千問能打車了，滴滴真正的麻煩來了

還記得春節(jié)期間千問請客喝奶茶的盛況吧，很多人的 AI 購物第一單就是那時候產(chǎn)生的。

也正是那次，直接讓千問在國民 AI 產(chǎn)品的賽道上往前沖了一把。

這次，他們又干了一件事，千問接入了打車 Skill。

有了這個能力，千問就能實現(xiàn)復(fù)雜需求的意圖理解，例如「6個人需要匹配商務(wù)車」、「接個人是要增加途經(jīng)點」等。還具備地點記憶、時間預(yù)約等能力。

我體驗了產(chǎn)品在不同打車場景下對需求的滿足程度，從目前的情況看，完成度已經(jīng)不錯了。

你可以先更新到千問最新版，然后直接跟它說出你的出行打車需求。比如我，就一句話告訴他我要去長沙五一廣場。

一開始，它會讓你先完成授權(quán)。

千問識別分析完我的需求后，會基于起點和終點推薦一個出行方案，包括車型、價格明細、路線規(guī)劃和時間等。

注意一個細節(jié)，我只告訴它我的終點在哪里，并沒有給他起點，但千問也是基于定位識別到了我的當前位置。

如果此時我沒有其他問題，直接跟它說確認用車就行，接下來它就會幫我去叫車。

后續(xù)的支付流程，也是用支付寶來完成的。

看似很絲滑，但實際的打車場景可比這個要復(fù)雜。

所以，我們給它上點難度。

這次，我的需求里不僅包含了對車型的選擇，還有就是出發(fā)時間是未來，也就是預(yù)約打車。

很顯然，千問也是準確識別到了我的需求，并且?guī)臀以O(shè)計好了打車方案。

只要我確認用車，這個打車需求就會被發(fā)出去，然后完成叫車。

還是前面說的，日常生活中的打車場景是非常多樣化的，所以我再復(fù)刻一個真實的打車場景。

這次，我指定起點，但是這個起點不是我的當前定位，也就是我?guī)蛣e人打個車，并且把他送到我家里來。

注意，這個過程中我也沒有告訴千問我家在哪。

然后，它也準確識別分析并完成了叫車方案設(shè)計，全程沒毛病，這背后應(yīng)用到了長下文記憶的能力。

別覺得我在為難它，其實我這就是日常場景里的正常需求而已。

實際上，打車看似是一個小需求，但是它所覆蓋的場景其實非常多，而且很復(fù)雜。

不過看到千問可以打車這件事，我最大的感受不是 AI 又能干一件事了，而是 AI 開始真正進入辦事時代了。

很多人會把它理解成一個演示：你說一句「幫我打車去公司」，系統(tǒng)替你完成下單。

看起來像是把原來 App 里的點擊操作，換成了一句自然語言。

如果只看到這里，那就低估這件事了。

因為打車的本質(zhì)，從來不是「操作」，而是「決策」。

為什么這么說？

你點外賣點錯了，最多重下一單，損失的是一點錢和等待時間。

但是，打車不一樣。

車打錯了、位置錯了、車型選錯了、時間卡錯了，代價往往不是幾塊錢，而是遲到、誤事、情緒被打亂，甚至影響后面一整天的安排。

所以，打車不是一個輕交互服務(wù)，而是一個強履約服務(wù)。

這也是為什么全球很多 AI 產(chǎn)品都嘗試過幫用戶打車，但真正做好的并不多的原因。

核心問題，往往不在于能不能調(diào)起打車接口，而在于誰對結(jié)果負責。

技術(shù)上，把一個 App 喚起來不難，難的是 AI 要理解你的真實需求，要替你做出合適的選擇，還要對最終結(jié)果兜底。

因此，這才是 AI 辦事的真正門檻。

過去我們討論 AI，更多是在說它能不能回答問題、能不能寫文案、能不能做總結(jié)。

這些事情本質(zhì)上屬于信息處理，哪怕答錯一點，問題也未必很大。

但一旦進入真實世界，進入辦事的場景，標準立刻變了。

你要的不是一個差不多的回答，而是一個能落地的結(jié)果。

從這個角度看，千問能打車，真正有價值的地方不是它替你省了幾個點擊動作，而是它邁過了一道更難的門檻：AI 不只是執(zhí)行指令，而是開始承接責任。

這背后還有一個更大的變化，是交互范式的變化。

以前打車的流程很固定：打開 App，輸入目的地，選擇車型，確認費用，提交訂單，等待司機接單。

整個過程，本質(zhì)上是人去學(xué)習(xí)工具的操作邏輯，再按照工具規(guī)定的步驟一步步完成。

所以，這是一種典型的「操作導(dǎo)向」。

而現(xiàn)在，如果你只需要說一句「幫我打車去公司」，系統(tǒng)就能理解你的意圖、結(jié)合你的歷史習(xí)慣、當前位置、常用路線、支付方式，直接幫你完成任務(wù)，那么人與工具的關(guān)系就變了。

