文 | 赫晉一 張冉冉 陳梓潔

編輯 | 曹賓玲

數(shù)據(jù)支持 | 洞見數(shù)據(jù)研究院

繼外賣、下館子之后，“羊毛黨”們又解鎖了一波福利：在滴滴APP里和“AI小滴”聊聊天，有機會獲得5折打車優(yōu)惠券。

拿到券后，也不需要自己動手：對AI說出目的地，它就能變身“出行管家”幫你下單，并在付款時自動用券。

而這，正是AI改造網(wǎng)約車行業(yè)的第一步。

如今雖然可以隨時隨地叫車，但“來什么車”卻宛若開盲盒，越來越多人呼吁更貼心、更懂自己的出行服務。天津市消協(xié)的調(diào)查就印證了這一點：超八成網(wǎng)約車用戶，出于安全與服務的考量，更傾向選擇自營打車平臺。

行業(yè)戰(zhàn)事已經(jīng)從“跑馬圈地”轉(zhuǎn)向“精耕存量”，未來的輸贏，取決于能否讀懂結(jié)構(gòu)性的需求變化，并精準匹配場景、做好細分服務。

能夠推動功能迭代的AI，不只關(guān)乎體驗優(yōu)劣，更緊緊扼住網(wǎng)約車平臺的命運咽喉。

除了滴滴，T3出行也已落子AI，高德等聚合平臺勢必要跟牌。一場由新技術(shù)撬動的行業(yè)變局，正在鳴笛倒計時。

從“能打車”到“打想要的車”，AI重新定義網(wǎng)約車體驗

打工人迪克第一次嘗試AI叫車，就知道這是自己想要的。

告訴AI“幫我叫一輛從小區(qū)東門出發(fā)去機場的車，我們一共5個人行李很多”，系統(tǒng)智能匹配了3輛車供選擇，都是6座車，后備箱大，剛好把所有行李都塞下。

這讓總在天上飛的迪克，眼前一亮。傳統(tǒng)叫車模式下，他打到的往往是常規(guī)車型，行李偶爾得放在腿上，一路壓到機場腿都麻了。但如今，AI讓他從“被動開盲盒”轉(zhuǎn)向了“主動點單”。

不僅如此 ，一句話告訴AI打車需求，比如家人暈車，想要寬敞舒適、駕駛平穩(wěn)的新車，還能通過系統(tǒng)智能分析，就近匹配更理想的車型。 且界面 會顯示司機抵達時間， 迪克 可以掐著點， 選擇一輛能與自己同步抵達的車，避免 “車到人未到”的尷尬。

打車不再是碰運氣，而是成了精準匹配的定制出行。這種體驗升級，讓迪克迅速成為了AI叫車忠實用戶?；ヂ?lián)網(wǎng)從業(yè)者岑溪也認為，AI模式下，出行體驗將得到改善。

老年人在路邊冒雨攔車、一家5口必須要打兩輛車……這些打車難題，在岑溪眼里是技術(shù)瓶頸的投射：以網(wǎng)約車為代表的互聯(lián)網(wǎng)行業(yè)，過去為了追求效率最大化，將交互精簡至只有文字、圖標、按鈕等，以滿足絕大部分的標準化需求。

這導致網(wǎng)約車成了“出行工具”，個體需求一定程度上被犧牲了。

但如今，AI讓“語言交互”照進了現(xiàn)實：用戶說“下午兩點從小區(qū)出發(fā)去機場”，AI能“聽懂”并轉(zhuǎn)化為精準、結(jié)構(gòu)化的打車參數(shù)。那些曾被復雜操作“拒之門外”的人群，不再需要尋找按鈕，只需要告訴AI就能得到回應。

這意味著，一場從“效率優(yōu)先”到“體驗優(yōu)先”的范式轉(zhuǎn)移，正在席卷出行行業(yè)。

武漢的顏女士就抱著“打好車”的心態(tài)嘗鮮AI打車，然而，結(jié)果卻令她有些許失望：手機上顯示司機即將到達，但AI定位在小區(qū)4個上車點中最遠的一個，她一路狂奔過去才趕上。

坐上車，可能是前車急剎的緣故，司機在一些路段駕駛的頓挫感還是比較強。她更郁悶了：自己明明選了“駕駛平穩(wěn)”，怎么還匹配了一個急性子司機？

顏女士的遭遇，在行業(yè)觀察人士吳悠的意料之中：“AI叫車還有挺長的路要走。”

吳悠指出，叫車高度依賴精準的時空信息，但“下周五”“萬達對面”等日常用語對AI仍是迷宮，即便是GPT-4o等領(lǐng)先大模型的理解準確率也不到80%。AI一次“小失誤”，乘客就是一場“人在囧途”。

更難的是，AI還給了乘客選擇等待的時間，而車輛位置實時變動，這對平臺的調(diào)度能力提出了極高挑戰(zhàn)?！凹幢闶堑蔚芜@樣日均調(diào)度3800多萬訂單的巨頭，也很難次次滿足乘客100%的個性化需求，直接呈現(xiàn)在匹配度上，70%或80%需求滿足時有發(fā)生，保障大家部分出行體驗。”吳悠坦言。

不過她判斷，進入網(wǎng)約車下半場，自營平臺的優(yōu)勢將加速兌現(xiàn)，可能率先撞線。

畢竟自營平臺有著更深的積淀，滴滴就擁有大量隱藏在寫字樓、商圈的“非標準POI”，通過每日近四千萬次的司乘訂單不斷優(yōu)化，“車頭朝向”“接駕位置”的準確性大大提高。

