作为一个科技媒体人，基本永远在路上。刚刚过去的 2025 年飞了快 10 万公里，平均每周都要出差一次，让我练就了一个「铁屁股」。

这种高强度的差旅让我对打车体验非常敏感，在落地后的「最后一公里」，往往也是焦虑感最强的时刻：

当我拖着 28 寸行李箱站在陌生的机场出口，虽然手机里已经排到了号，但心里却在打鼓：「这次来的车后备箱能不能塞下我的箱子？」、「车里会不会有上一单留下的烟味？」……

我发现打车很像「开盲盒」，虽然很方便，却在某种程度上让渡了对体验的选择权。对于我这样的高频差旅人士而言，比起惊喜，更需要的是「确定性」。

好在，变化终于来了。

最近我在滴滴的打车界面使用AI 助手「小滴」。经过一番实测，我们把平时打车时遇到的各种难题都抛给了它，我发现它并不是那种只会机械回复的 AI 客服，而是一个真正试图把「怎么打车」的选择权交还给用户的「出行管家」。

不仅是叫车，更是「懂车」的 AI 助理

在过去很长一段时间里，我们对打车软件的预期都停留在「效率」二字，用户更像是被动接受。但随着 AI 大模型的接入，原来的关系正在发生改变。

AI 要完成的，当然不只是「打到车」这种初级诉求，而是通过对车辆属性的判断，帮用户在海量车源中完成精准筛选，真正实现「选得准」。

打开 AI 叫车的界面，就能看到，小滴已经给出了常见的筛选标签，「空气清新」「SUV」，只需要点击对应的标签，就可以直接形成叫车指令。

在下方对话框也可以直接输入自己的指令——用最普通的口语即可。

以「宽敞」为例，这个标签背后是最核心的过滤需求：车型。小滴能够迅速识别标签，完成剔除，再匹配最近的车辆。

这看似只是加了几个可选项，但背后反映了滴滴对用户需求更加精细化的调度：它不仅需要知道车在哪里（位置坐标），更需要知道这辆车「是什么样」（服务画像）。

从被动派单到主动筛选，这一转变意味着打车正在从「开盲盒」变成一种「可预测」的服务。

在理解了「选得准」指令后，为了测试它的能力边界后，我们又给小滴出了一道典型「既要又要」的难题，看看它在面对复杂条件时，能否依然保持高效。

「既要又要」在实际使用中相当普遍：比如要去机场，行李多、预算有限，但在传统的打车软件里，这往往意味着一连串繁琐的盘算：你得先在车型列表里上下划拉，手动勾选特惠、快车、优享，还要在心里许愿来车之后，后备箱装得下手里 28 寸的行李箱。

为了测试小滴处理这类多维诉求的能力，我尝试输入了一条非常写实的指令：「打车去白云机场，要后备箱大的车，预算上限 100 块。」

在实测中，小滴并没有采取那种死板的、一刀切式的过滤方式。它先是抓住了「大空间」这个核心硬指标，但是在最后呈现方案时，依然体贴地保留了列表模式。

这种处理方式很聪明，AI 看懂了「建议」，而不是试图「替代」人类决策。

匹配的选择列表出来之后，需要在 50 秒内进行选择。

这背后有很多原因，比如滴滴遵循的是就近派单，车况和价格实时变化，犹豫片刻可能车辆就开走了，50 秒算是一个比较合理的时间区间。

当然，如果附近确实没有完美符合要求的车，小滴也会提示有哪些「虽然不完全满足条件但离您很近」的备选司机。

全程在线的「出行管家」，贴心又有趣

如果说精准的车型匹配展示了小滴作为 AI 的「硬实力」，那么接下来的进化则更具人情味，它正在从一个效率优先的叫车工具，转变为一个全程在线的「出行管家」。

基于对话的形式，小滴引入了目的地搜索的功能。接下去，无论是询问是否需要出行，还是直接安排一键打车，都颇有「大管家」的风范。

在下面这个行程里，我先是搜索了有哪些可以看耳鼻喉科的医院，作为最开始的搜索需求，很快，小滴就给出了几个不同的选项。

滑动不同的选项卡，上方的地图会随之变化，可以根据自己的距离选择，每个选项都可以直接一键打车。

「搜索 - 叫车」的链路，还可以实现预约的功能。比如，我想要趁着午休时间去图书馆——去哪家分馆？能不能按我说的时间出发？这些全部都在和小滴的对话当中，一次性解决。

如果是传统的预约叫车，涉及到很多步骤：先是在二级菜单里找到入口，再在弹出的数字滚轮里，艰难地对准时间，对完日期对时刻。而现在，一切都可以简化成一句话。小滴能够通过自然语言理解，瞬间完成预约，免去了调节时钟的麻烦。

不过，自然语言理解的挑战在于：对模糊语义的判断。

在这里，我的指令是「十分钟后帮我叫辆车去海珠会议文化中心」。这句话可以理解成「十分钟再开始叫车」，也可以理解成「十分钟后出发」。

我的原意是前者，但小滴理解成了后者，直接开始了智能叫车，而因为司机就离得不远，他不可能原地等个十分钟再过来，最后的结果是，十分钟后我就到目的地了。

模糊语义理解可能是所有大模型共同面对的挑战，但无论如何，小滴已经展现出了令人惊喜的服务统筹能力。

更有趣的是，小滴还在尝试扮演出行路上「情绪搭子」的角色。

在行程的十分钟内，我还试着「逗逗小滴」，跟它聊了聊司机对交通状况的吐槽，它会反过来问我的看法，还能聊点儿历史文化，人生哲学。在实际互动中，小滴的回复有时候显得有些「直男」，比较一板一眼，似乎还没完全进化成那种能接住所有梗的搭子。

但是，它真发优惠啊，在聊天的过程中，小滴会时不时触发一些惊喜彩蛋，聊着聊着可能就直接给出一张真金白银的打车券。

在专业的工具属性之外，能提供一点幽默感和实打实的让利，这本身就是一种非常讨喜的加分项。它让原本枯燥的行驶时间，变成了一次低成本的互动游戏，让「打车」这件事多了一份人情味和探索的乐趣。

不炫技的 AI ，让用户不吃亏，让好服务有身价

在体验了几天后，我们发现小滴所展现出的各种 AI 能力，并不是为了向外界展示某种高深莫测的技术肌肉。作为一种体现在出行平台上的 AI 应用，它的逻辑应该非常朴素：像盐溶于水一样，有味却无形。

滴滴做 AI，最值得玩味的一点，是它把背后极度复杂的后台链路和底层服务能力通通「折叠」进了一句句简单的对话里。

对于乘客而言，AI 还是那个 AI，但出行的体感却实现了一种「降维」：你不再需要学习复杂的规则，只需要像和朋友聊天一样提出需求。

更深层的意义在于，这种 AI 驱动的精准匹配，也为庞大的网约车司机群体带来一场正向的红利。

许多优秀的司机，他们的优质服务往往是隐形的。在传统的派单逻辑下，乘客在出发前很难感知到这种差异，导致「好服务」很难直接转化为「高收入」。当实现精准匹配之后，那些长期坚持高标准服务的司机，自然通过 AI 的筛选机制，从海量车源中脱颖而出。

这些，或许才是 AI 作为一个工具，在解决效率之外，所能提供的最高级、最有人情味的价值。

或许现在，小滴还不是一个完美的「满级 AI」，但在满世界都在「卷」大模型的当下，滴滴选择了一条最务实的路，用 AI 解决哪怕最微小的出行痛点。