以前，是人找服務(wù)。

以后，是服務(wù)找人。

以前，是你去適應(yīng)工具。

以后，是工具來理解你。

這看起來只是少了幾個步驟，實際上是一次人機交互范式的遷移。

因為，自然語言不是更方便的按鈕，而是一種更接近人類需求表達方式的接口。

說白了，人真正想表達的從來不是我想點擊哪個按鈕，而是我現(xiàn)在要去哪里，我希望快一點、舒服一點、別出錯。

當 AI 能直接理解這個層面的需求，工具就不再只是工具，而開始變成你的數(shù)字分身。

這也是我認為這件事特別重要的原因：它讓 AI 從會聊天走向會辦事，從輔助工具走向代理角色。

那么，為什么是阿里先把這件事做出來？

很多人第一反應(yīng)會覺得，這是模型能力的問題。誰模型更強，誰就更容易搞定。

但如果你把這件事拆開看，就會發(fā)現(xiàn)核心不只是模型，而是生態(tài)。

AI 打車不是一個單點能力，它至少需要幾樣?xùn)|西協(xié)同：地圖定位、路線理解、司機供給、實時調(diào)度、支付閉環(huán)、異常處理。

你不能只有一個聰明的大腦，還得有完整的手腳和神經(jīng)系統(tǒng)。

全球范圍內(nèi)，真正同時擁有這些能力的公司并不多，阿里就是其中一個。

千問并不是憑空創(chuàng)造一個新能力，而是把原本分散在不同業(yè)務(wù)里的能力串了起來，讓模型成為那個新的統(tǒng)一入口。

這也說明了一個趨勢，AI 競爭正在進入下一階段。

上一階段，比的是誰的模型更聰明，誰的參數(shù)更多，誰的推理更強。

下一階段，比的是誰能把模型和真實世界的服務(wù)網(wǎng)絡(luò)連接得更深。

不是模型軍備競賽，而是生態(tài)能力 PK。模型決定上限，生態(tài)決定落地。

還有一個細節(jié)，我覺得特別有意思。

如果用戶說：「幫我打車去公司，不要臭車」，AI 會怎么理解？

這句話在生活里是一種人味兒的表達，看起來很生活化，但對于 AI 來說就有點模糊。但恰恰這種模糊，才最考驗 AI。

不要臭車，到底是什么意思？

是司機身上有異味？車里有煙味？空調(diào)味太重？還是車況不佳、衛(wèi)生太差？

以前，很多 AI 遇到這類表達會直接懵掉，因為它只能理解字面意思，缺乏真正的生活經(jīng)驗。

而真實世界里的需求，恰恰大量都是這種不標準、不結(jié)構(gòu)化、但又非常真實的表達。

這個過程中，用戶不是在給系統(tǒng)下結(jié)構(gòu)化命令，而是在表達感受和偏好。

「不要臭車」的重點，不是「臭」這個字本身，而是人為什么在乎這件事。

因為坐車和點外賣不一樣，人在車里是被困住的、無法回避的。體驗一旦差，就不是不滿意，而是難受。

所以 AI 真正要理解的，不只是你說了什么，而是你為什么這么說。

這揭示了 AI 辦事的本質(zhì)：不是識別需求表面，而是理解需求背后的原因。

誰先做到這一點，誰才真正摸到了 Agent 的門檻。

更進一步看，AI 打車其實只是一個開始。它背后真正發(fā)生的，是 AI 正在吃掉越來越多的「認知勞動」。

過去我們打車，需要自己做很多微小但消耗精力的決策：用哪個平臺、選什么車型、在哪個上車點更順、價格是否劃算、是否需要趕時間。

這些決策看似不難，但每天都在消耗注意力。

現(xiàn)在，AI 可以逐步接管這些事。

未來也一樣，幫你選餐廳、幫你比價、幫你安排行程、幫你篩選酒店、幫你做信息歸納，甚至幫你做部分投資輔助判斷。

越來越多原本由人親自完成的認知勞動，都會被 AI 接手。

這意味著，人在很多場景中的角色會發(fā)生轉(zhuǎn)移。

先是執(zhí)行者。

然后是決策者。

再往后，可能變成監(jiān)督者。

所以未來真正稀缺的能力，未必是你會不會操作工具，而是你知不知道什么應(yīng)該交給 AI，什么必須自己掌握。

你能不能判斷 AI 的建議靠不靠譜，你有沒有能力在自動化越來越強的世界里，保留自己的判斷權(quán)。

AI助手千問能打車了，看起來只是一次產(chǎn)品升級。但如果放到更長的時間尺度里看，它其實像一個信號——服務(wù)的入口正在從App 圖標，轉(zhuǎn)移到一句自然語言之中。

而這場遷移的沖擊波，首先就會打在那些依賴固定交互路徑的單一服務(wù) App 上。

出行類 Skill 的上線，不只是多了一個打車渠道，更是對滴滴這類傳統(tǒng)打車軟件的根本性挑戰(zhàn)。

在傳統(tǒng)模式下，用戶必須在 App 里按菜單一步步點選：輸入起點、終點、選車型、確認價格等等。

整個過程預(yù)設(shè)了「人要適應(yīng)工具」的前提，這不僅限制了表達——比如你說「我想去一個市區(qū)最近很火的看郁金香的地方」，系統(tǒng)根本無法理解；而且也讓大量不熟悉圖形界面的用戶，比如老年人，被擋在服務(wù)之外。

而 AI 助手 + Skill 的模式，把交互還原成了最自然的語言。你不需要知道「怎么操作」，只需要說出「我想做什么」。

這種范式的切換，激活的不僅是新需求，更是被長期忽視的用戶群體。

一旦核心出行場景被 AI 助手承接，傳統(tǒng)打車 App 的打開率和用戶黏性將面臨結(jié)構(gòu)性下滑。

就像 Claude 推出設(shè)計技能后，Adobe 和 Figma 股價應(yīng)聲下跌所預(yù)示的那樣：當任務(wù)可以在通用智能體中完成，垂直工具的價值就會被重新定價。

未來最值得關(guān)注的，不是哪個模型又刷了多少分。

而是，哪個 AI 真的能用最自然的方式把事辦成！

················· 唐韌出品 ·················

安可時刻

生活服務(wù)是 AI 能夠介入且大大提效的場景，可能一開始我們會懷疑，甚至是抵觸，以及不信任。

但是，這就像我們第一次把錢放在支付寶和微信錢包里一樣，也是伴隨著不確定和小心翼翼。

但是，有些進程就是不可逆的。

AI，正是其中之一。