萬字對話馭勢科技吳甘沙：往全世界派100萬個AI司機

約到馭勢科技的創始人吳甘沙很難。

最終是在一個工作日的間隙里，線上接通了這次對話，留給對話的時間前后不到一個半小時。

也是因此，對話節奏極快。

同樣一個行業問題，問一個AI大模型，它可能要轉兩圈才能給你一個答案，問吳甘沙，他秒回，而且每一句都帶著自己的判斷。對行業、對技術路線、對競爭格局，吳甘沙有一套完整的、反復驗證過的思考框架，在對話中，他不需要臨時組織語言。

吳甘沙，1971年生，復旦大學計算機系本碩畢業。

2000年大學畢業后，吳甘沙進入英特爾中國研究院，一待就是16年。

他是這家研究院培養的第一位首席工程師，后來又成為第一位非美籍華人院長，其間參與了多款芯片的研發，還主導成立了英特爾第一個機器人系統實驗室。

在中國自動駕駛領域的創業者當中，吳甘沙是少有的從芯片、從系統、從機器人一路做過來的人。

他不是看到風口跳進來的互聯網創業者，也不是拿著論文出來融資的學術派，他在全球最大的芯片公司里見證了PC和互聯網兩個時代的興衰，親手送走過多個沒能穿越死亡谷的創新項目。

這些經歷讓他對技術的判斷帶著一種罕見的克制——他大概知道什么東西能成，也知道什么東西可能會“死”。

2016年，吳甘沙辭職了。

那一年，AlphaGo贏了李世石，深度學習從學術圈的熱詞變成了市場關注的焦點，全球范圍內涌出了一大批自動駕駛創業公司。

吳甘沙帶著幾位同事從研究院出來，在北京房山注冊了馭勢科技，——名字取自《鬼谷子》，“察勢者明，趨勢者智，馭勢者獨步天下”，由此正式闖入自動駕駛賽道。

十年后的今天，馭勢科技的無人駕駛車隊已經跑進了全球21家機場、數十個工業廠區和多個港口，從香港國際機場的停機坪到烏魯木齊零下25度的貨運通道，從新加坡樟宜機場的行李轉運線到青島港的集裝箱堆場。

根據弗若斯特沙利文的數據，馭勢科技在大中華區機場場景的市場份額超過90%，在廠區場景排名第一，是全球唯一一家為大型國際機場提供規模化商業運營L4級自動駕駛解決方案的企業。

截至目前，馭勢科技累計真無人駕駛里程超過900萬公里，服務客戶覆蓋6個國家和地區，其中包括35家《財富》世界500強企業。

2023年至2025年，馭勢科技的營收從1.61億元增長到3.28億元，三年復合增長率42.7%，毛利率在2025年突破51%。研發開支常年占營收七成以上——這在自動駕駛行業是常態，也是技術護城河的來源。馭勢科技早在2021年就跑通了商業閉環，是國內最早實現L4自動駕駛商業化正循環的公司之一。

外界給馭勢貼的標簽是“封閉場景龍頭”。

吳甘沙對此不太認同。

他在采訪中用“倒梯形”來解釋馭勢的技術路線，即下面一橫代表全場景覆蓋，從幾百公斤的物流車到幾百噸的港口重卡，從機場到廠區到城市公交，全部用一個統一的自動駕駛平臺去做；上面一豎的兩個端點，下端是安全下限，上端是能力上限。

