# 对话滴滴曲晓楠：怕你觉得我们不安全，更怕你觉得我们绝对安全

> 三五环 No. 228 精读

- 发布日期：2026-08-04
- 主持：刘飞
- 原节目：https://www.xiaoyuzhoufm.com/episode/6a7179fbab3a91c24a0f7fa3
- 网页版：https://35huan.qiaomu.ai/ep/6a7179fbab3a91c24a0f7fa3.html
- 精读字数：约 5640 字（阅读约 13 分钟）

> 本文为 35huan.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

凌晨十二点半，一个从酒吧回家的乘客洗完澡躺下，手机连着响了五次。前四次没接，第五次接起来，对面问他是否安全。他很生气，把这事发到了小红书。

打电话的是滴滴安全预警中心的专家。曲晓楠后来和团队复盘这笔订单，才拼出原因：司机把乘客送到小区门口后，停了很长一段时间，然后点收车，退出了端。在平台眼里，这是一串很扎眼的信号。

曲晓楠是滴滴网约车平台安全部负责人。刘飞和他快十年前在滴滴共事过，那时曲晓楠做用户体验，刘飞做司机产品。2018 年顺风车事件后，曲晓楠被调去做安全，做了 100 天，回原岗位，后来又主动申请回去。这期《三五环》聊的是用户看不见的那部分安全治理：怎么识别、怎么干预、哪些识别不了、哪些只能妥协。

## 一场把公司打醒的转向 1:13

刘飞记得 2018 年那天在广东开会。老板们开到一半突然都不在了，回来就说各个业务线的 KPI 先停一停，全公司要有个大转向。他当时觉得不可思议，一个做产品的视角看，流程本身就不对，怎么会犯这么基础的错误。

曲晓楠的感受更贴身。他在滴滴当中层，亲戚朋友都知道他在哪上班，质疑一个接一个，核心那句是：公司是不是故意的。他后来想，一个公司犯错和一个人犯错类似，无非两种原因，一种是有意，一种是无知。他参与安全工作的过程，加上和最高管理层的接触，让他判断滴滴在 2018 年之前属于后者。不知道安全对网约车这么重要，投入不够，做得不够。

> 「一八年的两个安全事件应该来讲是把滴滴给打醒了。」

2018 年成了滴滴安全工作的元年。安全体系从 1.0 建到 3.0，每年投入数十亿。更能说明导向的是考核：**连续两年，集团没有给网约车设业务目标，网约车 CEO 和班子成员只背安全指标。**曲晓楠说，这就足以看出当时从上往下的意图。

他自己也拐了个弯。刚进滴滴时是产品经理，后来做用户体验，2018 年被动调去做安全，做了 100 天回到原岗位，再后来主动选择回去。「我从来没想过我会做这个安全工作。」

## 安全边界从叫到车那一刻算起 3:43

大多数人以为平台的责任从上车开始，到下车结束。滴滴内部的定义更宽：**从订单成交那一刻起，到司乘安全分离为止。**成交指的是叫到车，不是最后付款给司机。

差别在订单结束后。曲晓楠举的场景很具体，乘客醉得厉害，在车里下不来，司机一开始可能没什么想法，耗得久了，想法可能就变了。风险在订单结束后继续累加，平台如果按「下车即责任结束」划界，这一段就整块漏掉。

这条链子被拆成几层。第一层是司机准入，三证核验加背景审核，看有没有前科。第二层在出车前，验证人和车是否对得上，保证出车的是注册的那个人，同时做安全教育。第三层是派单，给司机建安全评分，需要高安全系数的订单优先分给评分更高的司机。第四层在行程中，用 AI 看轨迹、听录音、调录像、读端上操作。第五层在行程后，出了安全事件就判责，司机或乘客该罚就罚。

刘飞提到一个他熟悉的指标，降发生。曲晓楠说这个指标衡量起来很直接，就看安全事件发生的概率和总量有没有往下走。滴滴最关注两类，一类是严重的交通事故，毕竟是运输行业；另一类是司乘冲突。冲突再往下拆，最重的是司机触碰乘客，轻一点是言语冲突，每一档单独看降幅。

