最近，馭勢科技在港股上市了。這也把很多人的思緒，拉回了十年前那個自動駕駛剛剛起步的蠻荒時代。

我跟吳甘沙認識也十多年時間了，當時他還在英特爾中國研究院。創業之后我們第一次認真聊，是他剛剛在香港機場落地那會兒，我記得當時覺得——哇，終于落地了，不容易。那時候他的公司還在一個很窄的山頭上，插著一面旗。

今天，馭勢的身影已經出現在全球二十幾個機場中，并正謀劃著向十萬、百萬的 AI 司機規模擴張。

過去十幾年，中國誕生了真正意義上的第一代硬核技術創業者。當我們去記錄這段歷史的時候，很容易被充滿戲劇性、跌宕起伏的故事吸引。但創業的真實底色，其實沒有那么多絕處逢生、輾轉騰挪，而是在漫長的不確定中，把那些看似不知對錯的選擇，硬生生熬成對的答案。

吳甘沙和他的自動駕駛創業史，就是這樣一個很真實的樣本。在 2016 年創立馭勢科技之前，吳甘沙在英特爾待了整整 16 年。這是他整個創業故事的「前傳」，也是理解他后來所有決策的關鍵。

在那個階段，他見過太多內部創新的「死亡谷」。有的項目死于技術過于激進，有的死于產品與市場脫節。這段經歷，讓他極度注重下限，對創新失敗有一種近乎本能的警覺。這也深深地刻進了他的創業方式里。

在他創業之初，他沒有選當時被認為門檻極高的芯片，也沒選技術尚處早期的機器人，而是扎進了邏輯上最能自洽的自動駕駛。

在路徑選擇上，當時最性感的賽道是 L4、Robotaxi。但吳甘沙選擇先在機場這種封閉垂直場景里站穩腳跟，然后再圖謀更廣闊的通用場景。這個選擇，在當時看起來不夠性感，甚至有點保守。

但創業最怕的不是故事夠不夠性感，而是能不能把自己的戰略執行出來。戰略本身沒有絕對的對錯，真正重要的，是你能不能用極強的韌性，把當年那個看似「生不逢時」的策略，熬成了今天無可替代的優勢。

今天回過頭來看，吳甘沙承認，整個這波自動駕駛公司，其實都出發早了 5 年。這也成為整個自動駕駛行業最煎熬的日子。

因為自動駕駛真正的技術躍遷，是從 2021、2022 年才開始的。雖然端到端、世界模型這些技術，在 2017 年就已經有雛形，但數據和算力當時根本不支持。所以，在出發后的前五年，不得不在「基于規則（Rule-based）」的泥沼里忍受煎熬。

這是創業里經常遇到，也很殘忍的一種情況：你猜對了方向，但出發早了。吳甘沙給出的解法，是《隆中對》里的「益州加荊州」策略。機場、港口、封閉園區的低速場景，是能讓馭勢有立足之地的「益州」；基于乘用車的 L2 往 L3、L4 推進，則是它通向更廣闊通用場景、最終逐鹿中原的「荊州」。

雖然初期的戰略是這樣制定的，但在漫長的進程中，吳甘沙坦言「荊州」策略當時其實沒有做好。在當時資源有限以及資本環境遇冷的情況下，為了聚焦和保下限，馭勢在乘用車這塊只保留了很小的團隊。

如果說過去十年，馭勢在各種垂直場景里摸爬滾打，是在「閉關修煉」。那么現在，隨著安全、效率、成本等核心能力的提升，那個曾經被迫妥協的戰略，終于迎來了最好落地的時刻。對于吳甘沙和他的團隊來說，終于到了該「下山」的時候了。

作為一個中國的技術型創業者，吳甘沙幾經輾轉，終于站在了一個全新的起點上。這段在泥濘中跋涉的故事值得被記錄，它不僅是他對過去十年的總結，也能為未來的技術創業者們，提供一份充滿啟發的參考。

