美团
这可能是国内第一家公开复盘“全员养虾”失败的公司。
今年早些时候,OpenClaw 大火,不少公司喊出“全员龙虾化”,人手一只小龙虾,公司买单 token,美团就是其中之一。几个月下来,美团的“全员养虾运动”每天烧掉上千万元 AI 账单。最近的公司 AI 变革复盘 中,王莆中直言这次活动是失败的,不仅账单暴涨,还干扰了实际经营。
不得不说,美团至少很真实。
第一是玩得起:推行全员养虾,每天上千万账单还能坚持好几个月。即便方向错了,也说明愿意在 AI 改革上投入。第二是敢认错:国内很多大厂高管一旦碰上高成本的决策失误,通常不了了之,美团却能直面问题,至少在 AI 改革这件事上,理性还是大于形式与官僚主义的。
这两年美团的日子本来就不太好过。2025 年预计全年亏损 233 亿到 243 亿元,而 2024 年还有 358 亿净利润,对比之下确实像“至暗时刻”。股价从万亿市值缩水到不足 5000 亿港元,三个月跌去四分之一。
但美团养虾失败,错不在虾,也不在养,错在“全员”。
人手一只小龙虾,绝大多数人并没有拿它做实际产出,只是当成上班搭子,或者当搜索引擎用,甚至只是给周报凑字数。可是烧掉的 token 却是实打实的。
经过几个月的高昂尝试,美团逐渐看清了一些事情,随后进行核心组织架构调整,成立 AI Transformation 转型部,全面统筹面向商家的 AI 工具以及内部核心业务流程整改,例如骑手调度与路径规划、补贴策略优化、用户推荐算法升级。这个思路更务实,更容易看清投入产出比,比“全员养虾、日耗千万”的做法要可靠得多。
这场昂贵试错之后,美团还能不能保住一线大厂的位置?值得继续观察。
不过看热闹之余,不妨回到技术本身。下面整理一道与函数调用栈相关的经典题。
题目描述
平台:LeetCode
题号:636
有一个单线程 CPU 正在运行一个含有 n 道函数的程序。每道函数都有一个位于 0 和 n-1 之间的唯一标识符。
函数调用存储在一个调用栈上:当一个函数调用开始时,它的标识符推入栈中;当函数调用结束时,它的标识符从栈中弹出。位于栈顶的函数是当前正在执行的函数。每当一个函数开始或结束时,都会记录一条日志,包括函数标识符、是开始还是结束、以及相应的时间戳。
给你一个由日志组成的列表 logs,其中 logs[i] 表示第 i 条日志消息,该消息是按 "{function_id}:{"start" | "end"}:{timestamp}" 格式化的字符串。
例如,"0:start:3" 表示标识符为 0 的函数调用在时间戳 3 的起始开始执行;而 "1:end:2" 表示标识符为 1 的函数调用在时间戳 2 的末尾结束执行。
注意,函数可以调用多次,也可能存在递归调用。
函数的「独占时间」定义为:这个函数在程序所有函数调用中执行时间的总和,调用其他函数花费的时间不算该函数的独占时间。例如,一个函数被调用两次,一次执行 2 单位时间,另一次执行 1 单位时间,那么它的独占时间为 2 + 1 = 3。
以数组形式返回每个函数的独占时间,其中第 i 个下标对应的值表示标识符 i 的函数的独占时间。
示例 1

输入:n = 2, logs = ["0:start:0","1:start:2","1:end:5","0:end:6"]
输出:[3,4]
解释:
函数 0 在时间戳 0 的起始开始执行,执行 2 个单位时间,于时间戳 1 的末尾结束执行。
函数 1 在时间戳 2 的起始开始执行,执行 4 个单位时间,于时间戳 5 的末尾结束执行。
函数 0 在时间戳 6 的开始恢复执行,执行 1 个单位时间。
所以函数 0 总共执行 2 + 1 = 3 个单位时间,函数 1 总共执行 4 个单位时间。
示例 2
输入:n = 1, logs = ["0:start:0","0:start:2","0:end:5","0:start:6","0:end:6","0:end:7"]
输出:[8]
解释:
函数 0 在时间戳 0 的起始开始执行,执行 2 个单位时间,并递归调用它自身。
函数 0(递归调用)在时间戳 2 的起始开始执行,执行 4 个单位时间。
函数 0(初始调用)恢复执行,并立刻再次调用它自身。
函数 0(第二次递归调用)在时间戳 6 的起始开始执行,执行 1 个单位时间。
函数 0(初始调用)在时间戳 7 的起始恢复执行,执行 1 个单位时间。
所以函数 0 总共执行 2 + 4 + 1 + 1 = 8 个单位时间。
示例 3
输入:n = 2, logs = ["0:start:0","0:start:2","0:end:5","1:start:6","1:end:6","0:end:7"]
输出:[7,1]
解释:
函数 0 在时间戳 0 的起始开始执行,执行 2 个单位时间,并递归调用它自身。
函数 0(递归调用)在时间戳 2 的起始开始执行,执行 4 个单位时间。
函数 0(初始调用)恢复执行,并立刻调用函数 1。
函数 1 在时间戳 6 的起始开始执行,执行 1 个单位时间,于时间戳 6 的末尾结束执行。
函数 0(初始调用)在时间戳 7 的起始恢复执行,执行 1 个单位时间,于时间戳 7 的末尾结束执行。
所以函数 0 总共执行 2 + 4 + 1 = 7 个单位时间,函数 1 总共执行 1 个单位时间。
示例 4
输入:n = 2, logs = ["0:start:0","0:start:2","0:end:5","1:start:7","1:end:7","0:end:8"]
输出:[8,1]
示例 5
输入:n = 1, logs = ["0:start:0","0:end:0"]
