萬聖節的一周通常是國外最熱鬧的時候，出去玩的、聚餐的都選在這個節日前後。這一周里，Uber 和 Uber Eats 一共完成了約 3.2 億筆叫車與配送訂單。人們出門、逛街、叫外送，點開應用，一天下來就是數千萬次交易。
其中，有多少筆是讓外部 AI Agent
代辦的？——Uber Eats 約 500 筆，叫車業務只有 4 趟。
代辦的？——Uber Eats 約 500 筆，叫車業務只有 4 趟。Uber 在 11 月 4 日的財報電話會上給出了這兩個數字，首席財務官特意用了「grand total」來形容那 4 趟車，仿佛在陰陽 AI Agent 拿到的這個「大結果」。
這不是說 Uber 自己開發的 AI 一周只會叫來 4 輛車，財報統計的是從其他公司的 AI 助手那裡進入 Uber、最終由 Uber 履約的行程。Uber 也沒有公布用戶曾經向 Agent 發起過多少次叫車要求、有多少次卡在中途，所以 4 不是「成功率」的分子。
而且，「從 AI 助手出發」也不一定等於全程不離開聊天框。按 Uber 對 ChatGPT 接入的說明，用戶可以先在 ChatGPT 里規划行程，再跳轉 Uber 應用完成叫車與支付；Claude 的 Uber 連接器也將最後的預訂交回官方應用。財報沒有拆分那 4 單各來自什麼助手、走了哪條具體路徑。
但這個「大結果」可以說是躍然紙上了：目前幾乎沒人把外部 AI 助手當作叫車的第一入口。
Demo 的常客，演完就消失
自從 Agent 開始被描述成「不只回答問題，還能替你做事」，點外賣、買雜貨、叫車就反覆出現在發布會和演示里。
每個人都點過外賣，也都能想像把這些步驟交給別人。OpenAI 當年介紹 Operator時，把購買雜貨列為典型任務，還宣布與 DoorDash、Instacart、Uber 等公司合作；Google 展示 Android 上的多步驟任務時，首先開放測試的也是外賣、雜貨和網約車應用。畫面很容易理解：說一句想吃什麼、要去哪裡，AI 打開頁面、填好資訊，螢幕上操作一步接一步完成。
Gemini 的演示畫面，頂部提示 Gemini 已準備好訂單，待用戶確認。圖片來源：Gemini
外賣平台自己也在配合這種想像，DoorDash 的 AI 訂餐連接器拿辦公室午餐舉例：同事們在聊天工具里商量吃什麼，Agent 可以幫忙找餐廳、匯總訂單、安排送達，這比展示一個抽象的「自主行動能力」具體得多。
DoorDash 官方發布的訂餐連接器演示圖。圖片來源：DoorDash
但在 DoorDash 10 月底的財報電話會上，CEO Tony Xu 說，第三方 Agent 接入以來總共只帶來「幾百筆」訂單。這跟他們日常的量級，實在是差了個十萬八千里。
生活消費在演示里很熱鬧，在外部 Agent 帶來的實際訂單里還很冷清。
App，可能已經夠快了
發布會上的觀眾，只需要看一次 Agent 點外賣，就能明白它會行動。真實用戶卻得在每一次被餓到或臨時出行時，重新判斷：這次讓 AI 辦，是不是比自己辦更省事？
大多數時候，因為時機緊急，這種判斷只會一閃而過。
Uber CEO Dara Khosrowshahi 在財報電話會上給了一個很不浪漫的參照：在 Uber 應用里，叫車平均只要 50 秒，其中約 75% 的行程可以根據已知目的地一鍵發起；重新點一份常吃的外賣，中位數時間是 90 秒，因為用戶已經有地址、支付方式、收藏餐廳和歷史訂單。
相比之下，Agent 要先聽懂需求、拿到授權、確認車型或餐品，有些接入還得把人送回原生應用完成最後一步。對於熟悉的重複動作，省下兩次點擊，可能還抵不過新打開一個對話框，一步步聊天、對話。
使用 Gemini 完成打 Uber 的任務。圖片來源：WIRED
DoorDash 的 CEO 也在財報會上提到，第三方 Agent 可能更適合需要長時間比較的購買，或者在後台主動替用戶處理、用戶原本尚未想到的需求。這樣的工作若真能做好，才有機會讓 Agent 比現成應用更短、更順。
況且，第三方助手還面臨跟服務提供方的原生 AI 助手競爭，Uber 就開發了自己的 Uber Assistant，可自動識別購物清單並加購。
Uber 內置的原生 AI 助手。圖片來源：Uber
不過，實際體驗的摩擦也不只來自速度。叫車時，用戶可能臨時改目的地、比較等候時間、確認車牌；點餐時，庫存、配送費、優惠券隨時變化。每一步都需要在「放手讓 AI 做」和「自己看一眼」之間反覆橫跳。為了讓這條線安全，平台會要求授權和確認；確認一多，原先承諾的省事又被削弱。
從演示到習慣
在國內，情況倒是樂觀一些。今年春節，千問 App 接入淘寶閃購、支付寶等服務，再用「30 億大免單」請用戶試著在對話里下單。千問公布的數據稱，活動前六天，AI 完成下單超過 1.2 億筆。至少在支付和履約打通、又有免單券可用的時候，「一句話買東西」不只是發布會上的一段錄像。
但這 1.2 億筆與 Uber 的 4 趟車並不是同一項考試。Uber 統計的是別家 AI 助手帶來的訂單，千問位於阿里的生態中，把入口放在自己的應用里，連接阿里已有的購物和支付服務，還給了人們專門來試一次的價格理由。訂單說明這條鏈路能跑，也說明補貼能把人帶進來；它沒有回答的是，沒有優惠之後，還有多少人會回來。
叫車也在國內進入實戰考驗階段，曹操出行與豆包今年 9 月宣布，在北京、杭州、蘇州上線 AI 叫車：用戶在豆包問地點、查路線，便能繼續看出行方案並叫車。只是公開材料仍停留在「能叫」，沒有像 Uber 那樣交代「有多少人真的叫了」，更沒有交代多少人第二次還這麼叫。
豆包與曹操出行公布的 AI 叫車合作
第三方助手連通日常生活類應用的接入仍在早期，不同平台開放的能力也不一樣；不過，生活場景的剛需地位不言自明。點外賣和叫車之所以適合演示，是因為它們熟悉、步驟清楚、完成後馬上能看到結果。但同樣因為熟悉，人們早已學會在原來的應用里迅速完成它們。
生活的「高頻」，並不會自動變成 Agent 的高頻。下一次看見 AI 演示替人叫車、點咖啡，不妨再問一句：如果明天早上真的趕時間，你會先叫醒 AI，還是直接點開那個已經知道你要去哪的 App？