以下為吳甘沙與張鵬對話內容實錄，部分有刪減。

01

芯片老兵「前傳」

張鵬：先回到你起心動念的那個時刻，2016 年，當時是什么讓你決定離職出來創業？

吳甘沙：其實可以講講再往前。我在英特爾的前十二三年，做了四款芯片?，F在回想起來，還是挺有意義的。

第一款，本來是要賣給喬布斯用在 iPhone 上的。當時英特爾的手機芯片做得比 ARM 還好，我的團隊參與到架構設計，包括流水線、指令預測、Cache，同時還做了一個 Java 虛擬機，應該是當時全球最快的。

但英特爾在本世紀初押注四大架構，手機、網絡處理器、PC、服務器，其中只有一個是 X86。后來換了領導，萬流歸宗，全部回到 X86。前一個領導是開拓型的，后一個銷售出身，他后來說人生最大的遺憾，就是拒絕了喬布斯的 iPhone。

就在那時候，我們的 Java 虛擬機做得很好，差點跟安迪·魯賓的安卓團隊合并。后來我們做了很多復盤，安卓的商業判斷確實準：我們當時是基于 J2ME，針對資源受限平臺設計的 Java 手機版；安卓是基于 J2SE 桌面版，免費，但更重要的是，他們在預判三五年后的硬件，相信平臺遲早能跑起來完整的 Java。

張鵬：所以這段歷史說的是如果只顧眼下，那在更長的時間線上世界就會懲罰你？

吳甘沙：其實，某種程度上，這也是 Scaling Law 的邏輯。芯片行業本身就是摩爾定律，英特爾 18 個月迭代一次，10 年 100 倍；英偉達把節奏壓到一年一次，10 年 1000 倍。斜率差一點，時間拉長，差距就是量級的。

我做的第二件事是 Larrabee 芯片，主要是為了對標英偉達第一代通用計算芯片 G80。今天英偉達的一切，都源于那個 G80。英偉達當時打了個漂亮的三連擊：G80 出來，CUDA 出來，然后進大學，把年輕程序員全教會了。

英特爾的應對是 Larrabee，本質上英偉達從計算往渲染走，我們從渲染往計算走，編程語言上兼容傳統并行標準，沒有另起爐灶搞一套新的 CUDA。

這個產品最輝煌的時刻，是成了天河二號超算的核心芯片，有幾年霸榜世界超算 500 強第一。但說實話，那是一個短暫的成功。

張鵬：為什么是短暫的？

吳甘沙：英特爾有個執念——X86。為了讓 X86 更 scalable，Larrabee 選了很輕的 486 核，核輕就能堆很多個。雖然取得了短暫的成功，但是長期它的這種 scalability 就跟不上。但英偉達的核更小。

雖然英特爾戰術上執行得很好，但一開始的戰略就決定了天花板，核越堆越多，瓶頸就出來了。所以，有時候選一個更簡單的架構，讓它能持續 scale，才是更好的解法。

Larrabee 之后，我們又做了一款視頻加速芯片，第一次在芯片里引入了卷積的概念。CNN 真正嶄露頭角是 2012 年的 AlexNet，但我們 2009 年就開始做直接支持卷積的芯片了。只是英特爾內部選擇太多，這個方向沒能走下去。

2009 年之后，英特爾中國研究院開始能自主負責一些方向，我們選的第一個是物聯網芯片——一張帶 WiFi 的 SD 卡，插進傳統電視機，芯片自己去 YouTube 拉 streaming，對電視來說只是在讀一張 SD 卡。當年這個產品在 CES 拿了 4 項創新大獎。

到了 2013、2014 年，中美之間的環境變了，英特爾中國研究院就不再做芯片和核心業務了。當時，我們成立了三個實驗室方向：機器人系統實驗室、Smart Computing（其實就是 AI）、還有 5G。

張鵬：這些經歷，怎么推著你走到了 2016 年那個決定？

吳甘沙：我推演了一下信息技術革命的節奏：1976 年前后，蘋果和微軟相繼成立，之后 20 年是數字化時代，把生產資料變成數字；1996 到 2016 年是互聯網化，解決的是生產關系的網絡化，上半場 PC 互聯網，下半場移動互聯網。

