馭勢科技：打造全行業、全場景“AI司機”
當前馭勢科技已經創新推出無人駕駛物流車、無人駕駛小巴、無人駕駛送樣車、UiBox無人車等產品。
文｜閆佳佳
ID |BMR2004
“唯有敢於面對未知，雙倍下注於未來的勇者，才能抓住未來的機遇。”這是馭勢科技聯合創始人、董事長兼CEO吳甘沙在接受《商學院》雜誌訪談時的一句話，這句話也鼓舞了他的創業之路。2016年，這位對機器人技術有着無盡熱情的探險者，帶着在Intel積累的16年寶貴經驗，毅然踏上了自動駕駛這一“新交通”戰場。
自成立以來，馭勢科技始終致力於爲全行業、全場景提供AI駕駛服務，特別是在機場自動化和製造業物流領域，馭勢科技已經取得了行業領先的地位，成爲全球範圍內少數實現“去安全員”常態化運營的企業之一。
吳甘沙指出，當AI和自動駕駛等技術能在不同場景、車型和客戶間無縫切換時，邊際成本將趨近於零，實現規模化運營，自動駕駛技術在面對大量客戶時，優勢顯著、利潤可觀。因此，“全場景”覆蓋是科技發展的關鍵突破點。
自動駕駛技術作爲這場變革的核心驅動力之一，不僅改變了人們的出行方式，還對物流、城市管理等多個領域產生了深遠影響。馭勢科技是如何抓住上述機遇，不斷進行技術迭代實現商業閉環的呢？
01
自動駕駛創業夢起
吳甘沙的創業夢想可以追溯到他在復旦大學計算機科學技術學院本碩就讀期間，這段求學經歷爲他奠定了堅實的理論基礎，並賦予了他對新技術底層邏輯的深刻理解。爲了將腦海裡的字符與物理世界碰撞出耀眼的火花，畢業後，也就是在2000年，他投身於Intel中國研究院的工作，在那裡，他逐漸成長爲團隊的核心力量，從一名普通工程師升至首席工程師，並最終榮任院長一職。在那段歲月裡，他見證了時代的變遷和技術潮流的涌動，尤其是AI時代的來臨。
正是那段在Intel的寶貴經歷，讓吳甘沙深刻認識到技術創新的力量和潛力。2015年，《三位一體：Intel傳奇》一書出版，作者Michael Malone描繪了Intel的發展歷程，同時爲所有Intel員工做了鼓舞人心的演講。演講最後Michael Malone的一段話讓吳甘沙產生了共鳴：“Intel三位創始人之所以成功，是因爲他們勇於接受使命的召喚，面對不確定的未來勇敢地雙倍下注，不怕失敗。即使跌倒了，也能舔舐傷口，從死人堆裡重新站起來，變得更加堅強。”
受到這句話的啓發，2016年吳甘沙毅然辭職，開始創業，並將自己新創立的公司命名爲“馭勢”。“馭勢”二字來源於中國古代思想家鬼谷子的一句話：“察勢者明，趨勢者智，馭勢者獨步天下。”意指只有那些能夠預見並駕馭時代潮流的人，才能在世界上獨領風騷。
創業之初，吳甘沙及其團隊曾考慮專注於具身智能機器人領域，然而，他們很快意識到，要克服具身機器人在自由移動、認知交互以及機械臂和機械手靈活操作這三大核心技術上的難題，並實現商業化，面臨着巨大的技術和成本障礙。
於是，他們轉向了同樣屬於機器人範疇但更快商業化的自動駕駛領域。輪式機器人作爲自動駕駛汽車的核心形式，技術焦點相對集中，主要在於解決車輛的自主移動問題。此外，自動駕駛不僅是一個萬億級別的單一AI市場，更是關乎億萬人出行方式革新的偉大事業。
當前，馭勢科技已經創新性地推出無人駕駛物流車、無人駕駛小巴、無人駕駛送樣車、UiBox無人車等產品。以無人駕駛物流車爲例，這一產品實現廠內物料運輸環節的全流程自動化，可以從根本上減輕勞動力成本的困擾，在保障安全性的同時，提升廠內運輸效率。2019年，馭勢科技在機場和廠區領域實現了“去安全員”自動駕駛常態化運營的重大突破，並由此邁向大規模商用。
馭勢科技自動駕駛車輛能夠克服廠區、機場等實際運營場景下的各種難題，最硬核的科技是其搭載的“大腦”，曾在工信部第一期人工智能產業創新揭榜掛帥中奪魁的U-Drive?智能駕駛系統。在這一自研技術加持下，2021年9月馭勢科技榮膺國家專精特新“小巨人”企業殊榮。目前，馭勢科技累計自動駕駛里程超450萬公里。
02
“隆中對”戰略的“弱者”智慧
“在當今競爭激烈的商業環境中，初創企業要將自身定位爲行業中的‘弱者’。面對特斯拉等巨頭在乘用車賽場的資金優勢和技術積累，馭勢科技另闢蹊徑，專注於那些尚未被充分開發或難以快速進入的細分市場，特別是商用車領域。”吳甘沙表示。
