這個來電，不要輕易掛斷

“如果判斷失誤，打外呼電話就可能打擾到司乘，可猶豫不打萬一出事了呢？”

你有沒有在深夜打車時，接到過滴滴的電話，問你“目前在車上嗎？” “行程一切正常嗎？”

大多數(shù)人會覺得，這通電話很貼心，也有人覺得被打擾。但你大概率不知道，撥出這通電話的人，此時正坐在電腦前，盯著屏幕上的行車軌跡。危險或許并沒有來臨，但他們一刻也不敢松懈。

作為滴滴的安全專家，他們的工作就是時刻保持警醒并快速作出判斷，把風(fēng)險控制在隱患出現(xiàn)時。

2026年6月，第25個全國“安全生產(chǎn)月”期間，記者走進成都滴滴安全預(yù)警中心，體驗了4000多名安全專家7×24小時值守的工作狀態(tài)，恍然理解了一個平臺從上到下到底肩負(fù)了什么。

在6月25日的“滴滴安全開放日”上，滴滴網(wǎng)約車技術(shù)和安全負(fù)責(zé)人曹樂，說了一句讓記者印象深刻的話。他說，在滴滴，唯一從來沒人質(zhì)疑過必要性的投入，就是安全上的投入，“花錢如流水，年復(fù)一年持續(xù)投入”。但緊接著他也坦言：“我們的能力是有限的。”

平臺竭盡所能，但也承認(rèn)局限。這些話背后是一個復(fù)雜的生態(tài)——安全這道題，不是平臺一方面能解完的。

一份復(fù)雜的工作，一群“兩難”的人

胡琦是滴滴成都預(yù)警中心的一線安全專家，2024年入職。采訪中她告訴記者，入職后的前三個月，因為知識和流程不熟，她覺得自己不適合這份工作，差點想放棄。直到有一次，胡琦接到的一單工單，AI模型識別出了一位乘客有輕生的言語和意圖。她果斷給乘客打了外呼電話，反復(fù)安撫，直到確認(rèn)對方安全到家。事后她覺得，做這個事是有意義的。

這份意義感一直伴隨胡琦到現(xiàn)在，但工作還是偶爾令她覺得擰巴。胡琦說，剛接觸行中干預(yù)時，最難的是搞不清“度”在哪里。人工復(fù)核時，需要根據(jù)當(dāng)時車內(nèi)的語境，迅速做出判斷，是否升級為高危訂單。

“如果判斷失誤，打外呼電話就可能打擾到司乘，可猶豫不打，萬一出事了呢？”胡琦說，這種分寸沒有標(biāo)準(zhǔn)答案，只能靠經(jīng)驗積累。更微妙的還有心理上的矛盾。作為安全專家，她既希望提升司乘的出行體驗，又不想讓用戶覺得自己“太過安全”放松警惕，因為安全最怕的，就是掉以輕心。

滴滴安全專家日常工作示意。

同樣覺得兩難的，還有在天津預(yù)警中心負(fù)責(zé)“行后判責(zé)”的宋修建。他的工作是對已發(fā)生的風(fēng)險事件進行責(zé)任判定，從初審到交叉審再到高審，每一單都有2到3輪研判。如果初審和交叉審意見不一致，或者處罰對司乘影響較大，就會進入高審環(huán)節(jié)。判罰落下去后，司乘可以對結(jié)果進行申訴，但也需要1到2輪的研判。

宋修建說，他們重點關(guān)注未成年人獨自乘車、醉酒乘客等風(fēng)險性較高的場景。針對這類風(fēng)險場景，司機的違規(guī)行為也會從嚴(yán)處罰。

但更大的挑戰(zhàn)也在于“分寸感”。“判責(zé)工作需要嚴(yán)格遵守原則，可司機群體大多數(shù)是靠跑車養(yǎng)家糊口的普通人，判責(zé)時既要依據(jù)規(guī)則，同時也得理解這個群體的不容易。”宋修建說，他也經(jīng)常對組內(nèi)新人反復(fù)強調(diào)這一尺度，就是“非高危的存疑不判、證據(jù)不全不判，高危的一次從嚴(yán)”。

乘客上車后，車內(nèi)錄音的開啟。

平臺篩出82%的風(fēng)險，但剩下的18%才是真正的難題

在預(yù)警中心，實時工單的標(biāo)準(zhǔn)化處理流程是這樣的——AI模型秒級掃描訂單，捕捉路線偏移、車內(nèi)激烈言語、軌跡異常等信號，推送給人工復(fù)核——安全專家核實后，對確認(rèn)存在安全隱患的訂單進行外呼提醒、震懾，必要時直接報警。

滴滴平臺安全部負(fù)責(zé)人曲曉楠介紹，依托全鏈路安全體系，目前平臺風(fēng)險識別率為82%，但他更看重的是風(fēng)險工單的召回率，也就是說，寧可誤判也要減少漏判。因為場景復(fù)雜性、人為不確定性，始終給安全工作帶來持續(xù)挑戰(zhàn)。

各界代表走進信息管理極其嚴(yán)格的滴滴安全預(yù)警中心。

代價之一就是大量的“假預(yù)警”。胡琦說，很多AI根據(jù)語音識別推送來的工單，聽完發(fā)現(xiàn)是車內(nèi)在聽廣播，或者是乘客之間的閑聊。但她態(tài)度很明確：“每一單都不能漏過，都要復(fù)核，就算是一場誤會，也至少證明乘客是安全的。”

