AI改造出行体验：滴滴的试验能否开启行业范式转变？

---

  新智元报道  

AI叫车时代来了！

AI Agent赋能出行，将带来怎样的全新体验？

十一黄金周将至，出行高峰随之而来。人多，打车难了，打到适合的车更难了。

滴滴正在公测的出行AI助手，正是为出行高峰量身打造——

输入需求→自动识别上下车点→理解偏好→匹配司机，一键下单！

而这个AI Agent的体验路径如下：

至于效果如何？

反正用过的小伙伴，表示已经回不去了。（手动狗头）

滴滴基于丰富的车辆和司机信息，通过AI智能理解用户需求，提供更精准、更完善、更贴近用户期望的用车方案。

本次覆盖四大出行场景：个性化打车、定时叫车、历史查询、方案对比。

<<  滑动查看下一张图片  >>

小滴虽小，却能轻松应对打车需求。

获得体验资格后，目的地栏出现「AI叫车」选项，可直接点击相关图标（下图红色或蓝色箭头指向的图标）体验。

小滴界面简洁，交互直观，有需求直接说，支持语音与文字输入。老年人、孩子只要说清目的地，也能叫到车。

虽然界面简单，但滴滴打车的各种功能都支持，而且更能满足出行需求。

在假期旅行场景里，小滴能带来什么新体验？

国庆假期，常驻上海的小李和朋友们相约来北京旅游，全程使用了滴滴出行App的小滴AI功能。

小李刚下飞机，要从首都机场T3航站楼去三里屯的全季酒店，行李很多。

他向小滴AI说道：「小滴，我现在要从首都机场T3航站楼去全季酒店三里屯太古里店，行李很多。」

小滴AI旋即推荐了附近3辆后备箱大的车辆，供小李选择。

对每辆候选车，小滴精准总结关键特点，比如车内空间、司机服务态度等。

小滴通过智能匹配，对候选车辆综合打分：分数越高，越能满足个性化需求。而除了「后备箱大」等满足个性需求的标签外，还提供车龄、价格、服务等更多标签。

此外，每辆候选车均展示接驾距离、时间、车型等信息。

小李确认后一键下单，行李轻松装车，顺利入住酒店。

当天稍晚些时候，小李的4个朋友也都陆续到了酒店，他们5个人准备去故宫游玩。

小李对AI说：「我们5个人想坐同一辆车，从酒店去故宫。」

小滴AI推荐了六座的宽敞汽车，还自动提供了优惠价格。

5个人坐一辆车也不会嫌挤了，大家在车上聊得很嗨。

25分钟后我们顺利到达目的地，舒适地踏上了故宫之旅，尽情鉴赏祖国的瑰丽珍宝。

游玩期间，小李的一位朋友不幸临时被通知要回公司加班。

朋友想多陪小李他们一会儿，想卡点去机场，那怎么到机场出行最方便？

直接询问小滴：

小滴借助AI分析，给出了用时最短、花费最少和综合最优三种出行方案：

在执行过程中，小滴其实找到了5种出行方案，排除较弱的方案，再根据「全面对比原则」，最终保留了3个出行方案，涉及步行、打车、地铁等多种出行方式。

从执行结果上看，滴滴并没有因为自身是打车平台而无脑推荐全程打车，而是综合考虑时间和金钱成本等约束条件，综合考虑出最优方案，这也让我们能在滴滴里放心地完成一站式出行规划，而不是切换到专门的地图软件规划好路线再切回滴滴。

