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

TechFlow Intelijen: Saham Chip Kehilangan Triliunan Dolar dalam Satu Hari, Bitcoin Jatuh di Bawah $60.000, Konflik AS-Iran Meningkat

Teknologi & Keuangan Berguncang: Data Non-Farm AS Hantam Pasar, Ketegangan AS-Iran Meningkat Pasar keuangan global diterpa badai pada hari Jumat. Indeks semiconductor Philadelphia (SOXX) anjlok 10%, menghapus lebih dari satu triliun dolar AS dalam satu hari, dengan saham chip seperti Marvell dan AMD terpuruk. Bitcoin juga jatuh di bawah US$60.000, menyentuh level oversold terparah sejak Maret 2020. Pemicu utama adalah data lapangan kerja AS (non-farm payrolls) Mei yang melonjak menjadi 172 ribu, hampir dua kali lipat dari perkiraan. Ini memadamkan harapan pasar akan pemotongan suku bunga oleh The Fed dan mendorong imbal hasil obligasi AS melonjak. Nasdaq merosot lebih dari 4%. Sementara itu, ketegangan geopolitik memanas. AS mencegat rudal dan drone Iran yang menargetkan Bahrain dan Kuwait, lalu membalas dengan menyerang dua stasiun radar Iran. Selat Hormuz tetap terhambat, meningkatkan risiko gangguan pasokan minyak dan inflasi. Di balik data lapangan kerja yang kuat, para CEO perusahaan konsumen seperti Kraft dan McDonald's memperingatkan bahwa konsumen AS mulai kehabisan tabungan, menimbulkan pertanyaan tentang kekuatan ekonomi riil. Di sektor teknologi, diskusi utama terkait AI. Laporan internal Anthropic memperingatkan tentang kemungkinan "peningkatan diri secara rekursif" (RSI) pada AI. Sementara itu, komunitas pengembang memperdebatkan kode bug yang diperkenalkan oleh Claude ke dalam basis kode rsync, mempertanyakan keandalan alat coding AI. Di sisi lain, DeepSeek V4 Flash mendapat pujian untuk kinerja lokalnya, dan GitHub Copilot kini mendukung endpoint kustom untuk model lokal. Intinya, pasar sedang menyesuaikan harga untuk lingkungan makro yang sulit: tekanan inflasi yang potensial dari geopolitik, kebijakan moneter The Fed yang ketat, dan sinyal yang bertentangan tentang kesehatan ekonomi konsumen AS.

marsbit2j yang lalu

TechFlow Intelijen: Saham Chip Kehilangan Triliunan Dolar dalam Satu Hari, Bitcoin Jatuh di Bawah $60.000, Konflik AS-Iran Meningkat

marsbit2j yang lalu

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

Selama setahun terakhir, penulis berfokus membangun infrastruktur untuk ekonomi *agent*, berinteraksi dengan perusahaan seperti Stripe, Visa, dan startup lainnya. Kesimpulan utamanya: belum ada permintaan riil yang matang, dan startup menghadapi banyak tantangan struktural. **Data Realitas:** Stripe melaporkan sedikit transaksi *agent* aktif. Visa menyebutkan proses KYC yang panjang dan batas pendapatan tinggi untuk token pembayaran *agent*. Analisis Coinbase menunjukkan volume transaksi harian *agent* di blockchain masih sangat kecil, sebagian besar adalah transaksi uji coba. **Tantangan di Berbagai Sektor:** 1. **Agent untuk Merchant (E-commerce):** Pengalaman belanja via chatbot seringkali lebih buruk daripada antarmuka visual tradisional. Kebutuhan merchant saat ini bersifat defensif (optimasi untuk *agent*), bukan karena permintaan konsumen yang nyata. Celah potensial ada pada pembelian rutin (seperti pesan makanan) atau situs dengan UI rumit, tetapi butuh distribusi B2C skala besar yang dikuasai raksasa seperti Amazon. 2. **Agent untuk API:** Developer sudah memiliki metode pembayaran yang mapan (kunci API, saldo prabayar) untuk akses layanan komputasi dan data. Pasar untuk transaksi mikro bersifat *long-tail* namun relatif kecil. Penyedia SaaS besar cenderung mempertahankan model kontrak bisnis mereka. 3. **Agent untuk Agent:** Visi jangka panjang ini masih teoritis dengan volume transaksi nyata yang hampir nihil. Butuh infrastruktur penyelesaian khusus untuk transaksi antar-mesin yang cepat dan kompleks. 4. **Agent untuk Keuangan:** Ini adalah kategori dengan permintaan dan kemauan bayar yang sudah ada. Integrasi AI ke alur kerja keuangan tradisional atau DeFi merupakan evolusi alami, meski persaingan dengan lembaga mapan sangat ketat. **Inti Permasalahan:** Banyak yang membangun infrastruktur pembayaran untuk *agent*, tetapi masalah sebenarnya bukan pada transfer dana. Tantangan utamanya adalah **koordinasi** antara *agent* dan manusia—memverifikasi kerja dan menyelesaikan hasil. Penyelesaian (settlement) dan pembayaran (payment) hanyalah bagian dari masalah koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi akan mendominasi. Perusahaan besar membangun untuk bertahan dari masa depan transaksi mesin skala besar. Namun, startup harus menemukan pasar yang benar-benar aktif *sekarang*, yang mungkin berada di luar empat kategori utama ini.

