文 | 佘宗明
人类社会的每次历史性技术变革，都在为「所有行业都值得用__重做一遍」这道填空题提供新答案。十多年前，人们填的是「移动互联网」；如今，标准答案成了「AI」。
随着AI浪潮席卷千行百业，许多人都笃信：只要AI足够聪明，就能将很多行业轻松「重做一遍」，包括电商、酒旅、医疗等，出行自然也不例外。
地图App上线「AI叫车」功能，AI Agent将「打车服务」做成轻量化插件，AI应用也希望插入叫车能力……看上去，打车似乎正沦为可灵活挂载的通用服务组件，随时面临智能体的无缝接管与业态重构。
正因如此，有些人幻想着，哪天大模型「打车」功能模块里能长出个「AI时代的滴滴」来。
可AI虽强，仍无法在空中建楼阁。更可能出现的情形是，AI时代的滴滴是从滴滴的身子里长出来——以自我进化的方式。
因为那些基于线下服务的商业模式，可以用技术提升效率，但履约交付最终仍绕不开物理世界。
在太多人一提到AI言必称「颠覆」的当下，厘清AI的作用力边界，确实很有必要。
拿出行服务来说，至今仍有些人觉得「大模型+叫车按钮」就是智能出行。可这无疑是对出行服务纵深的低估。
你能依托大模型整出个酷炫的AI打车界面，让用户体验到「动动嘴就能叫车」的科技感，但你能依托晕车党坐上开车稳得一批的老司机车辆吗？你能为大件行李携带者匹配到后备箱宽敞车型吗？……估计这些人会一问一个不吱声。
这时候，在出行场景中深耕厚积沉淀下的涵盖供给、履约、安全、数据反哺决策等维度的系统能力，就显得尤为关键了。
听到这，你是不是想说「就差点滴滴身份证号」了？
是的，没错，我想说的是，只要滴滴不挥霍自身优势，那AI时代滴滴就会变得愈发不可替代——因为它不光是出行AI技术体系的搭建者，更是物理AI在出行场景落地的必要条件。这道理其实也适用于餐饮外卖、家政维修、医疗护理等领域的部分头部玩家。
01 /
「纸上得来终觉浅，绝知此事要躬行」，现在看，将陆游800多年前写的这句诗嫁接到AI落地语境中，毫不违和。
说人话便是：AI不能光会「说」，不能「做」。
过去几年，AI很热，但绝大多数大模型都是「虚拟世界的巨人，物理世界的婴儿」：你让它写文案、做图表、答问题，它比懂王还懂；可你一旦要它进入物理世界面对重力、摩擦、意外、责任时，它恨不得来上一句「臣妾做不到啊」。
所以黄仁勋说，下一波AI浪潮不是生成更多内容，而是让AI进入物理世界、接管物理实体。去年7月，他还断言：物理AI的「ChatGPT时刻」已经到来。
他说这番话的背景是：虽说参数越堆越大、Benchmark分数越刷越高，可大模型的「代差」正急剧缩小，大模型在纯软件维度的效益也在边际递减。
当能答出一堆问题、写得一首好诗成为各家AI的标配时，差距也就不在「嘴巴」上而在「手脚」上了——谁能在听懂话的基础上办成事，才是重中之重。
那怎样才能「办成事」？
ChatGPT已经能用语音叫车但得跳转到Uber、能语音点外卖但会跳转到DoorDash，给出了答案：还得有真实社会场景的融嵌、海量行业数据的积累与复杂现实问题的闭环解决能力才行。
光能打嘴炮，却无线下服务网络、实体履约链路，充其量只能归为「嘴强王者型AI」。
还是以出行场景为例，若大模型在听到用户说「帮我叫辆车，要空气清新的，半小时后到机场」后，只能给出贴心回复，却找不到靠谱的司机、调不动线下的车辆，那它提供的情绪价值其实没太多价值。
前些天，很多媒体都报道，滴滴上线AI打车功能后，能将用户可能复杂含糊的指令拆解成包括「驾驶平稳」「空气清新」「优先油车」等服务标签，再从千万级运力池里精准筛选出符合条件的车辆，在运力不足时，还能自动对需求优先级进行排序。
▲小滴AI叫车功能上线后，引发了广泛关注。
这涵盖了需求理解、供给匹配、服务履约的智能出行服务闭环，显然超出了「AI聊天」的范畴。
而支撑这个闭环的，不是滴滴的模型参数，而是其在出行服务行业摸爬滚打十几年练成的底层能力与打造的坚实底座。因此，它成了覆盖人车路全维度的城市出行基础设施。
