No.228 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

概览

本期《三五环》邀请滴滴网约车安全负责人徐晓楠，围绕网约车安全体系的形成、平台如何识别和干预风险、以及乘客应如何自我保护展开讨论。对话从 2018 年顺风车安全事件谈起，嘉宾认为那是滴滴安全工作的起点，也促使公司从业务目标转向安全目标，重建安全体系。

节目重点解释了平台安全并不只覆盖“上车到下车”，而是从订单成交开始，到司机和乘客安全分离结束。滴滴目前的安全体系包含司机准入、出车前验证与教育、安全分单、行程中 AI 与人工预警、行程后判责处罚等环节。

讨论中反复出现的核心矛盾是：平台需要尽可能提高风险召回率，但线下场景天然信息不足，准确率和用户体验会受到影响。醉酒乘客、未成年人单独乘车、线下交易、订单结束后的风险，都是嘉宾认为难度较高且需要用户共同配合的场景。

分段落总结

[00:25] 嘉宾背景与 2018 年安全转向

[事实] 主持人刘飞邀请滴滴网约车安全负责人徐晓楠参与节目，两人曾在滴滴共事。

[事实] 徐晓楠表示自己的安全工作从 2018 年顺风车安全事件后开始，当时公司业务暂停，调集力量反思和重建安全工作。

[事实] 嘉宾认为 2018 年之前滴滴对网约车安全重要性的认知不足，安全投入和工作不够。

[事实] 嘉宾称 2018 年可以被视为滴滴安全工作的“元年”，安全体系从 1.0 发展到 3.0，并且每年投入数十亿做安全。

[03:24] 安全边界从订单成交到司乘安全分离

[事实] 嘉宾指出，很多用户会以为平台安全边界是从订单开始到订单结束，但实际内部定义更长。

[事实] 滴滴内部将安全边界定义为从订单成交那一刻开始，到司机和乘客安全分离为止。

[事实] 这里的订单成交指叫到车、订单产生，而不是最终付款给司机。

[事实] 嘉宾提到，曾有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目标。

[05:04] 安全体系的五个主要环节

[事实] 嘉宾介绍，第一道安全工作是司机准入，包括三证验证和背景审核，重点确认是否有前科。

[事实] 第二道关是在司机出车前验证人车是否相符，并进行安全教育。

[事实] 第三道关是安全分单，把风险高或安全要求高的订单尽可能分给安全系数更高的司机。

[事实] 第四道关在行程中，平台用 AI 观测轨迹、录音等异常，并进行机器或人工干预。

[事实] 行程后如果发生安全投诉，平台会进行判责，并对司机或乘客作出处罚。

[06:42] “降发声”指标与安全事件类型

[事实] “降发声”主要指安全事件预防，衡量安全事件发生概率和总数量是否下降。

[事实] 平台重点关注两类安全事件：严重交通事故，以及司机与乘客之间的冲突。

[事实] 司乘冲突会按严重程度拆分，例如触碰类事件更严重，言语类事件相对较轻。

[事实] 嘉宾称 2019、2020 年安全事件降幅超过 50%，后续仍保持两位数下降，上一年约下降 30%。

[08:36] 行程中异常识别的四类信号

[事实] 平台从四个方面识别行程异常：轨迹、录音、录像和端上操作。

[事实] 轨迹类信号包括偏航和异常停留，例如车辆在不该停的地方停留太久。

[事实] 录音类信号包括异常声音、尖叫、求救等。

[事实] 录像类信号来自部分车辆，嘉宾称约 20% 的车辆有录像能力。

[事实] 操作类信号包括乘客点击 110 报警等明确求助动作。

[10:32] AI 扫描、人工研判与实时干预