从这些细节，我们能看到滴滴以用户为中心的服务理念的贯彻落实。

离京前一天，小李让小滴AI提前预约明天10点前往机场的车。

AI主动告知：

第二天，小李准时出发，顺利踏上归程。

即将离京的当天，小李的一位北京朋友在陪他们游玩时，突然想起几天前一笔打车费忘记报销了。

小李便推荐他试试小滴AI的历史行程查询功能，并问道：「小滴，我在9月22号打车花了多少钱？」

AI快速反馈，给出了当天的打车时间、行程和费用。

据悉，目前小滴支持过去30天内的历史消息查询，直接对话，地点/订单/费用/目的地等任意查询。

此外，小滴利用AI还能总结出行规律、充当「出行记账管家」。

滴滴AI智慧出行，让我们每次出发更简单、更省心、更智能。

要做到这一点，只靠简单的大模型行不通。

当前的LLM虽然在科学推理、语言理解上很强，但在空间推理和时间计算方面明显不足。而叫车过程却高度依赖于对时空出行信息的理解，比如目的地和出发时间。

此外，叫车涉及多个因素（如等待时间、偏好车型、目的地）来匹配乘客和司机，这可能需要多轮对话。如何主动且自然地引导用户完成订单规划过程，也是一个重大挑战。

为了实现「用嘴打车」，这次滴滴利用「LLM+外部工具」开发了出行Agent「小滴」，可进行精确的时空推理和渐进式订单规划。

过去，滴滴打车的流程是「输入目的地→选品类→呼叫」，步步都要你来点。

更麻烦的是，快车/出租车/专车/特惠等一长串选项，让人眼花。

可以上下滚动的图片

现在变成「表达需求→智能匹配→确认车辆」。

过去，打车的每一步都要你来确认；现在，你只要说句话，小滴就开始找候选车。

更关键的是，这不止是交互的优化，还给用户提供了更实在的体验：多次需求可以一次提出。

过去，滴滴出行主要可选的是时间、地点和车型，现在还可以对车内环境、大小、价格、服务、路线等提出个性化需求。

背后是滴滴借助AI对传统交易的颠覆。在已有的工程和知识积累之上，滴滴实现了AI「个性化叫车」：

首先通过空间映射和时间推理，小滴提取出出行意图（如起点、途经点与终点位置，以及出发与到达时间）。

随后，小滴分析个性化需求，更细致的出行意图分析。

最后，执行逐步的订单规划，生成具体的订单信息。

背后离不开滴滴过去10余年积累的丰富的打车品类、和司机服务评分体系等核心竞争力，以及对服务标签的精细化梳理和分析。

在这方面，滴滴有比较扎实的能力，是核心能力壁垒。

在满足个性化出行需求的同时，用户在最终下单时的选择权也更大了。

结合时间、路况、用户需求等实时信息，小滴一次最多可提供3辆车司机接驾，而过去只能由系统直接指派。

通过改造传统交易流程， 小滴不仅解决了选车困难，而且给用户更好、更自由、更直接的用户打车体验。

凭借行业积累，小滴一句话就能实现不同的出行需求：

小滴不仅界面清爽，操作简单——关键是能「听懂」需求，基于滴滴丰富的车辆和司机信息，就近寻找满足要求的出行方案。

过去操作不仅繁琐，而且选择有限、固定，难以做到因人而异、因时而异。

随着AI能力提升与场景需求涌现，AI Agent进入爆发期。小滴顺势推出，贴合AI时代的出行新方式。

在出行场景做AI Agent，难在能不能把「人话」稳稳变成「订单」。

滴滴最近在arXiv挂了一篇出行Agent的论文，详细介绍了滴滴的科研工程攻坚与实践效果。

这篇论文给出的就是一整套硬核工程打法。

出行对话里，时间和地点的歧义是头号难题。

「下周五」、「明早」、「T2」、「博物馆东门」这些词，对用户是日常用语，对模型却是迷宫。

滴滴实测过，哪怕是GPT-4o、Qwen2.5-72B这样的大模型，在出发时间理解只有不到80%的准确率，离生产门槛差一大截。

滴滴的做法是直接给模型配上时空工具：

• 用时间解析器把相对时间换算成绝对时间戳；

• 用内部 POI 搜索和定位接口把模糊地名映射到唯一坐标；

• 全部参数结构化后再交给订单系统。

论文消融实验显示，一旦去掉时间工具，订单准确率立刻大幅下滑。