有了这些能力、这套底座，AI才能从纸上谈兵变为落地可行，否则只能是流于「说得虽好听，做事不太行」。
02 /
说到这，有些人也许不以为然：什么城市出行基础设施，不就是撮合司乘吗？
这就有些不把豆包当干……AI2C王者了。真实的出行场景，是时空动态变化、供需实时波动、路况瞬息万变、需求千人千面、安全保障不容有失，其高频、刚需、低容错特点决定了，它几乎是服务场景中复杂度最高的。能把这套体系长期稳定运转，本就是难以复刻的本事。
滴滴能形成行业内独一份的系统能力，不是像杨过练成黯然销魂掌那样靠叠Buff，而是靠干苦活、累活、难活炼出来的。
滴滴有高密度供给网络，这是满足用户个性化出行需求的基本前提。
AI个性化匹配的本质，是多条件筛选、精细化分单。当用户提出「不晕车、空间大、车内干净」这类细分要求时，AI需要在运力池中细筛。如果供给稀薄，结果只能是无车可派、等待超时，就像渔网再好，没有鱼群，注定是空捞一场。
而经过十余年运营的滴滴，就建成了覆盖全国的高密度运力网络，在城市核心区、早晚高峰、偏远点位都能保持稳定供给。这背后是长期运力运营、司机生态治理、服务标准化建设的逐步积累。
▲滴滴建成了覆盖全国的高密度运力网络。
滴滴有全链路履约能力，这是呼应用户「承诺可兑现」期许的基础支撑。
传统出行服务拼的是响应快、价格低；AI出行时代，比拼的是全链路确定性：从需求理解、地址解析、车型预估、价格确认，到智能派单、接驾引导、路线规划、行程安全、终点送达、售后保障，任何一环出错，用户都可能感慨「人工智能不如能工智人」。
但滴滴长期在履约上死磕：从行程中的实时定位、路线监控到服务后的评价反馈、违规处罚，从司乘纠纷的快速介入，到异常订单的主动干预……凭着一次次试错、迭代、优化，滴滴把充满变量的出行从非标服务变成了稳定服务。
随之而来的，便是稳定交付能力：用户急着赶路，滴滴能承诺「3分钟到达」；用户投诉司机，平台能快速响应、合理处理……
滴滴还有可靠的安全保障体系，这是出行AI不可动摇的根基。
出行是人命关天的场景，安全永远是第一优先级。AI提升效率，绝不能以牺牲安全为代价。
凭着在安全领域的长期投入，滴滴构建了覆盖事前、事中、事后的完整防护体系，包括风险识别、异常干预、行程保护、应急响应等全流程能力。
滴滴更有冠绝行业的真实数据体系，这是支撑AI出行的重要燃料。
AI的能力上限，由数据质量决定。对出行AI而言，最有价值的不是海量信息，而是高颗粒度、全场景、可验证、持续迭代的真实履约数据。
滴滴就有覆盖「人、车、路、单、服务」的全维度数据网络，如司机端的驾驶风格（平稳度、急刹频率、车速控制）、服务态度、合规资质、历史订单、违章记录、用户评价，车况端的车型车龄、车内环境、动力类型、后备箱空间、舒适性配置，环境端的实时路况、历史拥堵规律、道路施工、天气影响、上下车点分布、区域供需变化……
▲用户评价也会影响司机画像。
不光够完整，这些数据还够「活」——每笔订单、每次服务、每条用户反馈，反映出的用户需求之变、司机服务之变、路况车况之变，都会带动司乘画像、场景模型跟着变；够「准」——AI给司机贴上「驾驶平稳」的标签，可能是基于司机1000+订单的急刹车次数、加速频率、转弯平稳度、用户评价等数据综合判定，而非随意标注……
这些合起来，就是够「真」。真数据变成持续生长、实时反馈的活系统后，滴滴AI出行也能更好地实现从「猜测需求」升级为「精准满足」。
03 /
AI能够放大价值。得益于供给、履约、安全、数据上的能力资源积累，滴滴把出行服务从标准化的位移，变成了个性化、可预测、可信赖的智能决策。
过去出行服务重在将用户从A点送到B点，如今在平台基础设施与模型能力深度融合后，它瞄准的是「既要又要还要」——在送到的基础上，既要送得精准，又要送得舒适，还要送得可预测、可追溯、可信赖。
而从「既要又要还要」的字里行间里，能隐约看见密密麻麻的「重构」两个字。重构的对象，则是出行体验：以往打车得N步走，以后语音交互就行；以往都是标准化服务，以后可以千人千面了；以往打车经常像开盲盒，现在可以告别「薛定谔的出行体验」了……
