馭勢設計車的邏輯是順的。
　　2017年初，在美國拉斯維加斯CES展上，馭勢展出了其首款無人駕駛概念車，并命名為城市移動空間（而媒體稱之為移動包廂和移動吧臺）。美國時代周刊汽車欄目特邀主編Alex Roy在CES現場看到馭勢展出的無人車后，戲稱道：“北京會是世界上最先進的自動駕駛市場，當我看見這輛車的時候，我覺得這才是法拉第未來該造的車，但是他們卻在制造比這個復雜很多、而且非常昂貴的汽車。他們怎么會想不明白，人們需要的是一款價格合理而且能共享的無人駕駛車呢？”
　　
　　一席話道出了馭勢移動包廂的精要所在：簡單舒適，適合共享，成本低，然而其背后所蘊含的邏輯不只如此。馭勢為移動包廂找到了一條快速商業化的道路，即首先定位在運行于園區、景區、度假村、主題公園和機場等半封閉環境的低速無人駕駛車。何謂低速？對于這個問題，吳甘沙特別請教了交通方面的專家，得到的答案是，時速70公里以下為低速，70公里以上為高速。縱觀北京城區，五環限速90，四環80，很多路段限速60，實際上在北京市內開車的平均時速為20多。這就意味著，如果將時速70公里以下的無人車技術做好，在未來也會有很大的應用場景。
　　為何選擇園區落地
　　目前無人駕駛廠商的切入點主要有兩種，一種是通過高速的輔助駕駛切入，一種是通過半封閉場景的低速無人駕駛切入，馭勢選擇了后者，但并不意味著簡單。從傳感器配置到算法復雜度，半封閉場景的無人駕駛與城市區域的無人駕駛相近。半封閉場景復雜多變，在算法層面構成了挑戰。反倒是高速輔助駕駛的算法復雜度偏低，因為在高速公路上，汽車都在很規律地前行，不規則運動物體較少。
　　而另一方面，高速對系統魯棒性的要求高，畢竟高速事故一旦發生，后果多半是車毀人亡。低速無人車在避障和安全手段上有更多的選擇，事故的嚴重性也較低。
　　挑戰即機遇，吳甘沙談到：“今天的機器學習算法最怕的就是不確定的開放環境，因為從本質上來說，它是一種基于特定數據集訓練的歸納法。它看到過的，就懂，沒看到過的，就傻。我們現在的自動駕駛算法還是弱人工智能，或者叫窄人工智能，沒有達到通用人工智能的地步，不能根據常識判斷、不能做因果推理、也不會舉一反三觸類旁通。所以在新一代的智能駕駛算法出現之前，我們必須要讓它見過所有的場景才能確保萬無一失。在很多半封閉環境里，我們能夠更容易地將所有場景收入我們的數據庫中。”