[事实] 嘉宾介绍，滴滴在天津、珠海、成都设有安全预警中心，安全预警专家不同于普通客服。

[事实] 普通客服主要解决用户投诉，安全预警专家负责研判订单是否有风险，并对风险订单实时干预。

[事实] 嘉宾称滴滴每天约 3000 多万单，会经过两道 AI 扫描，第一层筛出约 10 万单，第二层筛出约 3 万单给人工。

[事实] 人工研判后，会对其中大约几千单进行干预。

[事实] 干预方式以打电话为主，包括震慑司机或乘客、确认风险；若判断有重大风险，平台会直接报警。

[12:23] 召回率优先于准确率

[事实] 嘉宾明确表示，安全模型更重视召回率，召回率的重要性远大于准确率。

[事实] 嘉宾承认当前准确率比较低，绝大多数进入干预的订单最后是虚惊一场。

[事实] 嘉宾表示平台宁可虚惊一场，因为虚惊一场意味着订单本身是安全的。

[推测] 这说明滴滴在安全策略上更愿意牺牲部分体验和运营效率，以降低漏掉高风险事件的概率。

[14:11] 大模型提升录音风险识别能力

[事实] 嘉宾认为，大模型推理能力和录音能力结合后，让安全体系变得更强，效果更好。

[事实] 在没有大模型时，即使有录音，平台也难以及时对录音进行风险扫描。

[事实] 过去依赖规则匹配时，需要预先穷举关键词或固定声音，难以覆盖复杂表达。

[事实] 嘉宾举例称，大模型曾通过“你的手好冰”这样的对话判断出可能发生了触碰，并推给人工复核。

[15:00] 当前召回短板：线下、静默与订单后风险

[事实] 嘉宾称当前风险召回率大约是 80% 多，仍有接近 20% 的情况无法召回。

[事实] 第一类短板是线下交易，订单脱离平台后，平台安全能力会失效。

[事实] 第二类短板是车内没有任何异常声音，例如醉酒乘客睡着，录音也无法发现风险。

[事实] 第三类短板是案件发生在订单结束后，此时录音等能力会逐步失效，平台感知能力不足。

[16:03] 醉酒乘车的识别与风险

[事实] 醉酒是嘉宾认为比较头疼且比例较大的风险场景。

[事实] 平台会从发单地、目的地判断醉酒概率，例如是否从酒吧出发。

[事实] 平台还会通过司机与乘客通话、车内录音、关键词、语气以及呕吐声音等判断醉酒风险。

[事实] 乘客端在某些场景会提示是否喝酒，但嘉宾认为该功能存在误触、乱点和真正重度醉酒者不会点击的悖论。

[18:46] 网约车安全比线上内容安全更难

[事实] 嘉宾将网约车安全与直播行业安全进行对比，认为直播行业的风险更容易被看到。

[事实] 网约车风险发生在线下，分散在全国各地，平台感知能力天然弱于直播平台。

[事实] 直播行业可以通过终止直播将安全风险归零，但网约车即使发现风险，也面临如何干预的难题。

[推测] 这段讨论强调，网约车安全不是单纯的线上风控问题，而是线上系统与线下现实场景之间的协同问题。

[21:08] 醉酒后的订单结束风险

[事实] 嘉宾提到，醉酒乘客可能在订单结束后仍留在车内，司乘没有真正分离，风险会继续累加。

[事实] 有案例中，醉酒乘客主动要求司机送自己回家，司机送到后离开，但随后又折返回小区，系统识别到风险后平台报警。

[事实] 嘉宾认为醉酒后人的自我防御能力会缺失，醒酒前后对事件的认知也可能不同。

[事实] 平台原则是：醉酒状态下的主动表达不一定构成有效意愿；订单中司机是服务者，乘客是被服务者，车辆是服务空间。

[事实] 因此即便看似双方自愿，平台也会阻止此类风险行为发生。

[24:31] 对醉酒乘客的乘车建议

[事实] 嘉宾建议，不要让醉酒的朋友单独乘车，最好陪同上车。

