驭势科技吴甘沙：见过 1000 种创新死法，才知自动驾驶怎么活下去

最近，驭势科技在港股上市了。这也把很多人的思绪，拉回了十年前那个自动驾驶刚刚起步的蛮荒时代。

我跟吴甘沙认识也十多年时间了，当时他还在英特尔中国研究院。创业之后我们第一次认真聊，是他刚刚在香港机场落地那会儿，我记得当时觉得——哇，终于落地了，不容易。那时候他的公司还在一个很窄的山头上，插着一面旗。

今天，驭势的身影已经出现在全球二十几个机场中，并正谋划着向十万、百万的 AI 司机规模扩张。

过去十几年，中国诞生了真正意义上的第一代硬核技术创业者。当我们去记录这段历史的时候，很容易被充满戏剧性、跌宕起伏的故事吸引。但创业的真实底色，其实没有那么多绝处逢生、辗转腾挪，而是在漫长的不确定中，把那些看似不知对错的选择，硬生生熬成对的答案。

吴甘沙和他的自动驾驶创业史，就是这样一个很真实的样本。在 2016 年创立驭势科技之前，吴甘沙在英特尔待了整整 16 年。这是他整个创业故事的「前传」，也是理解他后来所有决策的关键。

在那个阶段，他见过太多内部创新的「死亡谷」。有的项目死于技术过于激进，有的死于产品与市场脱节。这段经历，让他极度注重下限，对创新失败有一种近乎本能的警觉。这也深深地刻进了他的创业方式里。

在他创业之初，他没有选当时被认为门槛极高的芯片，也没选技术尚处早期的机器人，而是扎进了逻辑上最能自洽的自动驾驶。

在路径选择上，当时最性感的赛道是 L4、Robotaxi。但吴甘沙选择先在机场这种封闭垂直场景里站稳脚跟，然后再图谋更广阔的通用场景。这个选择，在当时看起来不够性感，甚至有点保守。

但创业最怕的不是故事够不够性感，而是能不能把自己的战略执行出来。战略本身没有绝对的对错，真正重要的，是你能不能用极强的韧性，把当年那个看似「生不逢时」的策略，熬成了今天无可替代的优势。

今天回过头来看，吴甘沙承认，整个这波自动驾驶公司，其实都出发早了 5 年。这也成为整个自动驾驶行业最煎熬的日子。

因为自动驾驶真正的技术跃迁，是从 2021、2022 年才开始的。虽然端到端、世界模型这些技术，在 2017 年就已经有雏形，但数据和算力当时根本不支持。所以，在出发后的前五年，不得不在「基于规则（Rule-based）」的泥沼里忍受煎熬。

这是创业里经常遇到，也很残忍的一种情况：你猜对了方向，但出发早了。吴甘沙给出的解法，是《隆中对》里的「益州加荆州」策略。机场、港口、封闭园区的低速场景，是能让驭势有立足之地的「益州」；基于乘用车的 L2 往 L3、L4 推进，则是它通向更广阔通用场景、最终逐鹿中原的「荆州」。

虽然初期的战略是这样制定的，但在漫长的进程中，吴甘沙坦言「荆州」策略当时其实没有做好。在当时资源有限以及资本环境遇冷的情况下，为了聚焦和保下限，驭势在乘用车这块只保留了很小的团队。

如果说过去十年，驭势在各种垂直场景里摸爬滚打，是在「闭关修炼」。那么现在，随着安全、效率、成本等核心能力的提升，那个曾经被迫妥协的战略，终于迎来了最好落地的时刻。对于吴甘沙和他的团队来说，终于到了该「下山」的时候了。

作为一个中国的技术型创业者，吴甘沙几经辗转，终于站在了一个全新的起点上。这段在泥泞中跋涉的故事值得被记录，它不仅是他对过去十年的总结，也能为未来的技术创业者们，提供一份充满启发的参考。