数据上，2019 年和 2020 年降幅都超过 50%，之后保持两位数，去年大约 30%。

## 三千万单怎么过筛 8:59

行程中的异常，滴滴主要看四类信号。轨迹类，路线大幅偏航，或者在没有理由的地方停太久。录音类，尖叫、求救、争执。录像类，大约 20% 的运营车辆装了「桔视」，车内情况能直接看到。操作类，乘客在端上点了 110 报警，这是最明确的求助。

这些信号会叠成一个分数，分数越高，风险等级越高。刘飞问算法是不是从具体案例里慢慢算出来的，曲晓楠说是，每天复盘发生过的案例，看算法哪里还有优化空间。

真正干活的是人。滴滴在天津、珠海、成都设了三个安全预警中心。曲晓楠把预警专家的工作拆成两段，前面像侦探，从各种蛛丝马迹判断这笔订单有没有风险；后面像警察，把风险去掉。

每天大约 3000 多万单，要过两层 AI。第一层扫出 10 万单，第二层从这 10 万里再扫出 3 万单，交给人工研判，最后对其中几千单做干预。

干预以打电话为主。判断出风险，电话打过去有震慑作用；判断不准，电话打过去确认。如果专家已经认定风险重大，或者对干预没信心，会直接报警。曲晓楠说，他们很怕一种情况，**干预本身反而让事情变得更坏**。专家觉得这通电话打出去可能激化局面，就跳过干预，交给警方。

刘飞用准确率和召回率来理解。曲晓楠说，安全场景里召回率的优先级远高于准确率，现在的准确率其实比较低，绝大多数被拦下来的订单都是虚惊一场。而他们内心最希望的就是虚惊一场。

> 「宁可所有的订单都是虚惊一场。」

那意味着所有订单都是安全的。

## 大模型补上了什么 14:06

曲晓楠说，从前面年开始，大模型的推理能力和录音结合起来，整套体系的效果往上走了一截。

之前即使有录音也扫不了，或者只能靠规则做硬匹配，写死几个关键词、几种声音，碰到绕弯的表达就失效。曲晓楠讲了一个案例：司机和乘客聊了很多，人听完整段对话再判断风险，难度很大。大模型从里面捕捉到一句「你的手好冰」，判断出发生了触碰，推给人工。人工后台里，这句话会被高亮，专家再核对、再干预。这种句子没法靠穷举写进规则。

刘飞记得早年在滴滴讨论安全项目，最常遇到的是现场发生了什么没人知道，两边各执一词，甚至不同乘客的说法都不一样。录像和录音加上大模型，把这段空白补上了一些。

能力有边界。**召回率大概 80% 多，将近 20% 召不回来。**召不回来的情况有几类。乘客和司机直接线下交易，不在平台上，所有安全能力失效。醉酒乘客睡着了，车里没有任何异常声音，录音听不出东西，人听也听不出。案件发生在订单结束之后，录音跟着订单走，订单结束一段时间后录音失效，平台没有感知。

曲晓楠还拿直播行业做了对比。直播平台的安全风险所见即所得，风险容易暴露，干预也干脆，终止直播，风险直接归零。滴滴的订单散布在全国各地的线下，感知能力弱很多，干预能力也弱很多，这解释了为什么要建录音录像，还要反复劝用户把录音打开。

## 醉酒场景：越醉的人越不会点那个按钮 16:08

醉酒是平台上比例不小、也最让团队头疼的场景。怎么发现？曲晓楠列了几条线索。发单地和目的地能给出概率，从酒吧街出来的订单，醉酒的可能性就高。司机接单后会和乘客有一通电话，平台做了号码保护，这通电话里很多人会直接说「我喝醉了，我在哪哪」。有了大模型之后，语气也能成为判断依据。车内录音里，关键词、呕吐声，都是信号。

产品上还有一个动作。出发地在酒吧或饭店时，乘客端会弹一个提醒，问是不是喝过酒。这个点击率不低，但曲晓楠对这个功能很纠结。**误触和瞎点会造成大量「狼来了」，占用资源只是表层问题，真正的问题是让该被保护的人得不到保护。**更深的一层是个悖论：喝醉的人往往不会点，越醉越不点；还有清醒的人觉得你凭什么管我喝没喝酒，反手点个「没喝」。

