在自动驾驶技术发展的进程中，L4级别自动驾驶正探索着一条全新的商业路径。过去，自动驾驶公司向机场、矿山、港口等场景销售无人车及套件，这种模式虽能获得收入，但本质上属于项目制生意，存在天然上限。客户购买车辆后可使用多年，供应商要持续增长就得不断寻找新项目。而且不同场景业务流程差异大，车辆接口、调度系统等需适配，项目增加边际成本未必下降，与乘用车智能驾驶的规模效应形成鲜明对比。
驭势科技CEO吴甘沙算过一笔账，若10万个AI司机分布在1万个地方，每个地方派交付人员驻场两个月，公司运营将面临巨大压力。因此，他提出“开箱即用”的目标，减少现场建图和长期驻场，通过远程运维、预测性维护降低人车比，适配新车型、进入新场景、运维一百辆车所需的人力和时间等指标的持续下降，才是规模效应真正成立的体现。
机场场景为自动驾驶带来了新的变化，无人驾驶开始按照传统生产工具的标准接受考核。欧洲一家自动驾驶企业在德国大型机场落地失败，原因是车辆为安全最高时速只能达十几公里，而机场拖头车正常作业速度需25公里左右。如今，一些机场与自动驾驶供应商签署服务水平协议（SLA），要求车辆在规定时间内完成任务。这意味着L4的竞争评价体系从过去的接管率、感知距离和算法能力，转变为准时率、车辆可用率、故障恢复时间以及单位任务成本等。
机场环境复杂，飞机起降干扰卫星定位，机坪无标准车道线，车辆需识别多种特殊情况，不同地区还面临不同的极端天气挑战。吴甘沙称“在机场，99.9分等于0分”，生产系统难以靠“绝大多数时候能用”获得客户信任，无人车的刹车衰减、定位漂移、传感器失效等问题都需提前发现。因此，自动驾驶公司需将能力从车端算法延伸到OTA验证、故障诊断、远程脱困和预测性运维等领域，L4越来越像工业软件和设备服务。
在此背景下，“AI司机订阅”模式应运而生。按照吴甘沙的设想，客户有多种选择，可直接采购无人车，也可租赁车辆，还能先购买“自动驾驶Ready”车型，人工驾驶一段时间后再安装自动驾驶套件，AI能力则按车辆、里程或工作时间持续收费。对客户而言，将一次性资本开支变为持续运营成本；对自动驾驶公司来说，变成持续提供“司机”服务。吴甘沙设想未来5到10年部署100万个AI司机，若每个司机每年收费1万美元，对应100亿美元订阅收入，不过这更多是商业模型想象。
这种逻辑并非驭势科技独有，Robotaxi按行程出售自动驾驶能力，无人重卡销售运输效率，无人配送车卖末端配送服务，整个行业都在探索将自动驾驶从昂贵技术变为可持续产生现金流的生产资料。然而，目前L4自动驾驶在机场场景虽有一定成绩，但市场整体仍不成熟。按收入计算，某企业在大中华区机场场景L4商用车自动驾驶市场份额达90.5%，但全国机场覆盖率不高，无人车在机场整体作业车辆中的渗透率只有低个位数。
“AI司机订阅”模式真正要证明的是，AI司机能否低成本复制到更多场景。企业雇司机不仅看驾驶技术，还关注出勤率、稳定性、安全纪录和长期可预期性，AI司机同样如此。客户不会因采用新技术就自动接受其进入生产流程，只有当AI司机能像成熟员工一样，明确每天工作时长、准时率、问题恢复时间，以及在十年生命周期里比人工节省成本，客户才愿意长期“发工资”。
