导航|地址|刷新
万字对话驭势科技吴甘沙：往全世界派100万个AI司机_手机网易网

网易网易号



0

万字对话驭势科技吴甘沙：往全世界派100万个AI司机

经济观察报
2026-05-20 15:08·北京·经济观察报官方网易号

0

打开网易新闻查看精彩图片

约到驭势科技的创始人吴甘沙很难。

最终是在一个工作日的间隙里，线上接通了这次对话，留给对话的时间前后不到一个半小时。

也是因此，对话节奏极快。

同样一个行业问题，问一个AI大模型，它可能要转两圈才能给你一个答案，问吴甘沙，他秒回，而且每一句都带着自己的判断。对行业、对技术路线、对竞争格局，吴甘沙有一套完整的、反复验证过的思考框架，在对话中，他不需要临时组织语言。

吴甘沙，1971年生，复旦大学计算机系本硕毕业。

2000年大学毕业后，吴甘沙进入英特尔中国研究院，一待就是16年。

他是这家研究院培养的第一位首席工程师，后来又成为第一位非美籍华人院长，其间参与了多款芯片的研发，还主导成立了英特尔第一个机器人系统实验室。

在中国自动驾驶领域的创业者当中，吴甘沙是少有的从芯片、从系统、从机器人一路做过来的人。

他不是看到风口跳进来的互联网创业者，也不是拿着论文出来融资的学术派，他在全球最大的芯片公司里见证了PC和互联网两个时代的兴衰，亲手送走过多个没能穿越死亡谷的创新项目。

这些经历让他对技术的判断带着一种罕见的克制——他大概知道什么东西能成，也知道什么东西可能会“死”。

2016年，吴甘沙辞职了。

那一年，AlphaGo赢了李世石，深度学习从学术圈的热词变成了市场关注的焦点，全球范围内涌出了一大批自动驾驶创业公司。

吴甘沙带着几位同事从研究院出来，在北京房山注册了驭势科技，——名字取自《鬼谷子》，“察势者明，趋势者智，驭势者独步天下”，由此正式闯入自动驾驶赛道。

十年后的今天，驭势科技的无人驾驶车队已经跑进了全球21家机场、数十个工业厂区和多个港口，从香港国际机场的停机坪到乌鲁木齐零下25度的货运通道，从新加坡樟宜机场的行李转运线到青岛港的集装箱堆场。

根据弗若斯特沙利文的数据，驭势科技在大中华区机场场景的市场份额超过90%，在厂区场景排名第一，是全球唯一一家为大型国际机场提供规模化商业运营L4级自动驾驶解决方案的企业。

截至目前，驭势科技累计真无人驾驶里程超过900万公里，服务客户覆盖6个国家和地区，其中包括35家《财富》世界500强企业。

2023年至2025年，驭势科技的营收从1.61亿元增长到3.28亿元，三年复合增长率42.7%，毛利率在2025年突破51%。研发开支常年占营收七成以上——这在自动驾驶行业是常态，也是技术护城河的来源。驭势科技早在2021年就跑通了商业闭环，是国内最早实现L4自动驾驶商业化正循环的公司之一。

外界给驭势贴的标签是“封闭场景龙头”。

吴甘沙对此不太认同。

他在采访中用“倒梯形”来解释驭势的技术路线，即下面一横代表全场景覆盖，从几百公斤的物流车到几百吨的港口重卡，从机场到厂区到城市公交，全部用一个统一的自动驾驶平台去做；上面一竖的两个端点，下端是安全下限，上端是能力上限。

