考察点
这道题出自百度搜索方向实习面，是典型的「AI+存量产品」场景题。面试官想看两点：你对地图产品的理解是不是停在「导航工具」这个表层——地图真正的价值是出行决策和目的地服务；以及你给大模型找的位置是不是「非它不可」，还是换个传统技术也能做。三个场景本身没有标准答案，但要有排序逻辑：哪个先落地、哪个价值最大、哪个现在做不了。追问会往「这个场景传统方案为什么不行」「怎么衡量做成了」「开车场景的安全和语音交互怎么设计」走。
参考答案
先想清楚地图的用户在什么状态下用 AI
选场景之前先定一个约束：地图是个任务型、强时效、经常在开车状态下使用的产品。这决定了三件事。一，用户没有耐心进行多轮闲聊，语音交互必须一两轮内出结果；二，答案错了的代价高——导错路、推荐一家关门的店，用户对地图的信任是分钟级流失的；三，大模型在地图里的角色是「更好的理解和规划」，不是「陪聊」。带着这个约束去筛场景，很多听起来美的方向（比如地图里做社交、做内容社区）直接出局。
场景一：自然语言出行规划，从「搜地点」到「说需求」
传统地图的交互前提是用户知道自己要去哪——你得给出一个 POI 名称。但真实需求常常是模糊的：「帮我找个人少、能办公、人均五十以内的咖啡馆」「周末带孩子去哪玩，开车一小时以内」。这类需求今天的路径是离开地图去小红书搜攻略，再回地图逐个搜地点，链条是断的。
接入大模型后，地图可以理解这种模糊需求，结合 POI 库、实时客流、评分评论直接给候选，一键发起导航。这是大模型给地图带来的最大增量：把地图从「执行导航的工具」前提成「出行决策的入口」。技术上 POI 数据是结构化的、评论是现成的语料，检索增强的生成都落在百度自己的数据池里，可控性高。我把它排第一，因为它需求真实、频次不低、且竞品（高德）也在做，是不能输的卡位战。
场景二：多约束行程规划，把「人肉拼路线」自动化
「下午两点在国贸开会，之前想先去附近取个干洗，开完会顺路接孩子，帮我把路线排一下」——多点、多约束、带时间窗的路线规划，今天没有任何产品做得好，用户全在脑子里人肉算。这个场景大模型负责理解约束和拆解任务，底层的路径规划、耗时预估还是调地图成熟的引擎，各干各擅长的。
这个场景价值密度极高——商旅、宝妈、销售外勤都是重度人群——但落地难度也最高：约束理解的容错、实时路况和事件变更时的动态重排、多目标怎么权衡（省时还是少走路），都要打磨。所以我把它排第二，作为中期主线，先在「多点顺路规划」这种简化形态上起步。
场景三：行程中的主动语音服务
开车场景的痛点是手不能碰屏。大模型进来后可以做主动式的伴随服务：前方拥堵主动告知并给绕行建议、快到目的地主动提示停车场空位、加油提醒顺路带一句沿途评分高的加油站。这个场景的关键不在「答」而在「什么时候说、说什么」——打扰一次用户就关掉语音，所以触发策略要极度克制，只推「现在不说就来不及了」的信息。它排在第三，因为单点价值真实但天花板低于前两个，且对唤醒率和误打扰率的平衡要求苛刻。
排序逻辑和落地节奏
排第一的卡位、排第二的建壁垒、排第三的做体验加分。节奏上，场景一一个季度内必须出可用版本，因为它的技术栈（POI 检索 + 生成）最成熟；场景二用半年做深；场景三跟着车机合作的节奏走。验证指标上，场景一看模糊需求 query 的渗透率和导航转化，场景二看规划功能的周留存，场景三最要看的是负向指标——语音主动服务的关闭率，这个数压不住宁可少推。
可能的追问
- 场景一高德也在做，差异化在哪？ 答：百度的牌是搜索和内容生态——大众点评之外的评论语料、小红书式的攻略内容百度有知道和百家号的积累，答案的信源丰富度可以做得更厚；另外文心的中文语义理解在复杂需求拆解上要做出口碑。
- 这些功能会不会冲击地图的广告和本地生活商业化？ 答：不冲突，反而是增量。模糊需求推荐天然带着本地生活导流属性，「帮我找咖啡馆」的答案里挂团购和排队取号是顺滑的变现，前提是标注清楚、不污染推荐质量。
- 开车场景的语音交互安全怎么保证？ 答：交互设计上行驶中禁用复杂操作，只保留「确认/换一个/取消」三个口头指令能完成的决策；所有需要看屏幕细选的结果都延迟到停车后推送。安全红线优先于功能丰富度。