司機難自證清白？滴滴用整套體系守護安全和公平

一筆訂單被標記異常之后，發生了什么？

撰文 | 麥哩

題圖 | 網絡

6月24日晚高峰，成都，滴滴安全預警中心。

安全專家剛處理完上一條風險訂單，系統又彈出一條新訂單。

我坐到了他旁邊，戴上耳機，全程參與了這筆訂單的處置。

一筆什么都沒有發生的訂單

聽筒里，系統標記異常的片段幾乎聽不到聲音。偶爾窸窸窣窣的響動。為什么被標記異常？我集中精力分辨，最終忍不住問了一句：“是乘客在哭嗎？”

旁邊的安全專家回復我，“是乘客在笑。很輕微。”

說著，他快速倒回那段聲音片段，再次核實，的確是乘客很輕微的笑聲。乘客可能在刷手機，看到了什么好笑的段子。

前座上，司機正在安靜地開車，對訂單的復核一無所知。

最終，安全專家將這筆訂單標記為"安全狀態"。而現場，和我一樣參與體驗聽音的司機代表、乘客代表、媒體代表，他們看到的絕大部分訂單，也和這筆訂單一樣“什么都沒有發生”。

一段什么都沒有發生的行程。而這恰恰是值得關注的事。每天數千萬的出行訂單體量，"什么都沒有發生"本身，就是一種需要被主動維護的狀態。

一段不確定的聲音，在系統的判斷清單里，可能意味著很多事情：車內人員的情緒異常、精神狀態預警、突發的外部事件。它被系統標記異常，觸發了“AI初篩、安全專家接力研判、高危訂單快速干預”的連鎖響應。

出行的安全，從來不是一條靜止的底線。它是一個持續運轉、不斷校準的系統工程。

系統攤開之后

6月25日，滴滴在成都舉辦"預警安全，共建安全"主題開放日。創始人程維表示："希望通過開放日，讓陽光照進來，幫助滴滴開放透明地做安全。"

圍繞這份透明，平臺對自建的安全體系做了詳細介紹。滴滴的安全AI模型，核心能力是多模態風險感知。通過車內音頻、行程數據、訂單特征等多維信號，識別潛在風險場景。AI自動標記異常，觸發不同等級的干預動作，推送至全國多個城市的安全職場。安全專家快速核驗，確認隱患后第一時間啟動外呼提醒、震懾，必要時直接報警。為匹配夜間風險高發規律，預警中心八成安全專家值守夜班。

開放日展示的運轉案例中，深夜女性獨乘、醉酒乘客、未成年人獨自乘車等高風險場景，系統識別到后會加強監控。檢測到異常后，安全專家電話介入，直到司乘安全分離。不是預設司機有問題，而是通過增加核驗頻次來壓縮風險窗口。

還有一類容易被忽視的場景，保護司機。一位女司機接到醉酒男性乘客，行程中乘客毆打司機。安全系統識別后，主動致電司機提供幫扶，并對乘客賬號進行封禁。車內錄音及桔視設備，在司乘糾紛中，同樣可以作為司機維護權益的依據。

這套系統不是單向的“管司機”，它同時在保護司機。權益受到侵害時，安全專家及時介入和協助。這種"被撐腰"的確定性，比任何話術都管用。而一個不必擔心被無理對待的司機，才能把全部注意力放在安全駕駛上。乘客也才能真正安心坐在后座。

平臺的守護對象，從來不只是乘客，而是坐在車里的每一個人。

雙邊平臺的平衡術

出行平臺是一個雙邊市場。一端是乘客，一端是司機。安全體系的設計，必須同時回應兩端的需求。

乘客的期待相對直接，安全、方便、及時。更具體地說，是實時預警而非單純事后追責，是行程中的全程守護而非出事后的理賠通道。

司機的期待則復雜得多。用一位跑了五年網約車的師傅的話說："我不怕辛苦，怕的是受了委屈沒人聽。"被醉酒乘客騷擾時，平臺能站出來；被惡意投訴時，有證據替自己說話；錄音錄像是在保護自己，而不是只對著自己。

司機和乘客的不同訴求存在天然張力。滴滴的做法是，在載客狀態下音視頻合規采集，既防范沖突、騷擾和暴力，也為雙方提供客觀證據。空車狀態下，設備默認不記錄，保護司機隱私。

判責體系是守住公平的一環。一個訂單進入安全預警后，如果識別出司機疑似違規，會進入初審、二審、高審的多級判定流程。低風險案例初審終結；風險較高的，初審和二審獨立給出結論；如果兩者結論不一致，或者都給出了封禁司機的結論，則由更有經驗的安全專家最終判定。

