AI 最難的一步是敢擔責

文：王智遠 | ID:Z201440

有朋友跟我聊：

千問又上新功能了，這次是打車。感覺它隔三差五就接一個生活服務skill，點外賣、訂酒店機票和景點門票、買電影票，現在又加上了打車。

確實都是真能用上的東西，隨口說一句，事兒就給你辦好了。但你有沒有發現一個現象？

行業里對這些動作的反應，大多還停留在「功能上新」的層面。每次千問發一個新能力，大家討論的都是「這個功能好不好用、體驗怎么樣」。

可很少有人往后退一步想想：這么密集地接入這些服務，到底是在構建什么呢？

千問已經給出了答案，總結起來就兩個字：辦事。不過這次接入打車，可能讓「辦事」這件事，又往前邁了一大步，因為它跟之前那些服務，性質完全不一樣。

我先跟你說一個詞：托付（Entrustment）。

你琢磨琢磨，點外賣要是選錯了，大不了換一家，損失也不大。買電影票選錯場次，頂多退票重買，費不了啥功夫；這些場景的容錯空間都很大，就算 AI 判斷有一點點偏差，后果也完全扛得住。

可打車不一樣。

車型不對，可能得在路邊多等十五分鐘；時間卡不準，搞不好就誤了一場重要的會議。這些是實實在在的損失，一旦發生了，沒法倒帶重來。

以前我們跟 AI 的關系，說白了是「我問你答」；我問一個問題，你給我一個參考，采不采納、怎么選，全看我自己。AI 相當于一個顧問，不用承擔任何后果。

打車這個場景，關系就變了。

當我說「幫我打車去公司」時，把這件事托付給了它，托付和提問能一樣嗎？提問時，決策權在你自己手里；可托付時，是把決策權完完全全交出去了。

千問敢接下這份托付，意味著它必須做到另一件事：為結果負責（Accountability）。這四個字說起來輕飄飄的，放到打車場景里，分量就完全不一樣了。

你跟千問說：幫我打車去湘湖風景區，開穩點，30 塊以內，車里沒味。

注意，就這么一句話，AI 得同時處理四個條件：

目的地、車輛類型、價格上限、車內環境。四個條件全滿足了，你才會覺得好用；可只要漏了一個，比如來了輛燃油車，或者車里有味道，體驗直接就歸零了。

沒有人會因為你是 AI，就降低對你的期待；接了這個活，就得按真人助理的標準來交付。做到了，應該的；做不到，那就是失敗。

也正因為這樣，千問邁出這一步，是需要很大勇氣的。

而且你再想想，打車這件事還有個特別的地方：它天生自帶驗證標準。比如：跟千問說：我要去奧體中心看演唱會，6 個人，今晚 8 點出發。

這句話里有一半是沒說出口的。

6 個人，普通車坐不下，AI 得自己想到要安排大車；去看演唱會，意味著那個時段那片區域大概率會堵車，出發時間可能得提前。

你甚至沒提回程的事，但一個靠譜助理，會順嘴問你一句，不管 AI 怎么處理，最后好不好，你一打完車就知道了。

千問把自己放進這種場景里，相當于主動坐到了考場上，每一個用戶都是考官。

跑分可以挑賽道，排行榜也能靠策略優化，一個人打完車之后心里那句「靠不靠譜」的判斷，是沒法優化的。這種量化的體驗是最誠實的背書。

講真的，千問不是唯一在琢磨這件事的公司。

2025 年 11 月，OpenAI 把 Uber 接入了 ChatGPT。用戶可以在對話里看到車型、價格區間、預計到達時間，但到了最后一步，還是得跳轉到 Uber APP 里，自己完成叫車和支付。

