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(yuǎn)不知道下一顆是什么味道。”

《阿甘正傳》的這句臺(tái)詞，放在網(wǎng)約車場(chǎng)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(diǎn)和終點(diǎn)，卻不知道系統(tǒng)最終會(huì)派來一輛怎樣的車。雖然大部分時(shí)候都還算安心、靠譜，但“開盲盒”的不確定感，還是會(huì)隱隱帶來一些不爽。

為了快速到達(dá)確定的目的地，用戶或許可以暫時(shí)容忍這種不確定性。更多時(shí)候，它會(huì)被放大成一次真實(shí)的決策負(fù)擔(dān)。

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(cè)試這個(gè)AI出行助手，經(jīng)歷半年打磨，目前已經(jīng)支持空氣清新、后備廂大、駕駛平穩(wěn)等90多個(gè)服務(wù)標(biāo)簽，覆蓋扶老攜幼、商務(wù)接待等更復(fù)雜的出行場(chǎng)景。

表面上看，“一句話打車”是將點(diǎn)選、跳轉(zhuǎn)、確認(rèn)的一串叫車動(dòng)作，壓縮成一句自然語言。背后，則是滴滴在持續(xù)做好標(biāo)準(zhǔn)化服務(wù)的基礎(chǔ)上，瞄準(zhǔn)了個(gè)性化需求進(jìn)行解題。

用戶可以直接對(duì)小滴說話下指令，表達(dá)原先難以被平臺(tái)UI囊括的個(gè)性化偏好。用戶輸入的指令經(jīng)AI拆解轉(zhuǎn)化為可計(jì)算的變量，讓平臺(tái)得以實(shí)現(xiàn)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(jí)為更強(qiáng)調(diào)體驗(yàn)與確定性的“精準(zhǔn)抵達(dá)”。

突破物理世界的限制

曾有互聯(lián)網(wǎng)人士對(duì)網(wǎng)約車業(yè)務(wù)有過一個(gè)精辟論斷，他認(rèn)為打車雖然具有典型的雙邊市場(chǎng)特征，但這種規(guī)模效應(yīng)存在閾值，很難像電商、社交那樣，隨著規(guī)模擴(kuò)張自然轉(zhuǎn)化為體驗(yàn)的持續(xù)提升。

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

時(shí)至今日，這項(xiàng)基于移動(dòng)互聯(lián)網(wǎng)時(shí)代的判斷也沒有過時(shí)，打車這門生意依舊高度依賴供給的實(shí)時(shí)調(diào)度。單純的物理規(guī)模效應(yīng)已經(jīng)越來越接近閾值，而AI Agent的出現(xiàn)，為平臺(tái)競爭增加了交互的維度。

我們測(cè)試了小滴的AI叫車功能。產(chǎn)品形態(tài)上，小滴以自然語言的對(duì)話框?yàn)楹诵模脩艨梢栽趯?duì)話框中打字或語音輸入自己的用車需求，經(jīng)AI拆分后交由后臺(tái)調(diào)度網(wǎng)絡(luò)派單。

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

可以看到，選項(xiàng)卡中的信息呈現(xiàn)足夠豐富，不只是簡單列出車型和價(jià)格，還進(jìn)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(wǎng)約車平臺(tái)的打車體驗(yàn)是先確認(rèn)出發(fā)點(diǎn)與目的地，再在快車、專車、商務(wù)車等標(biāo)準(zhǔn)化分類里自行判斷。至于一些平臺(tái)未必能真正理解和兌現(xiàn)的個(gè)性化要求，只能自己通過備注去補(bǔ)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(jié)果擺到用戶前。

這種變化看似只是少點(diǎn)了幾下按鈕，背后卻對(duì)應(yīng)著網(wǎng)約車平臺(tái)邏輯的一次升級(jí)：從單純的優(yōu)化供需匹配的效率，進(jìn)化為同時(shí)優(yōu)化供需匹配質(zhì)量。用戶不再只是從隨機(jī)的供給里被動(dòng)挑選，而是開始讓平臺(tái)先理解自己的真實(shí)需求，從茫茫車海里撈出那輛“對(duì)的車”。