在他的定义里，驭势是一家全场景L4自动驾驶公司，机场和厂区只是率先跑通的场景，不是全部。

他说未来驭势的目标是部署100万台AI司机，其中至少90万台跑在开放道路上。

整个对话过程中，他反复引用《孙子兵法》——不战、不败、局部以多胜少，用来解释驭势过去十年的每一次关键选择。

以下是对话实录。

三个20年

Q：2016年从一家全球头部芯片公司的研究院院长位置上出来创业，已经做了16年，从首席工程师做到院长。那个时间点做这个决定，核心判断是什么？

吴甘沙：本质上还是一个权衡，在原来的公司，未来20年你能看到的价值增长是很清晰的，一眼望到头，有确定性，但天花板也看得见。

而你站在2016年这个时间点，面对的是一个前景无限广阔的新时代，你出来做，能够获得的价值是很难想象的。

所以这是一个确定性和无限可能性之间的权衡。

我对过去几十年的信息技术发展做过一个推演。

1976年到1996年，这是数字化的20年，代表企业是英特尔、微软，它解决的是生产资料的问题，把生产资料变成数字的。

1996年到2016年，互联网的20年，代表企业是雅虎、Google、Facebook、Amazon，它改变的是生产关系，通过建立连接。

2016年开始的20年，一定是人工智能的20年，它解决的是生产力的问题。生产资料也好，生产关系也好，都是为生产力的跃迁做铺垫，所以这个20年一定比前面两个更大。

1976年我刚出生，1996年我还在大学里，到2016年，各方面都比较成熟了，也有了一定的资源和起点。创业当然有风险，但收益远大于风险的时候，你还是应该去做。

当然我现在想起来，当时的一些创业者还是有点无知者无畏。在大公司做了很多年，其实并没有真正体会到创业的艰难。

Q：选定了AI这个大方向，为什么最后落在自动驾驶？

吴甘沙：我当时确实有几个选择，一是做芯片，我在研究院参与了多款芯片的研发，这个方向如果放到今天也很好。

二是做机器人，我成立了公司第一个机器人系统实验室，在那个领域也有积累。

但最终选了自动驾驶，原因很简单，做AI，很重要的一点是市场要足够大、足够标准化。

2016年AI有很多应用场景，但真正做大的只有人脸识别。

当时我们判断自动驾驶是一个比人脸识别更大的，而且非常标准化的场景，全世界的交通规则都是类似的，路都长得类似，我要做的就是加速、减速、转向三种控制。

相比之下，机器人的场景在当时太碎片化了，产品和市场的匹配很难成立。

自动驾驶从L1到L5分成五个等级。

L1和L2是辅助驾驶，方向盘后面必须有人，出了事故责任在驾驶员。

L3是有条件的自动驾驶，在特定环境下车可以自己开，但驾驶员要随时准备接管。到了L3，事故责任就从驾驶员转移到了车企和系统供应商。

L4是高度自动驾驶，在限定场景内完全不需要人。L5是完全自动驾驶，任何场景都能开。目前全球量产乘用车的主流水平在L2，少数车企在尝试L3。

驭势做的是L4，在特定场景内的完全无人驾驶。

Q：自动驾驶这件事从2016年到现在差不多十年了，中间消失的公司不少。你最早做的判断里，哪些被验证了，哪些后来发现是错的？

吴甘沙：整个行业对自动驾驶的商业化进程都有判断失误，没有一个人想到，它需要那么长的时间完成从0到1。

马斯克从2019年开始，几乎每一年都说年底实现L5，每一年都没实现。核心原因就是，在自动驾驶领域，99分等于0分。

99分在任何一个AI应用场景都是非常优秀的成绩，但在自动驾驶领域，它不够。

这一点所有人都错判了。

但在大方向没问题、节奏有偏差这个前提下，我认为我们还是走得比较稳。

我在之前的公司经历了大量创新项目的失败。

视频会议、MP3、手机，很多方向都是那家公司在九几年就开始尝试的，但绝大多数掉进了创新的死亡谷。看到那么多失败之后，我特别在意一件事，这家公司的下限有多高。

所以我反复在读《孙子兵法》。总结下来三条。

第一条叫不战。

不要去跟巨头掰手腕，要在巨头的射程之外找到自己的安身立命之地。

第二条叫不败。

先为不可胜，以待敌之可胜，我不用整天想着怎么战胜你，而是确保我自己不死。你如果退出了，那我自然就赢了。

我们2016年写的BP，到今天战略基本没有变化，有些公司市场火的时候成立几百人的团队，做了几年烧了很多钱，做不出来就砍掉了，我们没有。

第三条，孙子兵法从来不讲奇技淫巧，它强调的是在局部要有足够强的优势。

所以在我们的优势场景，我一定确保投入的资源超过任何一家公司，包括大公司。只有你投入足够多的资源、做得足够久，你才有真正的领先。

打嘴炮的领先，或者短期有一两个头部客户跟你搞了一批活动，那不是领先。

Q：最近这几年技术上有没有什么让你觉得是转折的东西？

吴甘沙：从2004年自动驾驶进入主流科研视野，到2009年Google开始商业化，到2016年大量创业公司出现，其实一直延续的是同一条技术路线，基于规则。专家给你总结出来多少条规则，然后一条一条套用。

