甲小姐對話吳甘沙：做全行業的“AI司機”，馭勢科技沒有對手
不造車，造AI司機。
作者 | 甲小姐
助理 | 易思琳
毋庸置疑，惹人注目的大出行產業鏈正經歷重塑。
“新四化”（電動化、智能化、網聯化、共享化）表現在很多方面：軟件正在定義汽車；硬件正趨向成本價；新賽道摩爾定律已開啓；產業鏈正從“主機廠-tier1-tier2”的線性邏輯演變爲自由排列組合的網狀邏輯……
與之同步並舉的，是產業角色的重新定義：未來的出行產業，應有幾類玩家組成？什麼是關鍵角色？這關乎新週期的生態卡位——誰是入口，誰掌握話語權，誰真正抗週期，誰不可替代。
抽絲剝繭去想，對於未來出行，除了期待一批更新的車，我們似乎還缺乏足夠大膽的終局想象。
“做‘AI司機’的萬寶盛華（Manpower）”，吳甘沙向「甲子光年」給出了馭勢科技的最新定位，也是他首次用這個表述詮釋馭勢科技戰略。
這是個聽起來略顯瘋狂的概念設想——在未來某天，可以在各行業、全場景自由派遣“AI司機”，並靠它們收“工資”，正如今天全球人力資源解決方案領導者Manpower向各行業派遣靈活用工一樣。
吳甘沙是誰？
前英特爾中國研究院院長，五年前聯合創辦馭勢科技，並任董事長、CEO。
對吳甘沙而言，在對的時機進入對的賽道，頂着“大牛創業”身份入局，是高光之下的大機會，也是輿論審視下的大壓力——既要面對產業“快不起來”的內生週期，又要面臨試錯路上的“好學生包袱”。
五年來，馭勢科技之路並非持續高歌猛奏，“我們不歇氣地划槳、調整帆的方向，駛往大海的深處，可回頭看時，離出發點卻仍是不遠”，“我對馭勢科技的第一個五年做了N種想象，卻沒有猜到五年是這麼走過的”。
五年間，馭勢戰略經歷三番調整：從自造車到不造車，從垂直場景到全場景，從有安全員到真無人。
終於，站在五週年節點上，吳甘沙向「甲子光年」表達了對此番定位的堅定信心：“我們有機會去定義一個全新的價值網”，哪怕要爲此克服首先“重新定義一個賽道”的挑戰。
背後發生了什麼？
進入這場對話，一起從最現實議題談起，抵達一場極致未來主義的想象。
談產業：“不能通過軟件進化、光有電池，只能算老式電動車”
甲小姐：馭勢科技五年，你的核心感受是什麼？
吳甘沙：坦白說，我五年前的預言早了點。
五年前，我判斷汽車新物種將啓動指數發展，當時講了個故事——比爾·蓋茨曾揶揄汽車界：如果通用汽車像計算機產業那樣激流勇進，我們將開着25美元的汽車，一加侖跑1000公里；通用汽車反脣相譏：如果汽車真像計算機，一天可能莫名崩潰兩次，reset發動機還不行，必須得reinstall，安全氣囊彈出來前還有個對話框，讓你選“are you sure?”
但說實話，這五年沒我最初想的那麼瀟灑。一直到去年，大家才真正意識到，汽車真的越來越像計算機了。
甲小姐：2020年tipping point（拐點）終於到來，是因爲特斯拉？
吳甘沙：特斯拉的銷量雖然還不能真正說明問題，但大家開始對這一物種有了重新認識。你看，特斯拉30個月降價了近20次，這跟傳統汽車完全不同。
甲小姐：降價的本質基礎是？
吳甘沙：傳統發動機可能幾十年乃至上百年沒什麼變化，但現在智能電動車最貴的零部件是電池，近10年來平均每三年降一半成本；其次貴的是芯片，摩爾定律啓動後每兩年降一半成本；第三貴的是面板屏幕，王氏定律說每三年降一半成本——這真正達到了指數增長。
甲小姐：汽車的“摩爾定律”開啓了。
吳甘沙：毋庸置疑，未來幾年，車的硬件起步價會越來越便宜，這之後，各種軟件的收費就開始了。特斯拉，花2400人民幣可以解鎖座椅加熱，1.41萬元可實現百公里加速的增強（Model 3），6.4萬元可擁有了FSD（完全自動駕駛），以後更簡單，每個月付180刀訂閱，就可以擁有自動駕駛。
指數定律有兩個D：一是deception（欺騙性），剛開始看不見變化，前面發展很平緩；二是disruption（顛覆性），突然向上，發展迅猛。2019年開始，傳統主機廠突然發現，原來自動駕駛已經發生了，他們意識到自己的電動車和特斯拉根本是兩種車——不能通過軟件進化、光有電池，只能算老式電動車。
甲小姐：核心價值體系的重塑，是硬件貼着成本價變化，軟件定義汽車。
吳甘沙：沒錯，所以我們重新highlight了自己的slogan，就叫You See Future，是想表達，我們有能力看到未來，但更重要的是，你得有足夠信心去堅持自己的看法。
甲小姐：你中間動搖過嗎？
吳甘沙：我們的調性的確發生過一些變化。剛開始像一個鮮衣少年，無牽無掛，什麼都敢說，什麼都敢做；後來像老成持重的青年，因爲身上擔負着產品化的責任；再後來我們找到了自己精神氣質的代表——Free Solo（電影：徒手攀巖）裡的Alex。第一，Alex不是橫無際涯地想象，而是踏踏實實在攀登，爲了弄通這個路線，他可能試驗幾百上千次，每次發現哪塊石頭鬆動就把它弄走，因爲這都是未來的風險；第二，他不斷push the limit，把自己推到極限邊緣。
