在乌鲁木齐天山国际机场的机坪上，无人驾驶车辆已经很难再被当成“新鲜事”来看。
它们和其他地勤车辆一样穿梭在机位之间，拉货、运行李、接驳人员。航班落地后，系统下发任务，车辆按指令前往指定位置作业。相比一场自动驾驶技术演示，这里的无人车更像机场生产体系里的一件普通设备。
这种“普通”，反而是L4最值得关注的变化。
图片来源：盖世汽车
五年前，新疆机场集团开始与驭势科技合作；2021年首批车辆进场，2024年底无人牵引车进入机坪核心区域商业化运营。如今，天山机场已经落地无人驾驶牵引车、巴士等多车型超过70台，其中52台无人驾驶牵引车承担90%以上货邮转运任务，累计无人驾驶运营里程超过160万公里。
而机场方面此次披露的另一组数字，可能比160万公里更值得注意：传统燃油牵引车每公里运营成本约为2.2元，采用新能源无人驾驶车辆后，每公里行驶成本降至约0.8元。
这意味着，当无人驾驶真正进入生产流程之后，外界观察L4的方式也开始变化。
过去十余年，行业更关心车辆能不能自己开、多久接管一次、谁能率先拿掉安全员；现在，问题正在变成：它一天能干多少活，能够节省多少成本，需要多少人维护，又能不能把同样的能力复制到下一座机场。
L4正在从一场关于技术能力的竞赛，逐渐变成一场关于生产效率和商业模型的检验。
为什么是机场？
要把这笔账算清楚，首先需要回答一个问题：为什么L4会率先在机场这样的场景进入规模运营？
毕竟很长一段时间里，L4自动驾驶最大的想象空间属于Robotaxi。
城市开放道路拥有海量长尾场景，如果能够攻克，技术上限足够高；出租车和网约车又是一个巨大的市场，拿掉驾驶员之后，商业价值也最容易被理解。
因此，即便经历资本退潮，百度萝卜快跑、小马智行、文远知行等企业仍在继续扩大Robotaxi运营规模。
但过去几年，另一条L4商业化路线也逐渐清晰。
机场、港口、矿山、厂区等场景没有Robotaxi那么大的市场想象空间，却拥有一个共同特点：运行边界相对明确，而且无人化带来的安全、效率和成本价值更容易被量化。
驭势科技联合创始人、CEO吴甘沙用一个形象的比喻解释驭势为什么早期选择这些场景：“最初的自动驾驶系统就像一把黄金铲子，成本很高，所以只能先去挖富矿。”
图片来源：盖世汽车
这句话实际上道出了早期L4商业化面临的普遍困境。
传感器、计算平台、研发和工程部署成本都很高。如果进入一个人工成本低、车辆利用率也不高的场景，即便技术能够实现无人驾驶，经济账也很难成立。
所以，不同L4企业都在寻找自己的“富矿”：Robotaxi押注高频城市出行，矿山瞄准高危、高强度岗位，港口寻找高频重复运输，而机场面对的则是另一套需求。
以天山机场为例，其航班保障不仅存在大量重复运输任务，还要面对极寒、暴雪、风沙等复杂天气。高峰时段的保障效率、安全压力以及全天候运营需求，共同构成了无人驾驶进入机场的商业基础。
前述2.2元与0.8元的成本差异，也让这种价值第一次变得更加具体。
当然，这组数据不能简单等同于“无人驾驶比人工便宜64%”。燃油与新能源本身就存在能源成本差异，无人驾驶系统还涉及车辆、传感器、软件、折旧和维护。真正判断ROI，仍然需要更完整的全生命周期成本。
但至少，L4已经开始接受生产效率而非单纯技术指标的检验。
根据弗若斯特沙利文报告，按2025年收入计算，驭势在大中华区机场场景L4级商用车自动驾驶市场份额达到90.5%。截至2026年5月，其累计部署超过1400套L4车辆及套件，覆盖6个国家和地区、249家客户。
但这个90.5%同样需要放在市场发展阶段中理解。吴甘沙估算，目前机场车辆整体无人驾驶渗透率仍处于低个位数。
高市占率与低渗透率同时存在，恰恰说明机场L4仍处于商业化早期。
跑起来之后，难题才真正开始
找到“富矿”，并不意味着商业模式自然成立。
机场和普通道路最大的不同，在于无人车一旦进入航班保障流程，就不再是一辆用于证明技术能力的测试车，而是一件不能轻易停工的生产工具。
吴甘沙将这种要求概括为：“自动驾驶做到99分，某种意义上依然等于0分。100天里只要有一天出现严重问题，这个产品就很难被客户真正使用。”
这意味着车辆不仅要会开，还必须长期稳定地开。
天山机场恰好把这种要求放大了。
图片来源：盖世汽车
极寒、暴雪、风沙、高温、低能见度，每一种极端工况都可能影响传感器、车辆控制甚至电气系统。更麻烦的是，一些极端天气数据无法在实验室里完整制造。吴甘沙提到，一个冬天没有解决的问题，有时需要等到第二年相同天气出现，才能继续验证。
但真正进入机场业务后，难题又不只是车辆本身。
“航班到达后，需要几台车、几点到哪个机位，都是系统直接下达电子指令，不再依赖人工口头传递。”
吴甘沙透露，天山机场项目早期相当一部分工作，是让无人驾驶系统真正接入机场原有调度和保障体系。
这也解释了为什么此次活动现场展示中，大量内容并没有围绕端到端、VLA或者世界模型展开，而是七层安全体系、弱网运行、车辆健康分析和预测性维护。