在他的定義里，馭勢是一家全場景L4自動駕駛公司，機場和廠區只是率先跑通的場景，不是全部。

他說未來馭勢的目標是部署100萬臺AI司機，其中至少90萬臺跑在開放道路上。

整個對話過程中，他反復引用《孫子兵法》——不戰、不敗、局部以多勝少，用來解釋馭勢過去十年的每一次關鍵選擇。

以下是對話實錄。

三個20年

Q：2016年從一家全球頭部芯片公司的研究院院長位置上出來創業，已經做了16年，從首席工程師做到院長。那個時間點做這個決定，核心判斷是什么？

吳甘沙：本質上還是一個權衡，在原來的公司，未來20年你能看到的價值增長是很清晰的，一眼望到頭，有確定性，但天花板也看得見。

而你站在2016年這個時間點，面對的是一個前景無限廣闊的新時代，你出來做，能夠獲得的價值是很難想象的。

所以這是一個確定性和無限可能性之間的權衡。

我對過去幾十年的信息技術發展做過一個推演。

1976年到1996年，這是數字化的20年，代表企業是英特爾、微軟，它解決的是生產資料的問題，把生產資料變成數字的。

1996年到2016年，互聯網的20年，代表企業是雅虎、Google、Facebook、Amazon，它改變的是生產關系，通過建立連接。

2016年開始的20年，一定是人工智能的20年，它解決的是生產力的問題。生產資料也好，生產關系也好，都是為生產力的躍遷做鋪墊，所以這個20年一定比前面兩個更大。

1976年我剛出生，1996年我還在大學里，到2016年，各方面都比較成熟了，也有了一定的資源和起點。創業當然有風險，但收益遠大于風險的時候，你還是應該去做。

當然我現在想起來，當時的一些創業者還是有點無知者無畏。在大公司做了很多年，其實并沒有真正體會到創業的艱難。

Q：選定了AI這個大方向，為什么最后落在自動駕駛？

吳甘沙：我當時確實有幾個選擇，一是做芯片，我在研究院參與了多款芯片的研發，這個方向如果放到今天也很好。

二是做機器人，我成立了公司第一個機器人系統實驗室，在那個領域也有積累。

但最終選了自動駕駛，原因很簡單，做AI，很重要的一點是市場要足夠大、足夠標準化。

2016年AI有很多應用場景，但真正做大的只有人臉識別。

當時我們判斷自動駕駛是一個比人臉識別更大的，而且非常標準化的場景，全世界的交通規則都是類似的，路都長得類似，我要做的就是加速、減速、轉向三種控制。

相比之下，機器人的場景在當時太碎片化了，產品和市場的匹配很難成立。

自動駕駛從L1到L5分成五個等級。

L1和L2是輔助駕駛，方向盤后面必須有人，出了事故責任在駕駛員。

L3是有條件的自動駕駛，在特定環境下車可以自己開，但駕駛員要隨時準備接管。到了L3，事故責任就從駕駛員轉移到了車企和系統供應商。

L4是高度自動駕駛，在限定場景內完全不需要人。L5是完全自動駕駛，任何場景都能開。目前全球量產乘用車的主流水平在L2，少數車企在嘗試L3。

馭勢做的是L4，在特定場景內的完全無人駕駛。

Q：自動駕駛這件事從2016年到現在差不多十年了，中間消失的公司不少。你最早做的判斷里，哪些被驗證了，哪些后來發現是錯的？

吳甘沙：整個行業對自動駕駛的商業化進程都有判斷失誤，沒有一個人想到，它需要那么長的時間完成從0到1。

馬斯克從2019年開始，幾乎每一年都說年底實現L5，每一年都沒實現。核心原因就是，在自動駕駛領域，99分等于0分。

99分在任何一個AI應用場景都是非常優秀的成績，但在自動駕駛領域，它不夠。

這一點所有人都錯判了。

但在大方向沒問題、節奏有偏差這個前提下，我認為我們還是走得比較穩。

我在之前的公司經歷了大量創新項目的失敗。

視頻會議、MP3、手機，很多方向都是那家公司在九幾年就開始嘗試的，但絕大多數掉進了創新的死亡谷。看到那么多失敗之后，我特別在意一件事，這家公司的下限有多高。

所以我反復在讀《孫子兵法》。總結下來三條。

第一條叫不戰。

不要去跟巨頭掰手腕，要在巨頭的射程之外找到自己的安身立命之地。

第二條叫不敗。

先為不可勝，以待敵之可勝，我不用整天想著怎么戰勝你，而是確保我自己不死。你如果退出了，那我自然就贏了。

我們2016年寫的BP，到今天戰略基本沒有變化，有些公司市場火的時候成立幾百人的團隊，做了幾年燒了很多錢，做不出來就砍掉了，我們沒有。

第三條， 孫子兵法從來不講奇技淫巧，它強調的是在局部要有足夠強的優勢。

所以在我們的優勢場景，我一定確保投入的資源超過任何一家公司，包括大公司。只有你投入足夠多的資源、做得足夠久，你才有真正的領先。

打嘴炮的領先，或者短期有一兩個頭部客戶跟你搞了一批活動，那不是領先。

Q：最近這幾年技術上有沒有什么讓你覺得是轉折的東西？

吳甘沙：從2004年自動駕駛進入主流科研視野，到2009年Google開始商業化，到2016年大量創業公司出現，其實一直延續的是同一條技術路線，基于規則。專家給你總結出來多少條規則，然后一條一條套用。