以下为吴甘沙与张鹏对话内容实录，部分有删减。

01

芯片老兵「前传」

张鹏：先回到你起心动念的那个时刻，2016 年，当时是什么让你决定离职出来创业？

吴甘沙：其实可以讲讲再往前。我在英特尔的前十二三年，做了四款芯片。现在回想起来，还是挺有意义的。

第一款，本来是要卖给乔布斯用在 iPhone 上的。当时英特尔的手机芯片做得比 ARM 还好，我的团队参与到架构设计，包括流水线、指令预测、Cache，同时还做了一个 Java 虚拟机，应该是当时全球最快的。

但英特尔在本世纪初押注四大架构，手机、网络处理器、PC、服务器，其中只有一个是 X86。后来换了领导，万流归宗，全部回到 X86。前一个领导是开拓型的，后一个销售出身，他后来说人生最大的遗憾，就是拒绝了乔布斯的 iPhone。

就在那时候，我们的 Java 虚拟机做得很好，差点跟安迪·鲁宾的安卓团队合并。后来我们做了很多复盘，安卓的商业判断确实准：我们当时是基于 J2ME，针对资源受限平台设计的 Java 手机版；安卓是基于 J2SE 桌面版，免费，但更重要的是，他们在预判三五年后的硬件，相信平台迟早能跑起来完整的 Java。

张鹏：所以这段历史说的是如果只顾眼下，那在更长的时间线上世界就会惩罚你？

吴甘沙：其实，某种程度上，这也是 Scaling Law 的逻辑。芯片行业本身就是摩尔定律，英特尔 18 个月迭代一次，10 年 100 倍；英伟达把节奏压到一年一次，10 年 1000 倍。斜率差一点，时间拉长，差距就是量级的。

我做的第二件事是 Larrabee 芯片，主要是为了对标英伟达第一代通用计算芯片 G80。今天英伟达的一切，都源于那个 G80。英伟达当时打了个漂亮的三连击：G80 出来，CUDA 出来，然后进大学，把年轻程序员全教会了。

英特尔的应对是 Larrabee，本质上英伟达从计算往渲染走，我们从渲染往计算走，编程语言上兼容传统并行标准，没有另起炉灶搞一套新的 CUDA。

这个产品最辉煌的时刻，是成了天河二号超算的核心芯片，有几年霸榜世界超算 500 强第一。但说实话，那是一个短暂的成功。

张鹏：为什么是短暂的？

吴甘沙：英特尔有个执念——X86。为了让 X86 更 scalable，Larrabee 选了很轻的 486 核，核轻就能堆很多个。虽然取得了短暂的成功，但是长期它的这种 scalability 就跟不上。但英伟达的核更小。

虽然英特尔战术上执行得很好，但一开始的战略就决定了天花板，核越堆越多，瓶颈就出来了。所以，有时候选一个更简单的架构，让它能持续 scale，才是更好的解法。

Larrabee 之后，我们又做了一款视频加速芯片，第一次在芯片里引入了卷积的概念。CNN 真正崭露头角是 2012 年的 AlexNet，但我们 2009 年就开始做直接支持卷积的芯片了。只是英特尔内部选择太多，这个方向没能走下去。

2009 年之后，英特尔中国研究院开始能自主负责一些方向，我们选的第一个是物联网芯片——一张带 WiFi 的 SD 卡，插进传统电视机，芯片自己去 YouTube 拉 streaming，对电视来说只是在读一张 SD 卡。当年这个产品在 CES 拿了 4 项创新大奖。

到了 2013、2014 年，中美之间的环境变了，英特尔中国研究院就不再做芯片和核心业务了。当时，我们成立了三个实验室方向：机器人系统实验室、Smart Computing（其实就是 AI）、还有 5G。

张鹏：这些经历，怎么推着你走到了 2016 年那个决定？

吴甘沙：我推演了一下信息技术革命的节奏：1976 年前后，苹果和微软相继成立，之后 20 年是数字化时代，把生产资料变成数字；1996 到 2016 年是互联网化，解决的是生产关系的网络化，上半场 PC 互联网，下半场移动互联网。

