“未来5-10年如果能够部署100万个AI司机，就可能形成一个横跨不同车型、行业与地域的AI劳动力网络。”

作者|王蕊

编辑|西子

零下25℃极寒、暴雪积冰、低能见度轮番侵袭，机坪上飞机、特种车辆与地勤人员混行……如果要给自动驾驶选一个最苛刻的“考场”，乌鲁木齐天山国际机场榜上有名。

这里难的不只是环境，更是几乎零容错的安全标准。正如驭势科技董事长兼CEO吴甘沙所言：“在民航场景里，99.9分等于0分。”

但在这一零容错的极限试炼场中，驭势科技不仅扎下了根，更跑出了近百台无人驾驶车辆常态化运营的规模，累计商业运营里程已突破160万公里。

新疆机场集团天翼航空地服分公司党委书记王天伟特别强调：“我们这160万公里，是0事故、0冲突、0问题的160万公里，比单纯的运营里程数字有更重要的意义和价值。”

如今，52台无人驾驶牵引车承担着机场90%以上的货邮转运任务，17台无人驾驶巴士覆盖13个接驳站点，从办公区到机坪核心区域，无人驾驶已经真正嵌入机场7×24小时的生产保障链路。

对驭势科技而言，160万公里是商业化提速的新起点。

如果说过去10年，驭势的核心命题是在高门槛场景里证明“AI司机足够可靠”，那么此次被推至战略前台的“AI司机订阅服务”，就是下一阶段的答案——从逐个项目的定制化交付，转向可批量复制、可长期订阅的标准化服务。

再叠加跨车型复制与全球化扩张，驭势接下来要证明的，是自动驾驶如何真正从技术闭环迈向商业闭环，让AI司机成为一种可以规模化出售的全球“新劳动力”。

磨出可迁移的AI司机底座

机场无人驾驶的核心难点，从来不止于A点到B点的自主行驶。

机坪没有连续车道线做视觉参照，车辆要识别飞机、地勤设备、作业人员等多元主体，遵守民航专属运行规则，还要深度对接航班、机位、行李系统，本质是一套覆盖感知、定位、决策到调度的系统工程。

为保证这种复杂环境下的可靠性，驭势在底层做了大量冗余设计。

吴甘沙介绍，车辆同时保有至少6种定位机制，用来应对多种可能出现的定位失效；制动系统也进行实时监控，一套机制未达到预期，第二套机制随即介入，而且“每一脚刹车都有数据记录”。

△驭势科技董事长兼CEO吴甘沙

这些能力最终沉淀为全栈自研的U-Drive全场景自动驾驶操作系统，目标是用同一套技术底座，覆盖乘用车、商用车，延伸至机场、工厂、园区、港口、矿山等多元场景。

不过，对规模化落地而言，攻克技术只是第一步，更关键的是把成熟能力沉淀为标准化产品，让客户不必重走完整开发部署流程。

过去几年，驭势的交付正在从高度定制走向标准化。如今，在机场业务系统中，超过90%的货物、70%以上的行李处理已经实现自动化对接。航班落地后的车辆调度全由系统下发电子指令，无需人工协调。

随着接口、流程、运营经验持续沉淀，项目部署速度指数级提升。

吴甘沙透露，早年香港机场从拿到全球首张无人驾驶牌照到规模化运营，前后打磨了3年半。如今依托成熟经验，40台无人拖头车不到1个月就能完成全量交付。

而这套从机场磨出来的能力，也已经延伸至厂区、矿山、港口、农牧业、巴士、物流、环卫等九大场景，适配50余种车型。

截至目前，驭势累计真无人自动驾驶里程已超1020万公里，部署超过1400套L4车辆及套件。其中，仅机场场景的真无人运营里程就已超过600万公里，香港机场超过400万公里，天山机场则在一年多时间里跑出160万公里。

换言之，驭势过去10年攒下的核心资产，已经不只是一个“机场无人驾驶方案”，而是一套正在获得跨车型、跨场景迁移能力的AI司机底座。

用订阅打开低渗透市场

技术底座可迁移，只是规模化的前提。真正决定商业化速度的，是客户能不能用得起、愿不愿意用，这正是“AI司机订阅服务”的核心逻辑。

过去机场L4是典型项目制生意：采购车辆与套件、适配测试、部署运维，前期投入重、周期长。这套模式头部机场尚能承受，但要从几百辆试点走向十万级普及，重资产门槛就是最大瓶颈。

