AI是手机里的银霞
文/刘宇翔
编辑/王芳洁
“师傅，你的上一个客人喝酒了，酱香的。”
听我说这话时，网约车司机只能尴尬的笑笑，他没有承认，但春寒料峭的晚上，全程打开的车窗说明了一切。
我能怎么办？大概只能在下一趟旅程开始之前许愿。求求了，来辆好点的车。
周五的时候，偶然发现滴滴的叫车框下多了行小字“AI叫车“，我决定试着对它“许愿”：“小滴，我想要回家，能给我派辆专车吗，气味清新的，最好是电车，谢谢。”别说，我对她还挺客气，没办法，求人办事，姿态得低。
几秒后，手机上弹出了列表让我选，离我5分钟的，8分钟的，最后我选了离我最近的灰色比亚迪。
5分钟后，那辆被我pick的车丝滑地停在我面前。车里香香的，司机温和地确认了目的地，车辆平稳启动。
整个过程顺畅得让我有些恍惚——我似乎没做任何复杂的操作，只要一句话，一辆完全符合我当下所有偏好的车，就出现在了眼前。
01
前不久读了黎紫书的《流俗地》，虽然故事发生在马来西亚，但感觉却很熟悉。主角盲女银霞是电召公司的接线员。乘客打电话来说自己在哪里，要去哪，银霞记下来，再在司机群里把单派出去。
至少北京这边，电召没有流行过，我们几乎是一下子，就从路上拦车滑到了网召，但逻辑似乎也差不多嘛，平台派单，司机抢单，撞上谁算谁。
当然我们多了一些选择，专车、快车、六座商务车，我们大致上知道来的是个什么档次的车，但那些具体的需求还是“说不清、选不了、靠运气”。
你选择了“专车”这个盲盒，但里面装的是“安静整洁的崭新电车”，还是“司机爱急刹的油车”；你选择了出租车，司机是个话唠，还是安静的；你选择了商务车，后备箱是宽大的，还是不够放你旅行归来两个超大行李箱的。这些在车门打开前，无从知晓。
我们并非没有对细节的要求，只是当时平台还没有提供表达需求的“语法”。
其实，滴滴也早就注意到了这点，所以去年9月底，小滴就以Beta版身份开启公测。但作为数亿用户的App，滴滴是克制的，它需要不断打磨和完善，让AI更聪明，直到今年，随着v1.0版本全面上线，这个滴滴AI出行助手，终于出现在所有人的滴滴App里。
“小滴”的革新，始于改变了这套“语法”。它将交互从“多选一”的页面，变成了温暖的对话，用语音或者文字。你不再需要研究选项，只需像吩咐一位得力的助手那样，说出你的核心诉求。大模型就理解你的自然语言，将这句口语化的指令，瞬间“翻译”成平台可理解、可执行的“服务标签”。
目前，这套标签体系已包含超过90个维度，从“空气清新”、“驾驶平稳”、“车内宽敞”、“0投诉”，到“油车/电车”、“SUV”、“服务态度好”、“后备厢大”等。
公测期间用户用出的高频标签，生动地绘制了一幅“打车痛点地图”：大家苦“异味车”久矣，对“驾驶平稳”有强需求，并在油电车型、空间大小上有着鲜明偏好。
于是，生活场景被精准映射：
•送老人孩子去医院，一句“要开得稳、空间大点的车”，系统自动关联“驾驶平稳”、“车内宽敞”标签。
•商务接待，一句“去机场接客户，要安静整洁的车”，“空气清新”、“车内安静”、“车龄新”成为筛选条件。
•家庭出游，一句“去火车站，行李多”，“后备厢大”、“SUV”或“六座商务”被优先考虑。
这些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我确认。
对我而言，最直接的解脱就是当我说出“气味清新”，小滴调动的是一套基于海量历史评价数据构建的过滤系统，它能有效筛掉那些有过“车内异味”投诉记录的车辆。这不仅仅是功能的实现，更是一种心理上的“确定性”给予——我终于对即将进入的那个密闭空间，有了一点宝贵的掌控感。
我不再是被动接受系统派单的“乘客”，而是可以提出明确要求、并由“管家”去协调落实的“决策者”。
车，第一次如此贴切地成了“服务”的延伸，而不仅仅是运输工具。
02
让系统听得懂，看得见，还满足得了乘客需求，这个目标当然人人想要，但做起来却不容易。一度，我觉得盲女银霞做的都比平台好，她熟悉城市里的每条街道，也对每辆车、司机的情况了如指掌，甚至还能从电话里分辨乘客的特征。
但银霞只是一个人，又能服务几单？所以，这次，滴滴是把银霞装到每个人的手机里。
小滴不是普通的聊天机器人，它像人一样，会内化需求，智能分拣，主动执行。
而过去十余年，滴滴积累的基于产业的系统能力，保证了智能体能优秀的完成作业。
第一个能力当然是规模，它是个性化匹配的“土壤”。滴滴的规模优势使得它“敢把需求拆细”。
当我对它说，“给我一辆空气清新、驾驶平稳、后备箱大、而且是油车的专车。”在小滴的后台，相当于对实时运力池进行了一场“四重过滤”。过滤条件越细，符合条件的车就越少。
如果平台本身运力规模不足，这样的个性化匹配会瞬间陷入两难：要么根本叫不到车，要么等待时间长得离谱，彻底违背“出行”的即时性本质。
滴滴旗下庞大的司机与车辆网络，提供了敢于把需求“拆细”的底气。只有在供给足够丰厚的“土壤”上，进行如此精细化的耕作，才能既满足挑剔的“味蕾”，又不让“食客”饿肚子。
