AI越普及，滴滴护城河越厚

文 | 佘宗明

每一次技术跃迁，都会给「所有行业都值得用__重做一遍」这类题目不断更新答案。十多年前，人们填写的是「移动互联网」；而今天，标准选项往往变成「AI」。

当AI浪潮扩散到各个行业，很多人形成了同一个笃信：只要AI足够强，就能把不少赛道轻易「重做一遍」，电商、酒旅、医疗等都在其中，出行当然也不会被放过。

于是我们看到，地图类应用推出「AI叫车」，AI Agent把「打车服务」做成可挂载的轻量组件；各类AI应用也试图把叫车能力接进来。乍一看，打车似乎正在变成一种随时可被智能体接管、并触发业态重排的通用模块。

因此也有人开始畅想：也许有一天，大模型会在「打车」这块能力里长出「AI时代的滴滴」。

但AI再强，也不可能凭空造出摩天楼。更现实的图景，往往是AI时代的滴滴从滴滴自身“长出来”——通过持续自我进化。

原因在于，依赖线下服务的商业形态可以靠技术提升效率，却始终要回到物理世界完成履约交付。

在人人谈AI都喜欢说「颠覆」的当下，把AI能施力到哪里、边界在哪，确实值得重新梳理。

以出行为例，仍有人把「大模型+叫车按钮」当作智能出行本身。可这显然低估了出行业务的纵深。

你或许能用大模型做出让用户“动动嘴就能叫车”的界面体验，让科技感拉满；但你能不能用同一套能力把车况处理好、让晕车党坐得稳？能不能把后备箱空间匹配到大件行李携带者？如果把这些条件逐一问出来，答案大概率会让人安静下来。

也正因为如此，在出行场景中长期深耕沉淀的系统能力——涵盖供给、履约、安全、数据反哺决策等维度——就显得格外关键。

听到这里，你是不是已经不想再说“就差点滴滴身份证号”了？

没错，我想表达的是：只要滴滴不浪费自身优势，AI时代的滴滴就会越来越难被替代。因为它不仅承担着出行AI技术体系的搭建工作，也是真正把物理AI落到出行场景中的必要条件。这套逻辑，同样适用于餐饮外卖、家政维修、医疗护理等领域部分头部玩家。

01/

「纸上得来终觉浅，绝知此事要躬行」，把陆游800多年前写下的诗句迁移到AI落地语境里，完全不违和。

换成直白的话：AI不能只会「说」，更不能只停留在「做不到」。

过去几年，AI很火，但多数大模型仍是「虚拟世界的巨人，物理世界的婴儿」。让它写文案、做图表、回答问题，它往往比谁都能讲；可一旦要进入真实世界、直面重力、摩擦、突发情况与责任，它又常常像在说「臣妾做不到啊」。

所以黄仁勋才会判断：下一波AI浪潮不只是在生成更多内容，而是让AI进入物理世界、接管物理实体。去年7月，他还提到物理AI的「ChatGPT时刻」已经到来。

这番判断的背景是：参数越堆越大、Benchmark分数越刷越高，但大模型的“代差”正在明显缩小，在纯软件维度所带来的边际效益也在递减。

当各家AI都能写得出好文、答得出一堆问题，差距就不再集中在「嘴巴」，而转向「手脚」——谁能在听懂之后真的办成事，才是关键。

那要怎样才能真正「办成事」？

ChatGPT已经给出一个答案：它能语音叫车却需要跳转到Uber；能语音点外卖却要接入DoorDash。也就是说，离不开真实社会场景的融嵌、海量行业数据的沉淀，以及对复杂现实问题的闭环处理能力。

如果只有能说的能力，却缺少线下服务网络和实体履约链路，那顶多属于「嘴强王者型AI」。

仍以出行为例：当大模型听到用户说「帮我叫辆车，要空气清新的，半小时后到机场」时，如果它只是给出温柔回应，却找不到靠谱司机、调不动合适车辆，那所谓情绪价值就很有限。

最近不少媒体提到：滴滴上线AI打车后，可以把用户可能含糊复杂的指令拆成可执行的服务标签，例如「驾驶平稳」「空气清新」「优先油车」等；再从千万级运力池里进行精准筛选。遇到运力不足时，它还能自动调整需求的优先级排序。