最近几年，技术出现了很多新的可能性。

端到端，本质是模仿学习，不跟你讲规则，你就跟着老司机学，有样学样。

强化学习，本质是不断试错、不断精进，做好了有奖励，做错了有惩罚，我们小时候学爬就是这样。VLA，本质是从数据中归纳总结。世界模型，本质是根据规律去演绎、去预测。

这些新的技术路线丰富了我们的武器库，让我们真正看到了自动驾驶下一个十年大规模商业化的可能。

我一直说我们公司是一个倒梯形。

下面一横代表全场景，无论你是几百公斤的小物流车还是几百吨的大型车辆，从运货的到运人的，到做环卫、做巡检的，全部用一个统一的自动驾驶平台去覆盖。

这一横要足够长。

然后上面一竖，下面的端点决定我们的下限，要足够安全；上面的端点决定我们的上限，要能够适应越来越难的场景。原来我们是靠积累数据不断调参。现在有了这些新的方法论，下限和上限都在快速提升。

我们非常幸运，在第二个十年的起点上市了，这让我们有一个更好的状态去走好下一个十年。

一个长长的小概率事件列表

Q：今年市场对自动驾驶大规模落地的期待非常高，但你好像对这件事的判断比市场冷静？

吴甘沙：首先要把概念理清楚。

按照我们国家现在的标准要求，绝大多数我们说的“自动驾驶”其实是辅助驾驶，叫组合辅助驾驶，并不是自动驾驶。到L3了才是自动驾驶，到L4了才是无人驾驶。这三个东西不能混着说。

开放道路上的L3或L4今年能不能大规模拓展？我认为不太乐观。

这个不确定性本质上还是一个安全问题，我们还有一个长长的长尾小概率事件列表需要去消化，每一个不消化，你可能就会出事故。

什么叫小概率事件？比如暴雨天传感器被水雾干扰，前方突然掉落货物，施工改道导致车道标线消失，两辆车在路口同时做出矛盾的避让动作。

这些情况单独出现的概率可能只有万分之一，但车跑得够久，它们就一定会出现。漏掉任何一个，就可能是一次事故。

每一个不消化，你就过不了关。

又比如，你觉得你已经修好了很多bug，可以了，结果过了一个月又出了一个新的bug。

我们前十年几乎都在等小概率事件，有时候一个月才等来一次，却要投入大量的人力和成本去测试。

目前行业里最强的特斯拉，在场景相对简单的美国做Robotaxi，公开数据显示它的事故率是人类的9倍。

国内分两派，一派认为可以从L2直接跳到L4，另一派认为必须经过L3。

大家都在努力，但什么时候能真正做到，还是有不确定性。

Q：开放道路的L4还有不确定性，但特定场景的L4已经在规模运营了，这中间的差别到底在哪？

吴甘沙：在开放道路还有不确定性，但在机场、厂区、港口这些特定场景，L4已经在大规模运营了，原因很简单，这些场景的道路是封闭的，车辆行驶路线相对固定，速度受限，周围不会突然冲出一个外卖骑手。

安全这个最难的变量，在这些场景里是可控的。

安全可控之后，接下来就是效率和成本。这是三步，先把安全做到位，再把效率拉上来，最后把成本压下去。

成本这件事，很多人理解得太简单了。

大家关心的是你用了几颗激光雷达、一颗多少钱。但激光雷达的成本在整个生命周期的总成本里只占很小的比例。更大的是长期运营运维，车辆要不要买保险？要不要每天检查？要不要有人补能、做维保？远程操作员要不要配？紧急救援的人要不要有？

Robotaxi在这方面的挑战就很典型。

国内有运营商在城市里推行商业化的时候发现，需要在路面上做网格化管理，每隔一段距离就得部署一个应急处置人员。车辆一旦在高架上趴窝，人都上不去，事故的显性成本是维修和赔偿，隐性成本是很多地方会因此收紧牌照发放。

