當無人駕駛開始領「工資」，AI司機訂閲能成為L4的新生意嗎？

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

（來源：鈦媒體APP）

馭勢科技 CEO 吳甘沙

如果把一輛無人駕駛車看成機器，生意很好理解：賣設備、收維保費，客户一次性買單。

但如果把它看成一個司機，邏輯就變了。司機不會被一次性「買斷」，企業每個月給他發工資，購買的是持續提供勞動的能力。現在，一些自動駕駛公司正在試圖把無人駕駛也改造成這種生意——車輛可以便宜賣、租着用，真正持續收費的是車里的「AI司機」，按車輛、里程或者工作時間計費。

馭勢科技把它稱為「AI司機訂閲服務」。這個名字聽起來像一次商業模式包裝，但放在今天的L4自動駕駛行業里，它觸碰到了一個更現實的問題：當技術已經可以讓車輛在部分場景長期脱離安全員運行，自動駕駛公司接下來究竟靠什麼賺錢？

目前，在烏魯木齊天山國際機場，52輛無人駕駛牽引車已經承擔機場90%以上的貨郵轉運任務，另有20輛無人巴士運行在辦公區、道口和機坪之間。馭勢科技披露，其無人車隊在天山機場累計運行超過160萬公里，在機場場景的真無人駕駛里程累計超過600萬公里。

這些數字至少證明了一件事：在機場這樣的限定場景里，「車能不能自己開」已經不是唯一需要回答的問題了。后面還有更多困難的問題：一套系統能不能連續干十年？極端天氣還能不能準時作業？一百輛車需要多少人維護？進入一個新機場還需不需要工程師長期駐場？如果客户不願一次性拿出大筆預算，無人駕駛公司的賬又該怎麼算？

馭勢科技 CEO 吳甘沙把這種變化説得很直接：「原來請司機的工資，變成AI司機的工資。」

從賣一輛無人車，到持續收取一個AI司機的工資，看起來只是收費方式變化，背后卻意味着L4正在嘗試一種新的模式，從賣技術設備，變成出售一種可以持續計價的生產力。

賣無人車，為什麼不像一門好生意？

自動駕駛公司最早進入機場、礦山、港口，一個現實原因就是這些場景更容易算經濟賬。

機場司機培訓成本高、工作環境惡劣，夏天地表温度可以達到六七十攝氏度，冬季又可能低至零下二三十攝氏度；香港等市場還長期面臨人員短缺。相比普通道路，客户對安全、效率和穩定性的要求更高，也更有意願為無人化投入資金。

吳甘沙因此把機場形容成「富礦」，早期的自動駕駛設備則是「黃金鏟子」：產品足夠貴，就先去最有能力付錢的地方。

但這套模式有天然上限。如果一家自動駕駛公司主要依靠出售車輛和套件獲得收入，它本質上仍然是一門項目制生意。客户買一次車，可以使用很多年；供應商要持續增長，就必須不斷找到下一個項目。更麻煩的是，每一家機場、工廠和港口的業務流程都不同，車輛接口、調度系統乃至道路環境都需要適配，項目增加並不必然意味着邊際成本下降。

這也是商用L4與乘用車智能駕駛最大的差別之一。乘用車一個平臺定點后，可以跟隨整車銷量快速達到幾十萬甚至百萬輛；機場、礦山和工業園區卻高度碎片化。如果全場景最終意味着幾十個場景都需要幾十套交付團隊，規模越大，公司反而可能越重。

吳甘沙算過另一筆賬：「10萬個AI司機可能分佈在1萬個地方，我每個地方都要派我們的交付人員在那邊住個兩個月……很痛苦。」

因此，他給出的目標是「開箱即用」，減少現場建圖和長期駐場，同時通過遠程運維、預測性維護降低人車比。下一階段關鍵的指標，很可能是適配一個新車型要多久、進入一個新場景需要幾個人、一百輛車需要多少運維人員。只有這些數字持續下降，所謂規模效應才真正成立。

當無人車開始籤SLA，算法已經不是全部

機場還提供了另一個很典型的變化：無人駕駛開始按照傳統生產工具的標準接受考覈。

吳甘沙提到，歐洲一家自動駕駛企業曾經在德國大型機場落地，但后來被放棄，一個重要原因是爲了安全，車輛最高時速只能達到十幾公里。而機場拖頭車正常作業速度要達到25公里左右。「你不能讓一飛機的人去等你的行李。」他説。