这是“说了就能做到”的基础，而非炫技的“语言魔术”。
第二个能力是服务把控，从“听懂”到“坐稳”。AI能听懂“我要一辆开得稳的车”，但真正的挑战在于：如何确保被推荐的那位司机，在接下来的行程中真的开得稳？如何保证“空气清新”不是一句空话？
这触及了出行业务模式的根本，滴滴通过自营或强运营体系，与司机和车辆建立了更直接、更深入的强管理连接。这使得平台能够将“驾驶平稳”、“空气清新”等主观体验，沉淀为一套可量化、可校验、可治理的标准化标签体系。
标签的背后，是承诺；承诺的背面，是一整套成熟的服务标准、培训、质检与纠偏机制。这是AI从“理解需求”跨越到“稳定履约”最艰难、也最核心的一步。它意味着，当我发出指令时，我信任的不是小滴的“理解力”，更是滴滴整个系统对服务交付质量的“把控力”。
最后一个能力是数据沉淀，让“懂你”基于事实，而非臆测。小滴的“聪明”，不是来自大模型的“灵光一现”，事实上，随着技术普及、人才流动，市面上的大模型之间从纯技术维度上，已经很难说有本质上的高下，但到了细分场景，护城河就出现了。那就是滴滴十余年积累的真实评价与标签沉淀。
这些数据构成了一个厚重的“事实层”。“空气清新”标签，来自于对特定车辆历史订单中“异味”差评的精准识别与排除；“驾驶平稳”标签，关联着司机长期行程数据中驾驶习惯的量化分析。
整个系统运行在一个强大的闭环中：需求匹配→ 行程体验→ 用户反馈→ 数据回流→ 模型与标签优化。
正是这个滚动了十年的“数据飞轮”，让滴滴的AI调度能从“猜你喜欢”（基于概率的推荐），走向“懂你需要”（基于事实的匹配），小滴才能真正投我所好。
从表面上看，AI小滴只是个对话框，但其实“水下”是一整套“AI+调度+供给治理”的系统工程，别的平台或许能模仿对话界面，但很难在短期内复制这套深度耦合了规模、运营与数据的“系统身体”。
更何况，滴滴不是站在“信息层”理解出行，而是站在“交易+履约层”理解出行，那是装载在这个“系统身体”的灵魂。
03
我注意到的是，在使用小滴的过程中，另一个微妙的变化在发生：司机与乘客的关系，正在被AI重新定义。
小滴的标签化匹配，就像为司机们的“隐形技能”装上了“搜索引擎关键词”。那些积累了“驾驶平稳”、“空气清新”、“服务态度好”标签的司机，仿佛拥有了闪亮的“服务勋章”，会被像我一样有明确偏好的乘客，优先看到、主动选择。
这构建了一个更为正向的激励循环：提供好服务→ 积累好标签→ 被精准推荐→ 获得更多订单和更高收入→ 激励持续提供更好服务。
这是一种良性的“市场化筛选”。AI在这里扮演的角色，绝不是取代司机，而是成为司机优质服务的“放大器”和“金牌销售”。它让“好”能被看见，让“好”能直接兑换成市场回报。它不止懂用户所需，也懂好司机的良苦用心，某种程度上，也懂好司机的真诚用心，它让每一份付出，都有了相应的公平回报。
长远看，这有助于推动整个司机群体关注服务品质，走向“价值竞争”。
我举双手赞成这个改变，它将促进市场的正向循环——我发出的每一项个性化指令，最终都通过市场机制，奖励了那些认真提供对应服务的劳动者。
我的每一次“吩咐”，都在为我想看到的服务生态投票。这不但符合人们“好人有好报”的朴素认知，也恰好契合了政策层面“改善消费条件、创新消费场景”的导向。
习惯了现代社会后，很多事情我们已经觉得是理所应当的，打开水龙头就有水，按下开关就有电，这种“理所当然”的确定性来自完善的基础设施，基础设施有一个共同特点，那就是当你需要它时，它一定在；当你使用它时，你几乎感觉不到它的存在。
出行服务，本质上也是这样的基础设施，既然是基础设施，那就应该无处不在。小滴也不会永远窝在滴滴App的一个入口里。在公测之初，滴滴就同步上线了MCP（Model Context Protocol）服务。这意味着，滴滴将核心的叫车、预约、支付等出行能力，打包成了标准化的模块，向所有AI开发者和硬件厂商开放。
未来的想象空间由此打开：也许不久后，我在智能音箱前说一句“帮我叫辆高档车去接重要客户”，我的“出行管家”小滴就会通过开发者的创意，在音箱里响应我；也许在车载系统中，在手机厂商的AI助理里，甚至在一个独立的机器人应用中，我都能随时随地、以最自然的方式，调用滴滴的出行服务。
出行，将像水电一样，成为万物互联时代即取即用的基础能力。而小滴正是让这种能力变得极其简单、自然、个性化，我不需要学习新规则，没有额外操作负担，小滴会默默提升确定性与体验下限，越用越顺手，越用越离不开。
《流俗地》里，随着时代的发展，大部分电召被网召取代，银霞的同事们一个接一个离岗，但她守到了最后，因为极细颗粒度的服务，只有聪明的脑袋才能办到。
无论何时何地，我们需求的上限是不变的，享受更舒适的服务，而智能人和智能体，要做的，无非是像银霞那样答一句：“好的，马上安排。”
热门跟贴