传统打车通常需要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），语音叫车则可将流程压缩至1至2句话，能让效率骤增。
语音叫车只是交互层面的升级，个性化出行需求满足、服务确定性提升，是滴滴AI出行更本质性的提升。
都知道，过去十多年，网约车满足的主要是「位移」需求，用户主要使用App界面上预设的功能菜单。近年来，滴滴推出了无障碍、助老、宠物、女性友好等细分服务、满足个性化需求，但这种扩展也会受到功能界面限制，细分太多，产品也会变得复杂。
现在不一样了。滴滴AI出行已支持空气清新、驾驶平稳、后备箱大、后排宽敞、车龄新、服务好等90多个服务标签，全面适配通勤、商务、接送老人、带娃出行、就医等全场景需求。这本质上是履约交付能力的升维：过去是削足适履，让用户适应平台，现在是让各种尺码的鞋子去匹配脚的需要，让平台适配用户。
▲AI小滴能满足用户的各类个性化需求。
还要看到，前些年，打车出行像开盲盒，总被「不确定性」围绕——路况车况、等车时间、服务质量都可能不确定。想坐上「对」的车，只能靠碰运气。
如今，此类问题已迎刃而解：要确定的时间，没问题，在真实数据支撑下，滴滴的ETA（到达时间预估）能精确到分钟级，误差远低于行业平均水平；
要确定的服务，也OK，通过AI标签匹配，滴滴让乘客「要平稳有平稳，要干净有干净」；
要确定的供给，No Problem，凭借调度、匹配、路径等全套体系协同运转，滴滴AI可在早高峰、节假日、极端天气下提前调度运力、优化供需；
要确定的安全保障，滴滴在这方面也是最努力、最可靠的那个。在前几天的顺风车开放日上，滴滴就首次发布了自研的安全AI模型，目前已全面应用于安全专家工作台，借助多模态风险研判大模型，融合自然语言处理、订单异常分析、行程动态识别等能力，可提前识别风险，即时预警、主动干预……
在此过程中，AI小滴会把需求拆细、把服务做精，着力实现「一句话叫到对的车」。
值得注意的是，「AI小滴」已超越单一叫车功能，成为用户的专属出行管家：它能记住常用地址、推荐周边目的地、规划跨城换乘方案、追踪订单状态、提醒出发时间……
前不久，滴滴还开放了旗下打车Skill「didi-ride-skill」，面向「龙虾」用户提供完整的出行服务能力接入。
如果说AI小滴是滴滴把系统能力「内化」为自身手脚，那顺应龙虾热潮开放Skill插件，就是将其「外化」为行业基础设施。
04 /
若干年前，贝索斯曾说道：「亚马逊平台由品牌、用户、技术、物流能力、电商专业经验和一支专业团队构成——这些都是多年积累而成，无法被快速复制。」
滴滴看着亚马逊，兴许就像看到了另一个自己：凭着干苦活累活难活，它沉淀了竞争对手短时间内难以复制的高密度运力网络、全链路履约体系、全场景安全治理、真实交易数据、深度服务标准化能力。
到头来，即便别人能抹平算法壁垒，也难跨过这道物理世界系统能力壁垒。
而在AI时代，这道壁垒非但不会被AI抹除，还会被AI放大——技术价值从来都取决于应用场景和落地载体，同样的AI技术，放在缺乏运力规模、履约能力、数据资产、安全体系的平台身上，可能只有1分价值；放在滴滴身上，也许能发挥10倍价值。
最起码，AI能加速「技术能力+场景沉淀+履约体系+数据资产」的闭环形成，让滴滴形成自我强化的飞轮，将滴滴导入「数据越多，AI越聪明；AI越聪明，服务越好；服务越好，司乘越广；司乘越广，数据越多」的正向增强回路。
如此一来，AI时代，滴滴的护城河不会因AI普及而变浅，反而会因AI的加持变得更深、更宽、更牢。
做苦活累活难活，终筑成坚固护城河，滴滴趟过的这条路，不免让人想起那句：凿井者，起于三寸之坎，以就万仞之深。
滴滴便是凿井者，而护城河的「万仞之深」就是时间对深凿细琢的犒赏。这也注解了那句烂俗却不全是鸡汤的话：世上没有白走的路，每一步，都算数。
✎作者 | 佘宗明