CEO Meituan Wang Xing: Dampak AI Agent Lebih Besar bagi Saya Dibandingkan ChatGPT

marsbitDipublikasikan tanggal 2026-03-13Terakhir diperbarui pada 2026-03-13

Abstrak

Dalam komunikasi internal pada 13 Maret 2026, CEO Meituan Wang Xing menyatakan bahwa dampak transformasi AI jauh melampaui pengaruh internet secara keseluruhan. Ia mengibaratkan AI sebagai "monyet" dan internet sebagai "bunga", menekankan keunggulan AI dalam skala dan dampaknya. Wang Xing mengungkapkan bahwa AI Agent memberinya dampak yang lebih besar daripada ChatGPT. Ia yakin AI tidak hanya menciptakan produktivitas yang lebih tinggi tetapi juga mengubah pola organisasi dan kerja. Digitalisasi dunia fisik menjadi fondasi penting AI, karena model AI cerdas masih memiliki keterbatasan akses informasi dalam aplikasi praktis. Untuk merespons perubahan ini, Meituan telah meluncurkan beberapa aplikasi AI, mengembangkan model besar secara mandiri, dan berencana meningkatkan investasi dalam infrastruktur informasi nyata pada 2025. Produk pencarian AI "Wen Xiao Tuan" diluncurkan selama Tahun Baru Imlek untuk meningkatkan pengalaman layanan pengguna.

Pada rapat komunikasi manajemen 13 Maret 2026, CEO Meituan Wang Xing berbagi pandangannya tentang perkembangan kecerdasan buatan (AI). Ia menekankan bahwa transformasi AI akan jauh melampaui dampak seluruh internet. Ia secara gamblang membandingkan internet seluler dengan internet tradisional sebagai "mawar dan peony", sementara hubungan AI dengan internet ia ibaratkan sebagai "monyet dan bunga", menekankan bahwa AI memiliki keunggulan yang lebih besar dalam skala dan pengaruhnya.

Wang Xing menyatakan bahwa dalam menghadapi gelombang AI, perusahaan dan individu harus secara aktif merangkul perubahan ini. Ia percaya bahwa dampak AI Agent baginya lebih mendalam daripada ChatGPT. Wang Xing menyebutkan, setelah mengalami transformasi dari internet ke internet seluler, ia yakin perubahan yang dibawa AI akan jauh lebih besar, tidak hanya menciptakan produktivitas yang lebih tinggi, tetapi juga mempengaruhi pola organisasi dan kerja secara mendalam.

Ia menekankan bahwa digitalisasi dunia fisik adalah fondasi penting AI. Meskipun model AI berskala besar saat ini semakin cerdas, dalam penerapan praktis masih terdapat keterbatasan dalam memperoleh informasi. Sebagai contoh, bahkan jika Einstein menjadi sekretaris, saat memesan makanan mungkin tidak tahu apakah ada kursi kosong di restoran, ini bukan masalah kecerdasan, tetapi masalah informasi.

Untuk beradaptasi dengan perubahan ini, Meituan telah meluncurkan beberapa aplikasi AI dan mengembangkan model berskala besar secara mandiri. Wang Xing mengungkapkan bahwa pada tahun 2025 Meituan akan meningkatkan investasi dalam infrastruktur informasi nyata. Pada periode Tahun Baru Imlek tahun ini, Meituan meluncurkan produk pencarian AI bernama "Wen Xiao Tuan" yang bertujuan meningkatkan pengalaman layanan pengguna.

Pertanyaan Terkait

QApa yang CEO Meituan Wang Xing katakan tentang dampak AI Agent dibandingkan ChatGPT?

ACEO Meituan Wang Xing menyatakan bahwa dampak AI Agent terhadapnya jauh lebih besar daripada ChatGPT. Dia percaya bahwa perubahan yang dibawa AI akan sangat besar, tidak hanya menciptakan produktivitas yang lebih tinggi tetapi juga mempengaruhi organisasi dan model kerja secara mendalam.

QBagaimana Wang Xing membandingkan hubungan antara AI dan internet?

