90%份额仅个位数渗透，AI司机订阅能否撬动L4商业化

把一辆无人驾驶车看成机器，生意很好理解：卖设备、收维保费，客户一次性买单。但如果把它看成一个司机，逻辑就变了——司机不会被一次性“买断”，企业每个月给他发工资，购买的是持续提供劳动的能力。

现在，一些自动驾驶公司正在试图把无人驾驶也改造成这种生意：车辆可以便宜卖、租着用，真正持续收费的是车里的“AI司机”，按车辆、里程或者工作时间计费。驭势科技把这种模式称为“AI司机订阅服务”。

这个名字听起来像一次商业模式包装，但放在今天的L4自动驾驶行业里，它触碰到了一个更现实的问题：当技术已经可以让车辆在部分场景长期脱离安全员运行，自动驾驶公司接下来究竟靠什么赚钱？

机场里的“AI司机”已经上岗

在乌鲁木齐天山国际机场，52辆无人驾驶牵引车已经承担机场90%以上的货邮转运任务，另有20辆无人巴士运行在办公区、道口和机坪之间。驭势科技披露，其无人车队在天山机场累计运行超过160万公里，在机场场景的真无人驾驶里程累计超过600万公里。

这些数字至少证明了一件事：在机场这样的限定场景里，“车能不能自己开”已经不是唯一需要回答的问题了。后面还有更多困难的问题：一套系统能不能连续干十年？极端天气还能不能准时作业？一百辆车需要多少人维护？进入一个新机场还需不需要工程师长期驻场？

如果客户不愿一次性拿出大笔预算，无人驾驶公司的账又该怎么算？驭势科技CEO吴甘沙把这种变化说得很直接：“原来请司机的工资，变成AI司机的工资。”

从卖一辆无人车，到持续收取一个AI司机的工资，看起来只是收费方式变化，背后却意味着L4正在尝试一种新的模式——从卖技术设备，变成出售一种可以持续计价的生产力。

卖无人车，为什么不像一门好生意？

自动驾驶公司最早进入机场、矿山、港口，一个现实原因就是这些场景更容易算经济账。机场司机培训成本高、工作环境恶劣，夏天地表温度可以达到六七十摄氏度，冬季又可能低至零下二三十摄氏度；香港等市场还长期面临人员短缺。相比普通道路，客户对安全、效率和稳定性的要求更高，也更有意愿为无人化投入资金。

吴甘沙因此把机场形容成“富矿”，早期的自动驾驶设备则是“黄金铲子”：产品足够贵，就先去最有能力付钱的地方。

但这套模式有天然上限。如果一家自动驾驶公司主要依靠出售车辆和套件获得收入，它本质上仍然是一门项目制生意。客户买一次车，可以使用很多年；供应商要持续增长，就必须不断找到下一个项目。更麻烦的是，每一家机场、工厂和港口的业务流程都不同，车辆接口、调度系统乃至道路环境都需要适配，项目增加并不必然意味着边际成本下降。

这也是商用L4与乘用车智能驾驶最大的差别之一。乘用车一个平台定点后，可以跟随整车销量快速达到几十万甚至百万辆；机场、矿山和工业园区却高度碎片化。如果全场景最终意味着几十个场景都需要几十套交付团队，规模越大，公司反而可能越重。

吴甘沙算过另一笔账：“10万个AI司机可能分布在1万个地方，我每个地方都要派我们的交付人员在那边住个两个月……很痛苦。”因此，他给出的目标是“开箱即用”，减少现场建图和长期驻场，同时通过远程运维、预测性维护降低人车比。

当无人车开始签SLA，算法已经不是全部

机场还提供了另一个很典型的变化：无人驾驶开始按照传统生产工具的标准接受考核。吴甘沙提到，欧洲一家自动驾驶企业曾经在德国大型机场落地，但后来被放弃，一个重要原因是为了安全，车辆最高时速只能达到十几公里。而机场拖头车正常作业速度要达到25公里左右。“你不能让一飞机的人去等你的行李。”他说。