marsbit2j yang lalu

Saya Butuh Setahun untuk Menyadari Kebenaran yang Menyakitkan tentang Pembayaran Agent

marsbit2j yang lalu

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

Selama setahun terakhir, penulis telah membangun infrastruktur untuk ekonomi Agen, berinteraksi dengan perusahaan besar seperti Stripe, Visa, Coinbase, Google, dan puluhan startup. Temuan utamanya adalah bahwa belum ada permintaan nyata untuk pembayaran berbasis Agen, dan startup menghadapi banyak tantangan struktural. Analisis terhadap empat kategori utama menunjukkan: 1. **Agen ke Merchant**: Pengalaman belanja melalui chat seringkali lebih buruk daripada antarmuka e-commerce visual tradisional untuk kebanyakan produk. Permintaan dari merchant saat ini bersifat defensif (AEO) dan bukan kebutuhan mendesak. Pengecualian mungkin ada untuk pembelian rutin seperti pesan makanan, tetapi hambatan distribusi B2C sangat besar. 2. **Agen ke API**: Pengembang sudah memiliki solusi pembayaran yang berfungsi untuk penggunaan API (misalnya, isi ulang saldo). Penyedia SaaS besar cenderung menolak model mikro-pembayaran yang mengganggu bisnis inti mereka. Peluang ada di pasar ekor panjang, tetapi skalanya terbatas. 3. **Agen ke Agen**: Ini adalah visi jangka panjang dengan volume transaksi nyata yang hampir nol saat ini. Jika terwujud, akan membutuhkan infrastruktur penyelesaian khusus yang sangat berbeda dari sistem pembayaran saat ini. 4. **Agen ke Keuangan**: Ini adalah satu-satunya kategori dengan permintaan yang sudah mapan dan pelanggan yang mau membayar, baik untuk otomatisasi alur kerja maupun kemampuan baru. Namun, persaingan dari perusahaan mapan yang sudah memiliki lisensi dan hubungan klien sangat ketat. Kesimpulannya, perusahaan besar membangun infrastruktur pembayaran Agen sebagai taruhan defensif jangka panjang. Namun, bagi startup, peluang nyata saat ini tidak terletak pada lapisan pembayaran itu sendiri. Masalah intinya adalah **koordinasi** antara Agen dan manusia (memverifikasi pekerjaan dan menyelesaikan hasil). Penyelesaian dan pembayaran hanyalah bagian dari puzzle koordinasi yang lebih besar. Perusahaan yang memecahkan masalah koordinasi skala besar akan mendominasi, bukan sebaliknya.

链捕手3j yang lalu

Butuh Satu Tahun untuk Menyadari Kebenaran Pahit tentang Pembayaran Agent

链捕手3j yang lalu

Trading

Spot
Futures
活动图片