甲小姐：Free Solo給我的啓發在於，真正的極限運動，是由非常科學、系統的方法論驅動的，是一個系統性工程，而不是“傻大膽”。通過刻意練習把風險降到最低，這完全是“反風險”的精神，而不是冒險。
吳甘沙：是的。Free Solo同馭勢科技的精神氣質非常像，每一步都紮實走下來，還要不斷反思總結。
甲小姐：你對馭勢科技的概括裡，總有某種莊嚴的儀式感。
吳甘沙：儀式感有兩種，一種是外在的，一種是內心的，我們是後者，是you do care——每到一定時間，我都會進行一次祈禱或反思。
談時機：“指數曲線裡，什麼時候入局都可以”
甲小姐：如果有個時光機，讓你重回五年前，假設你已經看到了這條指數曲線，知道會有2020年這個tipping point，你覺得最正確的入局時間是何時？
吳甘沙：指數曲線有個特點——什麼時候入局都可以，你不要嫌早，也不用嫌晚。但是，自動駕駛的確需要積累，Waymo相比所有玩家最厲害的不是別的，是它在2009年就入局了。
甲小姐：假設你2018年入局，就趕不上2020年的爆發點？
吳甘沙：沒錯。我女兒一直diss我，說搞了那麼長時間還沒有大規模量產。我女兒11歲，六年級，我說你考97、98分，爸爸就很高興，如果考100分，我帶你去吃藍蛙和鼎泰豐——考100分是很難的，可無人駕駛每次都必須考100分。
甲小姐：99%=0？
吳甘沙：對。我們從最初完全零積累，全棧自研，學了將近五年才入行，對於一個零基礎學生來說，五年確實不算長。
甲小姐：哪個瞬間你覺得“入行”了？
吳甘沙：2018年。一個重要客戶跟我說：“車上還有人的話，這個項目必須得結束了。”
甲小姐：這話對你而言很“重”？
吳甘沙：是。做無人駕駛，總有個潛意識是車上會有安全員，而客戶這句話一瞬間讓我們意識到，馭勢科技的目標就應該是去掉安全員，做到真無人。
甲小姐：這個客戶在意的是什麼？
吳甘沙：只有真正去掉人，才能降本增效。
甲小姐：你們最初難道沒考慮過這點？
吳甘沙：坦白說，絕大多數無人駕駛公司第一步想的都是展示出來的功能，這往往會漏掉一些細節——你會發現，如果剛開始就有“去掉安全員”的assumption，很多做法都會不一樣。
甲小姐：有安全員時，相當於你們給了AI駕駛的權利，卻沒讓它承擔駕駛的義務，大家潛意識裡會有僥倖心理？
吳甘沙：大家總認爲出了問題會有人兜底，道理其實簡單，但就是那一瞬間醒悟了。所以到2019年底，我們開始爲香港國際機場和上汽通用五菱這兩個客戶實現真正“去安全員”無人駕駛的商業運營——這個過程，幾乎是重來的過程。
甲小姐：這兩個客戶場景是怎樣的？
吳甘沙：一個在機場運輸行李貨物，一個在汽車製造工廠承擔零部件轉運，這兩個場景的複雜度一點不比開放道路差——你要知道，上幾臺無人車不會出問題，但上100臺絕對可能出問題。在機場，錯誤是零容忍的。
甲小姐：現在運營效果如何？
吳甘沙：從2020年7月開始，單客戶項目開始進入百臺無人車的運營規模，幾乎每過一個月，人工運維事件（需要運維人員去現場的情況）就會減少一半——在呈指數式下降。
甲小姐：能指數級迭代的原因？
吳甘沙：能力提升和多方面有關，我們比較幸運的是時機——如果2019年就大規模推廣，我們可能會被問題淹沒。去年恰恰因爲疫情，我們推遲了市場拓展，只給幾個頭部客戶推行無人化，而當你把主要的資源聚焦在特定的客戶身上，解決問題的週期會極大縮短，集中優勢兵力打殲滅戰，就把大場景中該暴露的問題全暴露出來了，該解決的都解決了。
甲小姐：疫情對無人駕駛是重大利好。
吳甘沙：是的。第一，疫情期間大家發現人是不靠譜的，一個人出問題，所有人跟着遭殃；第二，無接觸需求是很明確的；第三，辯證法，危就是機——很多公司疫情下業務下降，反倒有空間進行技術改造，以前業務忙的時候不敢改造，業務下降了就終於決定改造。
甲小姐：你們爲什麼要全棧自研？
吳甘沙：很多開源算法需要license，你可以用它研究，但不能用作商業用途，Intel出身做事都比較嚴謹，所以我們基本自己重寫一遍。
我們2017年做了杭州來福士項目，其中用了個開源的視覺定位算法，現在我們的算法比開源版本提升了不知多少倍。開源版本在光照穩定、氣候因素不敏感的情況下使用很好，但早上和晚上成功率會下降，夏天建的圖冬天就不能用了，晴天建的圖雨天就不能用了，但我們現在的算法99%的情況下都能保持穩定，開源版本只能保持40%-50%。
甲小姐：兩個算法的本質區別是？
吳甘沙：當場景不夠多，你意識不到問題，但場景、客戶一增加，就會發現開源算法不可持續。它沒有經歷那麼多場景。當時我們車上的電腦崩潰了，因爲裡面的圖補了8次，導致越來越大，以至於崩潰。所以我們就從源頭上研究算法，也通過CVPR發表論文，現在它的可靠性遠非開源算法能比。
甲小姐：國內大部分無人駕駛公司，要麼是百度帶出來的技術，要麼借用了Apollo算法，全棧自研是必由之路嗎？