他的上述戰略靈感來源於諸葛亮與劉備在隆中的那次著名對話——“隆中對”。彼時，正值東漢末年，天下大亂，羣雄並起，劉備心懷大志卻四處碰壁，後得諸葛亮指點，劉備佔據荊、益二州，安撫周邊地區，整頓內政，外結盟友，最終建立了蜀漢政權。
今天的商業競爭同樣尤爲激烈，在自動駕駛領域，很多創業者不知如何入局，有些剛入局便被迫出局。比如美國當地時間2024年12月11日，通用汽車宣佈停止資助旗下的自動駕駛公司Cruise發展Robotaxi。通用汽車2016年10億美元併購的Cruise，經過8年的發展，“燒掉”了大約100億美元，發佈了Robotaxi原型車Origin後，這個項目也宣告結束。
在激烈競爭中，正如劉備佔據益州作爲穩固的後方基地，馭勢科技也將商用車視爲其核心競爭力所在。在這個基礎上，逐步擴大影響力，探索更多可能性。例如，在機場自動化方面，馭勢科技已經取得了行業領先的地位；在製造業物流領域，則佔據了絕大多數市場份額。
乘用車市場，則被吳甘沙喻爲“荊州”，是通往更大市場的關鍵橋樑。這是一個充滿挑戰但也極具潛力的巨大市場，馭勢科技選擇與主機廠建立合作關係，共同開發相關項目。通過這種方式，馭勢科技既能避免直接對抗現有強者帶來的風險，又能在合適的時機抓住機會，實現共贏發展。
馭勢科技的技術產品架構被精煉爲“1+1+X”。
第一個“1”是智駕大腦，是馭勢科技自主研發的核心硬件，旨在提供高性能、高可靠性的自動駕駛解決方案。經過6年至7年的持續研發，智駕大腦不僅支持英偉達、高通以及國內的地平線等不同AI芯片，還實現了歷史兼容性，確保設備可以在不同應用場景之間無縫切換，並且能夠從前一代平滑升級到下一代。這種向前向後兼容的設計理念，保證了系統的靈活性和適應性，滿足了全場景的應用需求。此外，馭勢科技正在逐步實現全國產化，以增強供應鏈的安全性和自主可控性。
第二個“1”是全場景自動駕駛操作系統（U-Drive?智駕系統），該系統強調真無人、全天候、全場景的操作能力，支持從城市道路到複雜環境的各種駕駛條件。通過不斷迭代升級，U-Drive?已經發展到了第五代版本，成爲實現馭勢科技技術路線和商業模式的關鍵所在。
“X”代表了馭勢科技在多個領域內的應用拓展，涵蓋了載人、載物及作業類車輛。無論是Robotaxi、Minibus、公交車等載人交通工具，還是幹線物流、城市配送乃至機場、製造業、港口、礦山等特殊場景下的貨物運輸，抑或是環衛、巡檢、農業等特定任務的執行，馭勢科技都能夠根據具體需求提供定製化的解決方案。這種廣泛的適配性使得馭勢科技可以靈活應對不同駕照類別（A照、B照、C照）所對應的各種車型，真正做到全場景覆蓋。
03
共性與差異中的自動駕駛革命
在自動駕駛領域，無論是商用車還是乘用車，兩者共享着大約70%的技術基礎。這一共同的技術框架包括感知、認知、定位、預測、決策和規劃控制等核心模塊，構成了自動駕駛系統的基本架構。
然而，由於車輛運行環境的不同，商用車和乘用車在感知和認知能力上有着顯著的區別。比如，它們對速度與感知距離的要求不同，對自動化程度以及運營時長的需求也存在差異（這些都是30%左右的差異化部分）。
例如，在高速行駛（如100公里/小時）時，車輛需要具備至少200米至300米的感知範圍；而在較低速行駛（如30公里/小時）時，則可能只需要100米左右的感知距離。因此，不同的車速要求不同的配置以優化成本。
另一方面，商用車對於自動化程度的要求更高，“商用車必須是‘AI司機’”，對於商用車而言，L2級別的輔助駕駛價值有限，因爲其主要目標是通過高度自動化（L4級別）來取代司機，從而降低成本。而乘用車市場更傾向於L2級別的輔助駕駛系統，它能夠有效減少駕駛員的疲勞感，提升駕駛體驗的安全性和舒適度。
此外，商用車通常需要每週7天、每天24小時不間斷地運作，並且在極端天氣條件下也不能停工。相比之下，乘用車的日均使用時間較短，這使得商用車對車輛可靠性和穩定性的要求更高。而且，商用車車型的多樣化以及應用場景的碎片化，導致了自動駕駛技術在商用車領域的應用難以形成規模效應。