當時，英特爾其實錯過了移動互聯網時代。它后來花了將近 10 年想做基于 X86 的手機芯片，到 2016 年才徹底放棄。也許英特爾再堅持 10 年，X86 是可能達到手機要求的。因為反過來，ARM 已經達到了 PC 計算的要求。X86 和 ARM 其實是性能、功耗兩頭對進的，只是英特爾沒等到那一天。這可能跟很多英特爾專家跑到蘋果去了有關。

2016 年初，AlphaGo 很戲劇化地打敗了李世石，感覺人工智能的風來了。我當時想，前兩個時代都沒趕上。1976 年我剛出生，1996 年還在大學混。接下來，這要真是一波 20 年的大時代，再站在岸邊看就不合適了。留在英特爾再干 20 年，收益高度確定，但斜率很平；出來干，風險有，但收益是無窮大。

而且當時已經 40 歲了，職業生涯還剩 20 年，要不再冒點險。

張鵬：在英特爾那段經歷，聽起來有不少創新失敗，這段經歷對你后來創業有什么影響？

吳甘沙：英特爾經歷了太多失敗，這對我后來影響很深。英特爾內部，我們會討論「創新的死亡谷」——創新了很多，但最后都死了。

1997 年我在英特爾實習，我們就在做視頻會議、MP3 播放器、平板電腦，但最后全都失敗了。我在英特爾最后幾年，領導很支持內部創業，我們做了三四個項目，也投了小幾千萬美金，但全部失敗。所以這段經歷讓我后來特別注重下限，對創新失敗有一種深惡痛絕的敏感。

張鵬：「死亡谷」里最致命的東西是什么？

吳甘沙：當時的總結是，英特爾的很多創新是科學家在做。科學家是把錢變成 IP 或 idea 的過程，1 萬次試驗成功一次就是突破；企業家是把 IP 或 idea 變成錢的過程，1 萬次失敗一次可能就掛了。

英特爾很多創新是科學家在主導，要么跟市場脫節，要么對技術過于樂觀，說白了就是 PMF 不符合，或者 TPF 不符合。再加上內部創業換湯不換藥，激勵方式、工作強度本質上還是大公司的邏輯，成功率自然就比較低。

真正的創業你得把自己扔到一個孤立無援的環境中，這樣你的潛力、求生欲才會被激發出來。

張鵬：你穿越過那么多死亡谷，見過太多創新消亡的過程，它是如何左右你 2016 年創業時的賽道選擇的？

吳甘沙：我曾經有一次跟余凱說，他做芯片是「無知者無畏」。因為我們做芯片做太多了，能看到 1000 種死亡方式。2016 年我其實有三個方向可以選：芯片、機器人、自動駕駛。

當時，我們在英特爾支持過 CMU、伯克利等好幾個實驗室，去做更智能的服務機器人，當時已經能疊毛巾了。但問題是，機器人的底盤兩三萬美金，一條胳膊幾萬美金，一只手幾萬美金。英特爾看著這個 BOM 成本很失望，因為它里面跑的卻是一顆至強服務器芯片，也就幾千美金，成本占比太低了。更重要的是，離真正能干家務、洗碗疊被子的機器人還差得遠，所以機器人排除了。

關于芯片，當時是做傷了。當時的判斷是小公司根本不可能做芯片，連英特爾支持紫光展訊做芯片也都磕磕碰碰。但這 10 年發生了很大的變化。

芯片和機器人排除之后，剩下足夠大、足夠標準化的 AI 場景，就只有自動駕駛了。它有個好處，全球交通規則類似，路和紅綠燈長得差不多，而且相比機器人極大簡化，因為機器人要控制 80 個自由度，自動駕駛只有加速、減速、轉向三個控制量。

而且我們的判斷是應該先做應用再做芯片，特斯拉就是這么干的——先用 Mobileye，再用英偉達硬件自己做算法，最后才自己做芯片、算法。三步走。當然現在門檻低多了，IP 可以買，SOC 設計有第三方服務，自己做 co-design（軟硬件協同設計）就行。