說白了，AI 做的事更像幫你查好了所有信息，然后，跟你說：自己去下單吧。

到2026 年 2 月底，谷歌的 Gemini 也發布了類似的功能，不過目前還在測試階段，只支持 Pixel 10 和三星 Galaxy S26 這兩款手機。

它比 ChatGPT 稍微進了一步，但你仔細想想，這兩家做的事，本質上都差不多：AI 只是幫人操作另一個 APP 而已。

千問和高德的做法不太一樣。

兩者同屬阿里生態，AI 和打車服務之間不需要「跳轉」，中間環節直接融合了。有人覺得，這不就是產品設計上的小差異嘛；但背后的邏輯完全不一樣。

跳轉，說明 AI 只負責整理信息，最終決策還是得用戶自己來；閉環，才是真正無縫銜接的絲滑感；目前全球在做這件事的幾家公司里，千問是第一個走到「閉環」這一步的。

其實從更底層的角度看，「一句話打車」背后還藏著一個交互方式的大轉變：從 GUI（圖形用戶界面）到 LUI（語言用戶界面）。

這個轉變看起來只是少點了幾個按鈕，但門檻極高。

GUI 的邏輯是什么呢？

你告訴系統要什么，但得按照它的規則來表達；點哪個按鈕、選哪個選項、在哪個頁面確認，每一步都有固定流程。說到底，我們在學它的語言。

LUI 反過來了。我們用自己的方式說話，系統來理解你；自然語言本身就充滿了模糊性、方言化、省略和潛臺詞等等。AI 不光要聽懂字面意思，還要理解背后的意圖。

好比同樣一句「要快一點」， 趕飛機的「快」和不想多等的「快」，緊迫程度完全不同。

所以，千問做這件事的難度，是要讓 AI 真正聽懂人話，然后把人話變成一個靠譜的決策。這中間的技術跨度，比我們想象的要大得多。

說到這，我想起自己碰到的一件事。

上次去武漢出差，晚上九點，我在路邊等朋友。一個老太太走過來，手機舉到我眼前，說：小伙子，你能不能幫我看看，這個定位對不對？

她帶著老花鏡的手在抖。

是老年人拿手機時那種小心翼翼的、控制不住的小幅度顫抖；屏幕上，打車軟件的界面被她調成了最大字號，可即便這樣，她還在「確認上車點」那個按鈕上猶豫了很久。

我幫她操作時，她一直在旁邊說：這里，沒錯吧？不要定位到對面了。

這種事挺常見。你要去醫院門口蹲一兩天就會發現，沒有家人陪同、從外地來看病的人，他們自己叫車時，光搞定定位就夠折騰半天了。

要有一天，這些人能直接跟手機說一句「幫我打車去火車站」，然后車就來了 ，還很準確，那意義就完全不一樣了，這是技術在變得對更多人有用。

所以你看，一句話打車最終的價值，是讓之前不會用、用不了這些工具的人，也能輕松用上。

我一直在想一個詞來形容這件事：結果在場（Outcome Presence）。

以前 AI 只活在對話框里，你跟它聊完，關掉窗口，生活照舊；打車把邊界打破了；車真的來了，人真的坐上去了，真的到了要去的地方。對那個老太太來說，這個結果就是她能順利回家。

也正因為這件事這么重要，做起來才格外難。說實話，功能剛上線，一定會有這樣那樣的問題，比如：場景處理、需求理解，這些都需要時間去打磨。

換個角度想，哪個產品剛上線的時候是完美的呢？

我記得微信第一版連語音功能都沒有，淘寶剛上線時頁面粗糙得不像樣。重要的是方向找對了，然后在真實的使用中一點一點去完善。

工作這些年，講真的，我不止一次在路邊幫人叫過車。年輕同事還好，可碰到老人時，那個畫面總會留很久。每次幫完忙走開之后，腦海中都會冒出同一個念頭：哎，要是有一天，他們不用這么費勁就好了。

這種事每天都在發生。在醫院門口，在火車站廣場，在每一個路邊……

AI 行業走到今天，敢把自己放到真實場景里接受檢驗的，確實不多；技術走到最后，衡量它的標準可能很簡單：那些最需要幫助的人，用上了沒有。

聰明的 AI 很多，愿意走到路邊去的，太少了。