據(jù)滴滴公布的小滴運(yùn)營數(shù)據(jù)，個(gè)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(wù)好”“油車”等。

可以看到，目前用戶對(duì)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(xù)演進(jìn)，更多原本難以表達(dá)、也難以被平臺(tái)識(shí)別的個(gè)性化需求，正在被逐步“發(fā)現(xiàn)”。

由于滴滴在自營模式下直接服務(wù)司乘，能夠更清晰地掌握車輛實(shí)時(shí)狀態(tài)。小滴可以將自然語言直接映射到業(yè)務(wù)系統(tǒng)，在單一平臺(tái)內(nèi)完成了從抽象的語義理解到現(xiàn)實(shí)物理世界的履約閉環(huán)。

過去，滴滴靠更大的運(yùn)力規(guī)模和更高效的調(diào)度，解決的是“盡快打到車”；現(xiàn)在，小滴試圖在同樣的供給池里，進(jìn)一步解決“盡量打到對(duì)的車”。前者對(duì)應(yīng)效率，后者對(duì)應(yīng)確定性。

從這個(gè)角度看，滴滴借助AI Agent，做到了規(guī)模效應(yīng)的物理閾值之外的體驗(yàn)突破。對(duì)一門已經(jīng)高度成熟的生意來說，這本就是AI最現(xiàn)實(shí)、也最有含金量的落地價(jià)值。

滴滴與AI的化學(xué)反應(yīng)

傳統(tǒng)移動(dòng)互聯(lián)網(wǎng)，出行是一次主動(dòng)尋找。用戶需要在大腦中完成復(fù)雜的規(guī)劃，再到App中通過密集的UI點(diǎn)擊來下達(dá)指令。

AI Agent的作用，是充當(dāng)了一個(gè)具備感知力的數(shù)字管家，通過精準(zhǔn)識(shí)別意圖，主動(dòng)調(diào)動(dòng)后續(xù)服務(wù)鏈條，從而執(zhí)行原本需要用戶花時(shí)間來完成的判斷與操作。

AI提高了供需匹配的平臺(tái)服務(wù)效率，但真正決定出行服務(wù)能否兌現(xiàn)的，仍然是平臺(tái)背后的系統(tǒng)能力。

這種系統(tǒng)能力，首先體現(xiàn)在平臺(tái)在物理世界的供給規(guī)模。以前文提到的下班高峰為例，在一個(gè)商業(yè)CBD方圓幾公里的范圍內(nèi)，平臺(tái)能調(diào)動(dòng)的司機(jī)數(shù)量終究有限，卻要同時(shí)承接寫字樓里大量上班族的集中出行需求。此時(shí)比拼的就不只是調(diào)度是否高效，更是平臺(tái)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(yùn)力實(shí)時(shí)調(diào)度以及匹配，這些業(yè)務(wù)的核心要素都說明網(wǎng)約車是一門圍繞時(shí)空間的生意，其核心體驗(yàn)完全取決于在特定區(qū)域、時(shí)刻內(nèi)，平臺(tái)供給密度夠不夠厚實(shí)。

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(tái)面對(duì)的難度會(huì)陡然上升。用戶說的話中每一個(gè)詞，都相當(dāng)于對(duì)所在區(qū)域內(nèi)有限的供給做多輪篩選。

沒有足夠厚的運(yùn)力池，這種篩選很容易迅速失效。一個(gè)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(gè)性化需求拆細(xì)并進(jìn)一步做成90多個(gè)服務(wù)標(biāo)簽。

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

除了規(guī)模的硬要求，小滴的護(hù)城河還來自于對(duì)服務(wù)交付的穩(wěn)定性。

不同于更多負(fù)責(zé)信息分發(fā)、撮合生意的聚合平臺(tái)，滴滴在自營與強(qiáng)運(yùn)營體系下與司乘直接連接，對(duì)司機(jī)培訓(xùn)、車輛規(guī)范與服務(wù)流程有著更深度的標(biāo)準(zhǔn)化管理能力。

