滴滴升级AI出行助手“小滴” 90余标签实现定制化出行体验

2026年3月19日，滴滴正式对旗下AI出行助手“小滴”完成重磅升级，本次升级深度集成大模型能力，强化智能语义感知，支持90余项细分服务标签，可精准匹配座舱环境、驾驶风格、多途径点规划等复杂出行需求，推动用户出行体验从“打到车”向“打好车”转变，成为出行场景大模型落地的标志性案例。

对于很多消费者来说，打车时的“个性化需求”始终是个难以完美解决的痛点：怕晕车的乘客只能在备注里写“麻烦开稳点”，携带老人小孩的家庭要反复和司机确认车辆空间，跨城赶交通的用户得自己提前算好路线预留缓冲时间，稍有不慎就会耽误行程。而滴滴最新推出的“小滴”升级方案，正是瞄准这些普遍存在的出行痛点给出的智能化解法。

随着国内出行市场的供给逐步稳定，行业竞争已经从过去的运力规模比拼，转向体验维度的精细化竞争。用户不再满足于“能打到车”的基础需求，而是希望获得更贴合自身场景的定制化服务。
滴滴内部用户调研显示，超过6成用户曾提出过基础叫车服务之外的个性化需求，其中座舱环境、驾驶风格、行程规划类需求占比最高，这也成为了“小滴”升级的核心方向。

本次“小滴”升级的核心是大模型带来的语义感知能力质变，不同于过去只能识别简单关键词的订单工具，升级后的“小滴”可以精准解析用户的自然语言需求，自动拆解为对应的服务标签，目前系统已经覆盖90余项细分服务标签，涵盖三大核心维度：
座舱环境类标签可满足用户对空气清新度、儿童座椅配置、车内空间等需求，为老人、孕妇、气味敏感人群筛选适配车辆；驾驶风格类标签可根据用户需求优先匹配驾驶习惯温和、不主动交谈的司机，降低晕车、社交尴尬等问题的出现概率；复杂行程规划类标签支持多人出行协作、多途径点路线自动生成，还能根据实时路况调整出行方案、提示换乘节点。
滴滴方面透露，本次升级采用“语义理解+多维匹配”的核心逻辑，让“小滴”不再是被动响应查询的工具，而是能主动预判用户潜在需求的出行助理，比如用户输入“明天早上7点去机场，带了两个28寸行李箱”，系统会自动匹配后备箱空间充足的车型，同时提前调取早高峰路况数据，给出提前出门的提示，减少用户误机风险。

“小滴”的升级也是大模型在垂直刚需场景落地的典型样本，相较于通用大模型，出行场景的大模型落地有明确的需求指向和商业化路径，能直接转化为可感知的用户体验提升。
据了解，滴滴后续还将进一步迭代“小滴”的标签体系，未来或将联动本地生活、文旅等生态资源，为用户提供从出门到目的地的全链路出行服务，推动整个出行行业的智能化转型。