醉酒场景的治理难点有三类。识别难，没有视频的时候感知不到风险。乘客醉得下不来车，司机等着等着可能生出别的念头，这时候订单已经结束，风险还在累加。乘客主动提诉求，比如让司机把自己送到家门口。

第三个难点有个很典型的案例。乘客到了小区，醉得厉害，主动要求司机送到家里。司机送了，也没留在屋里，出来了。这笔订单已经被系统识别进专工，专家盯着，发现司机出来走了之后又折返，回到那个小区。系统判定风险，专工直接报警。因为干预及时，严重的事情没有发生。

刘飞问起另一类争议：两个人都愿意，平台为什么不愿意。曲晓楠给了两条原则。**醉酒状态下的主动，在法律层面并不构成意愿表达**，等清醒之后如果当事人说自己当时并非自愿，司机就涉嫌犯罪。另一条是角色，订单内司机是服务者，乘客是被服务者，车是一个服务空间，这种关系下不允许发生这类行为。两条原则摆在这里，是否你情我愿都要阻止。曲晓楠说，思考过程是复杂的，但原则清晰，判断起来就不复杂。

醉酒乘客单独乘车，风险不只对着乘客。有个案例是男乘客醉后独自乘车，一路上不断挑衅女司机，从后排拿东西击打司机头部。这单是专车，车内有录像，订单进入风险识别体系。专工一边打电话阻止乘客，一边告诉司机怎么办：靠边停车让乘客下去，不下去就开到派出所。事后专工打电话告知乘客前一晚的行为，平台报警，永久封禁了这个乘客的账号。**乘客侵犯司机，打车的权利同样会被永久封禁。**

曲晓楠的建议很直接：朋友喝醉了，最好有人陪同乘车，不要只是替他叫辆车、嘱咐司机两句就完事。有人上车时还正常，车晃晃悠悠开一段，中途上头了，什么情况都可能出现。

## 未成年人：一个成年账号里坐着的孩子 27:14

14 岁以下的孩子不要单独乘车，这是曲晓楠反复强调的一条。他讲了一个跨省顺风车订单，七八百公里，车上是三个小孩，最大的 12 岁，是家长代叫的。这单进了风险体系，专工全程不断打电话提醒司机车内有未成年人。曲晓楠自己也有孩子，他说这类订单他还是希望家长能陪同。

另一个案例更绕。专工发现车内有个小孩单独乘车，跨城，路程不短。电话打给司机，确认车上确实有孩子，然后让司机把电话递过去。专工问谁给你叫的车，是不是妈妈叫的，孩子说不是。再问，说是一个哥哥。什么哥哥？网上认识的一个哥哥。孩子要去另一个城市见这个网友，车是对方叫的。专工一边劝孩子别去，一边让司机不要送，最后司机把车开到了派出所，派出所联系上父母，把孩子接回去了。

曲晓楠说，这个案例最关键的地方是孩子识别不到风险。心智还没成熟，判断不了对面是什么人。

平台这边的识别难点在订单的伪装。**很多未成年人订单在系统里是标准的成年人订单**，一个账号历史行为一直正常，偶尔给孩子叫一次车，这笔订单的性质瞬间从低风险变成需要重点关注，模型得靠不断训练才能追上来。

产品上其实有解法。代叫功能里可以打标签，标明是给老人叫车还是给小孩叫车，平台会自动提升这一单的安全等级和服务等级。曲晓楠说这个功能比醉酒那个提醒顺畅得多，目标一致，没有悖论，难处在于用户懒得用，使用率不高。刘飞补了一句，很多人以为用自己账号给别人叫车就是代叫，平台那边其实不知道。

## 黑车、关门声和那 20% 33:02

线下交易在平台上不算少见。司机常说的话是，你加我个微信，以后用车直接打电话。曲晓楠能理解这种心情，但平台不希望发生。有个案例：司机让乘客加了微信，那一单在平台监管下是安全的。后来乘客用车时直接打电话给司机，脱离了监管，出了事。同一个人，同一辆车，从有管控变成没管控，行为就变了。**订单一旦切到线下，所有安全功能全部归零**，没人知道你叫了谁，也没人知道你去了哪。

