驭势科技 CEO 吴甘沙

如果把一辆无人驾驶车视作一台机器，这门生意其实很好理解：卖设备、收取维保费用，客户一次性完成采购。

但如果把它看成一名司机，商业逻辑就完全不同了。司机不会被一次性“买断”，企业通常按月发放工资，购买的是持续提供劳动和服务的能力。如今，一些自动驾驶公司正尝试把无人驾驶业务改造成这种模式——车辆可以低价销售、按租赁方式使用，真正持续收费的是车内的“AI司机”，按照车辆数量、行驶里程或工作时长计费。

驭势科技将其定义为“AI司机订阅服务”。这个名字听上去像是一种商业模式创新，但放在当下的L4自动驾驶行业，它实际上回应了一个更现实的问题：当技术已经能够让车辆在部分固定场景下长期脱离安全员运行，自动驾驶公司下一步究竟该靠什么实现稳定盈利？

目前，在乌鲁木齐天山国际机场，多达52辆无人驾驶牵引车承担着机场90%以上的货邮转运任务，另有20辆无人巴士往返于办公区、道口和机坪之间。驭势科技表示，其无人车队在天山机场的累计运营里程已超过160万公里，而在机场场景中的真无人驾驶累计里程更是突破600万公里。

这些数据至少说明了一点：在机场这类封闭或半封闭特定场景中，“车能不能自己开”已经不再是唯一核心问题。接下来，更关键也更复杂的问题包括：一套自动驾驶系统能否稳定连续运行十年？极端天气条件下是否还能按时作业？一百辆无人车需要配备多少维护人员？进入一座新机场后，是否还需要工程师长期驻场？如果客户不愿一次性投入大额预算，无人驾驶公司的商业账又该如何成立？

驭势科技 CEO 吴甘沙把这种变化说得很直白：“原来请司机的工资，变成AI司机的工资。”

从卖一辆无人车，到持续收取一个AI司机的“工资”，表面看只是收费方式发生变化，背后其实意味着L4自动驾驶正在探索一种全新的商业模式——从出售技术设备，转向出售一种可持续计价的生产力服务。

卖无人车，为什么不像一门好生意？

自动驾驶公司最早进入机场、矿山、港口等场景，一个非常现实的原因，就是这些领域更容易算清经济账，也更容易验证无人驾驶商业化价值。

机场司机培训成本高，工作环境也较为恶劣，夏天地表温度可达六七十摄氏度，冬季又可能降至零下二三十摄氏度；像香港等市场还长期面临用工紧张和人员短缺。相比普通道路，客户对安全性、运行效率和稳定性的要求更高，因此也更愿意为无人化、自动化投入预算。

吴甘沙因此把机场称作“富矿”，而早期的自动驾驶设备则像“黄金铲子”：产品足够昂贵，就优先进入最有付费能力的市场。

但这套商业模式存在天然天花板。如果一家自动驾驶公司主要依靠销售无人车和自动驾驶套件来获取收入，本质上仍然是一门典型的项目制生意。客户买一次车，可以持续使用很多年；供应商若想保持增长，就必须不断寻找下一个新项目。更棘手的是，每一家机场、工厂和港口的业务流程并不相同，车辆接口、调度系统甚至道路环境都需要分别适配，项目数量增加并不必然带来边际成本下降。

这也是商用L4自动驾驶与乘用车智能驾驶最大的差异之一。乘用车一旦完成平台定点，便可以随着整车销量快速扩展到几十万乃至上百万辆；而机场、矿山和工业园区等商用场景则高度碎片化。如果所谓“全场景覆盖”最终意味着几十个场景都要配备几十套交付团队，那么企业规模越大，组织反而可能越重。

吴甘沙算过另一笔账：“10万个AI司机可能分布在1万个地方，我每个地方都要派我们的交付人员在那边住个两个月……很痛苦。”

因此，他提出的目标是实现“开箱即用”，尽量减少现场建图和长期驻场需求，同时通过远程运维和预测性维护来降低人车比。下一阶段更关键的指标，可能是适配一个新车型需要多久、进入一个新场景需要多少人、一百辆车需要多少运维人员。只有这些数字持续下降，自动驾驶行业所期待的规模效应才真正有可能成立。

当无人车开始签SLA，算法已经不是全部

机场场景还带来了另一个非常典型的变化：无人驾驶开始像传统生产工具一样，按照工业级标准接受考核。

吴甘沙提到，欧洲一家自动驾驶企业曾在德国大型机场落地项目，但后来被放弃，其中一个重要原因是出于安全考虑，车辆最高时速只能达到十几公里，而机场拖头车正常作业速度通常需要达到25公里左右。“你不能让一飞机的人去等你的行李。”他说。