且隨著用戶越來越多使用滴滴，歷史出行地址庫變豐富，在外部工具的加持下，能讓AI更準確“讀懂用戶”，如將“明天”換算為“1月21日”、將 “小區(qū)東門”精準到“月灣小區(qū)東門”。

但做到了理解用戶遠遠不夠，吳悠強調(diào)，更重要的是給用戶精準匹配心儀的車型。

顏女士碰上“暴躁司機”的另一個原因就源自于此：電車、油車是固定標簽，而駕駛平穩(wěn)、空氣清新等是“非標準”標簽，會因時、因人而變。這就要求平臺具備強大的基礎(chǔ)能力，且能快速更新、迭代。

“而平臺規(guī)模越大、運力越充足，滿足個性化出行需求的能力就越強?！眳怯品治龅溃吘笰I還會越用越“聰明”，形成“更多數(shù)據(jù)-更優(yōu)模型-更好體驗”的正向反饋。

因此，AI是網(wǎng)約車平臺必須爭奪的下一個高地，也是行業(yè)抬高天花板的契機。

“保姆級”服務用戶，迎合出行市場增量需求

00后珍珍坦言，自己用地圖軟件打車的習慣，是被滴滴們“逼”出來的。

“出門吃飯，先找到想吃的店，再手動復制地址到打車App……想想都累了。”珍珍吐槽，一步到位的地圖軟件更香，只有出遠門或身體不適想叫輛好車，才會打開專業(yè)打車軟件。

自帶出行場景的地圖工具，正揮著流量利刃切走蛋糕。尤其隨著年輕人把“懶”升華成了生活哲學，服務消費浪潮掀起，滴滴們不能再作壁上觀。

AI正是平臺響應市場變化，焊死“服務閉環(huán)”、搶占增量市場的關(guān)鍵一步。

珍珍就發(fā)現(xiàn)，AI小滴不僅可以幫忙叫車，還可以用來搜索：說“打車去附近的火鍋店”，它能直接推薦目的地；想吃某樣小吃，它列出最近三家門店，路線、估價一目了然。

僅僅試用了一次，珍珍就愛上了這種“所思即所得”的爽感，現(xiàn)在她不僅平時用AI叫車，去陌生地方旅游、出差更離不開。

有一次異地考察，她讓AI推薦酒店附近幾家知名餐廳，位置、路線顯示得一清二楚，繼續(xù)追問還能結(jié)合她的口味推薦“最佳”，跟著去吃居然也沒有踩雷。珍珍感嘆，“這個功能真的替自己省了不少時間和精力?！?/p>

岑溪則從中看到了打車平臺的一次關(guān)鍵“轉(zhuǎn)身”：不再只把乘客送往目的地，而是從需求起點介入，無論是購物、餐飲、休閑還是住宿，都可在滴滴上一站完成，替用戶省去行前或行后的決策環(huán)節(jié)，努力留住用戶。

其最終目標，很可能指向“一鍵生成、全程安排”的出行大管家，進而吃下更大的市場紅利——數(shù)據(jù)顯示，2025年國慶中秋假期，異地（特別是旅游）打車需求爆發(fā)式增長，大家不是不花錢了，而是追求花得值、花得舒服。

但親身體驗過后，岑溪卻覺得理想很豐滿，現(xiàn)實很骨感。

如下圖，在店鋪關(guān)店、遷移等相對復雜場景落地上，打車平臺偶爾不能及時識別。

“打車平臺還有許多短板需要補齊，也需要更多用戶使用后才能有正反饋?！贬f。不過她留意到，滴滴已經(jīng)上線了MCP服務，把平臺能力開放給廣大開發(fā)者，如配合手機語音助手，可以實現(xiàn)“打開手機就能叫車”。

“如果未來有更多開發(fā)者或平臺接入，用戶將在更多場景隨時隨地叫到車?！贬f，這將為滴滴帶來更廣闊的流量入口，助推其從“打車工具”躍升到“出行管家”。

經(jīng)常打網(wǎng)約車的張陽，已經(jīng)養(yǎng)成了把制定行程甩給AI小滴的習慣。

她告訴AI，想要明天11點到達機場的車，被告知：為了準時抵達，在10點出發(fā)比較合適，小滴將在明天7:55開始監(jiān)測天氣與附近空車情況，9:55安排車輛，如遇空車較少，將提前調(diào)度，確保10點準時出發(fā)。

如此高效背后，是AI會根據(jù)行程預計時間反推合適的出發(fā)時間，同時根據(jù)實時天氣、歷史路況等信息動態(tài)測算“最佳叫車時機”，再利用調(diào)度系統(tǒng)實現(xiàn)“適時地叫車”。

正如張陽提交預訂單，AI小滴會在最后一刻打電話給她通知叫到車了，讓她的出行更具確定性。

但她也提到，在暴雨天、早高峰等極端場景下，AI仍會出現(xiàn)過了預約點仍無車可用、耽誤行程的“失靈”情況。這說明，AI叫車技術(shù)仍需進一步提升。

而這又是一座難以攀爬的高峰——訓練AI既燒錢也耗力，滴滴們想要滿足海量用戶“千人千面”的需求，必須在算法進化與算力成本之間，長期走好平衡木。

AI真正走進了商業(yè)戰(zhàn)場，成為重塑格局的核心變量，至少在網(wǎng)約車行業(yè)是如此。

過去成功的經(jīng)驗正加速折舊，新的護城河將在市場洞察與技術(shù)協(xié)同中建立。不管滴滴押注AI是迫于競爭壓力，還是窺見消費變遷的“自適應”，總之，不得不承認，它踩對了節(jié)奏。

可以預見，接下來將有許多個“滴滴”冒出來，至于它們牌面如何，就讓子彈再飛一會兒。

（文中人物均為化名）