这些加在一起，才是全生命周期成本。

所以行业的核心指标正在转变，以前看MPI，多少公里接管一次。现在要看CPM，每公里的全生命周期成本。

我们在香港机场就是这么走过来的。

前两年拿到无人驾驶牌照，安全基本解决了。后面三年就是在死磕效率和运营成本。五年过去了才开始大规模商业化。到现在我们还在持续往下压成本，后面还有很长的路要走。

Q：前几年大家讲渗透率、讲端到端，今年开始讲造血能力，这个转变你怎么看？

吴甘沙：很正常，技术到了这个阶段，市场自然会从关注技术指标转向关注商业指标。

但我们从第一天就在想这个问题。选商用车、选封闭场景切入，就是因为这些场景工作强度高、时间长、环境恶劣，客户对AI司机的需求是刚性的，商业上更容易跑通。

这是一场至少20年的持久战，不能一直靠融资活着，2021年我们就跑通了商业闭环，在这个行业里算是比较早的。

最危险的地方，最安全的地方

Q：香港国际机场是驭势2017年底开始接触的第一个机场客户。一家成立不到两年的创业公司，为什么能拿到这种级别的合作？

吴甘沙：首先，香港机场在拥抱先进科技这件事上走得非常前。

当时他们的CEO叫林天福，现在已经是董事局主席了，贸发局出来的，很有意思的一个人。他说了一句话，小时候看古龙的武侠小说，最危险的地方就是最安全的地方。

因为在机场，所有人开车都非常谨慎，很守规则，反而有利于自动驾驶落地。

另一位关键人物是姚兆聪，香港机场管理局机场运行执行总监，他直接给无人车赋予了仅次于飞机和消防车的路权，而且给了我们5年时间去成长、去改进。

全世界再也找不到第二个这种天使客户。

香港还有一个价值。

我们经常说，香港是距离中国最近的世界，也是距离世界最近的中国，内地对流程管理、服务标准的要求不算高。

但到了香港我们才意识到，产品必须按世界标准来做，技术要好，资质认证要到位，质量体系、数据合规、服务体系全部要到位。

后来新加坡樟宜机场成了我们的客户，SKYTRAX排名全球第一的机场，他们一上来要的是文档。我们在香港积累了几千页上万页的英文文档，直接就能用。

这就是在香港练出来的东西。

所以我们在香港成立了国际总部，从香港往外走。

Q：驭势在香港机场做到了真正的无人化运营，车上没有安全员，完全靠系统独立运行。这个在当时整个行业里没有先例，是怎么做到的？

吴甘沙：2019年3月，机场方面提了一个要求，你们的系统如果足够成熟，就应该能够独立运行，不需要人坐在车上盯着。

对机场来说，真正的无人化才是这项技术的价值所在。

对我们来说这是一个关键节点。

证明了，项目可以大规模推开；证明不了，可能就停在试验阶段了。说白了就是硬着头皮上。

当时姚总（姚兆聪）从欧洲回来，我们选了一个凌晨的时间段，车少，路安静，用一台车头、不带任何负载，让系统完全独立运行了一个小时。

他看完说了一句话，我本来在犹豫要继续还是停掉这个项目，你们给了我信心，我愿意继续。但接下来我们要一起定标准，一起跟民航推动无人化运营的规范。

全行业没有人干过这件事，没有标准，没有先例，我们心里非常忐忑。

所以就启动了“地牢计划”，公司二三十个最好的工程师，做算法的、做产品的、做测试的，集中在一个地方封闭开发。

两班倒，白天开发晚上测试，每天跟踪数据。地牢一、地牢二、地牢三，三个阶段，从3月一直做到12月。

那段时间团队模拟了超过一千种场景，传感器在暴雨中怎么抗干扰、突然出现障碍物怎么应对、不同天气下定位精度怎么保证，每一种情况都必须有方案。最终通过了机场的验证，开启常态化运营，半个月跑出1500公里零故障。

