打車的“運氣”，滴滴AI給你

定焦One（dingjiaoone）原創

作者 | 王漢星

編輯 | 阮梅

“我一會兒下班要打車回家，6點來接我，我有點不舒服。”

這樣一條簡單的打車指令對于普通人來說非常容易理解：出發地是公司、出發時間6點、目的地是家，另外身體不舒服可能需要乘車環境好一點、車開得穩一點。

但對于基于大語言模型的AI來說，這句話理解起來有難度，它包含了一個模糊的時間概念“一會兒”和一個準確的時間“6點”，大模型很容易在理解的過程中產生歧義。并且需求中沒有明確的出發地和目的地描述，“有點不舒服”也很難與實際的用車場景進行關聯。

這背后最主要的原因是，AI能夠輕易理解文字語義，卻不一定能準確關聯物理世界的時間、空間與具體情境。

在一周前的2026英偉達GTC大會上，黃仁勛拋出一個判斷，從2026年開始，AI將擁有在三維物理世界中行動與交互的實體能力，并具備自主執行復雜任務的代理系統。

當AI開始嘗試接管物理世界，如何準確地理解這個世界是第一道門檻。出行作為一個深入物理世界的場景，同時涉及時間安排、空間定位、實時供需與履約執行，正在成為AI最先落地的領域之一。

近日，滴滴的AI打車Agent——小滴在經歷了6個月的公測后正式上線v1.0版本，它能為行業帶來哪些新變化？網約車的Agent時代來了嗎？

說一句話，就能叫到你想要的車

傳統網約車行業解決的是基于地理位置的點到點運力與需求的匹配，這個過程中仍有不少體驗可以提升。

例如，平臺通常會提供10種左右不同車型、空間、舒適度、價格的出行選擇，至于最后叫到的車是什么車況、司機的駕駛技術如何、車內環境好與壞，只能信賴大平臺更靠譜，但不是自己選的，心里終究會有點打鼓。

但小滴上線后，用戶不再需要去“開盲盒”了，打車變成了一個確定性更強的定制化需求場景。

進入滴滴APP后點擊“AI叫車”，就會喚出小滴出行助手的交互界面。在這個界面中，用戶可以勾選多個個性化叫車標簽，如“空氣清新”“便宜”“后排寬敞”等，或者直接通過下方的對話框用文字或語音描述自己的出行需求。

隨后，AI小滴會把需求拆成可執行的服務標簽，從茫茫車海里選出最符合用車需求的三個備選項，用戶有50秒的時間從三個選項中選出最理想的出行用車，然后點擊確認叫車即可完成個性化的叫車。

AI打車與傳統的打車方式最大的不同可以總結為三點：處理模糊需求、端到端的出行規劃、滿足長尾需求。

先來看模糊需求的處理。

小滴可以識別用戶對自身狀態的模糊表述，并把它拆解成多個可執行的服務標簽。

例如當小滴看到用戶輸入“我是孕婦”，它會迅速啟動“車內寬敞”“駕駛平穩”“空氣清新”等標簽。

這些表達本身并不對應具體車型，但小滴通過語義解析，可以將其轉化為更接近真實需求的篩選條件，從而幫用戶找到最適合的那輛車。

網約車除了需要滿足即時出行需求，預約出行是另一大使用場景。

其中最典型的場景就是預約去機場，這個過程中會涉及到四個與時間空間相關的規劃：從哪兒出發？到哪個機場？幾點的飛機？路上需要用多少時間？

以往，這些環節都需要用戶自己先規劃清楚，但有了AI打車后，直接將航班號發給小滴，它就會自動考慮上述的四個時空維度，并且端到端地給出車輛預約建議，像私人助理一樣進行出行規劃。

最后，小滴在解決長尾需求上也是一把好手。今天的網約車用戶對車輛的需求除了價格、車內氣味、速度，還有更多期待，例如后備箱要大方便裝行李，想乘坐上下車更方便的SUV，需要司機服務好來提供情緒價值等等。

這些需求小滴都可以滿足，目前小滴已經支持超過90個服務標簽，涵蓋了大部分的長尾需求場景。

在這三大不同點之外，小滴還具備記憶功能，可以記錄個性化習慣、身份標簽，用戶在多次使用的情況下不需要反復輸入相同的需求，只需要告訴小滴“跟之前一樣”就能快速被匹配到理想的車型。

如今，AI叫車正在逐步推廣普及，滴滴在其中扮演了先行者的角色。

去年9月，AI出行助手小滴就開啟了公測，彼時小滴的功能和個性化標簽還有限，但隨著用戶使用數據的積累與反饋，產品迅速迭代，近期上線的v1.0版本已經成為AI打車走向規模化應用的一個標志性節點。