[事实] 主持人补充，醉酒乘车风险不只包括骚扰类犯罪，也可能包括纠纷或其他意外。

[事实] 嘉宾举例称，有男乘客醉酒后辱骂并击打女司机头部，平台专工介入，指导司机靠边停车、必要时开到派出所。

[事实] 事后平台报警，并永久封禁该乘客。

[推测] 这说明平台安全规则并不只保护乘客，也会在乘客侵害司机时保护司机并处罚乘客。

[27:43] 未成年人单独乘车风险

[事实] 嘉宾认为 14 岁以下未成年人不应单独乘车，14 岁以上孩子相对更有自我保护能力。

[事实] 嘉宾举例称，曾有家长为三个最大 12 岁的孩子叫跨省顺风车，订单时长七八个小时，平台认为风险较高。

[事实] 该订单进入风险识别体系后，专工全程关注，并提醒司机车内有未成年人，需要注意安全。

[事实] 嘉宾表示，平台仍希望家长陪同孩子，而不是让孩子单独乘车。

[29:09] 儿童无法识别风险的案例

[事实] 嘉宾讲到一名不到 14 岁的孩子独自跨城乘车，专工发现不是父母叫车，而是网上认识的“哥哥”叫车。

[事实] 专工一边劝孩子不要前往，一边让司机不要继续送，最后司机把车开到派出所。

[事实] 派出所联系孩子父母后，将孩子送回。

[事实] 嘉宾认为该案例说明儿童心智不成熟，无法准确识别风险。

[31:15] 代叫功能与安全等级提升

[事实] 嘉宾指出，很多未成年人订单是父母用成年人账号叫车，平台视角下原本像成年人订单，因此识别难度很大。

[事实] 平台有代叫功能，并可以标注给老人或小孩代叫。

[事实] 嘉宾建议给别人叫车时尽量使用平台正式代叫功能，而不是只用自己的账号直接叫一辆车。

[事实] 如果用户明确标注代叫对象，平台可以提升对应订单的安全等级和服务等级。

[33:39] 线下交易会让安全体系失效

[事实] 嘉宾表示线下交易仍比较普遍，例如司机让乘客加微信，以后直接联系用车。

[事实] 嘉宾认为这种行为会让原本在平台监管下的网约车变成类似黑车的状态。

[事实] 一旦从线上订单切到线下交易，平台的轨迹、录音、预警、干预等安全能力都会归零。

[事实] 主持人总结，黑车更危险，因为平台和他人都不知道乘客叫的是谁、去了哪里。

[34:55] 深夜确认安全电话的原因

[事实] 嘉宾提到，有用户在社交平台抱怨半夜被滴滴连续打电话确认是否安全。

[事实] 一个案例中，乘客半夜 12 点到家后睡觉，平台 12 点半连续打了 5 个电话，原因是系统观察到司机在小区门口停留、收车并退出司机端。

[事实] 平台先打司机电话未接，风险信号继续增加，因此改为连续呼叫乘客确认安全。

[事实] 后来确认司机只是送完单后在车内休息，但平台在信息不足时必须排除风险。

[37:02] 专工研判的经验技能

[事实] 嘉宾认为安全预警专家需要很强的研判能力，自己未必能胜任。

[事实] 合格专工可以通过车门关门声音判断是哪一个门，例如右后门关门可能是乘客下车的安全信号，主驾开关门则可能是危险信号。

[事实] 专工还会结合订单结束到开关门之间的时间距离判断乘客是否安全下车。

[事实] 嘉宾认为这些经验能力是普通人难以具备的。

[39:53] 异常停留也可能救助司机

[事实] 嘉宾讲到一笔订单因不该停留的地方停留太久而进入预警。

[事实] 专工通过车内视频发现司机突发疾病，随后拨打 120，救护人员约 5 分钟到场。

[事实] 司机被送往医院。

[事实] 嘉宾认为，原本为预防司乘冲突设计的安全体系，也在其他安全风险中发挥了作用。

[40:37] 离家出走与虚惊一场