当时，英特尔其实错过了移动互联网时代。它后来花了将近 10 年想做基于 X86 的手机芯片，到 2016 年才彻底放弃。也许英特尔再坚持 10 年，X86 是可能达到手机要求的。因为反过来，ARM 已经达到了 PC 计算的要求。X86 和 ARM 其实是性能、功耗两头对进的，只是英特尔没等到那一天。这可能跟很多英特尔专家跑到苹果去了有关。

2016 年初，AlphaGo 很戏剧化地打败了李世石，感觉人工智能的风来了。我当时想，前两个时代都没赶上。1976 年我刚出生，1996 年还在大学混。接下来，这要真是一波 20 年的大时代，再站在岸边看就不合适了。留在英特尔再干 20 年，收益高度确定，但斜率很平；出来干，风险有，但收益是无穷大。

而且当时已经 40 岁了，职业生涯还剩 20 年，要不再冒点险。

张鹏：在英特尔那段经历，听起来有不少创新失败，这段经历对你后来创业有什么影响？

吴甘沙：英特尔经历了太多失败，这对我后来影响很深。英特尔内部，我们会讨论「创新的死亡谷」——创新了很多，但最后都死了。

1997 年我在英特尔实习，我们就在做视频会议、MP3 播放器、平板电脑，但最后全都失败了。我在英特尔最后几年，领导很支持内部创业，我们做了三四个项目，也投了小几千万美金，但全部失败。所以这段经历让我后来特别注重下限，对创新失败有一种深恶痛绝的敏感。

张鹏：「死亡谷」里最致命的东西是什么？

吴甘沙：当时的总结是，英特尔的很多创新是科学家在做。科学家是把钱变成 IP 或 idea 的过程，1 万次试验成功一次就是突破；企业家是把 IP 或 idea 变成钱的过程，1 万次失败一次可能就挂了。

英特尔很多创新是科学家在主导，要么跟市场脱节，要么对技术过于乐观，说白了就是 PMF 不符合，或者 TPF 不符合。再加上内部创业换汤不换药，激励方式、工作强度本质上还是大公司的逻辑，成功率自然就比较低。

真正的创业你得把自己扔到一个孤立无援的环境中，这样你的潜力、求生欲才会被激发出来。

张鹏：你穿越过那么多死亡谷，见过太多创新消亡的过程，它是如何左右你 2016 年创业时的赛道选择的？

吴甘沙：我曾经有一次跟余凯说，他做芯片是「无知者无畏」。因为我们做芯片做太多了，能看到 1000 种死亡方式。2016 年我其实有三个方向可以选：芯片、机器人、自动驾驶。

当时，我们在英特尔支持过 CMU、伯克利等好几个实验室，去做更智能的服务机器人，当时已经能叠毛巾了。但问题是，机器人的底盘两三万美金，一条胳膊几万美金，一只手几万美金。英特尔看着这个 BOM 成本很失望，因为它里面跑的却是一颗至强服务器芯片，也就几千美金，成本占比太低了。更重要的是，离真正能干家务、洗碗叠被子的机器人还差得远，所以机器人排除了。

关于芯片，当时是做伤了。当时的判断是小公司根本不可能做芯片，连英特尔支持紫光展讯做芯片也都磕磕碰碰。但这 10 年发生了很大的变化。

芯片和机器人排除之后，剩下足够大、足够标准化的 AI 场景，就只有自动驾驶了。它有个好处，全球交通规则类似，路和红绿灯长得差不多，而且相比机器人极大简化，因为机器人要控制 80 个自由度，自动驾驶只有加速、减速、转向三个控制量。

而且我们的判断是应该先做应用再做芯片，特斯拉就是这么干的——先用 Mobileye，再用英伟达硬件自己做算法，最后才自己做芯片、算法。三步走。当然现在门槛低多了，IP 可以买，SOC 设计有第三方服务，自己做 co-design（软硬件协同设计）就行。