后来行业里出了一些Robotaxi的安全事件，公众对无人驾驶有了一波质疑。

姚总给团队发了一封很长的消息，引用了中国高铁早年的那次事故，那次事故没有阻止高铁的发展，反而推动了更多安全技术的落地。

碰到这种客户，是运气。

Q：从香港到新加坡、卡塔尔、乌鲁木齐、海口，你们现在落地了21家机场。这些机场分布在不同国家、不同气候带，复制起来最难的是什么？

吴甘沙：看一组时间你就知道了，香港，5年才开始起量，7年才把每公里成本降到客户满意。新加坡，3年拿到起量订单。乌鲁木齐，40台车，不到一个月投入运营。

越做越快，因为解决方案越来越通用了。

各地的差异集中在三件事上。

第一是业务层面的定制化需求，这个我们已经可以通过AI来解决，边际成本很低。

第二是当地的资质、法规、数据合规要求，每个国家不一样，我们在建一套合规平台，目标是让中国香港、新加坡、日韩、欧洲、美国都能认可。

第三是运营运维，我们不可能在每个地方自己做保养和售后，所以要找本地合作伙伴，把运维成本压下去，同时满足客户要求的服务水平。

技术层面已经标准化了。

这几个机场客户各有各的故事。

乌鲁木齐是2025年4月北航站区启用的时候同步上线的，40多辆无人牵引车，承担了90%以上的国内国际货站至机坪待运区的货邮转运。

乌鲁木齐冬天气温低到零下25度，传感器在这种温度下会出现数据漂移和响应延迟，我们专门做了耐寒硬件和多源数据融合的定位算法。到2026年初，这支车队累计跑了近80万公里，转运货物超过50万斗。

新加坡樟宜机场的项目经过了将近一年、超过5000次试运营行程的测试，2026年1月正式投入运营，新加坡交通部高级政务部长出席了启动仪式。

2025年8月，新加坡总理黄循财在国庆群众大会的演讲里，把樟宜机场的无人驾驶作为AI改变产业效率的案例专门提了一次。

卡塔尔哈马德国际机场是中东第一个机场无人驾驶项目。2025年5月，香港特首李家超率团访问卡塔尔的时候，专程去看了这个项目。2026年2月，海口美兰机场也上线了海南自贸港首个航空物流无人驾驶示范项目。

Q：你们在机场场景的市占率已经超过90%了，还有多大空间？

吴甘沙：任何一个场景的收入天花板都等于三个东西相乘，市场总规模、渗透率、市占率。

90%是市占率，确实接近封顶了。

但渗透率只有1%左右，100辆新的地勤车里可能只有1辆是无人驾驶的。

而且市场基数要重新看。传统上大家看机场地勤设备市场，大约20亿美金。把设备全换成无人驾驶，顶多40亿。

但这个数字忽略了一个东西，有100亿美金的人力市场在那里。原来需要大量经过专业培训的司机来开这些设备，这笔人力成本过去没有被放进过市场分析。

我们现在做的事情就是把这100亿美金的人力成本，转化成新劳动力的订阅服务。比如60亿美金的订阅服务加上40亿的设备升级，市场基数就从20亿变成了100亿美金。

渗透率很低，基数又变大了。

在香港国际机场，目前运营着超过70辆无人驾驶车，56辆以上牵引车、8辆巡逻车、6辆穿梭巴士。累计行驶里程突破400万公里，常态运营超过1500天，每天保障超过300个航班。一台无人牵引车平均替代4个人工驾驶岗位，56台车就省下了200多名司机。

这只是一个机场。

全球有几千个商用机场，绝大多数还没有开始用无人驾驶，弗若斯特沙利文的数据显示，全球机场L4自动驾驶解决方案的市场规模，预计到2030年将接近75亿元人民币，2025年到2030年的复合增长率超过88%。

100万AI司机

Q：你说过驭势像一家劳务派遣公司，什么意思？

吴甘沙：“做世界的AI司机”这句话创业第一天就在讲了，但AI司机到底是什么商业模式，确实是慢慢推演出来的。

我看到“new labor economy”这个说法的时候非常兴奋。

一百年前中国华工到美国修铁路，那是old labor，带着屈辱。未来中国有机会从世界工厂变成世界新劳动力的输出国，卖的不是一个产品，而是一个能提供驾驶服务的AI劳动力。

所以我们不造车，不做运营，就聚焦AI司机这一件事。造车世界各地都有人造，运营世界各地都有人做。

我们全球化的逻辑就是三件事。

第一，技术要好，能给客户创造价值，特别是在劳动强度高、环境恶劣、缺司机的地方。

第二，跟合作伙伴分润，车也好、运营也好、服务也好，他们赚他们的钱。

第三，在每个地方跟当地伙伴一起做创新，成果留在那边，他们可以打包成新产品去卖，只要里面有我们的AI司机就行。

这不是一锤子买卖，AI司机是要收工资的。

机场只是起点。

把同样的逻辑放到厂区、港口、矿山、城市公交、环卫、干线物流，每一个场景都有对应的人力成本池。全球范围内，仅地面运输相关的商用车司机就有几千万人，如果其中哪怕一小部分被AI司机替代，对应的订阅服务市场规模就是千亿美金级别的。