输出:[1]
提示:
- 两个开始事件不会在同一时间戳发生
- 两个结束事件不会在同一时间戳发生
- 每道函数都有一个对应
"start" 日志的 "end" 日志
模拟
我们使用「栈」来模拟执行过程:当一个函数被调用(op = start)时,压入栈内;当函数调用完成(op = end)时,从栈顶弹出,此时栈顶元素必然是结束函数的入栈记录。使用变量 cur 记录当前时间。
从前往后处理所有的 logs,根据 op 是函数调用还是函数结束分情况讨论:
- 当
op 为函数调用:从该函数的调用发起时间 ts 到上一次记录的当前时间,都是前一函数的执行时间,因此可以将 ts - cur 累加到栈帧中的前一函数。即若栈不为空,则将该时间累加到栈顶对应的函数上,然后将当前函数标识符 idx 入栈,同时更新当前时间;
- 当
op 为函数结束:此时栈顶元素必然是该函数的调用记录。此时结束时间与上一次记录的当前时间的时长 ts - cur + 1,必然是该函数的执行时间,将其累加到当前函数中,并更新当前时间。
Java 代码:
class Solution {
public int[] exclusiveTime(int n, List<String> logs) {
int[] ans = new int[n];
Deque<Integer> d = new ArrayDeque<>();
int cur = -1;
for (String log : logs) {
String[] ss = log.split(":");
int idx = Integer.parseInt(ss[0]), ts = Integer.parseInt(ss[2]);
if (ss[1].equals("start")) {
if (!d.isEmpty()) ans[d.peekLast()] += ts - cur;
d.addLast(idx);
cur = ts;
} else {
int func = d.pollLast();
ans[func] += ts - cur + 1;
cur = ts + 1;
}
}
return ans;
}
}
C++ 代码:
class Solution {
public:
vector<int> exclusiveTime(int n, vector<string>& logs) {
vector<int> ans(n, 0);
stack<int> s;
int cur = -1;
for (auto log : logs) {
istringstream ss(log);
string buf;
vector<string> tokens;
while (getline(ss, buf, ':')) {
tokens.push_back(buf);
}
int idx = stoi(tokens[0]), ts = stoi(tokens[2]);
if (tokens[1] == "start") {
if (!s.empty()) ans[s.top()] += ts - cur;
s.push(idx);
cur = ts;
} else {
ans[s.top()] += ts - cur + 1;
s.pop();
cur = ts + 1;
}
}
return ans;
}
};
Python 代码:
class Solution:
def exclusiveTime(self, n: int, logs: List[str]) -> List[int]:
ans = [0] * n
s = []
cur = -1
for log in logs:
ss = log.split(':')
idx, ts = int(ss[0]), int(ss[2])
if ss[1] == "start":
if s: ans[s[-1]] += ts - cur
s.append(idx)
cur = ts
else:
ans[s.pop()] += ts - cur + 1
cur = ts + 1
return ans
TypeScript 代码:
function exclusiveTime(n: number, logs: string[]): number[] {
const ans = new Array<number>(n).fill(0)
const stk = new Array<number>()
let he = 0, ta = 0, cur = -1
for (let log of logs) {
const ss = log.split(":")
const idx = Number(ss[0]), ts = Number(ss[2])
if (ss[1] == "start") {
if (he < ta) ans[stk[ta - 1]] += ts - cur
stk[ta++] = idx
cur = ts
} else {
const func = stk[--ta]
ans[func] += ts - cur + 1
cur = ts + 1
}
}
return ans
}
- 时间复杂度:$O(m)$,其中 $m$ 为日志数量。
- 空间复杂度:$O(n)$,其中 $n$ 为函数数量。
类似“全员 AI 化”这类投入产出比的讨论,在云栈社区也常被提到。回到题目本身,用栈模拟函数调用并不复杂,关键是维护 cur,并在每个 start / end 事件切换时,把时间段正确分配给对应的函数。