AWang Xing membandingkan hubungan antara AI dan internet sebagai 'monyet dan bunga', menekankan bahwa AI memiliki keunggulan yang lebih besar dalam skala dan pengaruh dibandingkan dengan internet.

QMengapa Wang Xing menekankan pentingnya digitalisasi dunia fisik untuk AI?

AWang Xing menekankan bahwa digitalisasi dunia fisik adalah dasar penting bagi AI karena meskipun model AI besar semakin cerdas, dalam aplikasi praktis masih ada batasan dalam memperoleh informasi. Tanpa informasi yang akurat dan real-time, bahkan kecerdasan tinggi tidak dapat menyelesaikan masalah tertentu, seperti mengetahui ketersediaan kursi di restoran.

QApa yang telah dilakukan Meituan untuk beradaptasi dengan perubahan AI?

AMeituan telah meluncurkan beberapa aplikasi AI, mengembangkan model besar secara mandiri, dan berencana meningkatkan investasi dalam infrastruktur informasi nyata pada tahun 2025. Selama periode Tahun Baru Imlek, mereka juga meluncurkan produk pencarian AI bernama 'Ask Xiaotuan' untuk meningkatkan pengalaman layanan pengguna.

QApa contoh yang diberikan Wang Xing untuk menggambarkan keterbatasan informasi dalam aplikasi AI?

AWang Xing memberikan contoh bahwa bahkan jika Einstein menjadi sekretaris, dia mungkin tidak tahu apakah restoran memiliki kursi saat memesan makanan. Ini bukan masalah kecerdasan, tetapi masalah informasi, yang menunjukkan pentingnya akses ke informasi real-time dan akurat.

Bacaan Terkait

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit45m yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit45m yang lalu

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

OpenAI tidak lagi mengandalkan model termahal untuk menghasilkan uang. Pada 30 Juli, perusahaan mengumumkan penyesuaian harga, menurunkan harga model GPT-5.6 Luna sebesar 80% dan Terra sebesar 20%. Yang lebih penting dari angka penurunan harga adalah pesan intinya: untuk banyak tugas, model terkuat (seperti Sol) tidak selalu diperlukan. OpenAI secara eksplisit merekomendasikan strategi di mana model mahal (Sol) menangani perencanaan dan analisis kompleks, sementara model yang lebih terjangkau (Luna) mengeksekusi tugas, menulis kode, dan menjalankan pengujian. Pergeseran ini mencerminkan perubahan industri AI dari hanya mengejar kecerdasan tertinggi menuju optimisasi biaya dan efisiensi untuk penggunaan skala besar. Anthropic juga mengikuti pola serupa dengan meluncurkan Claude Opus 5 dengan harga setengah dari model andalannya, Fable 5. Kedua raksasa Silicon Valley ini menunjukkan bahwa model flagship kini berfungsi lebih untuk nilai merek dan pembuktian teknologi, sementara model "kendaraan massal" yang lebih murah (seperti Luna, Terra, Opus) yang akan mendorong adopsi komersial luas dan menghasilkan pendapatan utama. OpenAI mengungkapkan bahwa penurunan biaya ini sebagian didorong oleh model AI (Sol) yang mengoptimalkan kode produksi dan alur kerjanya sendiri, menciptakan siklus peningkatan efisiensi yang dapat mempercepat penurunan biaya di masa depan. Intinya, kompetisi AI bergeser dari "siapa yang paling pintar" menjadi "mana yang paling bernilai". Perusahaan tidak lagi membeli satu model tunggal, tetapi merancang sistem dengan beberapa model yang cocok untuk tugas yang berbeda—mirip dengan arsitektur komputasi awan. Tujuan akhir OpenAI adalah membangun ekosistem yang mengunci alur kerja pengembang melalui volume panggilan API yang sangat besar dan biaya yang sangat rendah, sehingga menciptakan daya tarik yang kuat. Ketika AI menjadi murah dan tersebar luas seperti listrik, tertanam dalam setiap proses tanpa diperdebatkan, era sesungguhnya baru dimulai.

marsbit2j yang lalu

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

marsbit2j yang lalu

Trading

Spot
活动图片