张鹏：现在来看，你那个时候的认知被证明是对的嘛？

吴甘沙：嗨，其实创业都是无知者无畏。现在回头看，当时做机器人确实太早了，创业不仅要看方向，更要看时机。

张鹏：其实，公司创始人和他要做的事情的匹配。你不能忽略创始人自己的特性，只能在这个变量下寻求最优解？

吴甘沙：对。一个公司其实有一个「囚笼」，就是创始人的认知框架，它是一个无形的东西，伴随公司一路往前走。最差的不是框架没突破，而是你不接受这个框架，来回拧巴、不自洽，那种会死得很惨。

02

先把一根串烤熟，再图谋摆一排

张鹏：但自动驾驶里也有不同路径，有人直奔 L4、Robotaxi，有人从 L2 切入。你当时怎么设计这条路径？

吴甘沙：说实话，我认为我们当时的战略是非常深刻且有预见性的，某种程度上今天还在执行 2016 年那份 BP 里的策略。

投资人当时问我们：你起步没 Google、百度早，人不比他们多，钱比他们少，怎么竞争？时间维度，我们重新诠释了「竞争」这两个字：竞是田径赛、马拉松，大家一字排开往前跑，最终你失败不是因为别人搞你，是自己体力耗尽；争是拳击擂台，你死我活，最后只有一个人站在台上。我们把自动驾驶想成「先竞后争」，前面至少 5 年是竞，然后再争。但后来来看，也是过于乐观。

空间维度上，我们参考了「隆中对」：谷歌、百度有点像曹操，主机厂类似孙权，我们这种创业公司是刘备。刘备的战略是益州加荆州：益州是易守难攻的根据地，先立于不败之地；但只有益州是无法图谋天下的，还需要荆州才能打通中原。

落到业务上就是，一方面在特定场景的 L4 做到领先，这是我们的「益州」；然后基于乘用车的 L2，逐步往 L3、L4 推进，这是荆州。最终的「中原」是 L5，那是所有人都要去的地方。

但因为种种原因，这个策略执行得并不完美，「荆州」没做好。当资本环境变化之后，为了聚焦、保下限，我们把更多资源压到了「益州」，「荆州」只留了很小的团队。今天我们至少还有存在感，但这块获得的资源一直比较有限。

张鹏：这个是不是跟你拿到的总资源有关，没法支撑你展开完整的战略？

吴甘沙：其实，我们这个策略的下限是很高的，但问题也在这里。自动驾驶这个赛道，人才密度极高，大家把它定位成登珠峰、登月工程。在这样的赛道里，保下限是非共识。至少资本市场角度，更看重的是上限。

至少从今天来看，就是驭势走过了这段路，而第二个十年还有得干。我记得 2021 年 9 月，赛迪列出中国自动驾驶商业化落地能力 TOP10，现在已经有 5 家不在了。

张鹏：你一开始就选机场这样的低速封闭场景，而不是直奔 Robotaxi 公开路段吗？

吴甘沙：其实第一个根据地不是机场。我们最初想自己造一辆小巴，觉得技术要求更高，当时也没人做，所以我们当时有造车团队。到 2018 年才放弃造车，当时已经投进去几千万了。

张鹏：放弃的原因是什么？

吴甘沙：一是车厂开始愿意，也有能力去做线控汽车了；二是我们一开始以为自己什么都能干，后来发现还是有比较优势的。

第二个选择，是从小巴转向机场，当时系统性地用 PMF 理论推导场景。推导逻辑是这样的：香港机场一辆车需要 3.5 个司机，每个司机的成本一年二三十万港币，招不到人、人工成本极高——从 M（市场需求）这个角度，空间很大。从 P（产品）这个角度，机场场景相对可控。

