大众点评继续加固「真实信息」护城河

好久没搞大新闻的大众点评刚刚宣布，未来 5 年将追加至少 30 亿元，用于升级本地生活信息基建。

这个事情让我感兴趣的是，这笔投入并不是只针对国内市场，而是主要用于在全球更多区域落地信息核验能力，同时，结合美团的自研 B 端大模型，建设信息校准机制。可能有人说，在国外的大多数区域使用 Google Maps 不就行了？还真不够，以我的体验而言，Google 这些年来已经有点不思进取，这个领域依然存在大量需求没被满足，何况中国用户用国外软件多少有点水土不服，始终都有创新的空间。

在我看来，点评此举意在计划加固「真实信息」的护城河——让数以千万计的线下商家信息更加准确、及时、可验证。

对这类服务而言，信息才是基础。真正支撑用户信任的，不是已经见怪不怪的「榜单推荐」，而是能准确告诉我——那家店是否还在营业、营业时间对不对、电话能不能打得通、是否支持银联和微信支付……

让 AI 大模型输出精准决策信息的，也依赖于客观物理世界的真实信息。否则的话，就会产生所谓「幻觉」的问题。

准确及时地反映物理世界信息

就这么一个看似非常简单的需求，背后是一项极其复杂、持续投入的系统工程。

虽然此前大众点评在招聘网站招募「逛街专家」曾引起媒体关注，但在我看来，构建线下信息远不只是这么简单，那最多只能算是大众点评确保线下信息及时更新的运营策略之一。

在大众点评的数据体系中，本地生活信息基建涵盖了从信息采集、处理、校验到展示管理的完整流程，覆盖餐饮、酒店、商场、景点、公园甚至钓鱼点等数以亿计的物理世界点位。

我一直好奇点评是怎么做的，侧面了解到，要确保每一条信息的准确、及时，点评已经构建了一套「AI +人工」的多重验证机制：商家、骑手、用户 UGC 挖掘、AI 校准等多渠道信息采集、利用自研大模型进行智能校验、人工复核抽检，再加上团购、SaaS 等生态内的数据联动反馈。

说起来似乎平平无奇，但要做到每条信息都准确这样的目标，难度就上来了。例如，当用户在点评上看到一家餐厅的营业时间或停车信息时，这些数据可能已经过算法校准 + 骑手核实 + 商家自报 + 用户反馈多重验证。

这么多年下来，大众点评平台已经积累了海量数据，用户评价信息数以百亿计，上传了数亿张图片以及视频。这意味着，点评技术团队每天都在校准核验这个庞大的「物理世界影像数据库」。

这场信息更新的长期竞赛，从早期的扫街录入、UGC，再到如今的 AI 大模型加持，点评已持续二十年。日复一日确保信息真实，才是点评的核心竞争力。

当用户反复体验到一个平台的信息的准确可靠时，认知就会固化为一种使用依赖。用户决策的第一步，是物理客观信息准确、及时，然后才是网友评价，最后才是榜单。这也是点评多年来一直是我的常用 App 的原因。我也会用其他工具查询线下信息，但总要打开点评看一下。我想，不少网友也是类似用法。

用户信任源于信息准确。这种信任一旦形成，便极难被替代。因为不是广告砸出来的流量，而是日复一日验证出来的可靠性资产。

道理很简单，补贴能买来一次交易，但买不来信任；榜单能带来流量，但留不住信任。真正能留住用户的，是客观信息的真实。

在互联网早期，平台竞争靠的或许是补贴和流量。但在本地生活的下半场，流量红利消失，用户更看重体验的确定性。

当榜单同质化、价格战疲劳化之后，决定用户是否留下的，不是折扣，而是真实信息的稳定性。用户在面对一个陌生环境想了解一下附近有哪些店铺，最先想到的是打开点评查一下，就是因为点评的信息准确。

精准、可靠的信息能让用户决策更快、体验更顺畅，也让商家获得更高质量的客流。用户留下的真实评价又反哺平台的信息完善，形成正向循环。

这正是大众点评「信息基建」的护城河效应。

大众点评最终构建出来的会是一个全球物理世界动态黄页吗？有这种可能，以此为基础，为 AI 决策系统提供最真实的数据基座。

当越来越多的互联网平台谈论 AI、算法、模型时，大众点评选择回到最朴素的问题——真实的数据信息从哪里来？

榜单可以模仿，模型可以训练改进，但二十年如一日校准每一条物理世界的信息，才是不可复制的能力，这正是长期主义的真实体现。

这才是大众点评最深的护城河，也是它在 AI 时代重新定义本地生活竞争边界的起点。

在真实信息之上，才有信任。