最近幾年，技術出現了很多新的可能性。

端到端，本質是模仿學習，不跟你講規則，你就跟著老司機學，有樣學樣。

強化學習，本質是不斷試錯、不斷精進，做好了有獎勵，做錯了有懲罰，我們小時候學爬就是這樣。VLA，本質是從數據中歸納總結。世界模型，本質是根據規律去演繹、去預測。

這些新的技術路線豐富了我們的武器庫，讓我們真正看到了自動駕駛下一個十年大規模商業化的可能。

我一直說我們公司是一個倒梯形。

下面一橫代表全場景，無論你是幾百公斤的小物流車還是幾百噸的大型車輛，從運貨的到運人的，到做環衛、做巡檢的，全部用一個統一的自動駕駛平臺去覆蓋。

這一橫要足夠長。

然后上面一豎，下面的端點決定我們的下限，要足夠安全；上面的端點決定我們的上限，要能夠適應越來越難的場景。原來我們是靠積累數據不斷調參。現在有了這些新的方法論，下限和上限都在快速提升。

我們非常幸運，在第二個十年的起點上市了，這讓我們有一個更好的狀態去走好下一個十年。

一個長長的小概率事件列表

Q：今年市場對自動駕駛大規模落地的期待非常高，但你好像對這件事的判斷比市場冷靜？

吳甘沙：首先要把概念理清楚。

按照我們國家現在的標準要求，絕大多數我們說的“自動駕駛”其實是輔助駕駛，叫組合輔助駕駛，并不是自動駕駛。到L3了才是自動駕駛，到L4了才是無人駕駛。這三個東西不能混著說。

開放道路上的L3或L4今年能不能大規模拓展？我認為不太樂觀。

這個不確定性本質上還是一個安全問題，我們還有一個長長的長尾小概率事件列表需要去消化，每一個不消化，你可能就會出事故。

什么叫小概率事件？比如暴雨天傳感器被水霧干擾，前方突然掉落貨物，施工改道導致車道標線消失，兩輛車在路口同時做出矛盾的避讓動作。

這些情況單獨出現的概率可能只有萬分之一，但車跑得夠久，它們就一定會出現。漏掉任何一個，就可能是一次事故。

每一個不消化，你就過不了關。

又比如，你覺得你已經修好了很多bug，可以了，結果過了一個月又出了一個新的bug。

我們前十年幾乎都在等小概率事件，有時候一個月才等來一次，卻要投入大量的人力和成本去測試。

目前行業里最強的特斯拉，在場景相對簡單的美國做Robotaxi，公開數據顯示它的事故率是人類的9倍。

國內分兩派，一派認為可以從L2直接跳到L4，另一派認為必須經過L3。

大家都在努力，但什么時候能真正做到，還是有不確定性。

Q：開放道路的L4還有不確定性，但特定場景的L4已經在規模運營了，這中間的差別到底在哪？

吳甘沙：在開放道路還有不確定性，但在機場、廠區、港口這些特定場景，L4已經在大規模運營了，原因很簡單，這些場景的道路是封閉的，車輛行駛路線相對固定，速度受限，周圍不會突然沖出一個外賣騎手。

安全這個最難的變量，在這些場景里是可控的。

安全可控之后，接下來就是效率和成本。這是三步，先把安全做到位，再把效率拉上來，最后把成本壓下去。

成本這件事，很多人理解得太簡單了。

大家關心的是你用了幾顆激光雷達、一顆多少錢。但激光雷達的成本在整個生命周期的總成本里只占很小的比例。更大的是長期運營運維，車輛要不要買保險？要不要每天檢查？要不要有人補能、做維保？遠程操作員要不要配？緊急救援的人要不要有？