爲了應對商用車和乘用車之間既有的共性及差異，馭勢科技採取了雙管齊下的策略：強化70%的共性部分，優化30%的差異化部分。
首先確保70%這部分的基礎技術足夠強大，既能保證系統的安全性又能提供良好的用戶體驗。不僅要提高安全性、精準度等下限，還要增強上限，如在複雜場景中車輛運行的靈活性和平順性。
關於優化30%的差異化部分，針對特定車型和應用場景的特點，利用算法的泛化能力和工具鏈的自學習自適應功能，快速調整並優化非共性部分。
馭勢科技的U-Drive?智駕系統正在同時做好共性和個性兩部分工作。從第一代U-Drive?開始，馭勢科技不斷推進自動駕駛技術的發展，逐步實現了低速載人自動駕駛、真無人全天候物流、多場景融合以及開放道路全場景支持等功能。
2024年11月，馭勢科技發佈的第五代U-Drive?系統引入了高泛化、自學習、自適應特性，減少了對高精地圖的依賴，增強了動態變化環境下的適應能力。此外，該系統擁有超過百個場景庫和十餘種車型模板，結合高度自動化的工具鏈和數據閉環機制，極大縮短了新車型和新場景的開發週期。
比如，機場內的牽引車與港口內的車輛雖然傳感器配置不同，但可以通過捕捉它們之間的共性元素，只需少量新增數據即可完成適配，大幅降低了邊際成本。
吳甘沙表示，AI技術本質上是由算法和參數（模型）所構成。例如，大語言模型依賴於Transformer算法，而像Sora這樣的視頻生成系統則結合了擴散模型（Diffusion Models）與Transformer算法。從算法與模型的關係來看，算法提供處理邏輯，而模型則是通過訓練獲得的參數集合，二者配合工作以模擬現實世界的複雜性。不同的場景需要不同的算法和參數配置，即不同的模型。
馭勢科技場景庫擁有大量預先訓練好的算法和參數集，這些可以靈活組合以適應不同的駕駛場景。具體而言，場景庫中包含了針對不同環境（如高速公路、園區、停車場、機場、城市道路等）的傳感器配置、定位算法和模型組合。此外，一些更細節的操作，比如精準泊車、對接、掛鉤等也有專門訓練的算法和模型支持。
藉助工具鏈可以快速適應新的硬件配置，特別是當遇到新型車輛或傳感器位置有所變化時。通過識別新配置與歷史配置之間的相似性（親緣性），只需要進行增量訓練即可，無需從頭開始重新訓練模型。
通過上述系統部署後，當車輛開始運行時，會有一套數據閉環機制用於持續評估和監控系統的表現。收集到的數據反饋至自學習自適應工具鏈，允許系統基於模板組合進一步調參和優化。隨着時間推移，系統能夠逐漸達到最優狀態，並不斷改進自身性能。
04
從中端突圍，平衡差異化與成本
在吳甘沙看來，企業生存的基礎，要麼是產品有差異化，要麼成本特別低，只有這兩種可能性。馭勢科技如何在產品差異化和成本控制之間找到平衡點？特別是在L4級自動駕駛車輛的長期生命週期管理中，企業如何確保服務的可持續性和盈利能力？
對此，吳甘沙表示，馭勢科技採取了一種獨特的競爭策略：既不做最高端也不做最低端的產品，而是專注於中端市場，並將其做到極致性價比。
與行業巨頭特斯拉相比，特斯拉的Autopilot系統分爲三個級別，分別是Standard Driving Assist（標配的基礎版自動輔助駕駛）、Enhanced Driving Assist（增強型駕駛輔助）、Full Self-Driving（完全自動駕駛），價格從免費到6.4萬元不等。而馭勢科技選擇對標特斯拉的Enhanced Driving Assist將增強型駕駛輔助功能的價格控制在幾千元左右，同時提供接近於3萬多元系統的體驗和性能。
因爲特斯拉三個級別的Autopilot系統，都是用的同一種技術，且最高級別跟最低級別用的也是同一套硬件，所以它的硬件都必須符合FSD（Full Self-Driving是特斯拉研發的一項旨在實現車輛在無人干預情況下自主駕駛的技術）高端要求，因此成本很高。而馭勢科技的方案則不需要去實現FSD的級別，成本較低。
