文丨林得安

編輯丨周近嶼

一年多前，我在一家需要坐班的公司工作，住過幾個不同的地方，但每天早上睜眼后的第一件事，都是條件反射地打開滴滴，先把車打上，再洗漱出門。

就像發微信、刷短視頻一樣，這幾乎成了一個不需要思考的動作。據中國互聯網絡信息中心數據，我國網約車用戶規模已經超過5億，網約車成為我們生活的重要基礎設施之一。

過去十多年，人們見證了出行行業被徹底重寫：從路邊攔車，到手機叫車；從等運氣，到拼效率。通過算法，網約車行業已經把“有沒有車”這件事解決得足夠好，但有些更細微的需求，比如我想要一輛后備箱夠大的車，一種可以根據通勤習慣定時定點叫車的方式，或者一種對家里老人更友好的叫車方式……卻有待進一步解決。

直到最近，我第一次意識到，這件事發生了改變。就像接管了搜索、辦公一樣，AI開始進入更日常具體的生活：替我打車。

系統很聰明，但沒問過我要什么

上周五晚上，我走出劇院時，已經十點半。劇院門口的一小片廣場三三兩兩站著剛離場的人，等車的、等人的、討論劇情的。再過半小時就是地鐵末班車，但我為了趕場沒吃晚飯，此刻饑腸轆轆，想到還要坐一個半小時地鐵，我決定先在附近找點吃的。

點一碗湯粉，熱氣一上來，人就松下來。等我放下筷子，回過神來看眼手機，末班車果然開走了。這是一個距離我家二十多公里的劇院，橫跨北京東西區域，回家的方式只剩打車一種。

盯著打車界面，我心里卻有些發愁。不知從何時起，我發現自己對新能源電車的動能回收很敏感，凡是打到新能源車，十次里有七次都會暈車。如果是短途尚還可以忍受，但此刻剛吃完飯，接下來的車程要四十分鐘，想到這里，我的胃已經開始翻江倒海。

如果網約車也像外賣、網購一樣有備注，我一定會把“想要一輛空氣清新、駕駛平穩、讓我不要暈車的油車”設為默認備注。乍聽起來有點矯情，但只要問問身邊的人或是看看社交媒體，就會發現和我一樣想法和處境的人還有很多。

有人加了一天班只想在車里放空，卻碰上熱情過頭不斷搭話的司機，聊天強度堪比又開了一場會；有人提著兩大個行李箱去機場，等車到了才發現后備箱塞滿雜物，只能取消重打。也有朋友向我“吐槽”過，傳統的打車界面對家里老人來說有操作門檻，總需要他幫忙代打車……

●北京的街道。圖源：pexels

打車這件事，很像開盲盒。這點不難理解，打車是一種標準化行為，用戶打開應用、輸入目的地、在不同價格和車型之間做出選擇，平臺負責訂單分配和運力調度優化，系統算法應對實時供需波動和復雜協調問題。從結果來看，正是靠這一套成熟的流程，我們解決了打不到車的問題。

如今的矛盾不是“打不到車”，而是“打不到合適的車”。系統追求的是效率最優，而非個體體驗最優。而用戶的需求本質上是非標準化的，難以通過簡單的車型選擇或價格區間來表達，真實的偏好被排除在系統之外。

從選車型到說一句話

當我做好暈車的準備打開滴滴，我看到在輸入框下面有一行“AI打車”。出于好奇，我點了進去。

界面很干凈，目的地已經自動填好了，大概是系統記住了我常用的地址。目的地下方有許多可供選擇的標簽，往下滑動，我驚喜地發現有“油車”這個選項。不僅如此，我還能勾選“空氣清新”、“不暈車”、“最近的車”等十多個選項。正像我剛才夢想擁有的備注一樣。