我们能够在香港机场做起来，是跟香港机场当时的总裁、今天的主席说的一句话有关。当时他说，全世界可能没有第二家机场愿意尝试一个 alpha 版本的技术。但他说，最危险的地方就是最安全的地方——机场里车很多，还有飞机，但所有人开车都很规矩，严格按线走，不乱插队，无人车有更好的生存环境。李开复当时造了个词叫 TCPMF，T 是 technology，C 是 cost，全都符合，所以就进去了。

张鹏：现在回头怎么看这个选择？

吴甘沙：从两个角度，一是没想到它那么难，零容错，安全要求高，服务水平要求高，不能让乘客等车等行李，比想象中难，起量也比想象慢。但是从另一个角度，它是一个没有竞争的场景，我们招股书里写的是 90% 以上的市场份额，是唯一真正实现大规模无人化运营的公司。

在这个过程中，我们就开始考虑多场景了。就像烤串，你一根一根烤可能饿死，所以得一排一排烤。而且从第一性原理看，人是驾校教出来的，却能在各种场景开车，自动驾驶也应该是一种通用技术。

最近卓驭的 CEO 也开始讲这个故事了，他说训练一个模型成本太高，必须用多种场景把成本分摊掉。

张鹏：但你必须先验证一根串能烤熟，再摆一排。否则就全还是生的？

吴甘沙：对，就像打仗，先占领一个高地，插一面红旗。机场就是我们的高地。

机场是第一步，然后我们开始做更多的场景，这中间我们还是有先后顺序的。机场之后，我们捡起来的第一个新场景是巴士——机场本身也要巴士，顺理成章。巴士要无人驾驶比物流难，因为物流只要假阴性（漏检）等于零，不能漏检；巴士不仅假阴性要等于零，假阳性（误检）也要等于零——车里有人，不能动不动咔咔刹车。所以巴士也是分阶段演进：先小巴实现真无人，再从小巴到中巴到大巴，再从机场封闭园区走向开放道路。

做完巴士，我们又进了港口，这涉及一个市场足够大的新的车型——卡车，它的体量跟中大型巴士差不多，我们把技术平移过来，当然卡车有倒车等新要求。卡车也延续同样的路径，先在港区走，再开到外面。

张鹏：现在你们已经进入国内外超过 20 个机场，插上了自己的红旗，这意味着什么呢？

吴甘沙：这意味着产品力达到了一定标准——不只是技术，还有资质认证、质量体系、数据合规、服务体系，这些都得到了国际头部客户的认可，这些也要花很多时间打磨。

这让我想到孙子兵法对我们的三个启发：第一是不战——尽量不跟巨头直接打，在跑马拉松阶段不要打拳击。第二是不败——「先为不可胜，以待敌之可胜」，先把自己立于不败之地，等着对手撑不住。机场就是我们的不败之地。第三是先胜再战——孙子兵法从来不强调以少胜多，一定是先算出来你有多少倍的兵力优势再打。机场这个场景，我们投入的兵力一定是竞争对手的 10 倍。

在复制多场景的时候，比如港口，我没办法比专门做这个场景的对手投入更多，那就靠两样东西：一是技术上限，因为我做的场景多、还能上开放道路，上限高；二是跟行业龙头合作，他们提供 know how，我提供自动驾驶技术。

所以，我们的愿景是做「世界的 AI 司机」，本质上是一个劳务派遣公司，向各行各业派遣会开车的 AI 司机。但我不造车，也不运营，这意味着我们跟 OEM、行业运营商都是朋友，不是敌人。

我一直说我们优化就是围绕三个维度，用一个图形来描述就是一个倒梯形。横足够长，场景足够多；竖的下端点是安全，决定下限；上端点是最难的场景，决定上限。我们做的事，就是不断把横拉长，同时把这根竖线整体上移——下限抬高，上限也抬高。