張鵬：現在來看，你那個時候的認知被證明是對的嘛？

吳甘沙：嗨，其實創業都是無知者無畏?，F在回頭看，當時做機器人確實太早了，創業不僅要看方向，更要看時機。

張鵬：其實，公司創始人和他要做的事情的匹配。你不能忽略創始人自己的特性，只能在這個變量下尋求最優解？

吳甘沙：對。一個公司其實有一個「囚籠」，就是創始人的認知框架，它是一個無形的東西，伴隨公司一路往前走。最差的不是框架沒突破，而是你不接受這個框架，來回擰巴、不自洽，那種會死得很慘。

02

先把一根串烤熟，再圖謀擺一排

張鵬：但自動駕駛里也有不同路徑，有人直奔 L4、Robotaxi，有人從 L2 切入。你當時怎么設計這條路徑？

吳甘沙：說實話，我認為我們當時的戰略是非常深刻且有預見性的，某種程度上今天還在執行 2016 年那份 BP 里的策略。

投資人當時問我們：你起步沒 Google、百度早，人不比他們多，錢比他們少，怎么競爭？時間維度，我們重新詮釋了「競爭」這兩個字：競是田徑賽、馬拉松，大家一字排開往前跑，最終你失敗不是因為別人搞你，是自己體力耗盡；爭是拳擊擂臺，你死我活，最后只有一個人站在臺上。我們把自動駕駛想成「先競后爭」，前面至少 5 年是競，然后再爭。但后來來看，也是過于樂觀。

空間維度上，我們參考了「隆中對」：谷歌、百度有點像曹操，主機廠類似孫權，我們這種創業公司是劉備。劉備的戰略是益州加荊州：益州是易守難攻的根據地，先立于不敗之地；但只有益州是無法圖謀天下的，還需要荊州才能打通中原。

落到業務上就是，一方面在特定場景的 L4 做到領先，這是我們的「益州」；然后基于乘用車的 L2，逐步往 L3、L4 推進，這是荊州。最終的「中原」是 L5，那是所有人都要去的地方。

但因為種種原因，這個策略執行得并不完美，「荊州」沒做好。當資本環境變化之后，為了聚焦、保下限，我們把更多資源壓到了「益州」，「荊州」只留了很小的團隊。今天我們至少還有存在感，但這塊獲得的資源一直比較有限。

張鵬：這個是不是跟你拿到的總資源有關，沒法支撐你展開完整的戰略？

吳甘沙：其實，我們這個策略的下限是很高的，但問題也在這里。自動駕駛這個賽道，人才密度極高，大家把它定位成登珠峰、登月工程。在這樣的賽道里，保下限是非共識。至少資本市場角度，更看重的是上限。

至少從今天來看，就是馭勢走過了這段路，而第二個十年還有得干。我記得 2021 年 9 月，賽迪列出中國自動駕駛商業化落地能力 TOP10，現在已經有 5 家不在了。

張鵬：你一開始就選機場這樣的低速封閉場景，而不是直奔 Robotaxi 公開路段嗎？

吳甘沙：其實第一個根據地不是機場。我們最初想自己造一輛小巴，覺得技術要求更高，當時也沒人做，所以我們當時有造車團隊。到 2018 年才放棄造車，當時已經投進去幾千萬了。

張鵬：放棄的原因是什么？

吳甘沙：一是車廠開始愿意，也有能力去做線控汽車了；二是我們一開始以為自己什么都能干，后來發現還是有比較優勢的。

第二個選擇，是從小巴轉向機場，當時系統性地用 PMF 理論推導場景。推導邏輯是這樣的：香港機場一輛車需要 3.5 個司機，每個司機的成本一年二三十萬港幣，招不到人、人工成本極高——從 M（市場需求）這個角度，空間很大。從 P（產品）這個角度，機場場景相對可控。

