這一年，AI Agent 的熱度一路走高。

從大洋彼岸的 OpenAI、谷歌等 AI 巨頭，到國內(nèi)的各類創(chuàng)業(yè)公司，大家都在摸索如何讓 AI 真正幫人干活。相比需要學(xué)習(xí)復(fù)雜操作的傳統(tǒng)應(yīng)用，Agent 的最大魅力就在于無界面交互，只需一句自然語言指令，就能觸發(fā)一整套自動化行動。

在這股浪潮中，美團(tuán)也交出了自己的答卷。9 月 12 日，美團(tuán)首個 AI Agent 產(chǎn)品「小美」正式開啟公測。

與外賣 App 不同，小美沒有繁雜的界面，只需說一句話，它就能幫你點咖啡、找餐廳，甚至為你規(guī)劃好一整周的早餐菜單。

更重要的是，它還能持續(xù)學(xué)習(xí)你的口味偏好，為老人、小孩等特定人群提供更貼心的方案。

我們第一時間拿到了內(nèi)測碼，接下來就奉上一手實測，看看美團(tuán)首個 AI Agent「小美」的體驗究竟如何。

一手體驗

點餐這事兒，大家都再熟悉不過了。

打開美團(tuán) App，進(jìn)入外賣頁面，搜個關(guān)鍵詞，瀏覽商家列表，再點進(jìn)具體餐廳看菜單，挑菜、加購、確認(rèn)配送地址、支付…… 一頓操作下來，至少要跑完六七個步驟。雖然我們對此已習(xí)以為常，但整個流程依然耗費不少精力。

而到了「小美」這里，這個鏈路就被大大簡化了。

就以點咖啡為例。當(dāng)我們正馬不停蹄沖向公司，或者在會議間隙，抑或是著急碼字沒時間打開 App 操作下單時，只需對小美語音輸入提示詞：我對咖啡因過敏，幫我找一家離我最近的瑞幸咖啡，點一杯飲品，不要咖啡。

「小美」會通過后臺分析定位用戶所在位置，獲取符合條件的外賣門店，最終為我們推薦了樓下瑞幸咖啡店的檸檬茶。

點擊「修改訂單」按鈕，我們便可以修改配送地址、添加備注，甚至調(diào)整茶飲的溫度和糖度等。如果我們還想加單，選擇「繼續(xù)添加商品」即可。

搞定上述一切后，戳右下角的 OK，就進(jìn)入支付界面。

整個操作絲滑流暢，它能根據(jù)用戶的口味偏好和地理位置，實現(xiàn)從選品到支付的全自動操作，相當(dāng)省時省力。

每天吃啥是個世紀(jì)難題，現(xiàn)在對著小美下個模糊指令：中午不知道吃什么，幫我隨便點個減脂餐。

基于這一指令，小美會先進(jìn)行深度思考，分析用戶減脂需求核心指標(biāo)，篩選低升糖、高蛋白餐品組合，再評估配送時效與餐品保鮮度、對比用戶歷史訂單偏好。綜合以上各種要素，列出了三種減脂餐選項。

每種減脂餐都顯示了價格、食材、門店、評分、送達(dá)時間、起送價以及精美的圖片，看哪個順眼直接選，小美馬上給出配送訂單，檢查信息無誤后即可支付。

小美還有推薦、預(yù)訂功能。比如設(shè)定一個場景：周一我要去青島嶗山，讓它幫我在石老人浴場附近推薦并預(yù)訂一個品牌連鎖酒店的大床房，價格在每晚 500 元以內(nèi)。

領(lǐng)到任務(wù)后，小美在目標(biāo)地點附近搜羅了一圈，找到三家酒店，分別是最近距離的如家、性價比之選的漢庭以及品質(zhì)優(yōu)選全季酒店。推薦的每家酒店都標(biāo)注了與石老人浴場的距離，入住與退房時間和各個房型的圖片。

我們選擇其中一家酒店并提出更多要求，比如窗子朝南的大床房，小美會查看酒店信息以及網(wǎng)友評論，在預(yù)算內(nèi)給出更多選擇，并溫馨提醒可以和前臺說明想要朝南的房間。

