驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

刚刚,港股迎来了一家与众不同的自动驾驶企业。

它没有让Robotaxi在街头刷存在感,也没有在PPT中反复描绘“无人驾驶终将到来”的愿景。

它选择了一条更朴素、也更艰难的道路——把真正能干的L4级“AI司机”部署到机场、厂区、港口、矿山、园区、巴士和物流车中,让这些车辆在真实世界中自主运行、自主作业、自主交付。

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

这家公司就是驭势科技(1511.HK),全场景L4级自动驾驶全球第一股

管理层在上市致辞中表示,驭势科技是一家专注于全场景L4级自动驾驶技术的人工智能企业,始终致力于为千行百业、为全球交付安全、可靠的“AI司机”。

配售结果也已尘埃落定。据富途资讯5月20日消息,驭势科技公开发售获得6777.29倍超额认购,国际配售获得5.66倍认购,最终以每股60.30港元定价,合计发行1446.12万股H股,今日正式登陆港交所主板。一手中签率仅5%,散户的热情几乎挤爆招股簿。

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

如果说过去十年,自动驾驶行业最性感的故事是“出租车里没有司机”,那么驭势科技想讲的故事则更为硬核:机场的行李车没有司机,厂区的运输车没有司机,港口的集卡没有司机。未来,千行百业中那些重复性的驾驶岗位,都可能被一个可订阅、可复制、可全球交付的全场景AI司机接管。

全场景L4级自动驾驶第一股

外界很容易对驭势科技产生认知偏差,将其单纯视为专注机场场景的无人驾驶企业。这种印象并非毫无根据,机场场景本就是驭势最具代表性的核心优势业务。

资料显示,驭势科技是全球唯一能在机场大规模商业运营L4级自动驾驶的方案商;2025年,公司在大中华区机场场景商用车L4市场份额达到90.5%,在厂区场景市场份额达到31.7%,双双排名第一。其客户版图已覆盖17个中国机场、3个海外机场,服务6国249家客户,其中包括35家财富中国/世界500强企业。

但机场只是起点。

真正决定驭势估值想象力的,是它能否将一个场景中的无人驾驶能力,迁移到更多场景中。招股书中,驭势将自身定义为大中华区专注无人化L4技术的自动驾驶解决方案供应商,方案覆盖封闭和开放场景,涉及物流、运营及机动车辆,并囊括L2至L4级自动驾驶级别。

换句话说,驭势不是只卖机场设备,也不是只卖一台无人车。它真正想卖的是“驾驶能力”本身。这正是它与Robotaxi公司的根本区别。

Robotaxi讲的是“谁来运营未来城市出行网络”;驭势讲的是“谁来成为各行各业的AI司机供应商”。前者需要等待城市、政策、运营密度和消费者习惯一起成熟;后者则先从机场、厂区、港口这类高价值、高重复、高人力成本场景切入,把无人驾驶变成企业客户今天就能算账的生产力工具。

这也是为何驭势的故事更像一家Physical AI公司——AI负责开车、搬货、接驳、巡检、作业,直接进入物理世界替人干活。

“一横一竖”:吴甘沙的自动驾驶世界观

吴甘沙在解释驭势时,提出了一个非常容易记忆的心法——一横一竖。

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

横线,代表场景覆盖度。机场、厂区、港口、物流、巴士、乘用车、环卫巡检……横线越宽,意味着进入新场景、新车型的边际成本越低。

竖线,代表能力纵深。竖线下端决定安全下限,L4必须安全,99分不够,差一分可能就是零分。竖线上端决定能力上限,车能否处理更复杂、更开放、更长尾的真实世界。

在吴甘沙的构想中,如果把这套“一横一竖”画成图,它最终会像一个不断打开的倒梯形:横向越拉越长,代表驭势进入新场景、新车型的边际成本越来越低;纵向上下两端同时抬高,下面托住L4安全下限,上面抬升处理复杂真实世界的能力上限。

所谓全场景L4,本质上就是把这个倒梯形越撑越大——场景越来越宽,安全底座越来越稳,技术天花板也越来越高。

这是驭势十年打磨出的技术路线。

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

它的底座是U-Drive®全场景自动驾驶系统。U-Drive®由“车脑”和“云脑”组成:车脑就是AI司机,由U-Drive®软件和自动驾驶域控制器构成;云脑则负责运营、维护、研发等功能。

