能力组织成用户愿意持续使用、企业能够持续交付的服务。 场景资源提供起点，最终结果仍取决于产品与执行。

三条路径，各自从什么地方开始

下表是基于既有业务结构的分析视角，不是对公司全部 AI 业务的分类。

这些能力存在交叉。阿里不只有基础设施，腾讯不只有用户关系，美团也需要模型与计算能力。百度、字节跳动、小米和其他参与者同样拥有各自的产品与场景，不能通过把它们概括为“缺少现实连接”来证明三家公司胜出。

以阿里为例，Qwen3 的发布提供了模型能力与多语言支持的具体证据，但模型可获得并不意味着每个企业应用已经完成部署或取得收益。还需要数据接入、系统集成与业务验证。Qwen3 官方介绍。

生活服务的特点是，用户需求往往可以连接到明确的供给和履约结果。餐品是否送到、预约是否成立，比一段回答是否“有帮助”更容易形成操作层面的反馈。

这为生活智能体提供了机会。用户表达“晚点到家，想吃清淡一点”，系统可以协助澄清时间、预算和偏好，筛选可履约方案，再由用户按授权范围确认执行。

但这条链条不能省略中间条件：

美团已有的供给与履约网络，可以为这类任务提供基础；是否转化为更好的体验，则要由任务结果证明。平台每天发生的交易，也不能全部称为多智能体强化学习实验：推荐、调度、规则和人工运营可能共同参与，具体机制需要按系统核对。

交易与履约数据能够帮助系统发现建议是否可执行、哪里发生失败。但“有反馈”与“能够学习”之间，还需要数据质量、评价方法和更新流程。

一次订单完成，可能来自原有购买意愿，也可能受到价格补贴或促销影响。不能把所有经 AI 入口完成的 GMV 都视为 AI 创造的增量，更不能直接当成利润。

对生活智能体，可以同时观察任务完成率、履约异常、取消退款、用户重复使用与服务成本。若要判断增量效果，还需合理的对照或其他适用的因果评估方法。

因此，场景壁垒不是“拥有数据所以必然领先”，而是能否持续把有效反馈转化为更可靠的服务。数据是否被授权使用、是否跨业务共享，也不能由技术可连接性直接决定。

当用户让助手筛选商品或安排服务时，推荐可以进入任务流程，营销方式也会变化。但传统营销本来就关注转化；AIDA 的 Action 本身包含行动，不能把它简化为只争夺注意力。

值得研究的新问题是：当 Agent 参与筛选，商家如何让产品信息可理解、可比较、可执行？价格、库存、服务范围和履约能力，可能比单纯的宣传语更影响能否进入候选方案。

这一变化也增加了责任。付费推荐应与用户利益和披露要求相协调，自动化不能成为隐藏广告关系的理由。任务完成和商业变现可以相互支持，也可能发生冲突，需要产品机制处理。

这是一条可能的发展方向，而不是已经建立的统一“行为经济”模型。不同品类、平台与用户习惯，会形成不同的服务和计费方式。

行业叙事容易跳过经营过程，直接给出估值结论。更稳妥的分析应先检查能力是否进入收入、成本和用户行为。

没有估值模型、基准和时间点，就不能说某家公司已经被市场定价了 60%，另一家不足 20%。同样，基础设施、应用和履约能力可以并行发展，不必按预设年份依次兑现。

我看好场景与执行能力在 AI 商业化中的作用，尤其关注生活服务能够连接真实结果的特点。但“值得关注”与“必然获得最大收益”之间，还有产品、成本、竞争与价格需要检验。

三家公司展示的启示，是已有业务资源可以成为不同的起点。能否长期形成优势，要看它们如何把模型进步、业务知识和服务执行组织起来，持续解决用户的问题。