声明：本文源自微信公众号《光子星球》，作者吴坤谚，经授权由站长之家转载发布。1995年，Gartner提出技术成熟度曲线（Hype Cycle），试图通过时间与社会预期的坐标系，将新技术从诞生到成熟的外部情绪轨迹可视化。这一模型适用于大多数技术演进，当预期领先于交付时，主导社会认知；当预期回落，讨论才回归落地与交付。将GenAI置于该坐标系中，其典型波峰不难捕捉——大模型能力跃迁带来的演示效应极强，通用助手与通用Agent一度被视为默认答案。然而，在消费级市场的实际应用中，GenAI普遍面临一个尴尬悖论：用户能以自然语言描述目标，系统也能生成看似合理的方案，但当任务进入服务环节，许多通用Agent的可靠性便大打折扣。深度场景闭环的缺失，导致服务交付往往仅停留在信息检索或简单对话交互层面。当用户提出复杂需求时，由于缺乏可控的约束与验收标准，最终体验常不尽如人意。这促使产业界对Agent的讨论转向更明确的垂直场景跑通方向——与其追求万能却不稳定的通用助手，不如深耕高频、可验收、交付链路成熟的场景。正是在这种祛魅之后，垂直场景的价值才重新凸显。
出行领域作为重交付、高频次的典型场景，滴滴的AI出行助手“小滴”给出了不同的落地思路。其最新全量上线的“小滴”试图证明，当Agent不再悬浮于空中，而是深入供给组织与服务交付系统内部时，自然语言才能真正转化为可兑现的服务结果。为何选择出行领域？技术演示阶段比拼能力上限，落地阶段比拼交付下限。决定分水岭的，往往不是模型是否更聪明，而是系统能否将自然语言转化为可兑现的服务结果。Agent要进入生产力阶段，必须嵌入交付系统，模型负责理解，系统负责兑现。通用Agent更擅长前者，垂直Agent则更有机会补上后者。从这一逻辑出发，出行无疑是验证这套逻辑的最佳行业之一。
出行需求具备天然的明确性与标准化能力。相较于复杂的电商购物或旅游规划，出行的链路极其固定，无非是从出发地到达目的地，闭环的链路为AI能力落地提供了良好土壤。另一方面，出行需求相当高频。据交通运输部数据，全国网约车平台去年12月共收到订单信息9.63亿单。在AI领域，边界越清晰，模型越能通过精准的标签化处理满足用户模糊意图。高频特性，则为能力快速迭代提供了保障。更重要的是，出行的供需两端均存在可被AI优化的痛点。以当前用户在绝大多数出行平台的出行链条看，其出行分两步：输入目的地并选择车型。为追求效率，用户体验被压缩在选型环节，仅有价格、舒适、多座等寥寥数个维度可选。用户需求被压缩，更多出行偏好难以在事前成为可执行条件，只能被挤到事后评价中，体验随机性被放大。作为头部出行平台，滴滴早在Agent改造平台流程前，便通过“轻享”等模式优化平台能力。但前置选择越多，对效率的影响也越大，直到能准确理解用户意图并深入调度系统的Agent出现。AI的作用，是把更多可用信号前台化，把更细约束纳入匹配，让供需在交易前更接近彼此。
在多重因素推动下，滴滴率先推出“小滴”，并非跟风AI热潮，而是试图利用AI作为用户意图的“翻译官”和系统的“调度员”，将出行做成更具确定性的服务。把选择权交还用户，业内多以“开盲盒”形容出行体验，其本质是交易前信息不足——用户看不见交付轮廓，平台读不懂偏好差异。“小滴”的出现，旨在保障效率的同时快速理解用户偏好，以此为据调度供给。打开滴滴App，“AI叫车”按钮位于目的地输入框下方左侧，以主题色高亮显示。点击后，系统识别用户高频目的地，展示“特惠”“更舒适”“更平稳”等用户最关注的体验选择。若需求不复杂，点击其中一项后，小滴约8秒完成理解与调度，最终呈现车型、价格等信息供确认。这些需求均是滴滴去年9月26日开放测试小滴后，用户在对话中提及最多、呼声最高的。滴滴相关人士表示，过去用户难以下单环节明确表达更细的偏好，现在只需对小滴说“更平稳一些”“更舒适一些”，AI便能在供给侧更精准筛选匹配，呈现更贴近偏好的车辆与服务。
