L3自動駕駛量產元年，離L4的夢想又近了一步

近日，工信部首次批準L3級自動駕駛商業化運營，通過L3級自動駕駛準入申請的兩款車型為長安深藍SL03與極狐阿爾法S6，標志著我國首次允許車輛在特定條件下由系統承擔駕駛任務。可以預見的是，2026年將真正成為L3級自動駕駛的“量產元年”。

值得注意的是，此次明確了L3級自動駕駛的權責劃分：當車輛在限定路段以不超過80公里時速自主行駛時，一旦發生事故，若系統處于激活狀態，車企或將承擔主要責任。同時，準入要求L3級自動駕駛車輛的傳感設備必須為“前裝量產”，后改裝車輛無法獲得試點資格，從源頭保障技術穩定性。

行業普遍認為，L3級是從“輔助駕駛”到“完全自動駕駛”的重要過渡，后續的L4級自動駕駛將實現更大突破——在固定區域內，車輛可完全脫離人類干預，真正實現無人駕駛。

這一小步，背后是全球十年的技術博弈。德國早在2021年就通過《自動駕駛法》，明確L3系統激活期間事故責任由車企承擔，并要求車輛配備“黑匣子”記錄運行數據。奔馳Drive Pilot系統隨后在德國高速公路上線，成為全球首個商業化的L3產品。相比之下，中國此次準入雖起步稍晚，卻一步切入責任核心，未走“測試”老路，而是直接啟動附條件商業化運營。

但現實挑戰在于人機共駕的信任建立——系統何時退出？駕駛員能否及時接管？未來交通治理將重新定義機器守規與責任切割的邊界。

L3迎來規模化曙光

今年4月的上海車展，華為聯合賽力斯、阿維塔、奇瑞汽車、北汽新能源、嵐圖汽車、江汽集團、上汽集團、廣汽集團等11家車企，在央視直播鏡頭前談起了L3，這些車企基本囊括了中國汽車行業的四大央企和新勢力代表，堪稱中國新能源汽車行業的“半壁江山”。

諸多車企已將2025年實現L3級有條件自動駕駛落地作為目標。小鵬汽車相關負責人近日表示，已在廣州市獲得L3級自動駕駛道路測試牌照，并啟動常態化的L3道路測試。2026年，小鵬汽車計劃推出量產的軟硬件都達到L4級自動駕駛水平的車型。

奇瑞、廣汽、極氪三家車企披露L3級有條件自動駕駛量產時間表。廣汽集團發布了“星靈智行”，并宣布在今年第四季度啟動首款L3自動駕駛車型量產上市銷售。奇瑞汽車宣布計劃在2026年實現量產L3級自動駕駛車輛，并發布獵鷹智駕系統。獵鷹900搭載VLA+世界模型新一代智駕系統，AI算力將達到1000 TOPS，具備L3級自動駕駛能力。

當L2已成為標配，L4尚處技術探索期，L3這條曾被業界稱為“恐怖谷”的跨越之路，終于迎來規模化突破的曙光。

工業和信息化部發布的《汽車駕駛自動化分級》（GB/T40429—2021）顯示，汽車駕駛自動化技術被劃分為從L0到L5的6個等級。其中，L3級被定義為有條件自動駕駛，即在特定條件下，車輛可以自主完成所有駕駛任務，而駕駛員則轉變為監督者的角色，僅在系統請求時介入。

在L2級輔助駕駛階段，駕駛員依舊牢牢掌控著駕駛的主導權，系統僅在特定場景下協助完成部分任務。自適應巡航（ACC）能依據前車速度自動調整車速，實現自動跟車，緩解駕駛員長途駕駛時右腳的疲勞；車道居中（LCC）則讓車輛穩穩地保持在車道中央行駛，減少因偏離車道帶來的安全隱患；自動泊車（APA）更是新手司機的福音，能自動規劃泊車路線，輕松停車入位。

但在L2階段，駕駛員需要時刻保持對車輛的監控，雙手不能長時間離開方向盤，隨時準備接管車輛。比如在高速上使用自適應巡航和車道保持功能時，一旦遇到路況復雜，如前方出現交通事故、道路施工等情況，系統無法做出合理決策，這時駕駛員必須立刻介入。