吳甘沙：不一定，你可以選擇Apollo，但全棧自研對我們自己非常有價值——因爲我們知道從0開始的每個選擇的情境是什麼。一些核心選擇，如果你基於他人的地基開發 ，不知地基爲何這麼建，如果只知其然不知其所以然，就會產生路徑依賴。
甲小姐：長遠看，全棧自研能更好地支撐可擴展性？
吳甘沙：簡單說，就是全場景的適應能力。
甲小姐：你的預判“早了五年”，這個時間差是爲什麼？
吳甘沙：因爲指數定律。當你身處局中，一定不會希望自己在指數曲線最開端的那一段，而會希望自己在拐點上。我們也更傾向於這一天更快到來，只是沒想到無人駕駛這麼難。我們之前會care競品如何，現在想起來，根本不用care。
甲小姐：真正的競爭對手是市場本身？
吳甘沙：對。“競”和“爭”要分開看。“競”是田徑，跑道不斷向前延展，不同跑道上各自相安無事，有人體力不支就自動退出；跑到終點纔是“爭”，才需要面對對手。“競爭”，本質上是馬拉松+拳擊賽。
甲小姐：馬拉松的前100m，爭先恐後是沒有意義的？
吳甘沙：沒錯。我們一開始就是跑馬拉松，慢慢地跑成會拳擊的馬拉松運動員，最後變成馬拉松很強的拳擊運動員，這是不斷進化的過程。
甲小姐：在無人駕駛賽道，“拳擊”和“馬拉松”分別指代什麼？
吳甘沙：拳擊是終局競爭，比如出行和物流全部無人駕駛化，這時就是拳擊賽，市場不可能有很多家；而馬拉松是這場拳擊的資格賽——你要一直跑下去，把自己跑成有資格參加終局的那位。如果你只盯着拳擊，肯定抵達不了終點。我們內部把這段馬拉松稱爲“八年抗戰”，這是一場持久戰，是戰爭，不是一場戰鬥。
甲小姐：戰爭怎麼打？
吳甘沙：《孫子兵法》說，先爲不可勝，以待敵之可勝。我們要把自己變成“不敗的人”，實現不斷造血、進化的循環，再等待敵人出現破綻。
甲小姐：短期造血的意義，除了減少對VC的依賴，還有什麼？
吳甘沙：技術是被客戶逼出來的。以前我們被客戶罵還很委屈，現在我們被客戶罵，心態就很好，客戶如果不逼你，技術反而無法提升。
談戰略：“做AI司機的Manpower”
甲小姐：如果一切能重來，你會像李斌、李想、小鵬那樣造車嗎？
吳甘沙：不會，理想不同。我們最終要做的，是一個全世界最大的提供“AI司機”的萬寶盛華（manpower）——能向各行業、全場景派遣我們的“AI司機”。
甲小姐：“AI司機”指什麼？
吳甘沙：你可以理解爲一個套件——一個超級大腦，一個硬件盒子和一些傳感器配置。
甲小姐：艾倫·凱說“對軟件極度較真的人，應該生產自己的硬件。”一個趨勢是，硬件在“軟件容器化”，硬件值不值錢，就看裡面裝填的軟件值多少錢。
吳甘沙：沒錯，當硬件能爲軟件設計，被軟件榨乾所有能力，你的競爭力就完全不同了。據說目前特斯拉對算力的利用率也只有55%——連特斯拉還沒“榨乾”硬件的所有能力。我們跟汽車行業客戶合作時，他們提出幾個標準：一，軟件能力要強；二，軟硬件要一體；三，要有AI和數據閉環能力。
甲小姐：這個標準來自什麼？
吳甘沙：他們在對標特斯拉。如果到2023年，特斯拉類電動車買起來便宜、用起來便宜、軟件客戶紛紛給錢，那傳統車怎麼辦？所以他們希望找到合作伙伴。
甲小姐：主機廠現在的想法很乾脆，就是在2022-2023年做到特斯拉做到的。
吳甘沙：是的，所以他們選擇供應商時，也希望在路徑上靠近特斯拉做法。
甲小姐：做“AI司機的manpower”，這個戰略是什麼時候定下來的？
吳甘沙：很難說具體時間。我們經歷過造車，做過好幾個場景，人家曾說馭勢科技是無人駕駛界的“產品經理”，不斷疊加新場景，我們就是在這些過程中形成了這個戰略。
甲小姐：這個戰略意味着不做什麼？
吳甘沙：第一，不造車，否則和車廠就變成了競爭；第二，不獨自做運營——非運營基因的公司，只有和各行業的運營商合作，才能真正做好技術。我們只有做好中間這一層，才能保證公司大量派發產品，才能獲取各種場景的數據，才能保證在“AI司機”這件事上做到最好。
甲小姐：你們的戰略調整過幾次？
吳甘沙：三次。
第一次調整是從自己造車到不造車。最初我們曾想自己打造面向未來的無人駕駛汽車，因爲2016年沒有可以用的車，做無人駕駛無車可用是很痛苦的，只能自己做；2018年下半年，有頭部車廠想跟我們合作，這時就不用造車了。
第二次調整是決定把公司約束在“下不碰車、上不碰運營”的空間裡，專注做全場景的AI司機。對於某個場景，我們的share of wallet變小了，但全局來看，我們的total addressable market變大了。當我們做了小巴、停車場自動代客泊車、物流等多個場景後，我們發現全場景的能力是很有價值的。機器學習有個概念叫overfit（過擬合），侷限於某個場景會使你的技術過擬合，無人駕駛有很多場景，有的替代C照，有的替代A照、B照，只有通用技術才能價值最大化，於是2018年底，我們明確了這個戰略。
第三次調整是決定做“真無人”。2018年就開始研發了。