03

十年的反思：出发早了五年

张鹏：那回头看，自动驾驶这波技术演进，有没有什么判断是当时就看到了，但被时代拖慢了的？

吴甘沙：其实，我们这波自动驾驶公司也出发早了 5 年，这波技术跃迁来得晚了一点。

2017 年的 CVPR，我参加了一个 workshop，讨论英伟达那篇端到端自动驾驶的论文。我当时借用了「思考快与慢」的框架给出判断，端到端很可能成为「系统一」，它是基于本能直觉的开车模式；基于知识推理的是「系统二」。

当时世界模型、强化学习、端到端都已经有雏形，唯一没出现的是 VLA。今天看起来，自动驾驶的商业化有点过早了，因为技术其实还要再迭代，数据、算力当时都不支持。

所以，在那个时候，大家只能基于规则，就在里面浪费了五六年。

但真正技术的跃迁式变化是从 2021、2022 年开始的，我们早了 5 年。2019、2020 年很多公司都很痛苦，李斌、小鹏都进过 ICU，余凯在疫情前也裁过员。

张鹏：本质上是 scaling 的信仰还没有建立，是不是可以这么理解？

吴甘沙 ：对。Transformer 是 2017 年出来的，当时 Ilya 敏锐地看到了 Scaling Law 的机会，但是世界真正认识它是 2022 年。

张鹏：从 2016 年到 2021 年自动驾驶技术爆发，这 5 年是怎么过的呢？

吴甘沙：这 5 年极其煎熬。为什么？因为第一年你就做到 90 分了，第二年 99 分了，但第三、第四、第五年还是 99 点几分。第一年看车跑起来，投资人很 happy，第二年小范围试运营也很 happy，但第三四五年规模一直上不去，因为没到接近 100 分。

但后来我们才意识到，99 到 100 分只是解决了安全问题，后面还有效率和成本问题。这两个不解决，规模化还是无从谈起。

我们在机场的探索就是这么走过来的，两年解决了从 99 分到 100 分，拿到无人化运营 license；再花 3 年彻底逼近 100 分，把效率做起来，再花 2 年把成本降下去。

成本这件事很多人有误解，觉得无人驾驶的成本就是几颗激光雷达加车的成本。但这些硬件在全生命周期里只占一小部分，很大的一部分成本是在运营和售后。

比如，车要保险，要补能——补能不是简单的电费，要有人去充电；载人的车要清洁，没人管乘客乱扔东西；每天要做检查，定期维保；要有远程操作员，不管是 1 比 3 还是 1 比 10；还要有现场紧急救援。萝卜快跑刚在武汉做的时候，每两公里需要一个网格员，一旦有车趴窝，要第一时间去救援。然后，还有事故成本。

所以这个行业前 5 年大家说的核心指标是 MPI——每次接管多少英里；后来真正重要的是 CPM（Cost Per Mile），就是每英里的成本。

安全、效率、成本，三关都得过。无人车经历的事情，未来机器人也都会经历一遍。所以现在有些做机器人的干脆说，我不去工厂，不如直接盯着家庭场景。

张鹏：那些半途没走下来的公司，核心原因是韧性不足，还是别的原因？

吴甘沙：美国公司往往是韧性不足。很多美国 Robotaxi 公司兜里还有钱，但就是不干了。

中国创投圈有个说法，中国创业者像「松鼠桂鱼」，哪怕是千刀万剐、油炸火烹，依然高昂着头，怒目圆睁，宁死不屈。中国创业者实在撑不下去了才接受失败。

但中国这帮创业者一旦活下来走向世界，真的是凶猛。这 10 年我学会了看三张表、做预算、谈客户，学会了「小强式生存」。曾经跟一个朋友吐槽说创业太难了，不是人干的事。他说你就偷着乐吧，你还没有经历过每天晚上最后一个关灯，看着几把椅子几台电脑想着能不能卖了再缓几天？还没经历过在桥上徘徊、恨不得一跳了之？中国有大量这样的人，在那种状态下还撑着。