而L3級自動駕駛意味著汽車可以在特定路況如城市快速路、高速公路上，實現有條件的自動駕駛，車輛可在特定條件下持續執行全部動態駕駛任務。

從駕駛任務的承擔來看，L2級別的智能駕駛系統只是輔助駕駛員完成部分任務，駕駛員仍然是駕駛操作的主體，需要時刻關注路況并準備隨時接管車輛。

而L3在特定條件下，車輛的自動駕駛系統可以獨立完成所有的駕駛操作，駕駛員的角色從主要操作者轉變為監督者。

但這并不意味著駕駛員可以完全置身事外。當系統檢測到難以處理的復雜情況，比如遭遇暴雨、大雪等惡劣天氣導致視野嚴重受阻，或者遇到道路施工、交通管制等特殊場景時，會提前發出接管提示，此時駕駛員必須迅速響應，重新掌握車輛控制權，確保行車安全。

但關鍵問題在于，系統何時會退出？駕駛員能否及時接管？國際數據顯示，50歲以上用戶從分神到重新掌控車輛平均需6秒以上，而系統發出接管請求后留給駕駛員的反應窗口通常不足10秒。更現實的是，在低頻激活場景下（有研究稱城市道路L3可用時間不足23%），駕駛員極易產生依賴或松懈，反而放大風險。

自動駕駛關鍵技術跳板

今年，汽車行業的智駕之戰明顯比往年來得更加猛烈。比亞迪的天神之眼、吉利的千里浩瀚、奇瑞的獵鷹智駕，以及廣汽的自動駕駛計劃，這些主流車企的動向都說明了，如今的車圈已經是“得智駕者得天下”的時代了。

自2023年以來，智駕行業掀起BEV、端到端技術浪潮后，車企們正逐步將AI神經網絡融入感知、規劃、控制等環節。比起傳統基于規則的方案，基于AI、數據驅動的“端到端”擁有更高能力天花板。

但在端到端模型之外，車企們還輔以了大語言模型、VLM模型等外掛，提供更強大的環境理解能力，從而提升智駕能力上限。

與此同時，VLA正在成為重要的一環。VLA模型擁有更高的場景推理能力與泛化能力，對于智能輔助駕駛技術的演進意義重大。從長遠來看，在從L2級輔助駕駛向L4級自動駕駛的技術躍遷過程中，VLA有望成為關鍵跳板。

在提升汽車智能化方面，新勢力車企最為激進。在NVIDIA GTC 2025大會上，理想汽車發布了新一代自動駕駛架構——MindVLA。它通過整合空間智能、語言智能和行為智能，賦予自動駕駛系統以3D空間理解能力、邏輯推理能力和行為生成能力，并計劃于2026年量產應用。

在VLA之前，“端到端+VLM”一直是智駕行業主流技術方案。因為駕駛時需要多模態的感知交互系統，用戶的視覺、聽覺以及周圍環境的變化，甚至個人情感的波動，都與駕駛行為密切相關，所以“端到端+VLM”的技術架構中，端到端系統負責處理感知、決策和執行的全過程，而VLM則作為輔助系統，提供對復雜交通場景的理解和語義解析，但兩者相對獨立。

比如理想“端到端+VLM”雙系統架構方案，其基于丹尼爾·卡尼曼（Daniel Kahneman）在《思考，快與慢》中提出的人類兩套思維系統理論，將端到端系統（相當于系統1）與VLM模型（相當于系統2）融合應用于自動駕駛技術方案中，賦予車端模型更高的性能上限和發展潛力。

其中，系統1即端到端模型，是一種直覺式、快速反應的機制，它直接從傳感器輸入（如攝像頭和激光雷達數據）映射到行駛軌跡輸出，無需中間過程，是One Model一體化的模型。系統2則是由一個22億參數的VLM視覺語言大模型實現，它的輸出給到系統1綜合形成最終的駕駛決策。

而小鵬汽車將云端模型工廠劃分為四個車間，依次進行模型的預訓練、后訓練、模型蒸餾以及車端部署。理想則選擇了先進行視覺語言基座模型的預訓練，隨后進行模型蒸餾，最后通過駕駛場景數據進行后訓練和強化學習。兩種不同的技術路線帶來了不同的訓練成本與效率，正是這種差異使得兩家車企在市場上形成了強烈的對比。

雖然“端到端+VLM”大幅提升了智駕水平，但仍有很多問題。比如，端到端和VLM要進行聯合訓練比較困難，此外還有對3D空間理解不夠、駕駛知識和內存帶寬不足、難以處理人類駕駛的多模態性等問題。