甲小姐：也許你的戰略可以概括成“三無”，第一叫“無車”，不自己造車；第二叫“無限”，全場景；第三叫“無人”，去掉安全員。
吳甘沙：好主意。
甲小姐：爲什麼不聚焦一個場景打穿？
吳甘沙：坦率地說，選擇在一個場景吃深，你會陷進去。To B to G 最怕定製化開發，你要吃深，就一定是定製化開發——交付一輛車沒用，還要跟客戶的ERP系統、訂單管理系統、倉儲管理系統、運輸管理系統等全面對接起來。而且你會樹立很多“敵人”。
甲小姐：“敵人”是誰？
吳甘沙：同樣在這個領域裡要吃深的人。
甲小姐：橫着長不會有敵人嗎？
吳甘沙：橫着長，你會賦能很多不同垂直領域裡已經生根的人。已經有很多擅長做這些的人，跟他們合作就可以了。所以我們會聚焦在各種場景通用的AI駕駛技術。
甲小姐：所有公司都不願意做定製化，但很多人都被迫無奈做了定製化，是因爲如果不定製化就沒有收入。如果你要橫着長，收入怎麼辦？
吳甘沙：和產業鏈合作伙伴去協作。
甲小姐：他們可以選更便宜的廠家或開源廠家，爲什麼選擇你？
吳甘沙：現在沒有真正在這些場景中跑起來的無人駕駛廠商。
甲小姐：可以用Apollo？
吳甘沙：你要加上幾個限制詞——第一，真無人；第二，7×22小時；第三，全天候，颳風下雨、酷熱、沿海，各種情況都能跑——三個條件加起來，我們是the only choice，確實沒有對手，我們很少競標。除了這三點，我們還會確保運維成本低，我們把工具鏈交給產業合作伙伴，他們來部署和運維車輛，我們很容易被集成。
甲小姐：你們定位是什麼？
吳甘沙：科技服務商。我們交付的是“AI司機”，未來理想情況是，每個月給AI司機付工資就可以了。
甲小姐：整個汽車的產業鏈關係正在重構。原來產業鏈是線性關係——主機場、tier1、tier2。現在大家開始重新定義汽車，比如自動駕駛芯片公司會直接跟主機廠合作，線性關係在被打破。
吳甘沙：沒錯，第一，產業鏈關係在不斷壓縮，不再井然有序；第二，不能完全要黑盒，而是要白盒交付，因爲需要把整體集成到一個域控制器上；第三，數據要在全生命週期中流轉——這幾點，註定了傳統汽車的生態需要改變。
甲小姐：做AI司機，你相當於給自己單獨定義了一個新賽道？
吳甘沙：我們的定位的確比較獨特。國內其他公司要麼在某個場景吃水很深，比如港口礦山環衛，要麼就直接做Robotaxi（無人駕駛出租車）。
甲小姐：做AI司機的Manpower，你所描述的那個未來是什麼樣的？
吳甘沙：我的想法比較futuristic（未來主義）。
第一，未來所有車都有一個標準接口留給AI司機。今天車跟司機的接口是方向盤、油門、剎車，還有留給傳感器和車腦的安裝接口。未來這些接口甚至不用走線，通過一種短距離的、非常安全可靠的無線傳輸機制，這些接口是標準化的。
第二，我們上面會跟不同運營商做接口。比如滴滴，雖然他們在自主研發，也許未來他們也願意接受第三方司機；比如頂尖的物流公司、工業互聯網公司，也需要AI司機可調度，在接到命令後就把車開到某個點接人接貨。
甲小姐：每輛車都有標準化接口，這事有徵兆嗎？
吳甘沙：你看特斯拉，它現在允許你換控制器，以前用英偉達的控制器，現在可以換成FSD，第一代FSD也可以換成第二代。只有控制器是最新硬件，才能確保無人駕駛能力，這就是AI司機與車的接口標準化。
甲小姐：就像換電池和換輪胎一樣，一輛車以後很多部位可以不斷替換？
吳甘沙：是的。
甲小姐：這需要整個產業鏈的標準去配合，甚至國家標準。
吳甘沙：國家工業信息安全發展研究中心2020年評了18個人工智能優秀產品，38項人工智能優秀應用解決方案，馭勢科技各佔了一項。
甲小姐：科技的歷史走向，並非像物理定律一樣是因果推導的結果，不一定存在唯一正確的路，很大程度上取決於最牛的那個人定義了什麼玩法。
吳甘沙：沒錯，所以當務之急是我們要先把這種能力做出來。
甲小姐：未來一年、三年、五年，你想達到什麼狀態？
吳甘沙：未來一年，要把“真無人”的環境做大，在幾個維度實現快速增長，total addressable market、滲透率、市場佔有率；三年後，要發揮多場景、全場景的威力，既有對標特斯拉的乘用車產品，也有無人公交、無人配送等商用車產品；五年後，馭勢科技的“AI司機”將在Robotaxi領域佔據更廣闊的市場份額——今天是百億級市場，三年後是千億級，五年後應是萬億級。
甲小姐：你的願景，別人不信怎麼辦？
吳甘沙：荊棘後的山花爛漫，屬於相信奇蹟的人。
談路徑：“這是個‘造血+進化’的閉環，造血，一定從非主機廠開始；進化，脫離主機廠是不行的”
甲小姐：無人駕駛，中美會走出兩條路還是一條路？
吳甘沙：二者殊途同歸，頂多在接口上有差別。
甲小姐：所以國內大談特談的“車路協同”不是核心議題？
吳甘沙：當所有車都聯網了，一定有大價值，但真正的5G車聯網（NR-V2X）得2024年纔出來，今天談5G車路協同，就是跳出了技術環境。當然，商業模式也很重要，今天是政府買單，明天誰去買單？這個商業模式還沒確定，說實話，我們還根本不知道它實際應該怎麼走。
