滴滴AI：替你多做一步，打車不折騰

撰文| 吳坤諺

編輯| 吳先之

“生活就像一盒巧克力，你永遠不知道下一顆是什么味道。”

《阿甘正傳》的這句臺詞，放在網約車場景里偶爾的“開盲盒”情況，也格外貼切。下單的用戶知道自己的起點和終點，卻不知道系統最終會派來一輛怎樣的車。雖然大部分時候都還算安心、靠譜，但“開盲盒”的不確定感，還是會隱隱帶來一些不爽。

為了快速到達確定的目的地，用戶或許可以暫時容忍這種不確定性。更多時候，它會被放大成一次真實的決策負擔。

為了消除這種出行的不確定性，滴滴近日正式推出支持一句話叫車的AI出行助手“小滴”V1.0版本。去年9月，滴滴便開始測試這個AI出行助手，經歷半年打磨，目前已經支持空氣清新、后備廂大、駕駛平穩等90多個服務標簽，覆蓋扶老攜幼、商務接待等更復雜的出行場景。

表面上看，“一句話打車”是將點選、跳轉、確認的一串叫車動作，壓縮成一句自然語言。背后，則是滴滴在持續做好標準化服務的基礎上，瞄準了個性化需求進行解題。

用戶可以直接對小滴說話下指令，表達原先難以被平臺UI囊括的個性化偏好。用戶輸入的指令經AI拆解轉化為可計算的變量，讓平臺得以實現更高程度的匹配效率。

這正是AI Agent深入物理世界的典型切口：將打車從單純的物理位移，升級為更強調體驗與確定性的“精準抵達”。

突破物理世界的限制

曾有互聯網人士對網約車業務有過一個精辟論斷，他認為打車雖然具有典型的雙邊市場特征，但這種規模效應存在閾值，很難像電商、社交那樣，隨著規模擴張自然轉化為體驗的持續提升。

下班高峰的寫字樓門口，足以看出這門生意同邊負向競爭的本質——一片區域內，乘客焦急等待有限車輛的分配，司機也在權衡系統派單哪一單更順路、更劃算。

時至今日，這項基于移動互聯網時代的判斷也沒有過時，打車這門生意依舊高度依賴供給的實時調度。單純的物理規模效應已經越來越接近閾值，而AI Agent的出現，為平臺競爭增加了交互的維度。

我們測試了小滴的AI叫車功能。產品形態上，小滴以自然語言的對話框為核心，用戶可以在對話框中打字或語音輸入自己的用車需求，經AI拆分后交由后臺調度網絡派單。

我們向小滴輸入了“我要從國貿去機場，要快，沒煙味”的指令。AI初步拆解指令后，第一步先確認具體機場航站樓，然后向我們提供了三個具體的車型卡片供挑選。

可以看到，選項卡中的信息呈現足夠豐富，不只是簡單列出車型和價格，還進一步把“需求滿足程度”以橙色高亮，前置到了用戶面前。

過去，用戶在網約車平臺的打車體驗是先確認出發點與目的地，再在快車、專車、商務車等標準化分類里自行判斷。至于一些平臺未必能真正理解和兌現的個性化要求，只能自己通過備注去補充。

小滴把這麻煩的步驟從用戶手中接了過來，先幫用戶完成一輪理解和篩選，再把更接近需求的候選結果擺到用戶前。

這種變化看似只是少點了幾下按鈕，背后卻對應著網約車平臺邏輯的一次升級：從單純的優化供需匹配的效率，進化為同時優化供需匹配質量。用戶不再只是從隨機的供給里被動挑選，而是開始讓平臺先理解自己的真實需求，從茫茫車海里撈出那輛“對的車”。

據滴滴公布的小滴運營數據，個性化叫車需求中，“又快又便宜”“空氣清新”“最近的車”位列前三，分別為57%、12.5%、9.9%。其后是“不暈車”“后排寬敞”“新車”“服務好”“油車”等。

可以看到，目前用戶對小滴的需求，更多集中在多快好省等樸素且高頻的共性訴求上。隨著出行Agent持續演進，更多原本難以表達、也難以被平臺識別的個性化需求，正在被逐步“發現”。

由于滴滴在自營模式下直接服務司乘，能夠更清晰地掌握車輛實時狀態。小滴可以將自然語言直接映射到業務系統，在單一平臺內完成了從抽象的語義理解到現實物理世界的履約閉環。

過去，滴滴靠更大的運力規模和更高效的調度，解決的是“盡快打到車”；現在，小滴試圖在同樣的供給池里，進一步解決“盡量打到對的車”。前者對應效率，后者對應確定性。

從這個角度看，滴滴借助AI Agent，做到了規模效應的物理閾值之外的體驗突破。對一門已經高度成熟的生意來說，這本就是AI最現實、也最有含金量的落地價值。

滴滴與AI的化學反應

傳統移動互聯網，出行是一次主動尋找。用戶需要在大腦中完成復雜的規劃，再到App中通過密集的UI點擊來下達指令。

AI Agent的作用，是充當了一個具備感知力的數字管家，通過精準識別意圖，主動調動后續服務鏈條，從而執行原本需要用戶花時間來完成的判斷與操作。

AI提高了供需匹配的平臺服務效率，但真正決定出行服務能否兌現的，仍然是平臺背后的系統能力。

這種系統能力，首先體現在平臺在物理世界的供給規模。以前文提到的下班高峰為例，在一個商業CBD方圓幾公里的范圍內，平臺能調動的司機數量終究有限，卻要同時承接寫字樓里大量上班族的集中出行需求。此時比拼的就不只是調度是否高效，更是平臺手里到底有沒有足夠多的車可供篩選和分配。