再说回深夜那五通电话。曲晓楠复盘的细节是：乘客十二点上车，十二点到家，洗完睡了。十二点半，他连续被呼叫五次。系统看到的是，司机在小区门口停留了一段时间，然后点收车、退端。这在平台眼里几乎是最典型的危险信号组合。专工先打司机，司机没接，风险持续累加，只能转去打乘客。后来联系上司机才知道，那单送完太晚，他直接在车里睡了。

专工有个习惯动作。电话里乘客说已经安全到家，专家不会立刻去研判下一单，会再盯一段时间，看司机有没有去接下一单。接了，这笔订单才算真正结束。

曲晓楠说，他经常去现场和大家一起听音、一起研判，越听越觉得自己做不了专工。**一个合格的专家，能从关门声判断是哪扇门。**司机手机一般放在主驾偏左的位置，同样是关门声，右后侧传来是安全信号，主驾传来是危险信号，说明司机下车了，往哪儿去不言而喻。订单结束到关门之间的时间差也是线索：立刻响、声音较远，大概率是右后；隔得稍久、声音较弱，大概率是左后，因为左后侧下车要先观察来车。

这套体系本来是为防冲突设计的，后来在其他风险里也生效。有笔订单在不应停留的地方停了很久，专工调取桔视画面，发现司机突发疾病。120 五分钟到场，司机送医。曲晓楠说，回头想有点后怕，这笔订单要是没进安全体系，结果可能不一样。

还有一次，系统识别到车内是未成年人，录音里听到有人说「亲一下」，风险等级瞬间拉满，专工立刻介入。查下来是妈妈带着孩子坐车，那句话是妈妈对孩子说的。虚惊一场，但曲晓楠说这单仍然值得介入。

隐私是另一条线。曲晓楠说，乘客可以自己开关录音，关掉之后平台扫不到。滴滴内部有信息安全委员会，审查所有信息的使用，遵循最小必要原则，没有风险的时候，任何人包括安全负责人也调不出录音。第一层扫描全部由大模型完成，不过人工，每天只有几万笔被判定为需要人工看的才进入研判。

小红书上有过一例投诉，乘客说平台听到了他们在家里的行为。复盘下来，是一对夫妻刷单，乘客发单，司机接单，拿平台奖励，人都在家里，手机扔在旁边。这单在行程中，录音里出现了明确的异常声音，系统才会拦。曲晓楠说，平台没法监控你的手机，但刷单本身也不被允许。

说到误解，曲晓楠提了两类。**一类是觉得滴滴仍然不安全、没在安全上认真做事，这是很大的误解。**另一类是觉得滴滴极其安全、百分百不会出问题，这一类反而更让他们担忧。平台不是无所不能的。

物理距离摆在那里。平台和司机之间天然隔着一段，手机进程一杀，录音一关，链路就断了。有些事件发生得极快，前兆信号很弱，不给研判和干预留时间。还有一类基本没有解法，蓄谋犯罪，司机或乘客都可能，一个人打定主意要在这一单里犯罪，平台目前没有很好的干预手段。

节目最后，曲晓楠给了三条具体建议。**不要线下切单，切了单所有安全功能归零。不要让未成年人和醉酒乘客单独乘车。把录音打开，只有开着，AI 才能识别，专工才能介入。**

刘飞补了一句自己的理解。平台跟乘客是站在一边的，没有哪家网约车平台还想再经历一次 2018 年。剩下的那 20%，靠的是司机和乘客自己多留一层意识。

把这场对话听完，能带走的东西大概有三件。乘车时打开录音、用代叫功能打标签、醉酒和 14 岁以下不要单独放上车，这些动作成本极低，却直接决定平台有没有能力介入。深夜接到确认安全的电话，别急着骂骚扰，背后通常有一串你看不见的信号。最后一条更根本：把平台当成一个有 80% 能力边界的协作方，别当成一个应该全知全能的兜底方，这个预期差本身就是风险的一部分。