甲小姐：現在車路協同多是樣板工程？
吳甘沙：做樣板沒問題，但避免出現政府催熟行業、行業催熟產業的情況。今天的車路協同只能用在信息傳播，未來更大的想象空間是在協同感知、協同決策和控制。
甲小姐：你之前打過一個比方，說無人駕駛賽道像“K1異種格鬥大賽”，競技臺上有各種背景的人，用各種拳法一起打，大家的利益、方法都不同。如今你的大部分客戶是主機廠還是場景方？
吳甘沙：我們剛剛提到的馬拉松+拳擊賽，是個“造血+進化”的閉環——造血，一定從非主機廠開始；進化，脫離主機廠是不行的。
甲小姐：主機廠不會給那麼多錢？
吳甘沙：我們跟主機廠合作更在乎的是有沒有可能未來幾十萬輛車都用我們的技術，而且不斷有數據回來。
我一直講，我們是無人駕駛的“隆中對”——諸葛亮的隆中對，本質上是益州加荊州。益州在四川，是天險，是糧倉，只要你不作，就能立於不敗之地；荊州，是真正的圖謀天下之利，沒有荊州，只能偏安一隅。劉備和孫權共同佔有荊州來抵抗曹操，這是諸葛亮限於當時天下大勢做出的戰略。
類比之下，我們的“益州”是商用車，爲公司造血；我們的“荊州”是乘用車，孫權就是主機廠。“益州”可以源源不斷提供糧草；“荊州”可以做出來低成本高可靠的技術和數據，又反哺“益州”——這樣形成閉環，不斷循環。
甲小姐：兩個問題，第一，乘用車、商用車在技術上有多大相關性？第二，你的商用車造血能否真的足以支撐你拿下荊州？
吳甘沙：第一，兩年前，大家看到的L2和L4是不同的東西，但現在情況不一樣了。現在主機廠要的是L2的身體，L3的相貌，L4的靈魂。
甲小姐：具體說說。
吳甘沙：法律法規責任上認定它是L2，但用起來感覺像L3，然後它的技術可以演進到L4。
甲小姐：所以兩條線的確可以互幫互助？
吳甘沙：是的，一邊是糧草，一邊是數據。回到第二個問題，我們到底能不能靠商用車造血？我認爲一定能。
甲小姐：你們現在收入量級是什麼水平？
吳甘沙：現在不太方便透露具體數字，可以分享的是，在我們今天發力的行業裡，每年可以有幾倍的增長。頂級業主項目，差不多每年費用是以億來算。
甲小姐：你們的收費模式是什麼？
吳甘沙：我們現在希望每年都能有recurring的硬件費加服務費。
甲小姐：你提供AI司機，機場先跟你們對接，再去找要用哪種車？
吳甘沙：對，我們提供的車型一定是機場認可的車型。
甲小姐：車是誰採購？
吳甘沙：我們採購。
甲小姐：你們變成了集成商？
吳甘沙：對。AI司機是硬件加服務，在某些場景下，還要能夠交付車，有時也要交付整體解決方案，這必須找合作方。
甲小姐：車需要定製嗎？
吳甘沙：我們公司有一個專門的團隊可以賦能車廠，比如原來航空業專用車廠不知無人駕駛是什麼樣，我們就會賦能，幫助他們做出來滿足客戶要求的完全無人駕駛的物流拖車。
你可以想象，未來主機廠與合作伙伴一定存在這樣一種關係：一頭是白盒，從合作伙伴往主機廠方向賦能；一頭是從主機廠往合作伙伴方向流動的數據。這不是一種簡單的採購關係，而是一種深度合作的關係。
談優勢：“我們的眼睛也許不如別人好使，但腦袋比別人好使”
甲小姐：似乎業界越來越少人討論Waymo了？
吳甘沙：2017年，Waymo的全部路測里程爲1000萬英里，2018年超過2000萬英里，2019年達到近3000萬英里，Waymo的數據具有指標意義，因爲它有足夠大的覆蓋。
Waymo在加州大概是一百多輛，一輛車每年開10000英里左右，這和人一年開的里程差不多，但跟出租車比又差很多，出租車一年可能開10萬英里。
甲小姐：你們覆蓋的車輛有多少？
吳甘沙：今年我們衝擊千套，明年數量會更多。今年進入正式運營的商用車數量，可能跟Waymo的車隊規模差不多。
甲小姐：你爲什麼關注Waymo？
吳甘沙：Waymo是指標、標杆，它代表一條路線，全副武裝，武裝到牙齒，全身設備10萬美金。馭勢科技採用的傳感器比Waymo便宜很多——拿Robotaxi來說，如果說Waymo的成本是1，絕大多數公司成本是1/2~2/3之間，我們是1/6。
我們的傳感器雖然便宜，但它很全，有攝像頭和激光雷達，數據質量也非常好，能形成自閉環；特斯拉沒有激光雷達，數據質量相對差一些，而且它不一定能拿到數據，因爲它to C，只能網絡回傳數據，傳回來的數據又很少；我們to B場景中所有數據都能回來。
甲小姐：你們成本低的原因是什麼？
吳甘沙：正是因爲我們一直用慣低的，我們一直要求自己用更便宜的激光雷達、攝像頭和傳感器就能做到無人駕駛。
甲小姐：Waymo是儘量讓汽車的“眼睛”好使，你們的做法是“眼睛”可以不足夠好使，所以要腦袋格外好使？
吳甘沙：曾經“囂張”的時候我說，我們眼睛也許不如別人好使，但腦袋比別人好使。以前這麼說過，現在比較低調。
甲小姐：爲什麼Waymo不着急做便宜？
吳甘沙：當你有商業化壓力的時候，你必須得想盡一切辦法；當你沒有商業化壓力，你就對價格不敏感。現在即使我們做Robotaxi，也是用更便宜的傳感器。