张鹏：你们这一代创业者是中国第一代严格意义上市场化的技术创业者，都经历了很多，非常不容易。

吴甘沙：都挺不容易的，大家看着表面光鲜。就像鸭子，水面上气定神闲，但水面下两只小脚拼命划。

同时，这个过程中需要做很多妥协——既要坚持方向，又要妥协。比如我们的「荆州」，只能投入更少的资源，因为继续走下去才是最重要的。

04

闭关十年，下山正当时

张鹏：走过 10 年，现在已经能看清自己真正落脚的土壤和未来向上的阶梯了？

吴甘沙：对。我前不久跟员工讲了三句话。

第一句话，第二个 10 年肯定比第一个 10 年好，坚持下来的同学，能更好地享受创业。

第二句话，第一个 10 年的主题是生存，是保下限，这既有公司的下限，也是自动驾驶这项技术的下限。第二个 10 年的主题是发展，要争上限。

第三句话，第一个 10 年我们是跟自己竞争，考验的是自己的耐力，能不能一直走下去。因为没人来搞你，任何一块地都是处女地。第二个 10 年是要跟世界上最优秀的公司竞争。

张鹏：相当于闭关修炼了十年，该下山了。虽然前几年技术大爆发，但最近开始收敛，所以你下山的时间可能正合适？

吴甘沙：其实，老的技术有老的玩法，新的技术有新的玩法。现在有个词叫harness engineer——harness 就是「驭」，骑马驾车时驭马的那个驭，控制它。

任何技术在任何阶段都不完美，但你要通过 harness engineering 让它在这个阶段产生效果。老的基于规则的技术路线，你用驭让它产生效果；新的技术路线，你同样用驭，让它在更多新场景产生效果。

张鹏：如果往自动驾驶的终局看，你怎么看技术未来的发展？

吴甘沙：现在 L4 的竞争中，Waymo 是领先的。但要 L5 的话，可能特斯拉具备一定的优势。

现在行业讲究轻地图、甚至无地图——不需要高精地图，不应该一个城市一个城市去适配。几年前有个说法叫「开城」，一个个城市去开，背后是要建高精地图。Waymo 现在还是这么做的，在美国已经开到 10 个城市，地图精细到一个交通灯是竖着三个圈，还是横着三个圈都标得清清楚楚。它的优势是下限极高，不会认错。

但特斯拉的技术路线是通用的。今天 FSD 虽然还不够好，但它在全美国都能用。这就是两种路线的问题——Waymo 先在某些地方实现了足够的安全和效率；特斯拉在所有地方都能用，但还不够安全。但是一旦它跨过了安全的这个边界，它就 L5 了。

张鹏：「下山」之后，接下来要拿下的核心目标是什么？

吴甘沙：接下来有三个方向。一个是，市场渗透率从 1% 到 10%，无论哪个场景；第二，从目前 6 个国家和地区扩展到 60 个国家；第三，再开发 5 到 10 个市场规模是今天 10 倍的新产品。

其实，场景还非常多，只要技术足够通用。做通用平台前期投入极大、很辛苦，但一旦做出来、边际成本足够低，就开始收获了。就像地图，采地图成本很高，分发成本低一些。当然，纸张地图还是成本较高，但变成手机 APP 之后边际成本几乎是零。我们下一步就是要把边际成本降下来，进入新场景、新车型就会越来越快。

张鹏：所以顺着技术干流、支流继续扩展疆域，屯田养兵，有朝一日挺进中原？

吴甘沙：本质上还是把技术通用性、下限和上限这三个维度做好。从商业模式上，我就是一个 AI 司机，就像华为说既不碰数据也不做运营，只做好管道；我就做好 AI 司机的劳务派遣。这是确保 scalability 最好的商业模式，每辆车上赚的钱不多，但规模化会更好。

如果说 5 年有 10 万个 AI 司机，每个 AI 司机一年收 1 万美金，就是 10 亿美金的订阅服务；10 年有 100 万个 AI 司机，就是 100 亿美金的订阅服务。这才是值得期待的新目标。

*头图来源：驭势科技

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO