“AI打车”时代来了

记者 濮振宇

3 月 24 日，北京一位用户打开滴滴出行 App，对着新上线的 " 滴滴 AI 叫车 " 说：" 我现在要从家去北京南站，还有一个老人和一个孩子，一定要空气清新。" 几秒钟后，系统便匹配出多辆带有 " 车内宽敞 "" 驾驶平稳 "" 无异味 " 等服务标签的车辆。

3 月 26 日，杭州一位用户对阿里旗下千问 App 说：" 帮我打车去灵隐寺，但我要先去宋城门口接个朋友。" 系统自动理解了两个地点的先后顺序，一次性生成了包含途经点的网约车订单。

最近半个月，中国出行市场发生两件类似的事情，一是滴滴 AI 出行助手小滴 v1.0 版本正式上线，覆盖扶老携幼、商务接待等更复杂的出行场景，二是阿里旗下千问上线 AI 打车功能，可一句话完成选车型、添加途经点、预约时间等操作。

在点外卖、订酒店之后，打车——这个高频、刚需、低容错的物理世界服务场景，成为大厂 AI 竞赛的新战场。

AI 打车靠什么吸引用户

滴滴这样的网约车平台为什么要做 AI 打车？从表面上看，这是一次技术升级。2025 年 9 月，滴滴 AI 出行助手开启公测，经过半年迭代，正式推出 v1.0 版本。但深层次的原因，并不只是一次技术升级那么简单。

另一个行业的故事可以作为参考。2026 年初，Anthropic 为 ClaudeAI 助手推出新型交互式工具，支持用户通过网页版、Mac 版应用直接使用其他厂商的设计、办公工具。受 "AI 竞争加剧 "" 商业化不及预期 " 等因素拖累，全球软件新势力 Figma 股价在 2026 年后一路下滑。

随着通用 AI 能直接完成垂直任务，单一工具型 App 如果想不被替代，也需要向 AI 方向进化，这倒逼网约车行业从粗放式服务转向精细化运营。

过去十多年，网约车从无到有，满足的主要是标准化的服务——从 A 点到 B 点，价格透明，时间可预期。然而，一些用户的个性化需求，始终没有足够的表达入口。

" 车内有没有异味？"" 后备厢够不够大？" 这些问题在传统打车 App 里，只能靠 " 碰运气 "。用户被框定在开发者预设的功能菜单里，能做的一切，都仅限于 App 界面上那些按钮和选项。用户必须学会用 App 的 " 语言 " 来表达需求，而不是自然语言。用 App 的 " 语言 " 打网约车，对年轻人来说通常不是难题，但对老年人、操作障碍者等特定人群可能是一道无形的门槛。

中国企业资本联盟副理事长柏文喜对经济观察报表示，AI 打车最直观的商业价值在于交互效率革命。传统打车需要 6 至 8 步操作（打开 App →输入目的地→选择车型→确认时间→添加备注→支付），而语音交互可将流程压缩至 1 至 2 句话，大幅降低决策摩擦。

按照官方说法，滴滴 AI 叫车识别到 " 身体不舒服 "" 晕车 "，会启动 " 驾驶平稳 "" 油车 " 等标签，识别到 " 孕妇 "，会启动 " 驾驶平稳 "" 车内宽敞 " 等标签，再结合实时路况、时间、车辆位置、司机状态等条件，在调度池里快速筛选，最后用候选卡片发给用户确认。

千问 AI 打车采取的策略则是 " 一句话办事 "，其试图去理解完整的用户意图。例如，用户口中的 " 停一下 " 指的不是终点，而是行程中转点；用户口中的 " 中途想睡一会 " 指的是路线要舒适，不能走容易让车辆颠簸的道路。

"AI 打车不只是技术创新，更是数字包容的进步，它有助于激活沉默用户，让那些被复杂界面挡在门外的人，终于可以平等地享受数字服务。" 经济学家、中国金融智库特邀研究员余丰慧对经济观察报说。

AI 能听懂需求，但平台能满足吗

用户要求‘空气清新’‘驾驶平稳’时，AI 大模型理解这些指令并不难。更大的考验在于，平台有没有足够多的运力，去支撑这些被拆细了的需求？有没有足够强的服务管控，去兑现这些标签背后的承诺？

经济观察报从滴滴官方获得的数据显示，在滴滴用户个性化叫车需求中，" 又快又便宜 "" 空气清新 "" 最近的车 " 位列前三，分别为 57%、12.5%、9.9%。其后是 " 不晕车 "" 车好 "" 后排宽敞 "" 新车 "" 坐感平稳 "" 服务好 "" 油车 " 等。

在产业经济观察家梁振鹏看来，AI 叫车必须以充足运力为前提，充足运力是确保 " 表达即满足 " 的现实基础。如果没有足够多 " 后备箱大 " 或 " 车内无烟 " 的真实车辆，AI 的理解力再强也会陷入 " 无车可派 " 的尴尬。