談生態：“我們有機會定義一個全新的價值網”
甲小姐：行業都有生態位。出行行業中，主機廠、運營商、場景方、其他合作伙伴誰的話語權更強？
吳甘沙：乘用車場景中，多數情況下主機廠最強勢，因爲產品定義的權杖在他手裡，當然也有exception，有些供應商如果技術獨特性特別強，就有更強話語權，未來幾年，乘用車是主機廠和科技服務商深度合作的階段，他們會共同面對傳統供應商，共同面對用戶。
商用車場景中，大B客戶肯定話語權最強；有時是強勢的集成商和運營商；我們不希望講自己有多強勢，但在生態位上我們是獨特的，是the only choice。
甲小姐：一個產業像管道一樣，你在管道越窄的部分，就越有話語權。
吳甘沙：按照邁克爾·波特的說法，我們有機會去定義一個全新的價值鏈或價值網，比如資金怎麼流動，數據怎麼流動。
甲小姐：我的觀點是，一個東西終端場景越複雜，中間平臺型公司就越有優勢，關鍵看終端是大C還是小C。如果你的產品是大C，那就是終端最強勢，比如手機；如果產品是小C，比如玩具，那就是渠道最強勢，比如賣場，因爲你能決定把哪個東西擺在前面。而區分大C小C，得看一個東西“好”的標準是不是一致——如果超級一致，往往形成大C，就像公認蘋果手機是最好的；而一個東西越多樣性、越個性化，越接近小C。
在我的猜測中，未來，“無人化移動”是件極其端碎片化的事，恰恰由於終端場景十分碎片化，平臺反而有價值——所有人和物需要一種“無人化移動”的能力，且可以快速切換場景模式，這可能衍生一種新平臺。
吳甘沙：一個個場景做起來，你會發現，適配你的車型越來越多，你能跑的場景越來越多，平臺上的運營商和集成商越來越多；當然，也有些特別強勢的垂直玩家，比如滿幫或G7，但大多數確實是非常碎片化的小運營商。
甲小姐：你們會試圖做入口嗎，還是會一直藏在客戶身後？
吳甘沙：我們暫時不考慮做直接入口。
談未來：“未來是物找人，而不是人找物”
甲小姐：2020年4月，中央出臺文件把數據作爲“生產要素”，這衍生了一系列問題，比如，怎麼確權，怎麼交易。在你的終極願景裡，AI司機能實現，依賴於算法可以被交易起來？
吳甘沙：如果算法能交易就太好了，這樣就不用只服務一家主機廠了。現在很多主機廠都在推SOA（Service Oriented Architecture），本質上希望不同算法和App能夠完美配備硬件。
甲小姐：我猜想，終極狀態應該是任何一個機器人，不僅僅是車，都可以在任何一個時間、地點、場合臨時調用一個算法，使得它可以在這個場景實現A到B的移動。
吳甘沙：我們有這樣的考慮。比如我們在機場的拖頭跑得好好的，但突然有個客戶說，能不能拖頭帶着拖斗倒車？這樣到月臺更容易裝貨。這就是一種新功能，客戶可以進行購買。
甲小姐：你要做AI司機，我想“司機”的定義是，在不同場合下可以完成不同的移動工作的能力——比如一輛車跑到一個複雜大型購物中心，它之前沒來過，但它可以一鍵download，就自動掌握在這裡自動駕駛的能力。
吳甘沙：這就是停車場地圖。還有其他的一些例子：特斯拉申請了一個專利叫DeepRain，做高端車的擋風玻璃雨刷，可以根據雨量大小控制刷新頻率。傳統高端車一定要ECU來控制雨量傳感器，但現在特斯拉不需要增加ECU和雨量傳感器，擋風玻璃那有攝像頭能感知雨量大小；另一種情況，比如開車到某個森林公園露營，晚上就可以買個App，它可以控制車燈形成一個舞會中旋轉燈光的效果；甚至還有客戶建議，下週我們慶典，能不能把所有車控制起來跳個廣場舞？
甲小姐：這些都是很夢幻的想象。說回今天，馭勢科技過了有生存風險的階段嗎？
吳甘沙：行業經歷了起伏的週期，這個週期對我們來說受益匪淺，如果你一直只生活在春夏天，有些能力是起不來的。短期我們肯定沒有生存危機，但始終還是要保持危機感。比如，突然有一天某種技術跨越式發展，今天無人駕駛得通過大數據解決長尾問題，但萬一突然有一天可以小數據呢？人活18年，到駕校裡學了幾十個小時就會開車了，爲什麼？不是靠在圖片上標一個個框去學習的。這都是潛在的危機。
科技公司就是這種宿命，技術的演進和迭代是很難說的。一波浪潮來臨，你是弄潮兒，很可能存在一種情況，這波浪潮還沒真正變成產品，下一波浪潮又來了，你一下子就被後浪拍在沙灘上。弄潮兒有兩種可能，一種成王，一種敗寇。
甲小姐：比如我就不喜歡買車，不管是時間還是體驗上，都是不划算的。
吳甘沙：車廠擔心兩件事，一個是新物種，二個是外星人。新物種是特斯拉，以爲是一條鮎魚，沒曾想變成了鯊魚；外星人就是Robotaxi，它來了，大家都不買車了。
甲小姐：福特當年說，你問消費者要什麼，他們說會要更快的馬；現在消費者可能告訴你，我要一個什麼樣的車，但對我來說，我要的只是用舒適安全高效的方式把我從A點送到B點，至於你讓我飛過去、走過去還是怎麼過去，I don't care。換句話說，打敗無人駕駛的，也有可能是飛行汽車或者AR。