因此，部分机场已经开始与自动驾驶供应商签署SLA，也就是服务水平协议，要求无人驾驶车辆必须在规定时间内完成既定任务。

这意味着，L4自动驾驶的竞争评价体系正在发生变化。过去行业更喜欢比较接管率、感知距离和算法能力，但进入真实生产和商业运营后，客户真正关注的是准时率、车辆可用率、故障恢复时间，以及单位任务成本等核心运营指标。

这也是为什么机场无人驾驶看上去路况比北京早高峰更简单，真正落地却并不轻松。飞机起降会干扰卫星定位，机坪没有标准车道线，车辆需要识别飞机推出、地勤指挥以及各类特殊设备；到了乌鲁木齐，还要应对大雪、低温和积冰，香港、新加坡要面对暴雨和弱网环境，中东地区则常常伴随高温和沙尘。

吴甘沙说：“在机场，99.9分等于0分。”这句话背后的问题非常真实：生产系统很难靠“绝大多数时候能用”来赢得客户信任。无人车的刹车性能是否会衰减、定位是否出现持续漂移、传感器何时接近失效，这些风险都需要被提前识别和预警。

于是，自动驾驶公司不得不把自身能力从车端算法延伸到OTA验证、故障诊断、远程脱困以及预测性运维。L4自动驾驶做到最后，越来越像工业软件与设备服务的结合体，而不再只是一个单纯的驾驶算法系统。

“AI司机订阅”的诱惑，是持续收入

在这样的背景下，“AI司机订阅”这一模式就不难理解了。

按照吴甘沙的设想，客户未来可以拥有多种选择：既可以直接采购无人车，也可以采用车辆租赁方式；甚至还可以先购买“自动驾驶Ready”的车型，在起步阶段继续由人工驾驶，等预算到位或无人化需求明确后，再安装自动驾驶套件。至于AI能力部分，则按照车辆数量、行驶里程或工作时长持续收费。

对于客户而言，这种模式把一次性的资本开支转化为长期运营成本；对于自动驾驶公司来说，则相当于持续提供一名“AI司机”的服务。这也是为什么吴甘沙愿意提出一个颇具想象空间的上限目标：未来5到10年部署100万个AI司机，如果每个AI司机每年收费1万美元，就对应100亿美元的订阅收入。

这个数字显然更适合作为商业模式的想象空间，而非可以直接兑现的业绩预测。真正值得关注的是，L4自动驾驶公司对自身价值的定义正在变化：过去卖的是自动驾驶硬件、软件和解决方案，未来更希望卖的是可持续交付的“劳动时间”和生产能力。

这种逻辑并非驭势科技一家独有。Robotaxi本质上也是按行程出售自动驾驶能力，无人重卡最终销售的是运输效率，无人配送车卖的则是末端配送服务。整个自动驾驶行业都在寻找同一个答案：如何把自动驾驶从一项高投入、高成本的前沿技术，转变为能够持续产生现金流的生产资料。

90%市场份额，仍然不意味着市场成熟

根据弗若斯特沙利文报告，按2025年收入计算，其在大中华区机场场景L4商用车自动驾驶市场的份额达到90.5%，但全国整体机场的覆盖率仍然不算高。吴甘沙给出了一个容易被忽视的信息：“无人车在机场整体作业车辆中的渗透率仍然只有低个位数。”

把这两个数据放在一起，才更接近今天L4自动驾驶商业化的真实处境。

90%的市场份额说明现有市场高度集中，而低个位数的渗透率则意味着这个市场本身依然很小。换句话说，机场无人驾驶在现阶段最核心的问题，并不是几家供应商如何重新分配蛋糕，而是这块蛋糕何时才能真正做大，形成更广泛的行业需求。

更大的挑战还在机场之外。驭势科技计划继续向公交、环卫、轻卡城配、重卡专线等场景扩张，远期再进入Robotaxi和干线物流。场景越开放，竞争就越激烈，过去在机场积累的安全能力和运维体系能否以足够低的成本复制到更多场景，也仍然需要重新验证。乘用车智能驾驶拥有规模更大的供应链和数据来源，Robotaxi领域又聚集着百度Apollo、小马智行、文远知行等长期玩家，干线物流同样并非空白市场。

所以，“AI司机订阅”真正需要证明的是：一个AI司机能否以足够低的复制成本，被快速部署到更多行业和更多应用场景中。

企业雇佣一名司机，购买的不只是驾驶技术本身，还包括出勤率、稳定性、安全记录以及长期可预期性。AI司机同样如此。客户不会因为系统用了世界模型或者VLA，就自动接受这套方案进入自己的核心生产流程。

当无人驾驶真的开始“领工资”，它就必须像一名成熟员工一样被衡量：每天能工作多久，是否足够准时，出了问题多久可以恢复，十年生命周期内究竟比人工节省了多少成本。这些问题，才真正决定客户是否愿意长期为一个AI司机“发工资”。（本文首发于钛媒体APP，作者｜李玉鹏，编辑｜杨林）