这说明滴滴真正啃下了行业最硬的一块骨头。

出行对话从来不是一句话搞定，往往要补全起点、时间、车型，中途还可能改单。

在这种多轮任务上的会话，业界常见的通用Agent（CoT/ReAct/Reflexion）准确率都显著偏低。滴滴论文里把这个问题量化后，才设计了解决方案。

滴滴选择把每个任务都变成结构化函数：创建订单、修改、取消各有模板。

模型每轮只需判断参数缺什么，缺了就问。

这种做法在实验里直接把完整对话的订单正确率从6成拉回到9成以上。

对比消融数据：去掉「按目标的结构化函数」，ROA从98.82%掉到66.32%，SOA从96.24%掉到23.28%。这就是硬指标证明。

用户对话除了最核心的下单，还可能有问规则、问司机位置、报错澄清、闲聊。

业内常见做法是同一个大模型，结果要么慢要么不稳。

滴滴拆成三类Replier：

• 专门处理下单补参的；

• 处理出错和不可行需求的；

• 检索知识库回答政策的。

简单问答调用微调后的开源小模型（论文中使用了Qwen2-72B等），复杂场景直接上滴滴自研原生大模型。

再加上AWQ量化和Medusa解码加速，把平均响应时间压到4秒以内。

这是滴滴在工程上绞尽脑汁的地方——不仅要准，还要快，还要便宜，打破看似「不可能的三角」，才能真正上线服务百万用户。

据悉，滴滴也一直在大模型的前沿领域进行深度探索，目前已有几篇论文入选了今年的国际顶级学术会议如NeurIPS等，其中提到的技术方案相信也被充分运用在此次的AI出行助手中。

年初，黄仁勋说今年是AI Agent之年。

奥特曼发文称，OpenAI确信看到了通向传统意义上的AGI之路，今年Agent将首次进入职场。

据报道，OpenAI视Agent为推理模型之后的AGI第三阶段。之后，先后推出Operator、深度研究、Codex等AI Agent产品或功能。

特别是，OpenAI发布GPT-5，特意介绍了在Agent工具使用能力的基准测试中取得的进步。

DeepSeek最近更新，同样特意展示了Agent测评中的取得的成绩。

Agent真的来了。

不过，许多AI企业更聚焦编程等「硬核」场景。但大部分人更在意的是，Agent真能改变日常生活吗？

正如移动互联网改变了日常生活一样，滴滴用出行Agent小滴证明：AI正在让生活更美好。

今年6月，滴滴企业版也推出内测的AI小滴差旅助手、管理助手、解决方案助手Agent。

对于商务出差的人来说，Agent最终也许能像行政助理那样工作——

分析企业差旅政策如飞机火车标准、酒店金额限制，结合员工偏好，衔接大小交通，生成一站式行程规划，并以「购物车」结算方式交给用户进行预订。

而且国内在AI落地上具有天然优势——互联网用户多，应用场景丰富。

在出行领域，滴滴是绝对的头部玩家。

滴滴在出行领域的专注，积累了大量出行领域的底层基础、商业模式、交互逻辑、用户粘性。

特别是细分领域的扎实积累，更是AI时代价值千金的硬通货。 

凭借这些为滴滴带来的底气，AI Agent逐渐开始普及的今天，小滴也最有可能成为出行领域最好用的AI Agent。

为促进大模型应用创新，滴滴还同步上线了MCP服务，支持AI开发者接入滴滴出行MCP，定制专属智能出行助手。

目前，滴滴支持Cursor、Trae、Cherry Studio等平台接入小滴Agent，接入后自定义的Agent将拥有自主规划出行方案、打车、实时查询订单及自动支付的能力。

感兴趣的开发者参考官网的API调用文档：https://mcp.didichuxing.com/api

比如，小红书博主「AI产品自由」，利用MCP Pro账号30秒完成了打车全流程，推出老年人专属出行方案，Agent打车就像开外挂！

开发者还可将滴滴MCP与其他领域MCP服务组合，探索更多应用落地场景。

想亲自体验小滴带来的全新体验，只需按照下述步骤操作：

目前口令先到先得，如果抢完了，「AI叫车」输入「预约」也可以获得内测资格，大家快去滴滴App试试吧！