伴随小滴持续迭代，平台将能捕捉更多细微体验痛点。根源在于，小滴并非简单加一层AI聊天框，而是让对话变成可执行指令，让自然语言真正进入调度链条。用户只需一句话说出需求，小滴拆解成可执行标签，后台完成筛选调度，再以卡片形式呈现候选结果。需注意，AI受限于物理世界供给，当周边供给不足或特定偏好局部时空难以满足时，小滴无法凭空“变出”完全符合要求的车辆，最终呈现的是对当前可用供给的最优解。在供给稀缺或需求苛刻场景，用户仍需权衡时间、价格与体验。AI带来的确定性，更像是对随机性的压缩。除了普遍需求，光子星球还测试了复杂场景组合需求，如“合家去机场，要平稳，放行李”。小滴约5秒拆解成空间、平稳、后备箱大标签，并提供车型卡片，承接模糊需求的精准供给，是Agent在用户侧感知到的“智能”所在。对于老年人或输入不便的下沉市场用户，这种对话交互模式也极大降低了打车门槛。经测试迭代，小滴还将延伸至更长链路出行决策，如历史订单分析、预约叫车与出行方案对比。后者将即时调度拉长为计划调度，涉及更早供给锁定与更强风险预估。“先规划再确认”的路径，比即时叫车更能体现Agent价值——它拆开、量化不确定性，让用户在确认前看到更完整的出行答案。
小滴悄然改变了用户下单叫车的“顺序”，直指盲盒的根因。用户出发前就能预见并锁定“结果”，这份确定性，正是Agent落地消费级市场的核心溢价。重塑平台效率企业级与消费级，效率都是Agent的核心叙事之一，也是平台经济的核心能力。平台经济是在动态市场中不断压低摩擦成本，让匹配更接近效率前沿。网约车行业里，效率是用户侧可感知的交付变量，波动直接影响体验；另一方面，效率意味着更少的无效路径、错配与事后纠偏。效率越接近最优，用户越少需要对抗不确定性。小滴解决的是交易前信息密度不足造成的效率损失，让平台无需以通用规则覆盖复杂差异。这种深度交付，离不开滴滴十余年深耕出行的“厚度”。小滴身处庞大交付系统内部，不是凭空创造好服务，而是将后台本就存在的颗粒化运营能力“翻译”给用户。小滴对接实时运力与调度体系，用户一句话说清需求后，系统在附近车辆中做更贴近匹配，呈现给用户确认。相比过去主要靠固定选项下单，小滴更像将叫车变成个性化表达与确认的过程。当然，平台基础前提下，小滴还需具备强大的需求拆解与映射能力。如机场出行测试中，AI需听懂这不仅是目的地信息，还隐含“准时”和“大空间”刚需。小滴背后的算法能将模糊语言快速映射到供给标签，寻找合适车辆。这种“所见即所得”的实时性，是服务型Agent的生命线，也是Hype Cycle坐标系中的“启蒙坡道”——技术不再依赖宏大叙事维持热度，而是靠一连串可感知、可复用的增量价值，逐步建立稳定预期。用户看到更确定的叫车结果，平台拿到可用偏好标签与更清晰的约束条件，进而做出更贴近需求的分配。当机制跑顺，效率提升会以温和、持续方式显现。这种“以服务促增长”逻辑，正是AI回归业务本质的最好体现。
目前，AI小滴仍处于测试阶段。滴滴还为它加入了更多趣味性与互动性元素，如“逗逗小滴”功能，让AI在行程中陪伴聊天解闷，甚至随机触发彩蛋领取优惠。在消费级AI角逐中，市场已渡过拼参数阶段，焦点回归解决“最后一公里”真实痛点。滴滴的小滴提供了一个极具参考意义的范式：AI不应悬浮于业务之上，而应沉淀于流程之中。它不必追求大而全，但一定要在用户最需要“确定性”的瞬间，交付足够精准的结果。