而VLA通過統一的大模型架構，將感知、決策、執行無縫串聯，形成“圖像輸入-語義理解-類人決策-動作輸出”的閉環，可以同步提高智駕的上限和下限，實現空間、行為和語言的統一。

在推理方面，VLA模型的能力要遠高于“端到端+VLM”。VLA整合了VLM的感知能力和端到端模型的決策能力，還引入了“思維鏈”技術。這使得它具備了全局上下文理解與類人推理能力，能夠在面對復雜的交通規則、潮汐車道、長時序推理等特殊場景時，像人類駕駛員一樣進行思考和判斷。

例如，在推理時長方面，傳統的基于規則（rule-based）方案只能推理1秒鐘的路況信息并做出決策控制；端到端1.0階段的系統能夠推理未來7秒的路況，而VLA模型則能夠對幾十秒的路況進行推理，顯著提升了智能輔助駕駛系統的決策能力和適應性。

正因如此，VLA被業界認為是端到端2.0的主要技術形態。目前，VLA尚處于發展階段，除DeepMind的RT-2外，還包括OpenVLA模型、Waymo的EMMA、Wayve的LINGO-2、英偉達NaVILA等。這其中，Waymo的EMMA和Wayve的LINGO-2主要面向的是車載領域，RT-2、OpenVLA和NaVILA則主要面向機器人領域。

越來越高的汽車智能化門檻

對于車企而言，盡可能地自研汽車智能化的每個部分，從而對汽車智能系統的每一寸都了如指掌，這是每個車企的底氣所在。

傳統汽車時代整車廠并不去開發軟件，而是靠著一個一個供應商提供軟硬件一體的“黑盒子”實現定義的功能。但當AI時代來臨，中央集成電子電氣架構、大算力芯片、大模型相繼上車，汽車從“機電產品”變成了“智能體”，用戶需求與體驗被重新定義。

用戶對智能駕駛技術的關注點，早已從“能不能開”升級為“開得是否安全”。例如，在斑馬線避讓行人、路口大車變線等復雜場景中，車輛能夠通過實時交互和動作的可視化展示，讓用戶更好地理解系統的決策過程；遇到異常操作時，車輛能夠及時向用戶解釋系統的判斷依據和應對措施；在智能駕駛場景下，車輛能夠根據行駛狀態自動進行燈光調整，一定程度上向周圍車輛和行人傳達行駛意圖，增強行車安全性。

對不同車企而言，更適合進行自研的項目主要還是包括三大類，一是核心競爭技術：如動力電池技術、電動驅動系統、自動駕駛算法等，它們直接關系到車輛的性能和安全，是提升品牌競爭力的關鍵；二是差異化技術，即能夠明顯區別于競爭對手的技術，如獨特的用戶界面設計、車聯網服務等，可以增強消費者的品牌忠誠度；三是高成本技術部件：自研可以減少對外部供應商的依賴，降低成本，如電池、高性能自動駕駛芯片等。

雖然車企自研漸成趨勢，但這條道路并不一定會是坦途，往往伴隨著高昂的研發成本、漫長的技術積累以及未知的市場風險。對于大多數車企而言，如何在自研與配套之間找到最佳平衡點，既保證技術領先性，又控制好成本是一項考驗。此外，隨著技術的不斷迭代，如何保持自研技術的持續創新力，避免被市場淘汰，也是車企需要面對的重要課題。

由于自研項目離不開大量時間和資金的投入，車企勢必要在自主研發和技術合作中找到平衡點。因此，車企首先需要做好戰略規劃和優先級設定，明確自研項目的長遠目標和優先級，確保研發資源投入最有潛力和最符合公司戰略方向的項目。

另外，自研項目通常具有高風險和高回報的特性，車企可以采用分階段的研發和投資策略，即在每個研發階段完成后進行評估和調整，根據項目的進展和市場反饋逐步投資，這樣可以有效控制風險和成本。

L3級自動駕駛商業化的啟幕，不僅是方向盤短暫“松手”的技術突破，更是人類與智能機器共處的全新起點。這扇門的開啟，沒有終點，只有持續探索的新征程——在技術迭代與制度完善的雙重驅動下，自動駕駛正一步步從夢想走進現實，重塑未來出行的全新形態。