摘要：
Gemini叫Uber，千问直接打车，这两个看起来一样的功能，其实完全不同。前者是让AI操作App，后者是真正让AI具有深度推理能力，让AI深入履约过程。
网科技 出品
作者｜Dale
编辑｜董雨晴
在中国AI生态里，有两家从不被热潮推动。其一，是DeepSeek，其二，是千问。前者以心无旁骛的AGI信念，潜心钻研技术变革。后者以强大的生态壁垒，始终做到后发颠覆，捅破现阶段AI能力的天花板。
3月底，在全行业都在被OpenClaw卷着走的时候，千问悄悄扔出一个跨越式的功能——AI打车，这也是继千问支持点外卖、订酒店机票景点门票、买电影票之后，对“AI办事”的进一步投入。
在全球范围内，能做到这一步的AI，屈指可数。
真正的AI代理人出现了
要厘清此次千问AI打车功能的飞跃式进步，需要先回归技术的底层逻辑。
在过去相当长的时间里，AI扮演的都是“遥控器”的角色，只不过是换成了一种更为先进的图形用户界面。无论是早期的智能对话体还是聊天机器人，其逻辑都是简单的单次指令、单次执行，用户发送一个具体的指令，模型调用函数完成任务，这是一个不需要智能化决策的机械动作。是肢体延展，不是意志延伸。
但代理人的角色截然不同，其初步具有了执行的能力——更为具体的说，是模型具备了在复杂环境中进行子目标分解与动态规划的能力。
顺着这一思路我们会发现，AI打车与AI点外卖与AI买电影票，在技术深度与落地层面，根本不是一个量级的难度。
无论是点外卖还是买电影票，其过程是在一个高度结构化的信息集装箱里完成的，其调用的工具比如菜单数据库、优惠券和支付系统都是线上化的，哪怕是再复杂的需求，比如规划不同场景里的点餐，都是在有限的数据库里进行。
甚至，点外卖点错了可以换一家，买电影票买错了可以改签，这些都是高容错率的场景，但打车是不能轻易换的。打车是高频、低容错、强履约的典型场景——你必须为真实结果负责，而且是实时负责。
这意味着，在AI打车业务里，AI要与真实物理世界、司机等其他交通参与者进行实时的互动和博弈。
这也是此次千问更新的跨越之处，让AI参与真实履约。
网科技在内测体验中发现，其能根据用户的模糊需求锁定合适的车型、路线，如我最初只指定了出发点和到达点，其规划了路线一，但在我提示自己晕车后，其重新规划了路线二，其相比路线一高速路段长、拥堵少。
也就是说，当用户对千问下达指令，它不是帮你点几个按钮，而是真正理解你的复杂需求，这背后涉及路线规划、实时调度、费用计算等一系列真实世界的履约动作。
当你问“打车去太子湾看郁金香”，AI需要理解“太子湾”是什么地方，“郁金香”对应着特殊的季节，进而判断你需要什么时间出发、从哪个门进入最方便。
这才是真正的办事——至此，AI就不再是遥控器，而是业务上的代理人。
网科技在多次尝试后发现，千问已初步具备了多任务融合执行的能力。在理想状态下，其可以完成长履约链条。比如，先帮助用户订电影票，然后打车去电影院，再预约10点半结束后的返程车。这是一个典型的生活场景链条，但涉及电影票预订、即时打车、预约打车三个完全不同的履约系统。在传统模式下，你需要在三个APP之间来回切换。而AI一次对话就能完成全部操作。
这意味着，在未来AI可以进一步进化，从单个任务的替代，变成了真正意义上的生活管家。
Gemini办不成的事，千问办成了
AI办事背后，是一场生态级的较量。
放诸全球，Gemini和OpenAI不是不想做真正的AI办事，而是目前为止还做不到，且长远来看，OpenAI也非常难做到。
Gemini近期重点推介的功能——通过语音指令“帮我叫辆Uber去机场”，让Gemini自动打开Uber应用，在虚拟窗口中完成操作，目前还支持Lyft。就像前文所说的，其还是遥控器角色，在一个安全的虚拟窗口中模拟用户点击和操作APP，而非直接与后台系统对接。在最终确认下单前，通常需要用户手动完成最后一步。
这也牵扯到一个极为核心的环节，AI办事需要三个核心能力：理解复杂需求、对接履约系统、为结果负责。前两个能力靠算法可以解决一部分，但第三个能力——为结果负责——需要的是真实的商业闭环。
打车这件事，涉及计费规则、司机调度、路线规划、支付结算、投诉处理等一系列复杂的商业系统。AI可以帮你“叫一辆车”，但如果车没来、路线错了、费用不对，谁来负责？
千问的底气，来自于阿里生态的强履约能力和强融合能力，淘宝闪购的外卖体系、飞猪的酒旅票务、淘票票的电影娱乐——这些都不是简单的“接入”，而是深度的系统融合。
当用户说“30块以内，车子里没味”，AI需要实时计算费用、筛选车型、对接司机偏好，这些都不是“唤起APP”能完成的，而是需要深入履约系统，有着强大的时空数据支撑。
再次捅破AI能力天花板
如果说过去两年的AI竞赛是围绕对话能力的比拼，秀文采、秀艺术表达，那么从现在开始，竞争进入了下半场——办事能力的较量。
对话能力的差距可以用几个百分点的评测分数来衡量，是过去见惯了的评测榜单，而办事能力的差距，至少目前看来，是“能不能做”与“做不到”的天壤之别。
千问此次上线的打车skill，正是这一分水岭的标志性产物。它不仅能理解“我要去公司”，还能精准解析“6个人需要匹配商务车”、“接个人要增加途经点”这类复合意图。
这背后，是一整套从意图识别到履约闭环的系统重构，这不只是多了一个打车入口，更是对整个出行服务交互范式的彻底重构，也是对传统打车软件的根本性颠覆。
在传统模式下，用户必须在打车 App 中依照菜单逻辑一步步操作：选起点、输终点、挑车型、看预估价……整个流程预设了“人必须适应工具”的前提。这种设计天然排斥模糊表达——比如你说“我想去一个市区最近很火的看郁金香的地方”，系统无法响应；也天然排斥非数字原住民——大量老年人因不会操作图形界面，长期被排除在出行服务之外。
更重要的是，一旦核心出行场景被 AI 助手承接，传统打车 App 的存在价值将面临结构性挑战。当用户不再需要主动打开传统软件，而是通过一句“帮我打车去太子湾”就能完成全流程，单一工具型应用的打开率和用户黏性势必遭遇根本性冲击。近期，Claude 上线设计类技能后，Adobe、Figma 等垂类设计软件股价应声大跌，已为这一趋势写下鲜明注脚：当通用智能体能完成专业任务，垂直工具的护城河就会迅速蒸发。
不仅如此，在 AI 助手内部，Skills 与 Agents 还能实现跨域协同。
到目前，千问已经先后接入外卖、出行、酒旅、票务等生活服务，打车 Skill 上线后，这些能力可无缝联动——比如一次性完成：“帮我订一家西湖边的酒店”、“打车送我去这家酒店”、“再推荐附近最有本地特色的杭帮菜”。这是一个典型的多跳任务链，涉及预订、调度、推荐三大系统，在过去需要切换至少三个 App，如今只需一次对话。
本质上，这也是AI从生产力工具走向生活助手的关键一跃。
中鑫优配提示：文章来自网络，不代表本站观点。