吳甘沙坦言，許多人往往更關注車輛的初期購買成本，特別是像激光雷達這樣的高價值組件。例如，一個激光雷達的成本大約爲5萬元人民幣，但考慮到一輛商用車在其全生命週期內可以行駛約50萬公里，這意味着每公里分攤的激光雷達成本僅爲1元。因此，從長期來看，單個昂貴器件的成本實際上被大幅攤薄。
當審視一輛無人車的整個生命週期時，通常運營成本佔了大頭。運營成本不僅包括日常維護、能源消耗等直接費用，還涵蓋了確保系統持續穩定運行所需的間接成本。在自動駕駛領域，技術成熟度直接影響着運營成本的高低，如果技術達到了98分的高水平，那麼剩下的2%則需要依賴完善的運營運維體系來“兜底”。
爲確保L4級自動駕駛車輛長時間高強度運行中的可靠性和安全性，馭勢科技建立了完善的預測性運維機制，實現了秒級報警、遠程故障排除及緊急響應服務。
馭勢科技可以實現以“天”爲單位的預測性運維，每天收集車輛信息並進行檢測，根據“健康度”判斷是否需要維保，將故障扼殺在搖籃之中。當車輛出現任何異常情況時，可以實現以“秒”爲單位的實時預警，及時掌握異常車輛的全部信息，並且在幾分鐘內通過遠程運維手段解決90%以上的車輛異常情況。而剩餘10%更加嚴重的狀況，通過30分鐘緊急響應機制解決問題。整套體系確保了無人車99%以上的可用性。
這套體系的有效運行使得問題越少，或者遠程解決的比例越高，運營成本就越能得到有效控制，否則成本會呈現出幾何式增長。
在自動駕駛領域，以前大家都在算Miles per Intervention（MPI），它是指自動駕駛車輛在運行過程中，每介入一次人類干預所行駛的平均英里數。這個指標用於衡量自動駕駛系統的穩定性和可靠性，數值越高表示自動駕駛系統在不需要人工干預的情況下能夠行駛更遠的距離。現在大家都算Cost per mile（Cpm），每公里的成本，成本越低，就能形成商業閉環。
05
“AI司機”時代的訂閱制商業模式
“馭勢科技提供的服務其實是一名‘AI司機’，和人工司機一樣，它們也需要‘收工資’，爲此馭勢科技推出了創新的訂閱制商業模式。”吳甘沙表示。
他指出，傳統的商業模式是客戶一次性支付高額費用購買車輛，類似於傳統汽車銷售模式。這種方式對於馭勢科技來說，初期現金流較大，較爲安全。訂閱模式是指客戶支付較低的首付款，然後每年支付訂閱費。這種方式更接近於僱傭人類司機的模式，即“AI司機收工資”。
在訂閱模式下，馭勢科技的初期收入會減少，因爲大部分收入被分散到了未來的訂閱費用中。然而，訂閱模式可以帶來更加穩定的長期收入流，隨着訂閱時間的增長，總收益可能超過一次性購買模式。
但是這種模式也存在一些風險和成本，比如作爲AI司機的提供商，馭勢科技需要對技術和服務負責，包括持續的技術更新、故障排除等，這也增加了運營和維護成本。由於很多費用是在後期收取，如果客戶中途退出或出現其他問題，可能會給馭勢科技帶來財務風險。
值得期待的是，一旦技術達到一定成熟度，訂閱模式的優勢就會顯現出來。它不僅能提供穩定的收入流，還能根據客戶需求靈活調整服務內容。理想情況下，通過合理的首付款加上後續的年費訂閱，可以在整個產品生命週期內最大化收益。
在談及未來的發展方向以及需要攻克的技術難題，吳甘沙表示，“馭勢科技正在不斷迭代第五代U-Drive?智駕系統，研發第六代、第七代U-Drive?智駕系統。”
馭勢科技第六代系統將引入端到端和大模型技術，使車輛駕駛行爲更加擬人化，讓車輛不再受限於簡單的規則。比如，原來一輛自動駕駛汽車要在車道中心線行駛，如果附近車道上一輛大卡車壓線行駛，那麼兩輛車的距離就會過近。引入端到端後，無人駕駛汽車能夠更加智能地調整行駛策略，適度保持距離，不再一味追求車道中央行駛，增強了應對模糊場景的能力。
第七代系統將是一個第五代、第六代和端到端三套系統融合的產品。系統大部分時間將由端到端系統主導，利用其擬人化的特點提供流暢的駕駛體驗。基於規則的系統則將做高精度操作，同時作爲安全底線保障，確保在關鍵時刻能夠守住安全底線。
當出現不常見、複雜且難以預測的場景時，系統將會依靠大模型進行處理，並利用其強大的理解和決策能力應對複雜情況。未來，第七代U-Drive?智駕系統預計將應用於Robotaxi等最複雜的場景。（本文圖片由受訪者提供）
來源 |《商學院》雜誌2025年1月刊