Robotaxi在這方面的挑戰就很典型。

國內有運營商在城市里推行商業化的時候發現，需要在路面上做網格化管理，每隔一段距離就得部署一個應急處置人員。車輛一旦在高架上趴窩，人都上不去，事故的顯性成本是維修和賠償，隱性成本是很多地方會因此收緊牌照發放。

這些加在一起，才是全生命周期成本。

所以行業的核心指標正在轉變，以前看MPI，多少公里接管一次。現在要看CPM，每公里的全生命周期成本。

我們在香港機場就是這么走過來的。

前兩年拿到無人駕駛牌照，安全基本解決了。后面三年就是在死磕效率和運營成本。五年過去了才開始大規模商業化。到現在我們還在持續往下壓成本，后面還有很長的路要走。

Q：前幾年大家講滲透率、講端到端，今年開始講造血能力，這個轉變你怎么看？

吳甘沙：很正常，技術到了這個階段，市場自然會從關注技術指標轉向關注商業指標。

但我們從第一天就在想這個問題。選商用車、選封閉場景切入，就是因為這些場景工作強度高、時間長、環境惡劣，客戶對AI司機的需求是剛性的，商業上更容易跑通。

這是一場至少20年的持久戰，不能一直靠融資活著，2021年我們就跑通了商業閉環，在這個行業里算是比較早的。

最危險的地方，最安全的地方

Q：香港國際機場是馭勢2017年底開始接觸的第一個機場客戶。一家成立不到兩年的創業公司，為什么能拿到這種級別的合作？

吳甘沙：首先，香港機場在擁抱先進科技這件事上走得非常前。

當時他們的CEO叫林天福，現在已經是董事局主席了，貿發局出來的，很有意思的一個人。他說了一句話，小時候看古龍的武俠小說，最危險的地方就是最安全的地方。

因為在機場，所有人開車都非常謹慎，很守規則，反而有利于自動駕駛落地。

另一位關鍵人物是姚兆聰，香港機場管理局機場運行執行總監，他直接給無人車賦予了僅次于飛機和消防車的路權，而且給了我們5年時間去成長、去改進。

全世界再也找不到第二個這種天使客戶。

香港還有一個價值。

我們經常說，香港是距離中國最近的世界，也是距離世界最近的中國，內地對流程管理、服務標準的要求不算高。

但到了香港我們才意識到，產品必須按世界標準來做，技術要好，資質認證要到位，質量體系、數據合規、服務體系全部要到位。

后來新加坡樟宜機場成了我們的客戶，SKYTRAX排名全球第一的機場，他們一上來要的是文檔。我們在香港積累了幾千頁上萬頁的英文文檔，直接就能用。

這就是在香港練出來的東西。

所以我們在香港成立了國際總部，從香港往外走。

Q：馭勢在香港機場做到了真正的無人化運營，車上沒有安全員，完全靠系統獨立運行。這個在當時整個行業里沒有先例，是怎么做到的？

吳甘沙：2019年3月，機場方面提了一個要求，你們的系統如果足夠成熟，就應該能夠獨立運行，不需要人坐在車上盯著。

對機場來說，真正的無人化才是這項技術的價值所在。

對我們來說這是一個關鍵節點。

證明了，項目可以大規模推開；證明不了，可能就停在試驗階段了。說白了就是硬著頭皮上。

當時姚總（姚兆聰）從歐洲回來，我們選了一個凌晨的時間段，車少，路安靜，用一臺車頭、不帶任何負載，讓系統完全獨立運行了一個小時。

他看完說了一句話，我本來在猶豫要繼續還是停掉這個項目，你們給了我信心，我愿意繼續。但接下來我們要一起定標準，一起跟民航推動無人化運營的規范。

全行業沒有人干過這件事，沒有標準，沒有先例，我們心里非常忐忑。

所以就啟動了“地牢計劃”，公司二三十個最好的工程師，做算法的、做產品的、做測試的，集中在一個地方封閉開發。

兩班倒，白天開發晚上測試，每天跟蹤數據。地牢一、地牢二、地牢三，三個階段，從3月一直做到12月。

那段時間團隊模擬了超過一千種場景，傳感器在暴雨中怎么抗干擾、突然出現障礙物怎么應對、不同天氣下定位精度怎么保證，每一種情況都必須有方案。最終通過了機場的驗證，開啟常態化運營，半個月跑出1500公里零故障。