因此，一些機場已經開始與自動駕駛供應商簽署SLA，即服務水平協議，要求車輛在規定時間內完成任務。

這意味着L4的競爭評價體系開始改變。過去行業喜歡比較接管率、感知距離和算法能力，進入生產以后，客户看的卻是準時率、車輛可用率、故障恢復時間以及單位任務成本。

這也是為什麼機場無人駕駛看起來路況比北京早高峰簡單，真正做起來卻並不輕松。飛機起降會干擾衞星定位，機坪沒有標準車道線，車輛需要識別飛機推出、地勤指揮和各種特殊設備；到了烏魯木齊還要處理大雪、低温和積冰，香港、新加坡面對的是暴雨和弱網，中東又會遇到高温、沙塵。

吳甘沙説：「在機場，99.9分等於0分。」這句話它代表的問題是真實的：生產系統很難依靠「絕大多數時候能用」獲得客户信任。無人車剎車是否衰減、定位有沒有逐漸漂移、傳感器什麼時候接近失效，都需要被提前發現。

於是，自動駕駛公司不得不把能力從車端算法一路延伸到OTA驗證、故障診斷、遠程脫困和預測性運維。L4做到最后，越來越像工業軟件和設備服務，而不只是一個駕駛算法。

「AI司機訂閲」的誘惑，是持續收入

在這樣的背景下，「AI司機訂閲」就很好理解了。

按照吳甘沙的設想，客户未來可以有幾種選擇：直接採購無人車，也可以租賃車輛；甚至可以先購買「自動駕駛Ready」的車型，開始階段由人工駕駛，等有預算或者無人化需求出現后，再安裝自動駕駛套件。AI能力則按照車輛、里程或工作時間持續收費。

對於客户來説，它把一次性資本開支變成了持續運營成本；對於自動駕駛公司來説，變成了持續提供一個司機。這也是為什麼吳甘沙願意給出一個頗為激進的上限設想：未來5到10年部署100萬個AI司機，如果每個司機每年收費1萬美元，對應100億美元的訂閲收入。

這個數字顯然更適合作為商業模型的想象，而不是可以直接兑現的業績預測。值得關注的地方在於，L4公司對自身價值的定義發生了變化：過去賣的是自動駕駛硬件和解決方案，未來希望賣的是「勞動時間」。

這種邏輯並非馭勢科技一家獨有。Robotaxi事實上也是按行程出售自動駕駛能力，無人重卡最終銷售的是運輸效率，無人配送車賣的是末端配送服務。整個行業都在尋找同一個答案：如何把自動駕駛從一項昂貴技術，變成可以持續產生現金流的生產資料。

90%市場份額，仍然不意味着市場成熟

根據弗若斯特沙利文報告稱，按2025年收入計算，其在大中華區機場場景L4商用車自動駕駛市場的份額達到90.5%，但全國整體機場的覆蓋率還並不是很高。吳甘沙給出了一個容易被忽略的信息，「無人車在機場整體作業車輛中的滲透率仍然只有低個位數。」

這兩個數據放在一起，才更接近今天L4的真實處境。

90%的份額説明現有市場高度集中，低個位數的滲透率則説明這個市場本身仍然很小。換句話説，機場無人駕駛現階段最重要的問題並不是幾家供應商之間如何重新分配蛋糕，而是蛋糕什麼時候真正做大。

更大的挑戰在機場之外。馭勢計劃向公交、環衞、輕卡城配、重卡專線繼續擴張，遠期再進入Robotaxi和干線物流。場景越開放，競爭越激烈，過去在機場積累的安全和運維能力能否低成本遷移，也需要重新驗證。乘用車智駕擁有規模更大的供應鏈和數據來源，Robotaxi又聚集着百度Apollo、小馬智行、文遠知行等長期玩家，干線物流同樣不是一片無人區。

所以「AI司機訂閲」真正需要證明的，是一個AI司機能否被足夠低成本地複製到更多場景。

企業僱一個司機，購買的不只是駕駛技術，還包括出勤率、穩定性、安全紀錄和長期可預期性。AI司機也一樣。客户不會因為用了世界模型或者VLA，就自動接受一套系統進入自己的生產流程。