驭势把逻辑彻底反转：客户不必做自动驾驶的“重资产买家”，而是直接购买一个持续产出价值的“AI司机”。

客户无需批量淘汰现有车辆，通过标准化后装套件即可完成智能化升级，并可配合融资租赁降低前期投入。方案交付后，再按单台AI司机、行驶里程或使用时长付费，驭势则覆盖后续运维与软件迭代。

吴甘沙把这种模式类比为给AI司机“每个月发工资”，“车辆的生命周期成本被不断摊薄，只要AI司机创造的价值高于这笔持续支出，客户就有动力长期使用。”

天山机场的数据已经验证了这笔账的可行性。以无人中巴为例，机场方披露，传统有人驾驶模式每公里运营成本约2.2元，改用无人新能源车辆后约为0.8元。对7×24小时运转的生产场景而言，降本之外还有周转效率的提升，价值远不止“省一个司机”。

而一旦走向十万级部署，挑战就不再只是算法，而是全生命周期的成本控制。

吴甘沙举了一个很现实的例子：“如果10万个AI司机分布在上万个地点，还要工程师驻场数月部署，规模越大，交付成本反而越高。”

因此驭势要压缩的是全链条成本：硬件靠高可靠性降低损耗，交付向“开箱即用”靠拢，运维靠数据化管理提升车辆可用率。说到底，订阅模式改的不是收费方式，而是L4的底层成本结构。

这也解释了90.5%市占率背后的真实增长空间。按照弗若斯特沙利文统计，2025年驭势拿下大中华区机场L4商用车自动驾驶超九成市场。

但吴甘沙直言，“这个90%只是已部署无人车的份额。如果分母是机场全部运营车辆，100辆里可能只有1到2辆是无人驾驶。”换算下来，机场场景仍有超98%的运营车辆尚未实现无人化，是一片待激活的广阔存量。

高市占率与低渗透率并存，意味着驭势的增长不是存量挤压，而是激活绝大多数有人车辆的需求。而订阅模式要做的，就是把少数头部客户能用的L4，变成多数企业算得过账的通用生产力。

不止机场，更要物理AI

如果说订阅服务解决的是“怎么卖得更轻、更广”，驭势真正的野心，是拉开AI司机的能力边界——机场从来不是终点，只是第一块高强度试验场。

这也是它在机场拿下高市占率后，仍切入乘用车赛道的核心原因。

面对外界疑问，吴甘沙直言，“并不指望乘用车本身赚钱”，他真正看重的是两样东西：

一是乘用车百万、千万级的行驶数据，是训练下一代通用AI模型的核心养料；二是成熟规模化的硬件供应链，商用车与乘用车共享芯片、传感器后，能反向拉低商用场景的AI司机成本。

所以做乘用车不是抢消费市场，而是给通用AI司机补齐能力底座。

按照驭势规划，未来3—5年，巴士将从园区走向公交，重卡从港口延伸至专线，轻卡、环卫等车型也将进一步拓展，一款自动驾驶+具身智能产品则计划于今年底或明年推出。

△驭势科技B19“温暖通勤车”模型

对驭势而言，车型和场景铺得越广，能够占据的“物理AI入口”也就越多。而扩张已经不只发生在国内。

截至目前，公司业务已覆盖6个国家及地区、249家客户，已有21家海内外机场实现“去安全员”的无人驾驶商业化落地，其中包括17家国内机场，以及新加坡樟宜、卡塔尔哈马德等海外标杆机场。

△驭势科技在新加坡樟宜机场落地无人驾驶车队

海外也被视为下一阶段的重要增量。按照吴甘沙的判断，驭势在机场无人驾驶领域已领先行业约6年，目前欧美同类项目仍主要处于测试阶段，而驭势已经进入规模化无人运营。

与此同时，国外人工“更贵、更稀缺”，也意味着在这些市场，AI司机替代人工所带来的经济价值更容易体现。

当越来越多车型、场景和海外市场被接入，同一套AI司机能力才有可能真正形成规模效应。吴甘沙甚至把这一远期模式类比为“世界上最大的劳务派遣公司”。

在他的设想中，未来5~10年如果能够部署100万个AI司机，就可能形成一个横跨不同车型、行业与地域的AI劳动力网络，而订阅服务则成为连接这些“AI司机”与客户的商业纽带。

最真诚的智能汽车报道