后來行業里出了一些Robotaxi的安全事件，公眾對無人駕駛有了一波質疑。

姚總給團隊發了一封很長的消息，引用了中國高鐵早年的那次事故，那次事故沒有阻止高鐵的發展，反而推動了更多安全技術的落地。

碰到這種客戶，是運氣。

Q：從香港到新加坡、卡塔爾、烏魯木齊、海口，你們現在落地了21家機場。這些機場分布在不同國家、不同氣候帶，復制起來最難的是什么？

吳甘沙：看一組時間你就知道了，香港，5年才開始起量，7年才把每公里成本降到客戶滿意。新加坡，3年拿到起量訂單。烏魯木齊，40臺車，不到一個月投入運營。

越做越快，因為解決方案越來越通用了。

各地的差異集中在三件事上。

第一是業務層面的定制化需求，這個我們已經可以通過AI來解決，邊際成本很低。

第二是當地的資質、法規、數據合規要求，每個國家不一樣，我們在建一套合規平臺，目標是讓中國香港、新加坡、日韓、歐洲、美國都能認可。

第三是運營運維，我們不可能在每個地方自己做保養和售后，所以要找本地合作伙伴，把運維成本壓下去，同時滿足客戶要求的服務水平。

技術層面已經標準化了。

這幾個機場客戶各有各的故事。

烏魯木齊是2025年4月北航站區啟用的時候同步上線的，40多輛無人牽引車，承擔了90%以上的國內國際貨站至機坪待運區的貨郵轉運。

烏魯木齊冬天氣溫低到零下25度，傳感器在這種溫度下會出現數據漂移和響應延遲，我們專門做了耐寒硬件和多源數據融合的定位算法。到2026年初，這支車隊累計跑了近80萬公里，轉運貨物超過50萬斗。

新加坡樟宜機場的項目經過了將近一年、超過5000次試運營行程的測試，2026年1月正式投入運營，新加坡交通部高級政務部長出席了啟動儀式。

2025年8月，新加坡總理黃循財在國慶群眾大會的演講里，把樟宜機場的無人駕駛作為AI改變產業效率的案例專門提了一次。

卡塔爾哈馬德國際機場是中東第一個機場無人駕駛項目。2025年5月，香港特首李家超率團訪問卡塔爾的時候，專程去看了這個項目。2026年2月，海口美蘭機場也上線了海南自貿港首個航空物流無人駕駛示范項目。

Q：你們在機場場景的市占率已經超過90%了，還有多大空間？

吳甘沙：任何一個場景的收入天花板都等于三個東西相乘，市場總規模、滲透率、市占率。

90%是市占率，確實接近封頂了。

但滲透率只有1%左右，100輛新的地勤車里可能只有1輛是無人駕駛的。

而且市場基數要重新看。傳統上大家看機場地勤設備市場，大約20億美金。把設備全換成無人駕駛，頂多40億。

但這個數字忽略了一個東西，有100億美金的人力市場在那里。原來需要大量經過專業培訓的司機來開這些設備，這筆人力成本過去沒有被放進過市場分析。

我們現在做的事情就是把這100億美金的人力成本，轉化成新勞動力的訂閱服務。比如60億美金的訂閱服務加上40億的設備升級，市場基數就從20億變成了100億美金。

滲透率很低，基數又變大了。

在香港國際機場，目前運營著超過70輛無人駕駛車，56輛以上牽引車、8輛巡邏車、6輛穿梭巴士。累計行駛里程突破400萬公里，常態運營超過1500天，每天保障超過300個航班。一臺無人牽引車平均替代4個人工駕駛崗位，56臺車就省下了200多名司機。

這只是一個機場。

全球有幾千個商用機場，絕大多數還沒有開始用無人駕駛，弗若斯特沙利文的數據顯示，全球機場L4自動駕駛解決方案的市場規模，預計到2030年將接近75億元人民幣，2025年到2030年的復合增長率超過88%。