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

U-Drive®具备高度跨场景扩展能力,可从乘用车L2+到商用车L4,支持封闭场景到开放道路的无人化、全天候运作。更关键的是,U-Drive®不是一个只能在单一场景中运行的系统。根据招股书,截至最后可行日期,U-Drive®已支持3大类、6小类共52款车型,部署超过1000套L4级自动驾驶车辆或套件,累计实现约920万公里无人化、全天候运行。

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

在技术演进上,驭势也没有停留在传统模块化系统中。U-Drive® 5.0是一个“可搭积木”的通用底座,核心是高泛化算法库、场景参数模板、车辆/传感器配置模板以及自动化交付工具链。它解决的是“如何又稳又快地适配新车、新场景”。

U-Drive® 6.0则开始引入视觉-语言模型和世界模型。招股书披露,U-Drive® 6.0计划搭载20亿至30亿参数的视觉-语言模型,在400至500 TOPS车端域控制器上实现实时感知和认知,并借助云端世界模型生成复杂交通场景。

U-Drive® 7.0更像是驭势面向未来L4能力上限的一次“再造”。它将融合基于规则的安全模型、端到端模型、视觉-语言模型,并进一步结合模仿学习、世界模型和强化学习,目标是在安全性、效率、体验、可操作性、成本及耐久性等维度上,超过最佳驾驶员表现100倍以上。

吴甘沙用过一个很直观的二分法:“一个叫归纳总结,从数据里学规律;一个叫演绎推理,把物理定律编进模型。归纳式的系统守住下限,世界模型去探上限。”

这套逻辑的妙处在于:规则系统守住下限,大模型和世界模型抬高上限,多场景数据和工程交付能力拓宽横线。换句更通俗的话说,别人可能是在训练一辆车怎么开,而驭势是在训练一套“司机操作系统”,让它能在更多车、更多行业、更多国家中复用。

新劳动力经济:被低估的不是车,而是司机

驭势最值得机构重新定价的地方,不是“硬件卖多少钱”,而是“AI司机能否变成长期订阅”。吴甘沙将这件事称为“新劳动力经济”:New Labor = AI + Physical Body + Industrial Apps。

在他的叙事中,旧劳动力是百年前华工去海外修铁路;而新劳动力,是一种基于高科技的服务形态。过去看机场无人驾驶,如果只看机场设备硬件市场,可能只有20亿美金;变成自动驾驶硬件,也许是30亿、40亿美金。但如果把原本由大量高素质司机承担的劳动力市场也纳入,这个市场就可能变成百亿美金级别。

这是一个很关键的估值转换。如果驭势只是一家卖车、卖套件、卖项目的公司,它的估值逻辑就是硬件公司——订单、交付、毛利率、现金流。但如果AI司机逐渐变成订阅服务,它的估值逻辑就会发生变化,从一次性项目收入转向可持续、可复利、可全球复制的“数字劳动力”。

吴甘沙给过一个锚点:2030年,如果驭势能部署10万个AI司机,每个AI司机一年收1万美金的订阅费,就是10亿美金。

招股书也明确提到,驭势将通过推广搭载AI司机的解决方案和服务,推动AI司机订购模式成熟;长期而言,公司预期受益于AI司机订购模式,实现毛利率扩大。原因是U-Drive®作为全场景系统,具备高度自动化、标准化和自适应性,可以以高度可扩展的方式交付成果。

这件事最打动人的地方在于,它并非一上来就冷冰冰地“替代人”,而是从最辛苦、最危险、最重复的岗位开始,改造劳动。

比如机场特种车驾驶员。在昼夜交替、酷暑严寒、枯燥重复以及高安全压力的环境下,这些岗位虽不常出现在聚光灯下,却是现代机场运转的命脉所在。

一个AI司机所替代的,不仅是方向盘背后的人力成本,更是7×24小时稳定、安全、可调度、可远程管理的生产力。

数据显示,单个AI司机可替代约3.5名人工司机,而1名后台专员即可管理超过100辆无人车。

更令人动容的是,人的角色也在悄然转变。

在乌鲁木齐机场,李豪的故事颇具代表性。

过去,老司机面对的是凌晨3点的停机坪、风雪、夜班和单调驾驶;如今,无人车运行后,他不再是“开车的人”,而是负责管理无人车、训练系统、优化功能的人。

那些转型后的驾驶人员,可以在机下保障、运行秩序等核心环节投入更多精力。

所谓新劳动力经济,并非简单地将人从岗位上抹去,而是将人的经验沉淀进系统,把人从重复劳动中解放出来,让一位老司机的现场判断,转化为一支AI司机队伍的长期能力。

增长三重门

审视一家硬科技公司,最终还是要回归三个问题:市场有多大?毛利率能否撑住?何时能见到盈利路径?