這套流程的設計邏輯是：用最大努力，竭盡所能做到公平。處罰通知下發的同時，也會開啟申訴通道，對不認可判責的情況再啟動“初審—高審”，最終嚴謹地決定改判或是維持原判。平臺要做的，是不放過真正的風險，也不讓無辜的司機為系統的不確定性買單。

司機的“開盲盒”日常

一個司機的日常，可能比乘客想象的更不容易。

一天二三十筆訂單。解鎖車門、看后視鏡、確認乘客位置、起步。這套動作一天重復幾十次，絕大多數時候平安無事。乘客上車報手機尾號，低頭看手機，下車關門走人。但只要有那么一單，醉酒鬧事或者無理投訴。對司機來說，這一天就毀了。

乘客呢？下次打車，換一輛車，換一個司機，什么都不會記住。但司機會記住，他會開始猶豫：這一單要不要接？晚上十一點后的單子，要不要少跑幾單？

這就是出行行業面對的成本不對稱。司機承擔了每一段行程的不確定性。而一旦出了事，外界第一反應往往是"是不是司機的問題"。滴滴面對的是同樣的邏輯。投入遠超同行的安全成本，建立了行業獨有的安全預警體系，收獲了“滴滴更安全”的用戶認知。但只要有一起惡性案件發生，哪怕它本身超出了平臺的能力邊界，輿論的歸因依然只有一個方向。

行業專家劉遠舉在現場說了一句話："社會需要共識安全的邊界。"

邊界在哪？不在某一條規則里，在每一次出行的博弈中。乘客和司機之間、平臺和用戶之間、技術和人性之間。

這也是為什么平臺的安全體系和行程錄音錄像對司機來說很重要。有了它，被誣陷時可以自證清白，被騷擾時有據可查，被惡意投訴時有錄音可聽。從整個出行行業來看，滴滴司機尤其是高等級司機，更容易被信任。這份信任，就是安全體系對勞動者最直接的保護。

安全體系守護司機，不只是善意，也是必要。因為司機安全了，乘客才真正安全。

他們坐在同一個空間里，分享同一段行程。系統做得再多，最后交付安全的，始終是前座上那個握著方向盤的人。而一套好的體系，應該讓這個人不必在自證清白和被冤枉之間左右為難。

安全，天然難以被感知

出行行業有一個結構性的悖論：安全投入越大，效果越難被感知。

滴滴每年投入數十億元持續建設安全體系，覆蓋行程前、中、后全鏈路。但恰恰因為絕大多數行程什么都沒發生，外界很難感知到平臺投入了多少、做了多少。

這種"感知差"不只存在于用戶端。過去很長一段時間，網約車行業的核心命題是規模和增速。安全是被動應對的成本。但如今行業競爭維度，已經從"誰更大"切換到"誰更可靠"。安全從成本項，變成了能力項。

每年數十億的資金，4000多人的團隊，大量GPU資源投入，換回來的是什么？

從結果指標看，82%的風險識別率，99.6%的干預有效率，平均千萬單發生肢體沖突類風險1個，百萬單發生言語違規類1個。說明這套系統在滴滴大部分場景下是跑通了的。

這也是滴滴選擇辦安全開放日的原因。把系統攤開來看，接受檢驗。一家企業主動把自己的安全機制拆開給公眾看，這件事本身就值得關注。

82%已經很高了。但還有18%未識別。這是技術能力的邊界，也是持續投入的理由。

最高成就，是“什么都沒發生”

晚高峰，一段安靜到幾乎聽不清的聲音。安全系統捕捉到了這個信號，安全專家接力完成復核，確認一切正常。然后這條數據流歸入日常，像無數條同樣"什么都沒有發生"的數據一樣，沉入系統的底層。

這就是安全體系的最終形態，它的最高成就是"什么都沒發生"。

但"什么都沒發生"不是理所當然的。它需要預警中心八成安全專家值守夜班，需要AI模型秒速級掃描訂單數據，需要安全專家在無數個"可能是虛驚一場"的信號中做出判斷。也需要前座上那個司機，安安靜靜地把車開好。

"我們不是在等事情發生，我們是在和風險賽跑。但賽跑的結果不總是贏的。"一位安全專家這樣說。沒有包裝，沒有話術，卻是對安全最誠實的表達。

82%的風險能被識別、被干預、被消解于無形。但剩下的18%，還在技術的視野之外。靠技術夠不到，只能靠人。

靠乘客拒絕線下交易的自覺，靠司機對每一次核驗的配合，靠各界對安全的共同守護。這是一場需要所有人接力的長跑。

一段什么都沒發生的行程，背后是一整套系統在高效運轉。在能力所及的范圍內，系統守護的不只是那個笑著刷手機的乘客，還有那個前座上專心開車的司機。讓他每一段行程結束，都能安心地接下一單；讓他被信任，被公平對待，體面地把車開下去。