100萬AI司機

Q：你說過馭勢像一家勞務派遣公司，什么意思？

吳甘沙：“做世界的AI司機”這句話創業第一天就在講了，但AI司機到底是什么商業模式，確實是慢慢推演出來的。

我看到“new labor economy”這個說法的時候非常興奮。

一百年前中國華工到美國修鐵路，那是old labor，帶著屈辱。未來中國有機會從世界工廠變成世界新勞動力的輸出國，賣的不是一個產品，而是一個能提供駕駛服務的AI勞動力。

所以我們不造車，不做運營，就聚焦AI司機這一件事。造車世界各地都有人造，運營世界各地都有人做。

我們全球化的邏輯就是三件事。

第一， 技術要好，能給客戶創造價值，特別是在勞動強度高、環境惡劣、缺司機的地方。

第二， 跟合作伙伴分潤，車也好、運營也好、服務也好，他們賺他們的錢。

第三， 在每個地方跟當地伙伴一起做創新，成果留在那邊，他們可以打包成新產品去賣，只要里面有我們的AI司機就行。

這不是一錘子買賣，AI司機是要收工資的。

機場只是起點。

把同樣的邏輯放到廠區、港口、礦山、城市公交、環衛、干線物流，每一個場景都有對應的人力成本池。全球范圍內，僅地面運輸相關的商用車司機就有幾千萬人，如果其中哪怕一小部分被AI司機替代，對應的訂閱服務市場規模就是千億美金級別的。

Q：圍繞AI司機這個定位，你們進了廠區、港口、城市公交，這些場景差別很大，怎么用同一套東西覆蓋？

吳甘沙：第一，算法盡量通用，用最好的算法，適配能力自然強。

第二， 硬件盡量共用，幾百公斤的車和幾百噸的車用同樣的傳感器和控制器。

第三， 工具鏈做好，讓客戶自己能拿去適配。

但光有算法不夠，AI司機得裝進具體的車里面。

我們跟幾十家整車廠合作開發了52款車型。跟一家整車廠合作不是賣完一套套件就走了，還有云端系統、安裝標定、測試驗證、運營運維、售后服務，一整套東西。這些積累是后來者進入的門檻。

場景拓展也有它自己的邏輯。

一開始做機場行李牽引車，大噸位。然后把技術用到工廠里，變成小噸位牽引車。一開始做5米的園區小巴士，然后做到7.5米、10米、17米。巴士做到10米左右的時候，這套技術就可以復用到港口重卡上。港口重卡跑通了，它可以慢慢開出港區，到附近物流園區，到運煤專線，再到干線物流。

每一步都在復用上一步的積累，每一步都在往上推能力的上限。

2024年底馭勢進入港口場景，2026年初跟中遠海運發展簽訂了戰略合作，圍繞港口物流的自動駕駛、智能裝備租賃、裝備賦能三個方向展開合作，已經在青島港等多個港口落了地。

在城市里面，北京房山已經有我們的無人駕駛巴士在公共道路上做常態化運營，安全員全程沒有接管。

2025年12月這個項目入選了科技日報評的“十四五”硬核科技成果，新華社、《人民日報》等20多家媒體都做了報道。

Q：外界一直管馭勢叫“封閉場景龍頭”，你對這個標簽怎么看？

吳甘沙：這個標簽不能說錯，但只說對了一部分。

我們在機場和廠區確實做到了行業第一，這兩個場景的成績太突出了，所以外界的注意力都集中在這里。

但馭勢從第一天起做的就是全場景L4，機場和廠區只是我們率先跑通的兩個場景，不是我們的全部。

我們的U-Drive自動駕駛平臺覆蓋了乘用車、商用車、工業車輛、特種作業車輛四個大類，十幾種應用場景。

機場牽引車、廠區物流車、港口重卡、礦山寬體車、城市公交巴士、環衛作業車、干線物流車，這些我們都在做，而且都有了落地。

截至目前，我們跟幾十家整車廠合作開發了52款車型，服務了249個客戶，覆蓋6個國家和地區。

說馭勢是“封閉場景龍頭”，等于只看到了我們走的第一步。

我的目標是100萬臺AI司機，這100萬里面至少90萬是跑在開放道路上的。封閉場景是起點，不是終點。前幾年我們把安全的下限做得足夠高，把技術平臺做得足夠通用，就是在為走上開放道路做準備。