曹樂在開放日現(xiàn)場解釋了這種選擇背后的邏輯：“一般算法追求準(zhǔn)確率和召回率的平衡，但安全不一樣。安全風(fēng)險稀疏，可一旦漏掉一個，后果可能無法承受。所以安全算法的設(shè)計是，所有可能的風(fēng)險都要召回來，由人工全量審核。”曹樂說，這背后是極大的人力投入和算力成本。

即便有AI大模型，人工依然不可替代。胡琦對此也有自己的理解：“AI擅長標(biāo)準(zhǔn)化識別敏感詞，但人更懂人的情緒，可以從一段錄音里乘客的語氣、聲量大小，捕捉到關(guān)鍵信息，AI是做不到的。”很多復(fù)雜的風(fēng)險場景，最終還是需要人工判斷。

滴滴網(wǎng)約車技術(shù)和安全負(fù)責(zé)人曹樂在分享平臺的安全探索。

實際上，還有一些復(fù)雜的風(fēng)險場景，是AI和人工都難以覆蓋的。曲曉楠告訴記者，如果司乘取消訂單改為私下成交，錄音、軌跡就會全部失效；如果家長用成人賬號給未成年人代叫車，平臺可能無法第一時間啟動未成年人專屬的強化防護機制；如果車內(nèi)錄音錄像設(shè)備被遮擋、信號中斷，AI就抓不到有效信息；還有一些蓄意行為，如果司乘此前沒有任何投訴記錄，技術(shù)也無法預(yù)判。

“這些其實就是剩下的那18%的深水區(qū)”，曲曉楠說，“要解的題越來越難了，由于邊際效益遞減規(guī)律，越往后投入成本越高，但新增的安全效果有限。平臺能力確實有局限。”

安全邊界從何來？社會共建是唯一出路

“滴滴安全投入巨大，但難以被感知，安全無上限，風(fēng)險無法清零。”上海金融與法律研究院研究員劉遠(yuǎn)舉在開放日上分享了他的觀點。他認(rèn)為，滴滴承擔(dān)的安全責(zé)任，早已超出了法律意義上的責(zé)任，而更多是社會責(zé)任和商譽責(zé)任，“安全責(zé)任應(yīng)當(dāng)合理界定，用戶直面風(fēng)險或承擔(dān)風(fēng)險的意識，同樣是這道命題中不可或缺的部分。”

關(guān)于“安全邊界”的討論，曹樂在開放日上舉了一個例子——目前，14歲以下的未成年人無法用滴滴獨自叫車、乘車。平臺為什么這么做，曹樂說得很坦誠：“雖然我們?yōu)槲闯赡耆藘A斜了大量的安全資源，但對這個場景仍然很焦慮，沒有足夠的信心。”

平臺分享“AI實時識別+人工復(fù)核研判+安全專家干預(yù)”

曾有兒童手表廠商來找滴滴合作，想在手表中增加打車入口，方便小朋友叫車。內(nèi)部討論時，安全團隊直接投了否決票。但現(xiàn)實卻是，很多家長確實在用成人賬號為孩子代叫車，并在沒有報備的情況下讓孩子獨自乘車出行。

為此，滴滴又需要盡可能地去識別和匹配防護——一旦推測是未成年人，訂單風(fēng)險值將被拉高，守護流程里也會提高優(yōu)先級，但可想而知，這種“推測”難度重重，相應(yīng)地，誤判的損耗和漏過的風(fēng)險都很高。

從現(xiàn)場的討論中不難感受到，公眾對出行有需求和期待，平臺也有責(zé)任和義務(wù)把公眾的需求接住。可當(dāng)用戶的現(xiàn)實需求增多，即便平臺愿意持續(xù)投入，安全這件事，還是需要更多人一起努力，合力共建。

滴滴安全開放日現(xiàn)場討論。

有網(wǎng)約車行業(yè)媒體代表在討論環(huán)節(jié)說的一句話——“每個人應(yīng)該是自己的第一安全責(zé)任人” ，得到了現(xiàn)場很多人的認(rèn)同。他說，叫網(wǎng)約車和網(wǎng)購不一樣，司機和乘客兩個陌生人在密閉空間相處，安全風(fēng)險不可能降到零，不能把所有責(zé)任都交給平臺。

曲曉楠直言，滴滴持續(xù)多年的安全知識宣傳，目前也面臨乘客“感知麻木”的問題。比如，盡管每單都會在行程開始前提醒“車內(nèi)錄音已開啟”，下車前提示“先觀察后方再下車”，但仍有乘客反饋說沒印象。

夜晚的城市街頭，有人尋找來處，有人奔赴歸途。

不得不承認(rèn)，在安全這件事上，只靠平臺遠(yuǎn)遠(yuǎn)不夠，每個人都需要提升安全意識，善用平臺的安全功能，比如開啟行程分享、設(shè)置緊急聯(lián)系人、拒絕線下交易、如實報備特殊場景，等等。這些動作補上的，恰恰是平臺夠不到的盲區(qū)。

安全是一場接力賽，每棒都有交接區(qū)，有時候交接區(qū)就是盲區(qū)，任何一環(huán)接不住，安全就掉地上了。平臺需要跑好自己那一棒，剩下的需要司乘和社會一起接力跑下去。