Q：围绕AI司机这个定位，你们进了厂区、港口、城市公交，这些场景差别很大，怎么用同一套东西覆盖？

吴甘沙：第一，算法尽量通用，用最好的算法，适配能力自然强。

第二，硬件尽量共用，几百公斤的车和几百吨的车用同样的传感器和控制器。

第三，工具链做好，让客户自己能拿去适配。

但光有算法不够，AI司机得装进具体的车里面。

我们跟几十家整车厂合作开发了52款车型。跟一家整车厂合作不是卖完一套套件就走了，还有云端系统、安装标定、测试验证、运营运维、售后服务，一整套东西。这些积累是后来者进入的门槛。

场景拓展也有它自己的逻辑。

一开始做机场行李牵引车，大吨位。然后把技术用到工厂里，变成小吨位牵引车。一开始做5米的园区小巴士，然后做到7.5米、10米、17米。巴士做到10米左右的时候，这套技术就可以复用到港口重卡上。港口重卡跑通了，它可以慢慢开出港区，到附近物流园区，到运煤专线，再到干线物流。

每一步都在复用上一步的积累，每一步都在往上推能力的上限。

2024年底驭势进入港口场景，2026年初跟中远海运发展签订了战略合作，围绕港口物流的自动驾驶、智能装备租赁、装备赋能三个方向展开合作，已经在青岛港等多个港口落了地。

在城市里面，北京房山已经有我们的无人驾驶巴士在公共道路上做常态化运营，安全员全程没有接管。

2025年12月这个项目入选了科技日报评的“十四五”硬核科技成果，新华社、《人民日报》等20多家媒体都做了报道。

Q：外界一直管驭势叫“封闭场景龙头”，你对这个标签怎么看？

吴甘沙：这个标签不能说错，但只说对了一部分。

我们在机场和厂区确实做到了行业第一，这两个场景的成绩太突出了，所以外界的注意力都集中在这里。

但驭势从第一天起做的就是全场景L4，机场和厂区只是我们率先跑通的两个场景，不是我们的全部。

我们的U-Drive自动驾驶平台覆盖了乘用车、商用车、工业车辆、特种作业车辆四个大类，十几种应用场景。

机场牵引车、厂区物流车、港口重卡、矿山宽体车、城市公交巴士、环卫作业车、干线物流车，这些我们都在做，而且都有了落地。

截至目前，我们跟几十家整车厂合作开发了52款车型，服务了249个客户，覆盖6个国家和地区。

说驭势是“封闭场景龙头”，等于只看到了我们走的第一步。

我的目标是100万台AI司机，这100万里面至少90万是跑在开放道路上的。封闭场景是起点，不是终点。前几年我们把安全的下限做得足够高，把技术平台做得足够通用，就是在为走上开放道路做准备。

坦率说，原来对开放道路这件事不见得有十足的信心。但有了世界模型、有了强化学习之后，这条路通了。

我们现在在开放道路上做公交、环卫、物流三类场景，接下来几年会有很多新的落地出来。

长跑，以及全球化

Q：驭势出海的路径是从香港到新加坡，到中东，再到欧美。不少中国科技公司出海是反过来的，先去发达国家，为什么你们选这个顺序？

吴甘沙：欧洲和北美对产品质量、资质认证、数据合规、服务体系的要求更高，有些地方政策门槛也高。

所以第一步我们要验证一件很具体的事，我人在中国，合作伙伴在几千公里外的另一个国家，我能不能把无人车在那里长期运营起来。

中国香港和新加坡的好处是，资质认证、质量体系、数据合规这些方面非常接近欧美，同时又是华语区，沟通简单。先在这些地方把能力练出来，再去欧美就有底气了。

现在确实到了往欧美走的时间点。

2026年3月我们参加了MODEX，北美最大的供应链和物流自动化展会，在亚特兰大。那次给了我们一些意外的感受。

第一，美国对自动化的接受程度比我想象的高。

亚特兰大满街都是Waymo，人们对无人驾驶已经习以为常了。我们接触的潜在客户对自动化非常积极，之前担心的工会抵制或者政策壁垒，至少在我们接触的范围内没碰到。

第二，我们的产品在现场很独特。

美国市场上，一头是Waymo那种跑在马路上的无人出租车，另一头是仓库里慢慢跑的AGV，中间是空的。没有一家能做到在室外、全天候、高速运行，覆盖几平方英里，点到点运输，还全流程无人化。我们给他们演示了无人脱钩挂钩、自动充电、自动装卸货，整个展会没看到同类产品。

