Uber数据揭示：AI代理预订出行仍是伪需求？

Uber在最近一个季度最繁忙的一周里，通过AI代理完成预订的订单仅有4笔。这个数字来自公司官方披露，与行业对AI代理（AI Agent）商业化的热烈讨论形成了鲜明反差。

一个被数据戳破的想象

过去一段时间，AI代理被描绘成下一代人机交互的核心入口——用户只需一句自然语言指令，代理就能自动打开应用、比价、下单、完成支付。出行预订因为流程标准化、API成熟，常被列为最可能率先落地的场景之一。

Uber的数据给这种预期泼了一盆冷水。在最繁忙的一周里，全平台仅有4人通过AI代理完成叫车。这个量级已经不能称之为"早期采用"，更接近于偶发测试行为。

这一数据点之所以值得关注，在于它来自供给侧的主动披露，而非第三方估算。平台方掌握完整的订单链路，能区分人类操作与代理调用，因此这个数字的可信度较高。

AI代理（AI Agent）与传统的聊天机器人或API调用有本质区别。聊天机器人通常只负责生成文本回复，API调用则是开发者预先编写好的固定逻辑；AI代理则具备自主规划、调用工具、执行多步操作的能力，能够在没有人工逐步干预的情况下完成一个目标。典型架构包括大语言模型作为推理核心、工具调用接口（如浏览器控制、应用操作）、记忆模块以及安全沙箱。正因如此，代理理论上可以模拟人类在App中的点击、填写和确认行为。但代理的自主性也带来授权、审计和责任归属的难题，尤其是在涉及真实资金交易的场景中，平台往往要求可追溯的身份认证和风控机制，而现有代理技术在这些方面尚未形成标准化方案。

为什么代理叫车跑不通

支付与身份的门槛

叫车不是信息查询，而是涉及真实支付、定位授权、账户安全的高信任交易。让一个AI代理代表用户完成扣款，需要解决授权边界、责任归属、异常处理等一系列问题。目前主流平台并没有为"代理下单"设计专门的身份与授权机制。

在支付领域，代理下单涉及“授权边界”问题：用户授予代理的权限是一次性、限额还是持续性的？代理在遇到价格变动、支付失败或行程异常时能否自行决策？目前主流支付网络和平台普遍采用基于人类账户的认证体系（如短信验证码、生物识别、设备指纹），这些机制默认操作主体是自然人，无法直接套用于代理。此外，责任归属也不清晰：如果代理误下单或遭遇欺诈，损失由用户、代理开发者还是平台承担？行业尚未形成共识。部分支付公司开始探索“代理支付令牌”和可编程授权，但覆盖面和成熟度都很有限，这也是代理叫车难以规模化的重要技术障碍。

现有交互已经足够短

从用户角度看，打开Uber、确认目的地、点击叫车，整个流程只需几次点击。AI代理带来的效率提升在这个场景里非常有限，用户缺乏动力去配置代理、授予权限并承担额外风险。

平台侧的激励并不一致

代理一旦普及，平台对用户界面的控制权、对定价展示的主导权都会被削弱。平台更倾向于把AI能力内嵌到自家应用里，而不是开放给外部代理。这也解释了为什么代理调用难以获得官方支持。

对AI代理创业的启示

这组数据并不是说AI代理没有价值，而是提示场景选择比技术能力更关键。高频、流程短、信任要求高的消费交易，短期内很难被代理渗透；相反，信息密集、跨系统、需要多步比对的复杂任务，才是代理更容易证明价值的地方。

另一个启示是，代理的商业化需要平台配合。没有平台侧的授权、接口和风控支持，代理只能停留在演示层面。Uber的4笔订单，本质上是生态缺位的直接体现。

对于关注AI应用落地的从业者来说，与其期待代理颠覆超级App，不如先找到那些平台愿意开放、用户愿意授权的缝隙场景。