我們又讓小美推薦個望京小街附近適合散步的地方。它的思路非常清晰，通過分析用戶的核心需求，篩選出公園、林蔭道等多種場所，還評估安全因素如是否有照明、監(jiān)控、人流量情況，以及是否有座椅、廁所、飲水點等便利設(shè)施，最后結(jié)合實時天氣推薦遮陽或避雨路線。

經(jīng)過多番考量，小美挑選了距離最近、有文藝氛圍、綜合體驗高的三處公園，在我們做出選擇后，它就開始介紹大望京公園的概況以及當(dāng)前的天氣、人流量，并給出相應(yīng)建議，甚至它還能提供導(dǎo)航路線圖。

此外，它還能主動規(guī)劃好一周早餐，并設(shè)置智能計劃。比如我們讓它規(guī)劃下周工作日的早餐，8 點送到公司樓下外賣柜，并列出每天早餐分別訂的哪家的什么餐食。

小美可以識別我們的規(guī)律性習(xí)慣，訂哪家餐廳的哪個餐食整得明明白白，還能在關(guān)鍵時間點如每周開始前，主動觸達(dá)用戶進(jìn)行確認(rèn)，大大提升了我們處理周期性或規(guī)律性事務(wù)的效率。

一言以蔽之，小美通過簡化傳統(tǒng)點餐流程，利用語音指令和智能推薦，能夠根據(jù)用戶需求快速找到合適的餐品，并自動完成下單，大大提升了用戶點餐效率和個性化體驗。不僅如此，小美還具備跨場景服務(wù)能力，例如酒店預(yù)訂和出行推薦。

不過小美在一些方面仍有待改進(jìn)。比如在點外賣時，它可以自動使用我們在美團(tuán) App 上已領(lǐng)取過的優(yōu)惠券或紅包，但目前暫未上線自動膨脹功能，據(jù)了解開發(fā)團(tuán)隊正在全力優(yōu)化。

再者使用場景也相對局限，尚無法處理如電影票訂購、安排一次周末家庭聚會等復(fù)雜模糊的需求。此外，盡管用戶可通過語音與小美進(jìn)行互動，但小美還無法進(jìn)行語音回復(fù)，在一定程度上影響了對話體驗的流暢性。

未來，小美或許應(yīng)在個性化和主動服務(wù)能力上進(jìn)行優(yōu)化，進(jìn)一步提升處理更復(fù)雜和模糊需求的能力，同時改進(jìn)對話的自然流暢度，使其與用戶的互動更加接近真實對話。

技術(shù)解讀

AI Agent 在多個行業(yè)的應(yīng)用中都面臨著不同的技術(shù)難題。

金融行業(yè)要求模型具備對復(fù)雜數(shù)據(jù)的高精度分析能力，醫(yī)療行業(yè)需要 AI 在專業(yè)性和安全性上經(jīng)得起考驗，教育行業(yè)則強調(diào)持續(xù)的個性化反饋和學(xué)習(xí)規(guī)劃。

相比之下，本地生活領(lǐng)域的挑戰(zhàn)在于用戶需求極度碎片化、實時性要求高、商戶數(shù)據(jù)龐大且更新頻繁，這讓 AI Agent 的落地始終充滿不確定性。

小美之所以能夠快速、穩(wěn)定地處理各種本地生活需求，自然離不開美團(tuán)自研的 Longcat 模型。

作為一款 MoE 模型，Longcat 總參數(shù)量達(dá)到 5600 億，能根據(jù)任務(wù)動態(tài)激活 186 億至 313 億個參數(shù)，平均約 270 億，這意味著它能在保持大模型表現(xiàn)力的同時，推理效率更高，計算成本更低。更重要的是，它并非單純的通用模型，而是結(jié)合了本地生活場景的數(shù)據(jù)進(jìn)行專項優(yōu)化，因而能夠更精準(zhǔn)地理解用戶需求，并生成貼合場景的個性化響應(yīng)。