▲小滴AI叫车功能上线后，引发了广泛关注。

这意味着它覆盖的不只是“AI聊天”，而是一整套需求理解、供给匹配、服务履约的智能出行闭环。

支撑这套闭环的，不是滴滴模型参数本身，而是其在出行服务行业里长期摸爬滚打所练出的底层能力，以及打造出来的坚实底座。于是，它可以成为覆盖人车路全维度的城市出行基础设施。

有了这些能力和底座，AI才从纸面推演走向可落地的现实；否则就只能停留在「说得好听，做事不太行」。

02/

说到这里，有人可能仍会不服：城市出行基础设施不就是撮合司乘吗？

这句话有点不把出行复杂度当回事。真实的出行场景，是时空不断变化、供需实时起伏、路况瞬息万变、需求千人千面，同时安全保障不容丝毫差错。它高频、刚需、低容错的特性，决定了出行几乎是服务场景里复杂度最高的一类。能长期稳定跑通这套体系，本身就很难被复制。

滴滴形成行业内难得的系统能力，并不是靠“叠Buff”那种捷径，而是靠日复一日的苦活、累活和难活打磨出来的。

滴滴掌握高密度供给网络，这是实现用户个性化出行的前提条件。

所谓AI个性化匹配，本质上是多条件筛选与精细化分单。当用户提出「不晕车、空间大、车内干净」这类细化要求，AI就得在运力池中进行细粒度甄别。如果供给稀薄，结果往往只能是无车可派、等待超时，就像渔网再好却没有鱼群，最终只会落得空空一场。

而经过十余年运营，滴滴已经构建起覆盖全国的高密度运力网络：在城市核心区、早晚高峰、以及相对偏远的点位，都能维持较稳定的供给能力。这背后是长期的运力运营、司机生态治理以及服务标准化建设逐步累积的结果。

▲滴滴建成了覆盖全国的高密度运力网络。

滴滴具备全链路履约能力，这是对用户“承诺要能兑现”的基础支撑。

过去的出行服务更看响应速度和价格；到了AI出行时代，比拼的是全链路确定性。从需求理解、地址解析、车型预估与价格确认，到智能派单、接驾引导、路线规划、行程安全、终点送达与售后保障，任意一环出问题，用户都可能直接感叹「人工智能不如能工智人」。

滴滴在履约上长期投入并持续打磨：从行程过程中的实时定位与路线监控，到服务后的评价反馈与违规处理；从司乘纠纷的快速介入，到异常订单的主动干预……通过一次次试错、迭代与优化，滴滴让原本充满变量的出行变成了更稳定的交付服务。

随之形成的，是更可靠的交付能力：用户急着赶路时，滴滴能给出更明确的到达承诺，比如「3分钟到达」；当用户投诉司机，平台也能更快响应并完成相对合理的处理。

滴滴还拥有可靠的安全保障体系，这也是出行AI最不能动摇的根基。

出行关系到人的生命安全，安全始终要排在第一优先级。AI提升效率绝不能以牺牲安全为代价。

依托在安全领域的长期投入，滴滴构建了覆盖事前、事中、事后的闭环防护能力：包括风险识别、异常干预、行程保护与应急响应等全流程机制。

滴滴也有冠绝行业的真实数据体系，为AI出行提供“燃料”。

AI的能力上限由数据质量决定。对出行AI来说，真正最有价值的不是数量庞大的信息，而是高颗粒度、全场景、可验证且持续迭代的真实履约数据。

滴滴具备覆盖「人、车、路、单、服务」的全维度数据网络：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。

更重要的是，这些数据足够“活”。每一笔订单、每一次服务、每条用户反馈，都在反映需求、司机服务与路况车况的变化，从而驱动司乘画像和场景模型持续更新；同时，这些数据也足够“准”。比如给司机贴上「驾驶平稳」标签，并不只是随意标注，而是综合基于司机1000+订单的急刹次数、加速频率、转弯平稳度、用户评价等多维信息做出判断……

