执行摘要
AI带来的年度价值,按应用场景
印度尼西亚网约车与配送 · 每年US$ m,毛值,未扣除建设成本 · 区间
来源:[Kira estimates],依据[GoTo FY2025]、[MW 2026]、[Grab Q2 2026];推算逻辑见第3章
优先支持在应用内部降本或增收的用途;凡是改变司机收入的功能,都应作为受监管产品对待,并内置申诉机制。
GoTo FY2025 = GoTo Group · GoTo Q3 2025 = GoTo Group Q3 2025 results via Marketing-Interactive (30 Oct 2025): AI and automation · MW 2026 = Momentum Works food delivery report · Grab Q2 2026 = Grab Holdings · iNews Jan 2026 = iNews · Perpres 27/2026 = Presidential Regulation 27/2026 on the platform transport ecosystem · Katadata Oct 2026 = Katadata · Kira estimates = KIRA analyst triangulation
网约车与配送处于AI暴露度最高的区间:信息密集型工作,且几乎已全部数字化
暴露度检验:工作中处理信息的比重,对比价值主张中已通过软件交付的比重。评分1-5。
印度尼西亚各行业AI暴露度
KIRA评分1-5 · 信息密集度对比价值主张的数字化比重
来源:[Kira estimates];对比行业取自KIRA针对相同市场的报告
评分偏高的原因
每笔订单都是软件。预订、匹配、定价、路线、支付和结算都在应用内完成;Grab称其模型从超过200亿次出行和订单中学习[GrabX Apr 2026]。
劳动力不在工资单上。200万至400万名司机是合作伙伴而非员工[Grab ID Feb 2026];AI改变的更多是司机收入,而非平台的工资支出。
极限在于街道。交通、降雨和上车点仍是物理世界的问题;模型能提高预判,却改变不了道路。
暴露度已接近上限,因此新进入者要回答的不是AI在这里是否重要,而是能改进这条已高度自动化链条中的哪一环。
GrabX Apr 2026 = Grab press centre · Grab ID Feb 2026 = Grab Indonesia via Bisnis and Gizmologi · Kira estimates = KIRA analyst triangulation
排序成立的三个理由
资金池已经数字化。交易总额约US$10.7 bn,各应用以收入形式留存约19%[Kira estimates][GoTo FY2025];补贴每节省1个百分点,价值约US$100 m。
领先者已深度投入。Grab运行超过1,000个模型[iNews Jan 2026];GoTo自主训练700亿参数的印尼语模型[GoTo Q3 2025]。
面向司机的决策现已受监管。订单分配、定价、补贴和封号必须公平、可解释,并提供异议渠道[Perpres 27/2026][Katadata Oct 2026]。