图片来源：盖世汽车
驭势展示的OAM运营运维体系中，事件响应要求达到秒级、远程脱困分钟级、现场救援10分钟级，并按天进行健康分析和预测性运维。
再往后，自动挂钩脱钩、自动充电、自动装卸也成为产品演进的一部分。原因很简单：如果车已经不需要司机，却仍然需要大量人员完成挂钩、充电和装卸，那么“全流程无人化”的经济价值就会被削弱。
因此，当L4进入真实生产场景后，竞争实际上从单车智能扩展到了整个运营系统。
算法决定车能不能自己开，工程能力决定一支无人车队能不能稳定干活。
而当天山机场已经用160万公里证明无人车可以长期参与机场保障之后，下一个问题自然变成：这套能力能不能复制出去？
一个机场跑通，不等于商业化跑通
自动驾驶行业并不缺成功项目，真正稀缺的是可以低成本复制的成功项目。
这也是机场L4接下来更关键的一道门槛。
从驭势披露的项目进程看，从香港机场早期探索，到新加坡樟宜机场，再到天山机场，项目落地周期已经明显缩短。
具体到天山机场，在此前项目经验基础上，后续40台无人驾驶牵引车不到一个月便完成部署和交付。
但一家机场跑通，并不能简单等同于已经实现标准化复制。
不同机场存在气候、道路环境、机型、业务流程乃至管理规则差异。如果每进入一个机场，都需要企业重新采集数据、调整系统、派驻大量工程人员，那么项目越多，需要的人也越多，规模效应就很难真正形成。
吴甘沙自己也谈到了这个问题：“未来如果有10万个AI司机，可能会分布在1万个地点。如果每到一个地方，都要派工程师驻场两个月，这种模式显然很难规模化。”
所以驭势提出的目标是“开箱即用”。
而要实现“开箱即用”，仅靠一家企业提高技术复用率还不够，行业标准同样需要跟上。
据现场参与标准研究的相关人士介绍，今年机场无人驾驶车辆类标准研究重新推进，目前考虑采用‘团体标准先行、成熟后再向行业或国家标准转化’的路径。
目前规划的标准体系分为通用基础、产品应用和运营管理三层。超过50%的基础要求计划沿用现有国家智能网联汽车标准，同时补充机场专属要求；测试场景则保留42项通用场景，新增28项机场特有场景，并删除32项不适用于机场环境的通用条款。
标准解决的其实正是复制问题：什么样的车能够进入机场、需要通过哪些测试、如何验收、怎样运营维护。
过去大量项目依赖企业和机场“一事一议”，标准逐渐统一之后，产品才可能真正具备跨机场复制的基础。
接下来，新疆机场集团计划把无人驾驶服务从乌鲁木齐推广至新疆全部27座运营机场。
相比“100万个AI司机”，这27座机场或许是一个更加现实的观察指标。
如果一套已经在天山机场跑通的系统，进入第二座、第五座乃至第二十七座机场时，交付时间、人力投入和成本能够持续下降，那么L4才真正开始从项目走向产品。
100万个AI司机之前，先把账算清楚
复制能力最终仍然要接受商业模型检验。
驭势给出的下一步，是尝试把无人驾驶从“卖车+维保”逐渐变成一种可以持续收费的“AI司机”。
按照其规划，未来商业模式还包括车辆租赁、后装自动驾驶套件、自动驾驶Ready车型预装，以及按服务周期或里程收费。核心逻辑都是降低客户前期投入，把自动驾驶从一次性项目变成持续服务。
吴甘沙甚至给出了一个相当大胆的长期设想：
“未来5到10年，如果能够部署100万个AI司机，每个AI司机每年收取1万美元服务费，对应的就是100亿美元级订阅收入。”
这个故事的想象空间足够大，但它首先是企业的长期愿景，而不是业绩预测。
现实是，截至2026年5月，驭势累计部署规模仍为超过1400套L4车辆及套件。
从1400到10万，再到100万，中间需要跨越的并不只是车辆数量。
图片来源：盖世汽车
硬件成本还要下降，交付不能长期依赖工程师驻场，运维需要进一步自动化；从机场走向公交、环卫、重卡和城配之后，原本积累的数据和技术能够复用多少，也需要重新验证。
海外市场同样如此。不同国家和地区的法规、认证、基础设施、运营体系不同，“中国机场跑通”并不天然等于“全球机场可复制”。
所以站在天山机场回看160万公里，这个数字的意义并不只是证明无人驾驶跑得足够远。
它更像是L4商业化的一道分界线。
跑到160万公里之后，真正的问题已经不再是下一次能不能跑到200万、300万公里，而是这套系统能不能以更低的成本进入下一座机场，并在那里复制相同的效率和经济价值。
十年前，自动驾驶公司首先需要回答的是：车能不能自己开？
今天，问题正在变成：一辆没有司机的车，能不能比有人驾驶的车更可靠、更经济，并且以足够低的成本复制到下一个机场、下一座城市和下一个国家？
对于驭势而言，从1400多套L4车辆及套件走向其设想中的100万个AI司机，还有很长的距离。
对于整个L4行业也是如此。
无人驾驶下一阶段真正的竞争，或许不再是谁把车开得更像人，而是谁能率先把“无人”变成一种标准化、可复制、算得过账的生产工具。