驭势给出的答案是三重增长门。

第一重,是渗透率。

吴甘沙指出,目前任何场景的渗透率都不到1%,未来增长空间巨大。

行业尚未进入存量竞争阶段,而是在一个巨大的增量市场中争夺标准、客户和生态位。

根据招股书数据,全球机场场景中商用车L4级自动驾驶解决方案市场规模,预计将从2025年的1.58亿元人民币增长至2030年的35.07亿元人民币;全球厂区场景则预计从2025年的2.56亿元人民币增长至2030年的42.11亿元人民币。

第二重,是场景扩张。

在吴甘沙的“5+3”框架中,商用车可分为5个百亿美金市场和3个千亿美金市场:机场、工厂园区、港口、矿山、农牧业是5个百亿级市场;公交物流、特种车辆、环卫巡检等则是千亿级市场。

农牧业就是一个直观的例子。

在生猪转运过程中,人员和车辆消毒一旦不彻底,就可能引发生物安全隐患;而与生物安全相关的开支,往往占到整体生产管理成本的一半以上。

驭势的无人驾驶方案引入后,减少了91%的人猪接触,显著降低了非洲猪瘟等疾病的传播风险;同时,每辆车日转运量提升40%,人工成本下降50%。

驭势科技港股上市:全场景L4自动驾驶第一股,把「AI司机」变成可订阅的全球劳动力

这表明,“全场景”并非一句空话。同一套AI司机能力,从机场扩展到养殖场,其价值就从“降本增效”进一步演变为“防疫、安全和稳定供应”。

这正是全场景L4的真正价值所在:让U-Drive®越来越宽、越来越厚,将上一场景积累的数据、工具链和工程能力迁移到下一场景。

第三重,是全球化。

驭势很早就开始了出海布局。2017年底,公司便进入香港开启全球化,因为“中国AI公司、自动驾驶公司的星辰大海,一定是全世界AI司机的需求”。

这并非简单地将中国硬件卖到海外,而是将自动驾驶能力与当地车厂、运营商、客户、法规和运维体系重新整合。

全球化越深入,驭势越需要的不是单点项目能力,而是“赋能生态伙伴”的能力,让本地车、本地运营、本地场景,都跑上驭势的AI司机。

财务层面,驭势已交出一组让机构必须重视的数字。

2025年,公司整体毛利率达到51.1%,较2024年的43.7%显著提升;其中自动驾驶软件解决方案毛利率高达87.7%。

订单方面,2025年公司已订立交易价值约5.19亿元人民币的订单,部分已确认收入,剩余订单将于2026年交付;截至最后可行日期后又新增约9520万元订单,预计于2026年及2027年交付。

当然,驭势并非没有挑战。2023年至2025年,公司仍连续亏损。

但对一家硬科技公司而言,这并非故事的终点,而是穿越临界点之前必须付出的成本:研发要烧钱,安全要烧钱,场景要烧钱,全球化更要烧钱。

真正关键的是,驭势已经将最难的事跑通了:L4真无人驾驶在机场规模化运营,全场景平台从概念变为产品,U-Drive®从一套系统,进化为可跨车型、跨场景、跨国家交付的“AI司机操作系统”。

十年七次转身

2016年春节,北京房山,一个车库。

吴甘沙在英特尔工作了16年,从研究员一路做到中国研究院院长。2015年,两件事改变了他的想法。AlphaGo大胜李世石,AI走出了实验室。英特尔传记《三位一体》的作者来做演讲,最后一句话深深触动了他:“谨小慎微就是放弃未来。”

“错过了PC和互联网两次窗口,AI这趟车再不上,我会遗憾一辈子。”