我們能夠在香港機場做起來，是跟香港機場當時的總裁、今天的主席說的一句話有關。當時他說，全世界可能沒有第二家機場愿意嘗試一個 alpha 版本的技術。但他說，最危險的地方就是最安全的地方——機場里車很多，還有飛機，但所有人開車都很規矩，嚴格按線走，不亂插隊，無人車有更好的生存環境。李開復當時造了個詞叫 TCPMF，T 是 technology，C 是 cost，全都符合，所以就進去了。

張鵬：現在回頭怎么看這個選擇？

吳甘沙：從兩個角度，一是沒想到它那么難，零容錯，安全要求高，服務水平要求高，不能讓乘客等車等行李，比想象中難，起量也比想象慢。但是從另一個角度，它是一個沒有競爭的場景，我們招股書里寫的是 90% 以上的市場份額，是唯一真正實現大規模無人化運營的公司。

在這個過程中，我們就開始考慮多場景了。就像烤串，你一根一根烤可能餓死，所以得一排一排烤。而且從第一性原理看，人是駕校教出來的，卻能在各種場景開車，自動駕駛也應該是一種通用技術。

最近卓馭的 CEO 也開始講這個故事了，他說訓練一個模型成本太高，必須用多種場景把成本分攤掉。

張鵬：但你必須先驗證一根串能烤熟，再擺一排。否則就全還是生的？

吳甘沙：對，就像打仗，先占領一個高地，插一面紅旗。機場就是我們的高地。

機場是第一步，然后我們開始做更多的場景，這中間我們還是有先后順序的。機場之后，我們撿起來的第一個新場景是巴士——機場本身也要巴士，順理成章。巴士要無人駕駛比物流難，因為物流只要假陰性（漏檢）等于零，不能漏檢；巴士不僅假陰性要等于零，假陽性（誤檢）也要等于零——車里有人，不能動不動咔咔剎車。所以巴士也是分階段演進：先小巴實現真無人，再從小巴到中巴到大巴，再從機場封閉園區走向開放道路。

做完巴士，我們又進了港口，這涉及一個市場足夠大的新的車型——卡車，它的體量跟中大型巴士差不多，我們把技術平移過來，當然卡車有倒車等新要求?？ㄜ囈惭永m同樣的路徑，先在港區走，再開到外面。

張鵬：現在你們已經進入國內外超過 20 個機場，插上了自己的紅旗，這意味著什么呢？

吳甘沙：這意味著產品力達到了一定標準——不只是技術，還有資質認證、質量體系、數據合規、服務體系，這些都得到了國際頭部客戶的認可，這些也要花很多時間打磨。

這讓我想到孫子兵法對我們的三個啟發：第一是不戰——盡量不跟巨頭直接打，在跑馬拉松階段不要打拳擊。第二是不敗——「先為不可勝，以待敵之可勝」，先把自己立于不敗之地，等著對手撐不住。機場就是我們的不敗之地。第三是先勝再戰——孫子兵法從來不強調以少勝多，一定是先算出來你有多少倍的兵力優勢再打。機場這個場景，我們投入的兵力一定是競爭對手的 10 倍。

在復制多場景的時候，比如港口，我沒辦法比專門做這個場景的對手投入更多，那就靠兩樣東西：一是技術上限，因為我做的場景多、還能上開放道路，上限高；二是跟行業龍頭合作，他們提供 know how，我提供自動駕駛技術。

所以，我們的愿景是做「世界的 AI 司機」，本質上是一個勞務派遣公司，向各行各業派遣會開車的 AI 司機。但我不造車，也不運營，這意味著我們跟 OEM、行業運營商都是朋友，不是敵人。

我一直說我們優化就是圍繞三個維度，用一個圖形來描述就是一個倒梯形。橫足夠長，場景足夠多；豎的下端點是安全，決定下限；上端點是最難的場景，決定上限。我們做的事，就是不斷把橫拉長，同時把這根豎線整體上移——下限抬高，上限也抬高。