得益于此，平臺(tái)能夠圍繞現(xiàn)有的90多個(gè)乃至更多服務(wù)標(biāo)簽做持續(xù)治理，確保AI“翻譯”給后臺(tái)的每一個(gè)標(biāo)簽，都可以在物理世界里盡可能落地到真實(shí)的履約中。

回過頭看小滴對(duì)整個(gè)出行鏈路的改造，司機(jī)和車輛在真實(shí)場(chǎng)景中履約，履約結(jié)果再通過評(píng)價(jià)、反饋、軌跡與服務(wù)表現(xiàn)回流平臺(tái)，將會(huì)持續(xù)修正平臺(tái)對(duì)用戶需求的感知。

這與數(shù)以億計(jì)的乘客評(píng)價(jià)、行程軌跡以及司機(jī)駕駛行為特征，共同構(gòu)成了從真實(shí)履約到模型理解，再回到服務(wù)優(yōu)化的數(shù)據(jù)閉環(huán)。

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(gòu)出行。只有這樣，AI出行才能夠從模糊的“猜你喜歡”，進(jìn)化為確定的“懂你所需”。

這種基于系統(tǒng)能力構(gòu)建的場(chǎng)景確定性，是無法在短期內(nèi)通過簡單調(diào)取API實(shí)現(xiàn)的。

消費(fèi)“寒武紀(jì)”與上新大混戰(zhàn)

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

回溯出行行業(yè)的演進(jìn)史，其實(shí)就是一部不斷消解用戶獲取出行服務(wù)的“儀式感”的進(jìn)化史。

這種“儀式感”，指的是我們?yōu)榱舜蛞惠v車，要親自完成多少動(dòng)作，做出多少判斷，又要承擔(dān)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(xiàn)實(shí)負(fù)擔(dān)。

市場(chǎng)經(jīng)濟(jì)高速發(fā)展時(shí)期，便捷出行的需求爆發(fā)。受限于信息分發(fā)，那時(shí)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(xiàn)。整個(gè)獲取服務(wù)的過程，帶著強(qiáng)烈的線下身體感和偶然性。

到了移動(dòng)互聯(lián)網(wǎng)時(shí)代，網(wǎng)約車平臺(tái)把這套流程搬進(jìn)了手機(jī)。起點(diǎn)、終點(diǎn)、車型、價(jià)格、預(yù)計(jì)到達(dá)時(shí)間，都被折疊進(jìn)GUI（圖形界面）里。我們不再需要在路邊碰運(yùn)氣，和隨機(jī)路過的司機(jī)完成一場(chǎng)即時(shí)博弈，但還是免不了要通過一連串點(diǎn)擊完成叫車。

伴隨著AI Agent的深度介入，出行服務(wù)正經(jīng)歷從GUI向LUI（語言交互界面）的飛躍。確定性更高的同時(shí)，屬于移動(dòng)互聯(lián)網(wǎng)時(shí)代的“儀式感”進(jìn)一步被消解。

在這一過程中，服務(wù)本身沒有變簡單，復(fù)雜性也沒有消失，只是被更多地轉(zhuǎn)移給了平臺(tái)和系統(tǒng)。用戶獲得服務(wù)的方式，則開始朝著一種更“無感”的方向推進(jìn)。

僅自業(yè)務(wù)上看，小滴只是在滴滴充足的供給與平臺(tái)基礎(chǔ)上，為打車生意加上一層自然語言的交互窗口。從出行行業(yè)長期演進(jìn)的主線看，小滴所做的，是讓平臺(tái)承擔(dān)更多復(fù)雜性，讓用戶越來越少地為一趟出行付出認(rèn)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(gè)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(shí)代繼續(xù)做深、做細(xì)、做得更接近用戶真實(shí)的處境。

這種業(yè)務(wù)導(dǎo)向的克制，構(gòu)成了一種垂直平臺(tái)在智能時(shí)代的務(wù)實(shí)定位。

當(dāng)技術(shù)往后退的時(shí)候，服務(wù)便會(huì)前進(jìn)到臺(tái)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(diǎn)不確定性，直到這種“合心意”的體驗(yàn)，變得如同呼吸一樣自然。

微信號(hào)｜TMTweb

公眾號(hào)｜光子星球

別忘了掃碼關(guān)注我們！