对北美市场来说，我们填的是Waymo和仓库AGV之间的空白——能在室外跑、速度快、不怎么依赖地图、大范围覆盖、全流程自动化。这个位置目前没有人占。

Q：中国的L4自动驾驶拿到全球市场上去，竞争力在哪里？

吴甘沙：三个点。

最好的AI，美国在AI领域的投资是中国的几十倍上百倍，但大模型的能力只比中国好2%左右。

最好的制造和供应链，中国制造业的完整度和成本优势，全世界找不到第二个。

最好的产业应用能力，中国的产业门类齐全，大客户愿意拥抱创新，我们在各个行业里积累了大量的专有数据。

ARK的Cathie Wood讲过一个观点，AI未来竞争的核心是专有数据，不是网上能下载的公开数据，不是在公共道路上谁都能采的数据，而是你在每一个特定行业里面获得的数据。

这三件事加在一起，就是中国L4自动驾驶在全球的竞争力。

2026年1月，驭势跟阿联酋头部投资管理公司Royal Front Group签订了合作备忘录，双方围绕无人驾驶在机场、厂区、港口、城市的规模化落地展开合作。

SKYTRAX评选的2025年全球最佳机场前十里，有三家在用驭势的方案，新加坡樟宜第一，多哈哈马德第二，香港国际第六。

Q：驭势马上要完成上市了，往后看十年，你希望这家公司能走到什么位置？

吴甘沙：前面跟你说的，至少100万台AI司机在世界各地、各行各业运转。

一台AI司机一年收1万美金的工资，对发达国家来说不贵，那就是100亿美金的订阅服务。如果毛利能做到一个令人满意的水平，我们可以做很多事，比如自己做芯片，进入具身智能，物理AI这个方向里面空间很大。

但像前面聊到的，对自动驾驶来说99分不行，必须100分。

我们花了十年在机场这个安全标准最高的场景把最后一分补上了，下一个十年就是要在更多场景、更大范围把这一分补上。

希望未来，驭势科技这100万台AI司机里面，至少90万台是跑在开放道路上的，从城市公交到干线物流到环卫作业，覆盖的是一个全场景的版图。

（作者郑晨烨）

特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。

打开网易新闻体验更佳

热搜

龚宝冬遇难西南政法大学官网变黑白

 2025中国网络文学影响力榜发布

 二十届五中全会10月召开

 男孩被奶奶责怪负气离家5天后被找到

 中央强调及时谋划出台增量政策

 微软股价涨幅扩大至15%

热门跟贴

打开APP发贴

0条跟贴

相关推荐

索尼研发乒乓球机器人打败日本顶尖选手

每日经济新闻1212跟贴



萝卜快跑抢跑无人车右舵：香港率先全无人，伦敦直面Waymo

量子位5跟贴



人形机器人半马跑姿大赏，有的比人快多了！有的“状况百出”

每日经济新闻



AI战争（美国篇）

虎嗅APP

搬货、烤面包、摆桌牌……每一个动作，都是从零开始的“第一课”

每日经济新闻



动易科技PhyAgents无遥控无预设双足人形自主对打羽毛球

量子位



亦庄机器人马拉松现场名场面合集

量子位



520，人类如何回应AI的告白

虎嗅APP

机器人进家还差几步？京东：商业化场景是快车道，未来会有更多消费级产品出现

每日经济新闻



不跳舞、不打拳、也不拧螺丝，陈震和他的机器人扎进后厨炸鸡块

钛媒体APP

WRC前瞻：机器人自己办大会，整机厂告别翻跟头，比WAIC精彩十倍

雷科技



谁在定义「超级个体」？

虎嗅APP

00后小哥复刻Claude最强神话模型OpenMythos

量子位



邱锡鹏：未来我们一定会进入泛情境智能时代

量子位



OpenAI总裁放出狠话：ChatGPT桌面端要消灭标签页，年底前大变天

智东西



AI Agent是科技革命中的一次真正的范式转移

量子位



Agent输出到底该用谁？卡帕西转发：试试让AI输出HTML

量子位



大神程序员蒸馏自己，用16个skill给AI注入软件工程之魂

量子位



王晓野：Working Agent将是下一个爆发点

量子位



Anthropic的AI读心术，让人类读懂大模型在想啥

量子位

回到顶部回到首页

------
导航页打开网址