坦率說，原來對開放道路這件事不見得有十足的信心。但有了世界模型、有了強化學習之后，這條路通了。

我們現在在開放道路上做公交、環衛、物流三類場景，接下來幾年會有很多新的落地出來。

長跑，以及全球化

Q：馭勢出海的路徑是從香港到新加坡，到中東，再到歐美。不少中國科技公司出海是反過來的，先去發達國家，為什么你們選這個順序？

吳甘沙：歐洲和北美對產品質量、資質認證、數據合規、服務體系的要求更高，有些地方政策門檻也高。

所以第一步我們要驗證一件很具體的事，我人在中國，合作伙伴在幾千公里外的另一個國家，我能不能把無人車在那里長期運營起來。

中國香港和新加坡的好處是，資質認證、質量體系、數據合規這些方面非常接近歐美，同時又是華語區，溝通簡單。先在這些地方把能力練出來，再去歐美就有底氣了。

現在確實到了往歐美走的時間點。

2026年3月我們參加了MODEX，北美最大的供應鏈和物流自動化展會，在亞特蘭大。那次給了我們一些意外的感受。

第一， 美國對自動化的接受程度比我想象的高。

亞特蘭大滿街都是Waymo，人們對無人駕駛已經習以為常了。我們接觸的潛在客戶對自動化非常積極，之前擔心的工會抵制或者政策壁壘，至少在我們接觸的范圍內沒碰到。

第二， 我們的產品在現場很獨特。

美國市場上，一頭是Waymo那種跑在馬路上的無人出租車，另一頭是倉庫里慢慢跑的AGV，中間是空的。沒有一家能做到在室外、全天候、高速運行，覆蓋幾平方英里，點到點運輸，還全流程無人化。我們給他們演示了無人脫鉤掛鉤、自動充電、自動裝卸貨，整個展會沒看到同類產品。

對北美市場來說，我們填的是Waymo和倉庫AGV之間的空白——能在室外跑、速度快、不怎么依賴地圖、大范圍覆蓋、全流程自動化。這個位置目前沒有人占。

Q：中國的L4自動駕駛拿到全球市場上去，競爭力在哪里？

吳甘沙：三個點。

最好的AI，美國在AI領域的投資是中國的幾十倍上百倍，但大模型的能力只比中國好2%左右。

最好的制造和供應鏈，中國制造業的完整度和成本優勢，全世界找不到第二個。

最好的產業應用能力，中國的產業門類齊全，大客戶愿意擁抱創新，我們在各個行業里積累了大量的專有數據。

ARK的Cathie Wood講過一個觀點，AI未來競爭的核心是專有數據，不是網上能下載的公開數據，不是在公共道路上誰都能采的數據，而是你在每一個特定行業里面獲得的數據。

這三件事加在一起，就是中國L4自動駕駛在全球的競爭力。

2026年1月，馭勢跟阿聯酋頭部投資管理公司Royal Front Group簽訂了合作備忘錄，雙方圍繞無人駕駛在機場、廠區、港口、城市的規模化落地展開合作。

SKYTRAX評選的2025年全球最佳機場前十里，有三家在用馭勢的方案，新加坡樟宜第一，多哈哈馬德第二，香港國際第六。

Q：馭勢馬上要完成上市了，往后看十年，你希望這家公司能走到什么位置？

吳甘沙：前面跟你說的，至少100萬臺AI司機在世界各地、各行各業運轉。

一臺AI司機一年收1萬美金的工資，對發達國家來說不貴，那就是100億美金的訂閱服務。如果毛利能做到一個令人滿意的水平，我們可以做很多事，比如自己做芯片，進入具身智能，物理AI這個方向里面空間很大。

但像前面聊到的，對自動駕駛來說99分不行，必須100分。

我們花了十年在機場這個安全標準最高的場景把最后一分補上了，下一個十年就是要在更多場景、更大范圍把這一分補上。

希望未來，馭勢科技這100萬臺AI司機里面，至少90萬臺是跑在開放道路上的，從城市公交到干線物流到環衛作業，覆蓋的是一個全場景的版圖。

（作者 鄭晨燁）