落到用戶體驗上，小美帶來的最大改變是交互路徑被極度簡化。用戶無需面對復(fù)雜的界面或多層級的選擇，只要一句自然語言指令就能直達(dá)結(jié)果。這種絲滑感的背后，依賴的是美團(tuán)內(nèi)部接口調(diào)用能力，省去了中間層的冗余步驟，讓服務(wù)過程保持最原生的狀態(tài)。

舉個例子。當(dāng)用戶通過小美點餐時，它并不是進(jìn)行一次模糊搜索，而是基于海量商家數(shù)據(jù)與用戶偏好進(jìn)行深度匹配，從而保證推薦結(jié)果的準(zhǔn)確性和個性化。再比如餐廳預(yù)定，小美直接調(diào)用美團(tuán)的內(nèi)嵌系統(tǒng)獲取實時信息，避免了用戶反復(fù)確認(rèn)的麻煩，體驗上的即時性和便捷性更為突出。

支撐這一切的核心，是美團(tuán)長期積累的本地生活垂直數(shù)據(jù)。與金融或醫(yī)療等行業(yè)的 AI Agent 更多依賴高專業(yè)度的數(shù)據(jù)集不同，本地生活場景需要應(yīng)對的是動態(tài)更新的商戶信息、用戶口味的細(xì)分差異以及地域化消費習(xí)慣。正是這些真實而龐雜的數(shù)據(jù)，為小美提供了最真實、最準(zhǔn)確的商家和行業(yè)畫像，也讓推薦和執(zhí)行更加可信和高效。

當(dāng)然，本地生活行業(yè)的復(fù)雜性也決定了 AI Agent 的落地不會一蹴而就。

小美雖然已經(jīng)展示出令人期待的能力，但仍處在快速迭代中。研發(fā)周期短帶來了敏捷上線的優(yōu)勢，也意味著產(chǎn)品還處在不斷試探與成長的階段。用戶在體驗過程中可能會遇到個別場景覆蓋不足或響應(yīng)策略有待優(yōu)化的情況，這是行業(yè)特性所決定的必然現(xiàn)象。

結(jié)語

「小美」的推出，是美團(tuán)在 AI Agent 賽道上的一次戰(zhàn)略性落子。

與單純的聊天機器人不同，它更強調(diào)能把事辦好的執(zhí)行力，試圖把龐大的本地生活服務(wù)網(wǎng)絡(luò)與新一代智能體形態(tài)結(jié)合起來。這種模式背后，是美團(tuán)希望通過技術(shù)重構(gòu)服務(wù)觸點，讓 AI 成為消費者與城市生活之間的智能接口。

「小美」的愿景是成為「每個人都能擁有的生活小秘書」，這一定位既凸顯了產(chǎn)品差異化，也釋放出一個信號：AI Agent 的價值，不在于陪伴對話，而在于深度嵌入現(xiàn)實生活、提升服務(wù)效率。它能否跑通商業(yè)模式、贏得用戶習(xí)慣，還有待時間檢驗，但其戰(zhàn)略意義已然顯現(xiàn)。

放眼整個行業(yè)，AI Agent 正處于應(yīng)用落地的關(guān)鍵窗口期。

前段時間，CB Insights 發(fā)布了《Top 20 AI Agent Startups by Revenue》榜單，首次按照年收入規(guī)模評選出全球營收表現(xiàn)最突出的 AI Agent 初創(chuàng)企業(yè)。

榜單顯示，截至 2025 年 7 月，進(jìn)入前 20 的公司平均成立時間不足 5 年，其中一半成立于近三年，但營收表現(xiàn)十分亮眼。頭部企業(yè)如 Cursor 年營收已達(dá) 5 億美元，Glean、Mercor、Replit 等也都突破 1 億美元。整體市場預(yù)計到 2025 年底將達(dá)到 130 億美元，較 2024 年幾乎翻番。

我們從中也可以看到，海外 AI Agent 創(chuàng)業(yè)公司更多聚焦在效率與生產(chǎn)力提升上，而國內(nèi)則更強調(diào)消費與生活場景。

未來，誰能率先打造出真正「有用、可依賴」的智能體，誰就有可能定義下一代超級入口。在這一進(jìn)程中，「小美」無疑是一場具有實驗性質(zhì)的探索。