吳甘沙：哪怕現場可以3D打印出來吃的，原材料還是要運輸；最怕的就是連原材料都可以通過管道運輸，就真的不需要無人駕駛了。
甲小姐：現在我會有個doubt，很多人把汽車產業鏈看成最大賽道，真的有這麼大嗎？有位投資人甚至信誓旦旦和我說，是男人就該做汽車。
吳甘沙：你要判斷的是，你說的那個顛覆性在未來什麼時候到來。如果2030年到來，特斯拉也沒戲。特斯拉今天的估值是基於大家對他的判斷，說到2030年它有2000萬臺。你說的這種未來要到2050年、2100年到來，那麼這一波智能汽車還是有很大機會發展到幾千萬輛的規模。
甲小姐：也許AI司機比汽車本身更具備穿越週期的可能。因爲你做的是“移動的能力”，是軟硬一體的東西，而不是車隊。物理世界總有東西要移動。這種能力可以放在汽車裡，可以放在一個椅子裡，也可以放在一個機器人上，甚至城市的垃圾箱裡。總之，“移動”是永恆的真需求，而“車”不一定是真需求。
吳甘沙：對，比如你要扔垃圾，你可以讓垃圾箱自己跑過來；在公園裡，你要喝冷飲，冷飲機可以自己跑過來。
甲小姐：說回汽車。很多人會討論，十年之後，到底會有10個汽車品牌還是100個汽車品牌？
吳甘沙：如果車一旦變成了手機和計算機，就更會產生規模效應。20年前歐洲用戶都在用諾基亞、西門子、愛立信，現在都用蘋果、華爲、小米，那未來會不會突然都開始用Apple Car，用華爲的車？存在這種可能。當汽車成爲計算機或手機的形態，全世界只存在十家以下的品牌是有可能的。
甲小姐：一個東西越依賴軟件，就越容易集中。
吳甘沙：還有一種力量需要重視，滴滴定製的車隊。
甲小姐：滴滴是主機廠很害怕的對手——因爲它掌握了真正的入口，我的出行是滴滴安排的，不是我自己安排的。
吳甘沙：是這樣。所以Waymo等做Robotaxi，需要在邏輯上說通——怎樣才能幹掉滴滴？這在邏輯上其實是沒有說通的，但大家似乎一下子跳過去了。我也沒想明白，科技公司做Robotaxi怎麼繞過了滴滴？
甲小姐：假如我們剛纔構想的移動物理世界成型，可能會有一個入口，你可以自由調度一個物體過來。
吳甘沙：確實存在這種可能性——現在是人找人，人找物，以後是物找人和空間找人。
甲小姐：當人真正可以不受物理限制，不用移動地去迎合物理世界的時候，他就不願意再回到過去了。比如，我去上海開會，體驗wewok，它在上海有40個辦公區，如果辦一張會員，40個辦公區我全可以用，這時我就不願意再去找一個固定辦公室。
吳甘沙：疫情加速了靈活用工。
甲小姐：靈活用地，靈活用物，靈活用人——所有服務都應該是柔性的，這纔是AI真正應該解決的核心問題。要不然整個社會都是各種各樣的庫存，空間的庫存，物的庫存，車的庫存。共享經濟的真正內核是用智能技術使得所有東西只有在被使用的時候能就近獲得，而不用那麼多閒置。
吳甘沙：按照這個推理，數字經濟應該去統計全世界、全社會的資源使用率。
甲小姐：之前我跟科大訊飛的胡鬱聊，他說了一個觀點，“有了大數據之後，計劃經濟是很好的”。
吳甘沙：有了大數據了以後，是不是真能實現計劃經濟？有兩派觀點，有人認爲有了這些大數據以後，一切都可預測，真正變回最高效的計劃經濟；另一派觀點是，忽略了人這個變量，人始終會有主觀存在。
甲小姐：沒有black and white這麼極端，但科技讓人們有可能像“繡花針”一樣去管理一切。
吳甘沙：沒錯。自由市場經濟會認爲你管得多不是好事，因爲你現在的預測都是基於過去——但未來如果被過去限定了，這個世界就沒有樂趣了。
談反思：“不拘一格融錢一定是好的”
甲小姐：之前和你的同事聊，她說剛創業時，你是“聖人”風格，同事遲到了你都不好意思說一嘴，現在你還這樣嗎？
吳甘沙：現在不了。罵人是促進改變的一種方式。
甲小姐：現在你的管理風格有什麼變化？
吳甘沙：更講究結果。爲了達到結果，你不能一直nice；另一個變化是，我會更積極促進身邊人的成長和變化，即使成長會帶來痛苦。比如華爲就敢於動刀，大動刀子篩選一遍，剩下來的都是非常認同你的人。當然，前提是華爲招人一點問題都沒有，但小公司流失一個技術人才還是挺可惜的。
甲小姐：喬布斯說過，真正的A類人才不用你去照顧他的自尊心，馬斯克也是這個態度。
吳甘沙：馬斯克因爲自己的性格跑掉了很多人，只不過他的吸引力太強了，始終有飛蛾撲火的頂級人才。
甲小姐：你給自己作爲一個CEO打分，打多少？
吳甘沙：70分。
甲小姐：理由？
吳甘沙：目前爲止，我們找到了一條路，有自己的道路自信、理論自信，這是好的地方；不好的地方在於，因爲Intel出身比較實在，還不太會隨風口起舞——說實話，如果我能隨風口起舞，應該能融到更多的錢。
甲小姐：在融資這件事上，你好像確實沒那麼aggressive。
吳甘沙：任何一件事都有兩面性，融資過快，手頭工作會變慢。但反思一下，一個真正的創業者應該是非常善於“借勢”的人，我們不應該錯過。
甲小姐：假設重來，你覺得該追一追風口?