驭势科技由此成立。名字源自《鬼谷子》:“察势者明,趋势者智,驭势者独步天下。”

他选择了自动驾驶,理由很朴素:万亿级市场,解决亿万人的出行痛点。他本人饱受每天堵车三小时的折磨,至亲因交通事故离世的经历更让这个选择多了一层个人情感的分量。

十年走来,公司经历了七次重大战略转向:从造车到不造车,从载人到物流,从封闭场景到开放场景,从单一场景到全场景。每一次都意味着砍掉已投入的业务线,舍弃沉没成本。

他喜欢引用《孙子兵法》:“先为不可胜,以待敌之可胜。”

这条赛道比拼的不是短期爆发力,而是谁能坚持更久。许多大公司冲进来跑了几年,发现没有前途就撤了。吴甘沙的策略就是先活下去,等对手自己退出。

他为驭势设定了三个十年:第一个十年是生存,与自己斗争;第二个十年重新出发,真正亮出实力;第三个十年,星辰大海。

如今,第一个十年刚刚走完。港交所的钟声是一个句号,也是下一段征程的起跑枪。


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:https://www.itsolotime.com/archives/35636

(0)
上一篇 1天前
下一篇 1天前

相关推荐

  • 从静态问答到动态探案:DiagGym虚拟临床环境如何训练AI诊断智能体

    在医疗人工智能领域,一个长期存在的核心挑战是如何让AI系统掌握临床诊断的动态本质。真实的临床诊断绝非简单的单轮问答,而是一个复杂的多轮决策过程——医生需要根据不完整的初步信息,提出鉴别诊断假设,然后通过主动选择检查项目来逐步排除或确认可能性,最终在信息充足时做出准确诊断。然而,当前大多数医疗大语言模型(LLM)的训练范式更接近于“开卷考试”,它们基于静态、完…

    2025年11月11日
    36500
  • PhysX-Anything:单图生成仿真就绪3D资产,突破具身智能物理建模瓶颈

    在机器人、具身智能和交互仿真等前沿领域,对高质量、可直接用于物理仿真的3D资产需求日益迫切。传统3D生成方法多聚焦于几何外观与视觉保真度,却普遍忽视密度、绝对尺度、关节约束等关键物理属性,导致生成模型难以直接应用于真实世界的控制与交互任务。尽管已有少数研究探索可动3D对象生成,但受限于高质量物理标注数据的稀缺,现有方法多采用“检索现有模型+附加运动”的范式,…

    2025年11月23日
    34000
  • 从5美元切片到虚拟免疫图谱:GigaTIME如何用AI重构癌症研究的尺度与边界

    在癌症免疫研究领域,成本与样本量长期构成难以逾越的双重壁垒。传统multiplex immunofluorescence(mIF)技术虽能提供高维免疫信息,但每张切片动辄数千美元的成本、漫长的处理周期以及有限的样本覆盖,使其始终困于“昂贵稀缺”的困境。医院日常产生的H&E染色切片虽单价仅5-10美元,却长期被视作基础诊断工具,其与高维免疫图谱的潜在关…

    2025年12月13日
    45100
  • 全球首个“龙虾特供”模型GLM-5-Turbo发布,智谱推出39元龙虾套餐

    全球首个“龙虾特供”模型GLM-5-Turbo发布 今日,智谱AI此前内测的神秘模型 Pony-Alpha-2 正式公布,其真实身份为全球首个面向“龙虾”(Long Context,长上下文)场景优化的专用模型 GLM-5-Turbo。 为适配长文本处理需求,智谱同步推出了配套的“龙虾套餐”服务,提供个人版与团队版选项,其中个人版套餐以39元的价格提供400…

    2026年3月16日
    91600
  • 交错思维:MiniMax M2在Agent基准测试中胜出的技术内核与产业启示

    近日,国内开源模型在轻量级软件工程Agent基准测试mini-SWE-agent上的表现引发行业关注。该测试聚焦大模型在真实软件开发任务中的多步推理、环境交互与工程化能力,结果显示MiniMax新一代大模型M2表现最为突出,超越了DeepSeek、GLM、Qwen、Kimi等竞品。这一成绩不仅体现了国产模型的技术突破,更揭示了Agent技术演进的关键方向。 …

    2025年12月4日
    41400