万字对话驭势科技吴甘沙：往全世界派100万个AI司机

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）