吳甘沙：從結果上看，不拘一格融錢一定是好的。
甲小姐：這幾年我觀察身邊創業做成的人，往往不一定每個階段都正確，但一定是跑在最前面的那個人。前陣子和一位創業者聊，他是細分賽道的No.1，他說覆盤這幾年，最正確的事就是速度，因爲技術可以改，路徑可以改，還可以買別人的服務，但你一定要跑得足夠快，口袋足夠深，因爲行業的No.1有一個privilege（特權），會獲得最頭部的資源紅利。
吳甘沙：沒錯。是不是隻要質量足夠好就可以？不是，速度很重要，規模很重要。
甲小姐：速度可以buy time，可以給你買資源和時間；而且有個中國特色，政府和體制內客戶作爲中國科技的推手，只敢扶持行業老大，很難扶持尾部，因爲大家不敢犯錯。如果我是馭勢CEO，我會不顧一切先卡位行業老大。
吳甘沙：接下來5年，Waymo可能是Robotaxi的老大，小規模帶安全員；Tesla是智能汽車的老大，大規模，但有司機；而我們希望在第三條路上成爲老大，全場景，真無人。我相信到2021年底，我們真正能做到在無人化運營的車的數量和在產生的商業收入，馭勢科技絕對領先。
甲小姐：也許你需要一個類似Robotaxi的名詞，現在你的解釋成本很高。
吳甘沙：今年年底解釋起來可能會容易一些。當你發現各行各業都有馭勢科技賦能的無人車，而且是真無人，7×22全天候運營，到時再講“AI司機”可能更容易。
甲小姐：未來你的戰略還會再調整嗎？
吳甘沙：未來五年會有很多不確定性，也許某個場景突然做大了，也許通過上市，利用資本槓桿向上飛昇，但我們確定的事就是全場景、真無人的技術越來越物美價廉。
甲小姐：過去五年，有過很沮喪受挫的時刻嗎？
吳甘沙：剛開始創業時，你會覺得這幫人會跟着你打天下，一直走到終局，但一旦有特別看好的員工離職，肯定會受挫；另外，技術出現了問題，大家左改右改還沒有辦法的時候，會受挫；有時和投資人解釋不通的時候，也會受挫。
甲小姐：投資人最大的質疑是什麼？
吳甘沙：會覺得我們的東西相對Robotaxi來說顯得“簡單”，這是投資人的思維定式，即使你給他呈現你能做Robotaxi，還會存在這樣的問題。我們曾面臨階段性的投資人不認可，2020年後，越來越多投資人認可，因爲原來那條路線他們碰到了瓶頸，又看到我們技術獨特的地方。現在我們會邀請投資人坐一坐我們的Robotaxi，坐完以後他們會發現，我們的技術還是很可以的。
甲小姐：你的護城河是？
吳甘沙：巴菲特提到護城河有幾種：一是無形資產，你的品牌，你的專利，這些我們做了很好的佈局；二是規模和成本，我們AI駕駛員量大，有成本優勢；三是客戶遷移成本，進入到行業裡，客戶想換很難；四是網絡效應，贏家通吃，無人駕駛裡面是不是存在網絡效應？這一點大家還在徘徊。
甲小姐：2017年馭勢科技在CES的展位引起很大轟動，但2018年你們沒去，此後馭勢科技似乎開始低調，發生了什麼？
吳甘沙：可能跟我理工男出身有關，覺得這沒什麼用，會分心，想把事先做出來，在PR方面就有點“矯枉過正”了。但你不發聲，別人就會亂猜，斷章取義。Key message還是要通過你的嘴巴反覆強調才能成爲正確的message。無人駕駛要上新聞很容易，找個記者坐車，車上沒人，就可以報道，但這跟7×22、全天候、幾百輛車、運營一年，完全是兩碼事。
甲小姐：拍電影的人會用人物弧線表達敘事情緒的高低起伏，假如給這五年畫一條弧線，你會畫成什麼樣？
吳甘沙：情緒波動完美符合達克效應——馭勢科技剛開始是“愚昧之山”，大家都是無知者無畏，不知道自己不知道；2018年到2019年是“絕望之谷”，知道自己不知道；2020年是“開悟之坡”，知道自己知道了。
甲小姐：現在讓你覆盤過去五年的決定，最正確的決策是什麼？有特別後悔的決策嗎？
吳甘沙：有後悔，也不斷在覆盤。我們一直強調三個層次的覆盤：第一，這條路徑能不能能跑得更好？第二，是不是可以換一條路線？第三，是不是得換個目標？特別後悔的決策倒沒有，也許借一下風口能有更高估值，當然也談不上多後悔，畢竟精力有限，選擇做A，B自然就會慢。
甲小姐：你今年的時間打算怎麼分配？
吳甘沙：我想把時間花在組織上。我必須得感謝李想，他的分享讓我看到了一個更適合未來的組織是什麼樣子。最早的工業化組織最重要的目標是效率、成本、不出錯，通過流水線來提效降本，這時的產品形態是硬件加少數軟件；現在進入智能汽車時代，產品形態是硬件加大量複雜軟件，傳統追求效率和成本的方式就不work了——軟件有大量的不確定性。
李想推崇的組織形態是信息充分透明，決策充分下放，不糾結於對錯和責任，而關注成長。他講過一個故事，有些傳統車廠做的L2特別難用，因爲他就是想把輔助駕駛做得難用，這樣用戶就不會用，也不會出錯；而特斯拉不太成熟的時候卻讓用戶用，才能在快速試錯中成長。
但這種組織還不是最終極的，未來無人駕駛的研發組織不僅僅面臨複雜軟件的挑戰，還必須做出適應無窮無盡未知場景的AI算法，這需要頂級的人才密度，需要認知共創和流轉的環境和社區。
甲小姐：互聯網是靠debug出來的，車五年才推出一款，這就是兩個行業底色的不同。汽車行業要學習互聯網行業，但也不能照搬，因爲汽車人命關天。
吳甘沙：2019年，我們發現新造車勢力互聯網的部分太強，汽車的部分太弱，後來我們意識到，新造車也追求安全，但這種安全是快速迭代出來的安全。
甲小姐：這讓我想到進化論。進化起於變異，本質上是DNA轉錄後“出錯”了，但又快速地自然選擇，好的被保留，不好的被淘汰。從物種角度講，整個物種越來越安全。
吳甘沙：自然界有幾種創新方式：一種是死亡，新陳代謝，老的把資源釋放給新的；第二種是交配，一部分來自父體基因，一部分來自母體基因，融合創造了新生命；第三種是變異，越小的東西變異越快，變異產生了新的特徵，新的特徵會讓你有新的適應區。比如鳥，本來是爬行動物，在變異中長出了羽毛，這個新的特徵打開了新的適應區——天空，這種適應趨勢如此自由強大，以至於現在鳥類種類已經超過了爬行動物。
甲小姐：進化比人聰明，很多答案都已經寫在進化論裡。我的投資人說過一句話——犯大量的小錯，犯少量的大錯，生死攸關的問題儘量避免犯錯，主動在錯誤中成長起來。過去我總有“好學生包袱”，不願犯錯，但其實這樣不利於成長，後來終於戒掉了這一點，在公司內部鼓勵主動試錯。
吳甘沙：沒錯。成功的企業最應具備的素質，不是已有能力有多強，而是糾錯能力很強。