当一切合起来，数据就会变得足够“真”。一旦真数据转成持续生长、实时回流的活系统，滴滴AI出行便能更好地从“猜测需求”升级为“精准满足”。

03/

AI的价值在于放大。得益于在供给、履约、安全与数据等方面持续积累，滴滴把出行服务从单纯的标准化位移，升级为个性化、可预测、可信赖的智能决策。

过去出行的重点是把用户从A点送到B点；如今当平台基础设施与模型能力深度融合，它追求的是「既要又要还要」：在完成到达的基础上，还要精准、舒适，并且尽可能实现可预测、可追溯、可信赖。

从「既要又要还要」的字里行间里，能清晰看见“重构”二字。重构的对象，是出行体验：过去需要N步操作，现在语音交互就能完成；以前更多是标准化服务，现在可以做到千人千面；以前打车常常像抽盲盒，现在可以告别「薛定谔的出行体验」。

传统打车往往要走6到8步（打开App→输入目的地→选择车型→确认时间→添加备注→支付），而语音叫车能把流程压缩到1到2句话，效率提升会非常直接。

语音叫车只是交互层面的升级，但真正更本质的改变，是滴滴AI在满足个性化出行需求、提升服务确定性方面的能力跃迁。

大家都知道，过去十多年，网约车主要解决的是「位移」需求，用户多在App界面里选择预设功能菜单。近年来滴滴推出无障碍、助老、宠物、女性友好等细分服务来覆盖个性化诉求，但这类扩展往往会受到界面呈现与功能复杂度的制约：细分越多，产品越难。

现在不一样了。滴滴AI出行已经能支持空气清新、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，面向通勤、商务、接送老人、带娃出行、就医等全场景做适配。其核心在于履约交付能力的升维：过去是让用户适应平台，现在是让平台去适配不同“尺码”的需求。

▲AI小滴能满足用户的各类个性化需求。

同时也要看到，过去打车常被“不确定性”包围：路况车况、等车时间、服务质量都可能不稳。想要坐到“合适的那一台”，往往只能靠运气。

如今这些问题正在被拆解。要确定时间，没有问题：在真实数据支撑下，滴滴的ETA（到达时间预估）可以精确到分钟级，误差显著低于行业平均水平；

要确定服务也能做到：通过AI标签匹配，乘客可以提出「要平稳有平稳，要干净有干净」这样的偏好；

要确定供给No Problem：依靠调度、匹配、路径等全套协同体系，滴滴AI可以在早高峰、节假日与极端天气下提前调度运力、优化供需；

要确定安全保障，滴滴也是最用心、最可靠的一方。前几天的顺风车开放日上，滴滴首次发布自研的安全AI模型，并已全面应用到安全专家工作台。借助多模态风险研判能力，融合自然语言处理、订单异常分析、行程动态识别等技术，可提前识别风险，实现即时预警与主动干预。

在整个过程中，AI小滴会把需求拆细，把服务做精，目标就是“一句话叫到对的车”。

值得留意的是，「AI小滴」并非只停留在单一叫车功能，而是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，并提醒出发时间。

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小滴是把系统能力“内化”到滴滴自身手脚，那么开放Skill插件的动作，就相当于把能力“外化”为行业基础设施。

04/

若干年前，贝索斯曾说：「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。」

看着亚马逊，滴滴也许能想到另一个自己：凭着长期的干苦活、累活、难活，它沉淀了竞争对手短期难以复刻的高密度运力网络、全链路履约体系、全场景安全治理、真实交易数据，以及深度服务标准化能力。

最终，即便对方能把算法壁垒抹平，也难以跨过物理世界里的系统能力门槛。

而在AI时代，这道壁垒不会因为AI普及就被抹掉，反而会被AI进一步放大。技术价值从来取决于应用场景与落地载体：同样的AI技术，放到缺乏运力规模、履约能力与数据资产的平台上，可能只有1分价值；放到滴滴身上，或许就能发挥10倍作用。

至少，AI能加速形成“技术能力+场景沉淀+履约体系+数据资产”的闭环，让滴滴进入自我强化的飞轮：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——正向增强的回路持续运转。

因此，到了AI时代，滴滴的护城河不会因AI普及而变浅，反而会因为AI的加持变得更深、更宽、更牢。

做苦活累活难活，终会筑出坚固护城河。滴滴趟过的这条路，也让人想起那句：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」也正是时间对深凿细琢的回报。这也解释了那句听起来俗却不全是鸡汤的话：世上没有白走的路，每一步，都算数。