基于地理位置的LBS、運力實時調度以及匹配，這些業務的核心要素都說明網約車是一門圍繞時空間的生意，其核心體驗完全取決于在特定區域、時刻內，平臺供給密度夠不夠厚實。

AI提高匹配效率后，用戶需求一旦從簡單的打車變成“打一輛更合適的車”，平臺面對的難度會陡然上升。用戶說的話中每一個詞，都相當于對所在區域內有限的供給做多輪篩選。

沒有足夠厚的運力池，這種篩選很容易迅速失效。一個語義理解的聊天框，顯然不足以讓滴滴敢為天下先，把用戶的個性化需求拆細并進一步做成90多個服務標簽。

正是憑借在全國長期積累的運力深度，其才敢于把需求拆細，讓“一句話叫車”不只是停留在口號層面的情緒價值，而是真正能做到的物理履約。

除了規模的硬要求，小滴的護城河還來自于對服務交付的穩定性。

不同于更多負責信息分發、撮合生意的聚合平臺，滴滴在自營與強運營體系下與司乘直接連接，對司機培訓、車輛規范與服務流程有著更深度的標準化管理能力。

得益于此，平臺能夠圍繞現有的90多個乃至更多服務標簽做持續治理，確保AI“翻譯”給后臺的每一個標簽，都可以在物理世界里盡可能落地到真實的履約中。

回過頭看小滴對整個出行鏈路的改造，司機和車輛在真實場景中履約，履約結果再通過評價、反饋、軌跡與服務表現回流平臺，將會持續修正平臺對用戶需求的感知。

這與數以億計的乘客評價、行程軌跡以及司機駕駛行為特征，共同構成了從真實履約到模型理解，再回到服務優化的數據閉環。

可以說，小滴不是在信息層理解出行，而是在交易與履約層重構出行。只有這樣，AI出行才能夠從模糊的“猜你喜歡”，進化為確定的“懂你所需”。

這種基于系統能力構建的場景確定性，是無法在短期內通過簡單調取API實現的。

消費“寒武紀”與上新大混戰

以小滴為代表的出行Agent出現，說明出行服務已經走到新一輪交互變革的門口。

回溯出行行業的演進史，其實就是一部不斷消解用戶獲取出行服務的“儀式感”的進化史。

這種“儀式感”，指的是我們為了打一輛車，要親自完成多少動作，做出多少判斷，又要承擔多少等待和不確定性。它并不浪漫，反而更接近一種具體而瑣碎的現實負擔。

市場經濟高速發展時期，便捷出行的需求爆發。受限于信息分發，那時的人們只能在路邊伸手招車，等待一部車頂上亮著綠燈的空車出現。整個獲取服務的過程，帶著強烈的線下身體感和偶然性。

到了移動互聯網時代，網約車平臺把這套流程搬進了手機。起點、終點、車型、價格、預計到達時間，都被折疊進GUI（圖形界面）里。我們不再需要在路邊碰運氣，和隨機路過的司機完成一場即時博弈，但還是免不了要通過一連串點擊完成叫車。

伴隨著AI Agent的深度介入，出行服務正經歷從GUI向LUI（語言交互界面）的飛躍。確定性更高的同時，屬于移動互聯網時代的“儀式感”進一步被消解。

在這一過程中，服務本身沒有變簡單，復雜性也沒有消失，只是被更多地轉移給了平臺和系統。用戶獲得服務的方式，則開始朝著一種更“無感”的方向推進。

僅自業務上看，小滴只是在滴滴充足的供給與平臺基礎上，為打車生意加上一層自然語言的交互窗口。從出行行業長期演進的主線看，小滴所做的，是讓平臺承擔更多復雜性，讓用戶越來越少地為一趟出行付出認知和操作上的成本。

滴滴沒有試圖通過AI，把打車變得更花哨，或是跳出出行去重講一個更宏大的故事。相反，它選擇扎根在自己最熟悉、也最能建立壁壘的地方，把一門老生意在智能時代繼續做深、做細、做得更接近用戶真實的處境。

這種業務導向的克制，構成了一種垂直平臺在智能時代的務實定位。

當技術往后退的時候，服務便會前進到臺前。小滴將在每一次看似平常的呼叫中，替用戶多做一步判斷，多消除一點不確定性，直到這種“合心意”的體驗，變得如同呼吸一樣自然。

微信號｜TMTweb

公眾號｜光子星球

別忘了掃碼關注我們！