这是一道简单的数学题：如果只有 100 辆车，筛掉 80% 的条件后只剩 20 辆；如果有 1000 辆车，同样筛掉 80%，还剩 200 辆。规模效应，是 AI 打车从概念走向可用的重要基础。

滴滴的方案是，如果当下没有完美匹配，小滴也能对复杂需求进行优先级排序，即先满足核心需求，务实地给出当下的 " 更优解 "。

北京社科院副研究员王鹏告诉经济观察报，规模效应解决了 " 有没有车可用 " 的问题，但 " 有车 " 不等于 " 有对的车 "。用户要的是 " 驾驶平稳 " 的车，但系统如何知道哪辆车真的平稳？用户要的是 " 空气清新 " 的车，但系统如何确保这辆车确实没有异味？这触及了 AI 打车的另一个核心挑战：服务确定性。

具体来看，用户选择 " 空气清新 " 标签时，背后需要车辆清洁规范、定期通风要求、乘客评价反馈机制等服务标准支撑，用户选择 " 驾驶平稳 " 标签时，背后需要对司机驾驶行为数据的长期追踪和服务质量的持续考核。

王鹏表示，在 AI 时代，数据对于网约车平台的意义更重大。" 哪辆车更清新？"" 哪位司机开得更稳？" 这类问题，不是靠大模型凭空推理出来的，而是要靠长期、真实、可追溯的运营数据反映出来的。

即使拥有规模效应、服务管控和数据沉淀，AI 打车仍面临一个现实的挑战：用户愿意为 " 个性化 " 等待多久？

经济观察报走访发现，如果个性化匹配导致叫车时间从 30 秒延长到 2 分钟，一些用户可能会选择放弃用 AI 打车。但如果匹配精准度足够高，这些用户也可能愿意用 " 多等一会儿 " 换取更合心意的体验。

" 用户愿意为舒适、体面、安心付费，前提是平台能稳定交付这些价值。对于拥有规模效应、服务管控和数据沉淀的头部网约车平台来说，AI 打车是一个新的机会。对于实力较弱的网约车平台来说，在运力分散、责任模糊、数据割裂的体系之上叠加一层 AI，非但不能解决根本问题，反而可能让本就脆弱的服务链条更加混乱。" 王鹏说。

AI 打车商业价值在哪里

滴滴公布的 AI 打车数据显示，其 " 订单查询 " 的问题集中在 " 上周打车花了多少钱 "" 我这个月最贵的用车订单 "" 我最常打什么类型的车 "，用户正在把 AI 用于自己的消费管理，让小滴成为出行决策的智能助手。

柏文喜对经济观察报表示，AI 打车打开了三个新的商业化想象空间：一是场景化定价，商务接待、扶老携幼等高品质服务可支撑溢价；二是运力分层运营，通过 AI 识别将优质司机与高端需求精准配对，提升整体运力效率；三是资产变现，用户偏好数据可反哺汽车厂商、保险、文旅等关联产业。

滴滴的野心不止于 AI 打车服务本身。除了一句话选车，滴滴 AI 叫车已支持 " 查询附近地点并一键叫车 "" 推荐远距离行程的换乘方案 "" 查询订单 "" 预约叫车 " 等多种功能。这种 " 组合出行 " 能力，意味着滴滴的 AI 正在从单一的打车工具，升级为覆盖多种出行方式的综合规划助手。

千问的 AI 打车可与阿里生态内其他服务深度结合，以此将打车服务嵌入到更复杂的生活服务链条中。例如，用户说 " 帮我订机场附近的酒店，再帮我打车去这个酒店，最后帮我推荐酒店附近的本地特色菜 " ——三个指令，三个场景，全部由同一个 AI 助手串联执行，用户不需要在多个 App 之间来回切换，不需要重复输入地址和时间。

国金证券认为，AI 作为激活消费新增长点的核心抓手，高度契合政策导向，正以 " 场景力 " 深度渗透消费应用端。政策与市场双轮驱动下，AI 深度渗透消费端全场景，成为激活消费新增长点、扩大内需的核心引擎。

" 在出行这种高容错成本场景中，稳定服务比炫技更重要。AI 需要通过智能推演，在复杂的路况与多变的需求间给出最稳妥的决策方案。" 王鹏说。

2025 年 12 月，湖南株洲发生了一起引起广泛关注的自动驾驶事故，一辆 Robotaxi 在斑马线附近撞倒两名行人。这起事故暴露了 AI 进入现实世界后的核心难题：当 AI 犯错，谁来承担责任？

余丰慧认为，在无人驾驶汽车还无法普及的情况下，AI 打车是 AI 技术全面介入日常生活的一个试验场。长期来看，随着自动驾驶技术的成熟和法规框架的完善，AI 打车与自动驾驶的合流有可能重构整个出行生态。