03

十年的反思：出發早了五年

張鵬：那回頭看，自動駕駛這波技術演進，有沒有什么判斷是當時就看到了，但被時代拖慢了的？

吳甘沙：其實，我們這波自動駕駛公司也出發早了 5 年，這波技術躍遷來得晚了一點。

2017 年的 CVPR，我參加了一個 workshop，討論英偉達那篇端到端自動駕駛的論文。我當時借用了「思考快與慢」的框架給出判斷，端到端很可能成為「系統一」，它是基于本能直覺的開車模式；基于知識推理的是「系統二」。

當時世界模型、強化學習、端到端都已經有雛形，唯一沒出現的是 VLA。今天看起來，自動駕駛的商業化有點過早了，因為技術其實還要再迭代，數據、算力當時都不支持。

所以，在那個時候，大家只能基于規則，就在里面浪費了五六年。

但真正技術的躍遷式變化是從 2021、2022 年開始的，我們早了 5 年。2019、2020 年很多公司都很痛苦，李斌、小鵬都進過 ICU，余凱在疫情前也裁過員。

張鵬：本質上是 scaling 的信仰還沒有建立，是不是可以這么理解？

吳甘沙 ：對。Transformer 是 2017 年出來的，當時 Ilya 敏銳地看到了 Scaling Law 的機會，但是世界真正認識它是 2022 年。

張鵬：從 2016 年到 2021 年自動駕駛技術爆發，這 5 年是怎么過的呢？

吳甘沙：這 5 年極其煎熬。為什么？因為第一年你就做到 90 分了，第二年 99 分了，但第三、第四、第五年還是 99 點幾分。第一年看車跑起來，投資人很 happy，第二年小范圍試運營也很 happy，但第三四五年規模一直上不去，因為沒到接近 100 分。

但后來我們才意識到，99 到 100 分只是解決了安全問題，后面還有效率和成本問題。這兩個不解決，規模化還是無從談起。

我們在機場的探索就是這么走過來的，兩年解決了從 99 分到 100 分，拿到無人化運營 license；再花 3 年徹底逼近 100 分，把效率做起來，再花 2 年把成本降下去。

成本這件事很多人有誤解，覺得無人駕駛的成本就是幾顆激光雷達加車的成本。但這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運營和售后。

比如，車要保險，要補能——補能不是簡單的電費，要有人去充電；載人的車要清潔，沒人管乘客亂扔東西；每天要做檢查，定期維保；要有遠程操作員，不管是 1 比 3 還是 1 比 10；還要有現場緊急救援。蘿卜快跑剛在武漢做的時候，每兩公里需要一個網格員，一旦有車趴窩，要第一時間去救援。然后，還有事故成本。

所以這個行業前 5 年大家說的核心指標是 MPI——每次接管多少英里；后來真正重要的是 CPM（Cost Per Mile），就是每英里的成本。

安全、效率、成本，三關都得過。無人車經歷的事情，未來機器人也都會經歷一遍。所以現在有些做機器人的干脆說，我不去工廠，不如直接盯著家庭場景。

張鵬：那些半途沒走下來的公司，核心原因是韌性不足，還是別的原因？

吳甘沙：美國公司往往是韌性不足。很多美國 Robotaxi 公司兜里還有錢，但就是不干了。

中國創投圈有個說法，中國創業者像「松鼠桂魚」，哪怕是千刀萬剮、油炸火烹，依然高昂著頭，怒目圓睜，寧死不屈。中國創業者實在撐不下去了才接受失敗。

但中國這幫創業者一旦活下來走向世界，真的是兇猛。這 10 年我學會了看三張表、做預算、談客戶，學會了「小強式生存」。曾經跟一個朋友吐槽說創業太難了，不是人干的事。他說你就偷著樂吧，你還沒有經歷過每天晚上最后一個關燈，看著幾把椅子幾臺電腦想著能不能賣了再緩幾天？還沒經歷過在橋上徘徊、恨不得一跳了之？中國有大量這樣的人，在那種狀態下還撐著。