因此，一些机场已经开始与自动驾驶供应商签署SLA，即服务水平协议，要求车辆在规定时间内完成任务。这意味着L4的竞争评价体系开始改变。过去行业喜欢比较接管率、感知距离和算法能力，进入生产以后，客户看的却是准时率、车辆可用率、故障恢复时间以及单位任务成本。

这也是为什么机场无人驾驶看起来路况比北京早高峰简单，真正做起来却并不轻松。飞机起降会干扰卫星定位，机坪没有标准车道线，车辆需要识别飞机推出、地勤指挥和各种特殊设备；到了乌鲁木齐还要处理大雪、低温和积冰，香港、新加坡面对的是暴雨和弱网，中东又会遇到高温、沙尘。

吴甘沙说：“在机场，99.9分等于0分。”这句话代表的问题是真实的：生产系统很难依靠“绝大多数时候能用”获得客户信任。无人车刹车是否衰减、定位有没有逐渐漂移、传感器什么时候接近失效，都需要被提前发现。于是，自动驾驶公司不得不把能力从车端算法一路延伸到OTA验证、故障诊断、远程脱困和预测性运维。L4做到最后，越来越像工业软件和设备服务，而不只是一个驾驶算法。

“AI司机订阅”的诱惑，是持续收入

在这样的背景下，“AI司机订阅”就很好理解了。按照吴甘沙的设想，客户未来可以有几种选择：直接采购无人车，也可以租赁车辆；甚至可以先购买“自动驾驶Ready”的车型，开始阶段由人工驾驶，等有预算或者无人化需求出现后，再安装自动驾驶套件。AI能力则按照车辆、里程或工作时间持续收费。

对于客户来说，它把一次性资本开支变成了持续运营成本；对于自动驾驶公司来说，变成了持续提供一个司机。这也是为什么吴甘沙愿意给出一个颇为激进的上限设想：未来5到10年部署100万个AI司机，如果每个司机每年收费1万美元，对应100亿美元的订阅收入。

这个数字显然更适合作为商业模型的想象，而不是可以直接兑现的业绩预测。值得关注的地方在于，L4公司对自身价值的定义发生了变化：过去卖的是自动驾驶硬件和解决方案，未来希望卖的是“劳动时间”。

这种逻辑并非驭势科技一家独有。Robotaxi事实上也是按行程出售自动驾驶能力，无人重卡最终销售的是运输效率，无人配送车卖的是末端配送服务。整个行业都在寻找同一个答案：如何把自动驾驶从一项昂贵技术，变成可以持续产生现金流的生产资料。

90%市场份额，仍然不意味着市场成熟

根据弗若斯特沙利文报告称，按2025年收入计算，其在大中华区机场场景L4商用车自动驾驶市场的份额达到90.5%，但全国整体机场的覆盖率还并不是很高。吴甘沙给出了一个容易被忽略的信息：“无人车在机场整体作业车辆中的渗透率仍然只有低个位数。”

这两个数据放在一起，才更接近今天L4的真实处境。90%的份额说明现有市场高度集中，低个位数的渗透率则说明这个市场本身仍然很小。换句话说，机场无人驾驶现阶段最重要的问题并不是几家供应商之间如何重新分配蛋糕，而是蛋糕什么时候真正做大。

更大的挑战在机场之外。驭势计划向公交、环卫、轻卡城配、重卡专线继续扩张，远期再进入Robotaxi和干线物流。场景越开放，竞争越激烈，过去在机场积累的安全和运维能力能否低成本迁移，也需要重新验证。乘用车智驾拥有规模更大的供应链和数据来源，Robotaxi又聚集着百度Apollo、小马智行、文远知行等长期玩家，干线物流同样不是一片无人区。

所以“AI司机订阅”真正需要证明的，是一个AI司机能否被足够低成本地复制到更多场景。企业雇一个司机，购买的不只是驾驶技术，还包括出勤率、稳定性、安全纪录和长期可预期性。AI司机也一样。客户不会因为用了世界模型或者VLA，就自动接受一套系统进入自己的生产流程。