[事实] 嘉宾提到，平台识别到车内有未成年小女孩，司机反馈她状态不好，专工沟通后得知她因和父母吵架离家出走。

[事实] 专工持续劝导，最终将小女孩劝回。

[事实] 另一个案例中，平台识别到车内有未成年人且录音出现“亲一下”，专工立即介入，后来发现是妈妈和孩子同乘，属于虚惊一场。

[事实] 嘉宾用这些案例说明，平台运输的是人，每个人都在生活之中，因此会遇到各种复杂情况。

[42:26] 安全与隐私的平衡

[事实] 嘉宾称安全与隐私平衡是重要话题，用户会质疑平台是否过度侵犯隐私。

[事实] 嘉宾表示，乘客可以自主选择开启或关闭录音，平台能扫描的录音都是乘客选择开放的录音。

[事实] 滴滴内部有信息安全委员会，对信息使用进行审查，要求合规、最小必要、必要时才使用。

[事实] 没有风险的订单，任何人都无法随意调取录音。

[事实] 录音第一层扫描由大模型完成，只有大模型判断需要人工查看的订单才会进入人工研判。

[43:49] 刷单案例与隐私争议

[事实] 嘉宾举例称，有一笔顺风车订单中出现高风险声音，平台介入后发现司机和乘客是夫妻，正在通过虚假订单刷平台奖励。

[事实] 在平台视角下，这仍然是订单中的司机与乘客关系，且出现了明确风险信号。

[事实] 当事人在社交平台抱怨平台侵犯隐私，但嘉宾认为该录音发生在订单中，并且由风险信号触发，不能说明平台过度听取录音。

[事实] 嘉宾表示，每一笔进入专工系统的订单回头看都一定有风险信号，没有风险信号不会进入。

[46:20] 外界对平台安全的两类误解

[事实] 嘉宾认为外界有两类突出误解：一种认为滴滴仍然不安全，或没有努力做安全；另一种认为滴滴极其安全、百分百不会出问题。

[事实] 嘉宾认为第二类误解更令平台担忧，因为安全需要司机、乘客和平台共建。

[事实] 平台不是无所不能的，尤其在线下场景中，风险识别能力会受到天然限制。

[事实] 订单结束、录音关闭、车内没有明显声音、事件发生极快等情况，都会增加平台预防难度。

[事实] 对于蓄谋犯罪，嘉宾表示平台暂时没有很好的干预能力。

[48:54] 乘客自我保护建议

[事实] 嘉宾建议乘客提升自我保护意识，因为平台仍有不少安全风险识别不到。

[事实] 第一项具体建议是不要线下切单，一旦线下切单，平台安全功能会归零。

[事实] 第二项建议是不要让未成年人和醉酒乘客单独乘车。

[事实] 第三项建议是打开录音功能，只有开启录音后，AI 才能识别风险，专工才能准确介入。

[事实] 嘉宾最后强调，一段行程的安全需要司机、乘客和平台三方共建，平台能做到 80% 多，剩下约 20% 很依赖司机和乘客配合。

播客点评/总结

[推测] 本期最有价值的部分，是把“平台安全”从抽象承诺拆成了具体流程：准入、分单、AI 扫描、人工研判、电话干预、报警、行后判责。听众能更清楚理解为什么一些看似打扰用户的电话，背后可能来自风险信号叠加。

[推测] 节目的亮点在于案例密度高，尤其是醉酒、未成年人、线下交易、异常停留、隐私争议等场景，都展示了网约车安全的复杂性。它没有只停留在“平台应该负责”，也强调用户行为会直接影响平台能否识别风险。

[推测] 局限在于内容主要来自平台安全负责人的视角，对司机、乘客、监管方或第三方审计视角呈现较少；涉及安全效果的数据也以嘉宾口述为主，缺少更完整的外部验证。

[推测] 这期适合经常使用网约车、给家人朋友代叫车、关注平台治理或互联网风控的人收听；对产品经理和安全运营从业者来说，也能提供一个线下服务平台如何处理低频高危事件的案例样本。