我選上幾個標簽點擊呼叫，幾秒鐘后，屏幕彈出三個選擇方案，詳細標注了車型、和我的距離、接駕的時間等。甚至還能換批車，進一步校準我的需求。

我選了一輛離我最近的車，三分鐘后上了車，接下來的車程全程都很平穩，我的胃沒有一點不適。這確實是一次全新的體驗，我第一次不是等待系統分配，而是根據需求自主選擇，定制了一次出行。

●AI小滴幫我列出了三個油車方案。圖源：截圖

后來我又試了幾次，在不同場景下對AI小滴說不同的話，得到的結果也會變化。作為一個時間觀念不那么強的人，我經常算不準應該提前多久打車，才能在合適的時間趕到機場，常常不是在機場一路狂奔，就是到的太早在候機室苦等。當我對AI小滴說“我要趕今天早上10點首都機場起飛的飛機”，AI小滴再一次直接給了解決方案，結合路況和候機時間，貼心地預約了一輛后備箱空間大的車。

像這樣個性化的用戶需求在過去并非不存在，但它無法被識別，只能被轉譯為間接選擇，例如更高價位車型或更大空間車輛。然而“車型”并不能完全等同于“需求”，一個選擇商務車的用戶，可能只是需要更大的后備箱，而非更高等級的服務。

AI的介入，改變了這一過程。變化看似微小，卻是匹配邏輯的重構。

我把這個功能分享給那位向我吐槽總要給家里老人代打車的朋友，建議他下次可以讓爺爺奶奶試試對AI小滴說話。用自然語言表達復雜需求，這讓用戶操作門檻變得更低了。

公開資料顯示，滴滴AI打車在近期上線，目前支持空氣清新、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。只需要一句話，它能拆成可執行的服務標簽，給出多個選擇方案，從茫茫車海里撈出那輛“對的車”，AI打車就是滴滴的“龍蝦”。

這樣的能力依賴于幾個條件，首先是數據優勢，滴滴在長期運營中沉淀了海量訂單、軌跡和行為數據，為模型訓練提供了基礎；其次需要運力池規模夠大，才能真正調度供給，而不只停留在推薦。作為市占率第一的平臺，滴滴的供給能力足夠強；最后，網約車不是一個簡單場景，時間、空間、供給、需求同時變化，還要精準匹配需求，對運營能力提出了很高的要求。對比聚合模式，以滴滴為代表的自營模式更有可能把“AI打車”做好，就是因為對運營的掌控更強。

滴滴AI 再次升級出行體驗

被AI重塑了打車體驗之后，我很好奇，網約車這個行業正在發生什么變化？

站在一個普通用戶的視角，其實用戶早就變了。2024年的行業報告顯示，網約車用戶結構正在變化，25歲以下的年輕人與45歲以上的銀發族合計占比接近40%，中高消費能力用戶占比超過80%。與此同時，相關滿意度調查也顯示，超過八成用戶在選擇平臺時更看重安全與服務質量。

隨著使用頻率提高，用戶對出行的期望逐漸從“可用”轉向“可靠”，希望每一次出行都具備更高的一致性，而不是在不同體驗之間波動。這種對確定性的需求，使標準化服務顯露出局限。

AI的出現為這個長期存在但難以解決的問題提供了一種新的可能：通過自然語言輸入，將復雜需求轉化為可計算變量，從而在不增加用戶成本的前提下，實現更高程度的個性化匹配。從更宏觀的角度看，這也是AI進入各行各業的典型路徑。

當前這一輪變化不止是簡單的功能升級，也是技術演進與行業階段共同作用的結果。

我們已經習慣了AI做PPT、改代碼、寫分析。但AI帶來的變化不僅是提升了效率，也改變了這些不起眼的日常場景：一次回家的路、一段臨時的行程、一句隨口說出的需求。

當一項服務成為基礎設施之后，它的進化往往不再是顛覆性的變化，而體現在對細節的不斷修正。打車這件小事，已經走過十幾年的路，現在，它好像真正開始走向為人服務了。

【 版權聲明】所有內容著作權歸屬鏡相工作室，未經書面許可，不得轉載、摘編或以其他形式使用，另有聲明除外。

繼續閱讀：