為什么先跑出來的是滴滴？

如果只是把AI打車理解為簡單的“AI Agent+打車APP”，就低估了它的門檻與難度。

去年8月，滴滴曾在arXiv上發布過一篇關于AI打車Agent的論文（DiMA: An LLM-Powered Ride-Hailing Assistant at DiDi），在這篇論文中，滴滴詳細闡釋了如何通過技術來幫助大語言模型理解物理世界的時空概念。

這篇論文主要解決了大模型對時空感知的能力短板。

傳統任務型對話方法通常針對預訂、問答等固定任務設計，往往難以理解出行的時空上下文，也無法進行開放世界推理，這些局限使得任務型對話系統難以適配現實網約車場景。

小滴背后的大模型會將用戶的需求拆解成時間和空間兩條線索，再分別調用不同的工具來推導出語義中的每一個空間位置信息，把它們分成出發位置、途經位置、目的地等概念，再通過與時間信息的結合最終準確理解用戶的需求。

換句話來說，一款好用的打車Agent不僅要學好語文，也需要具備對時間和空間概念的感知能力。這背后得益于滴滴對AI和前沿技術領域的長期投入。

在技術優勢之外，滴滴的規模和管理優勢為持續滿足用戶需求提供了保障。AI既要聽懂人話，還要在復雜路況、實時供需等瞬息萬變的場景中去完成精準匹配。這對系統性能力是一種考驗。

當用戶的需求越來越個性化，需求被拆得越來越精細，供給的難度也在直線上升。要求越具體，越不容易叫到車。

滴滴作為國內市場份額領先的網約車平臺，具備充足的運力供給能力。

滴滴敢于為用戶提供90多種個性化需求標簽，是因為平臺擁有龐大的網約車供給，無論是什么樣的需求，滴滴都能第一時間為用戶匹配到合適的車輛服務。

與此同時，滴滴擁有行業內最豐富的訂單和用戶評價數據，十多年積累下來的真實評價和標簽數據，決定了平臺能更準確地回答“哪輛車更清新”“哪位司機開得更穩”等問題。

此外，滴滴多年來一直堅持以自營為主的平臺運營模式，對于司機的服務和運營更加直接，約束力也更高。

這種強運營、強管控的體系更容易去滿足用戶的一些體驗類的個性化需求。

一個簡單的“一句話叫車”場景，背后隱藏了技術、供給和管理三道門檻，這也是為什么滴滴能率先作出AI打車智能助手的主要原因。

AI打車，打開新空間

就在小滴v1.0上線后不久，滴滴公布了一組運營數據。

個性化叫車需求中，“又快又便宜”“空氣清新”“最近的車”三個標簽被用到的頻次位列前三，分別為57%、12.5%、9.9%。其后是“不暈車”“車好”“后排寬敞”“新車”“坐感平穩”“服務好”“油車”等。

由此可見，用戶既在意效率和價格，也對舒適度有著個人偏好。尤其在接送家人、多人同行、商務出行等重要場景中，一輛精準匹配的車輛也會承載更多情緒價值。

當AI打車被越來越多的用戶使用，整個網約車行業正在逐漸步入個性化需求時代。

與此同時，預約叫車、組合出行、訂單查詢等新增AI功能也在被高頻使用。

“預約叫車”的數據中，“明早8點”“半小時后”“一小時后”最常被使用，還有很多用戶使用固定周期叫車，如“周一到周五早上8點去公司”“預約每周一7:00點出發”等，說明用戶對計劃性、確定性出行的需求持續增強。

提升用戶體驗，提高用戶粘性是AI打車為需求端帶來最顯著的變化。在平臺和供給端，AI打車的出現也打破了行業內長期存在的結構性問題。

當優質的服務能夠得到更清晰的正向反饋，會讓司機在環境、服務等多方面主動提升乘客體驗，以獲得更多的更優質的訂單。

用戶支付意愿提升，也為司機收入的改善提供空間。

AI打車打開新的空間后，用戶、司機、平臺都可以從中共同受益。

最后，在滴滴最新公布的小滴運營相關數據中，有一組數據值得特別關注，AI打車中的“搜附近”功能正在被高頻使用。

該功能可以查詢附近的咖啡店、藥店、醫院等，并提供叫車方案，一鍵叫車。

在近期的用戶使用數據中，“地鐵站”“咖啡店”“火鍋店”“奶茶店”“充電站”“商場”“廁所”“藥店”成為最高頻搜索目的地，折射出用戶真實的需求：既有通勤接駁，也有餐飲休閑、應急補給。

出行平臺已經不只是“從A到B”的工具，也在成為連接周邊生活服務的重要入口。

業內人士認為，這組數據體現了AI在創新消費場景上的潛力。從用戶視角看，他們需要的不是單點功能，而是一個能夠理解需求、整合信息、輔助決策的出行助手。

對滴滴而言，其領先的供給網絡與服務優勢，可以通過AI更好地滿足用戶個性化、多樣化需求。更重要的是，除了激活用戶長尾需求，AI小滴也連接起“附近”的煙火氣，其技術創新始終以人為本。

*題圖來源于滴滴出行微信公眾號。