張鵬：你們這一代創業者是中國第一代嚴格意義上市場化的技術創業者，都經歷了很多，非常不容易。

吳甘沙：都挺不容易的，大家看著表面光鮮。就像鴨子，水面上氣定神閑，但水面下兩只小腳拼命劃。

同時，這個過程中需要做很多妥協——既要堅持方向，又要妥協。比如我們的「荊州」，只能投入更少的資源，因為繼續走下去才是最重要的。

04

閉關十年，下山正當時

張鵬：走過 10 年，現在已經能看清自己真正落腳的土壤和未來向上的階梯了？

吳甘沙：對。我前不久跟員工講了三句話。

第一句話，第二個 10 年肯定比第一個 10 年好，堅持下來的同學，能更好地享受創業。

第二句話，第一個 10 年的主題是生存，是保下限，這既有公司的下限，也是自動駕駛這項技術的下限。第二個 10 年的主題是發展，要爭上限。

第三句話，第一個 10 年我們是跟自己競爭，考驗的是自己的耐力，能不能一直走下去。因為沒人來搞你，任何一塊地都是處女地。第二個 10 年是要跟世界上最優秀的公司競爭。

張鵬：相當于閉關修煉了十年，該下山了。雖然前幾年技術大爆發，但最近開始收斂，所以你下山的時間可能正合適？

吳甘沙：其實，老的技術有老的玩法，新的技術有新的玩法?，F在有個詞叫harness engineer——harness 就是「馭」，騎馬駕車時馭馬的那個馭，控制它。

任何技術在任何階段都不完美，但你要通過 harness engineering 讓它在這個階段產生效果。老的基于規則的技術路線，你用馭讓它產生效果；新的技術路線，你同樣用馭，讓它在更多新場景產生效果。

張鵬：如果往自動駕駛的終局看，你怎么看技術未來的發展？

吳甘沙：現在 L4 的競爭中，Waymo 是領先的。但要 L5 的話，可能特斯拉具備一定的優勢。

現在行業講究輕地圖、甚至無地圖——不需要高精地圖，不應該一個城市一個城市去適配。幾年前有個說法叫「開城」，一個個城市去開，背后是要建高精地圖。Waymo 現在還是這么做的，在美國已經開到 10 個城市，地圖精細到一個交通燈是豎著三個圈，還是橫著三個圈都標得清清楚楚。它的優勢是下限極高，不會認錯。

但特斯拉的技術路線是通用的。今天 FSD 雖然還不夠好，但它在全美國都能用。這就是兩種路線的問題——Waymo 先在某些地方實現了足夠的安全和效率；特斯拉在所有地方都能用，但還不夠安全。但是一旦它跨過了安全的這個邊界，它就 L5 了。

張鵬：「下山」之后，接下來要拿下的核心目標是什么？

吳甘沙：接下來有三個方向。一個是，市場滲透率從 1% 到 10%，無論哪個場景；第二，從目前 6 個國家和地區擴展到 60 個國家；第三，再開發 5 到 10 個市場規模是今天 10 倍的新產品。

其實，場景還非常多，只要技術足夠通用。做通用平臺前期投入極大、很辛苦，但一旦做出來、邊際成本足夠低，就開始收獲了。就像地圖，采地圖成本很高，分發成本低一些。當然，紙張地圖還是成本較高，但變成手機 APP 之后邊際成本幾乎是零。我們下一步就是要把邊際成本降下來，進入新場景、新車型就會越來越快。

張鵬：所以順著技術干流、支流繼續擴展疆域，屯田養兵，有朝一日挺進中原？

吳甘沙：本質上還是把技術通用性、下限和上限這三個維度做好。從商業模式上，我就是一個 AI 司機，就像華為說既不碰數據也不做運營，只做好管道；我就做好 AI 司機的勞務派遣。這是確保 scalability 最好的商業模式，每輛車上賺的錢不多，但規模化會更好。

如果說 5 年有 10 萬個 AI 司機，每個 AI 司機一年收 1 萬美金，就是 10 億美金的訂閱服務；10 年有 100 萬個 AI 司機，就是 100 億美金的訂閱服務。這才是值得期待的新目標。

*頭圖來源：馭勢科技

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO