L3自动驾驶商业化元年：中国开启人机共驾新纪元

近期，工业和信息化部首次批复L3级自动驾驶进入商业化运营阶段，通过L3级自动驾驶准入申请的两款车型为长安深蓝SL03与极狐阿尔法S6，这标志着我国正式开启在限定场景下由自动驾驶系统完全接管驾驶任务的新篇章。行业普遍预测，2026年将名副其实地成为L3级自动驾驶的“规模化量产元年”。

值得关注的是，本次政策清晰界定了L3级自动驾驶的事故责任归属：在限定路段且车速不超过80公里/小时的条件下，若系统处于激活状态并发生交通事故，车企将可能承担主要赔偿责任。此外，准入规定强制要求L3级自动驾驶车辆必须采用“前装量产”的传感设备，严禁后期改装车辆参与试点，从根源上确保了技术的可靠性与一致性。

业内专家普遍认为，L3级别是从“辅助驾驶”迈向“完全自动驾驶”的关键过渡阶段，后续的L4级自动驾驶将实现更彻底的突破——在指定区域内，车辆可完全脱离人类干预，真正实现无人驾驶出行。

这一里程碑式的进展，背后是长达十年的全球技术竞逐。德国早在2021年便颁布《自动驾驶法》，明确在L3系统激活期间事故责任由车企承担，并要求车辆配备“黑匣子”以全程记录运行数据。随后，奔驰的Drive Pilot系统在德国高速公路上线，成为全球首个商业化的L3产品。相比之下，中国此次准入虽起步稍晚，却直接切入责任核心，没有重复“测试验证”的老路，而是直接启动附条件的商业化运营。

然而现实挑战在于人机共驾信任机制的构建——系统何时会提示退出？驾驶员能否在规定时间内迅速接管？未来交通治理体系将不得不重新定义机器守规与责任切割的边界。

L3迎来规模化曙光

在今年4月的上海车展上，华为携手赛力斯、阿维塔、奇瑞汽车、北汽新能源、岚图汽车、江汽集团、上汽集团、广汽集团等11家车企，在央视直播镜头前高调谈论L3，这些企业基本覆盖了中国汽车行业的四大央企和新势力代表，堪称中国新能源汽车领域的“半壁江山”。

众多车企已将2025年实现L3级有条件自动驾驶量产作为战略目标。小鹏汽车相关负责人近日透露，已在广州市获得L3级自动驾驶道路测试牌照，并启动常态化的L3道路测试。2026年，小鹏计划推出软硬件均达到L4级自动驾驶水平的量产车型。

奇瑞、广汽、极氪三家车企也相继披露了L3级有条件自动驾驶的量产时间表。广汽集团发布“星灵智行”，宣布今年第四季度启动首款L3自动驾驶车型的量产上市销售。奇瑞汽车则宣布计划在2026年实现L3级自动驾驶车辆的量产，并发布猎鹰智驾系统。其中猎鹰900搭载VLA+世界模型的新一代智驾系统，AI算力达到1000 TOPS，具备完整的L3级自动驾驶能力。

当L2辅助驾驶已成标配，L4全自动驾驶尚处技术探索期，L3这条曾被业界称为“恐怖谷”的跨越之路，如今终于迎来规模化突破的曙光。

根据工业和信息化部发布的《汽车驾驶自动化分级》（GB/T40429—2021），汽车驾驶自动化技术被划分为从L0到L5的6个等级。其中，L3级被定义为有条件自动驾驶，即在特定条件下，车辆可以自主完成所有驾驶任务，而驾驶员则转变为监督者角色，仅在系统请求时介入。

在L2级辅助驾驶阶段，驾驶员仍然牢牢掌控驾驶主导权，系统仅在特定场景下协助完成部分任务。自适应巡航（ACC）能依据前车速度自动调整车速，实现自动跟车，缓解长途驾驶的疲劳；车道居中（LCC）使车辆稳定保持在车道中央行驶，减少偏离车道的安全隐患；自动泊车（APA）更是新手司机的得力助手，能自动规划泊车路线，轻松泊入车位。

然而在L2阶段，驾驶员需要时刻保持对车辆的监控，双手不能长时间离开方向盘，随时准备接管。例如在高速公路上使用自适应巡航和车道保持时，一旦遇到前方交通事故、道路施工等复杂路况，系统无法做出合理决策，驾驶员必须立刻介入操控。

而L3级自动驾驶则意味着汽车可以在特定路况如城市快速路、高速公路上，实现有条件的自动驾驶，车辆可在特定条件下持续执行全部动态驾驶任务。

从驾驶任务承担来看，L2级别的智能驾驶系统仅是辅助驾驶员完成部分操作，驾驶员仍是驾驶主体，需时刻关注路况并准备随时接管。

而L3在特定条件下，车辆的自动驾驶系统可以独立完成所有驾驶操作，驾驶员的角色从主要操作者转变为监督者。

但这并不意味着驾驶员可以完全置身事外。当系统检测到难以处理的复杂情况，如遭遇暴雨、大雪等恶劣天气导致视野严重受阻，或遇到道路施工、交通管制等特殊场景时，会提前发出接管提示，此时驾驶员必须迅速响应，重新掌控车辆，确保行车安全。

关键问题在于，系统何时会退出？驾驶员能否及时接管？国际数据显示，50岁以上用户从分神到重新掌控车辆平均需要6秒以上，而系统发出接管请求后留给驾驶员的反应窗口通常不足10秒。更现实的是，在低频激活场景下（有研究称城市道路L3可用时间不足23%），驾驶员极易产生依赖或松懈，反而放大风险。

自动驾驶关键技术跳板

今年，汽车行业的智驾之战明显比往年更加激烈。比亚迪的天神之眼、吉利的千里浩瀚、奇瑞的猎鹰智驾，以及广汽的自动驾驶计划，这些主流车企的动向都昭示着，如今的车市已是“得智驾者得天下”。

自2023年以来，智驾领域掀起BEV、端到端技术浪潮，车企们正逐步将AI神经网络融入感知、规划、控制等环节。相比传统基于规则的方案，基于AI、数据驱动的“端到端”拥有更高的能力上限。

但在端到端模型之外，车企们还辅以大语言模型、VLM模型等“外挂”，提供更强大的环境理解能力，从而提升智驾能力上限。

与此同时，VLA正成为关键的一环。VLA模型拥有更高的场景推理能力与泛化能力，对智能辅助驾驶技术的演进意义重大。从长远来看，在从L2级辅助驾驶向L4级自动驾驶的技术跃迁中，VLA有望成为关键跳板。

在提升汽车智能化方面，新势力车企最为激进。在NVIDIA GTC 2025大会上，理想汽车发布了新一代自动驾驶架构——MindVLA。它通过整合空间智能、语言智能和行为智能，赋予自动驾驶系统3D空间理解能力、逻辑推理能力和行为生成能力，并计划于2026年量产应用。

在VLA之前，“端到端+VLM”一直是智驾行业主流技术方案。因为驾驶时需要多模态的感知交互系统，用户的视觉、听觉以及周围环境的变化，甚至个人情感的波动，都与驾驶行为密切相关，所以“端到端+VLM”的技术架构中，端到端系统负责处理感知、决策和执行的全过程，而VLM则作为辅助系统，提供对复杂交通场景的理解和语义解析，但两者相对独立。

比如理想“端到端+VLM”双系统架构方案，其基于丹尼尔·卡尼曼在《思考，快与慢》中提出的人类两套思维系统理论，将端到端系统（相当于系统1）与VLM模型（相当于系统2）融合应用于自动驾驶技术方案中，赋予车端模型更高的性能上限和发展潜力。

其中，系统1即端到端模型，是一种直觉式、快速反应的机制，它直接从传感器输入（如摄像头和激光雷达数据）映射到行驶轨迹输出，无需中间过程，是One Model一体化的模型。系统2则是由一个22亿参数的VLM视觉语言大模型实现，它的输出给到系统1综合形成最终的驾驶决策。

而小鹏汽车将云端模型工厂划分为四个车间，依次进行模型的预训练、后训练、模型蒸馏以及车端部署。理想则选择了先进行视觉语言基座模型的预训练，随后进行模型蒸馏，最后通过驾驶场景数据进行后训练和强化学习。两种不同的技术路线带来了不同的训练成本与效率，正是这种差异使得两家车企在市场上形成了鲜明的对比。

虽然“端到端+VLM”大幅提升了智驾水平，但仍存在不少问题。例如，端到端和VLM要进行联合训练比较困难，此外还有对3D空间理解不够、驾驶知识和内存带宽不足、难以处理人类驾驶的多模态性等挑战。

而VLA通过统一的大模型架构，将感知、决策、执行无缝串联，形成“图像输入-语义理解-类人决策-动作输出”的闭环，可以同步提高智驾的上限和下限，实现空间、行为和语言的统一。

在推理方面，VLA模型的能力要远高于“端到端+VLM”。VLA整合了VLM的感知能力和端到端模型的决策能力，还引入了“思维链”技术。这使得它具备了全局上下文理解与类人推理能力，能够在面对复杂的交通规则、潮汐车道、长时序推理等特殊场景时，像人类驾驶员一样进行思考和判断。

例如，在推理时长方面，传统的基于规则方案只能推理1秒钟的路况信息并做出决策控制；端到端1.0阶段的系统能够推理未来7秒的路况，而VLA模型则能够对几十秒的路况进行推理，显著提升了智能辅助驾驶系统的决策能力和适应性。

正因如此，VLA被业界认为是端到端2.0的主要技术形态。目前，VLA尚处于发展阶段，除DeepMind的RT-2外，还包括OpenVLA模型、Waymo的EMMA、Wayve的LINGO-2、英伟达NaVILA等。这其中，Waymo的EMMA和Wayve的LINGO-2主要面向车载领域，RT-2、OpenVLA和NaVILA则主要面向机器人领域。

越来越高的汽车智能化门槛

对于车企而言，尽可能自研汽车智能化的每一个部分，从而对智能系统的每个细节了如指掌，这是每家车企的核心底气所在。

传统汽车时代，整车厂并不直接开发软件，而是依靠一个个供应商提供软硬件一体的“黑盒子”来实现定义的功能。但当AI时代来临，中央集成电子电气架构、大算力芯片、大模型相继上车，汽车从“机电产品”转变为“智能体”，用户需求与体验被重新定义。

用户对智能驾驶技术的关注点，早已从“能不能开”升级为“开得是否安全”。例如，在斑马线避让行人、路口大车变线等复杂场景中，车辆能够通过实时交互和动作的可视化展示，让用户更好地理解系统的决策过程；遇到异常操作时，车辆能够及时向用户解释系统的判断依据和应对措施；在智能驾驶场景下，车辆能够根据行驶状态自动进行灯光调整，一定程度上向周围车辆和行人传达行驶意图，增强行车安全性。

对不同车企而言，更适合自研的项目主要包括三大类：一是核心竞争技术，如动力电池技术、电动驱动系统、自动驾驶算法等，它们直接关系到车辆的性能和安全，是提升品牌竞争力的关键；二是差异化技术，即能够明显区别于竞争对手的技术，如独特的用户界面设计、车联网服务等，可以增强消费者的品牌忠诚度；三是高成本技术部件，自研可以减少对外部供应商的依赖，降低成本，如电池、高性能自动驾驶芯片等。

虽然车企自研渐成趋势，但这条道路并非坦途，往往伴随着高昂的研发成本、漫长的技术积累以及未知的市场风险。对于大多数车企而言，如何在自研与配套之间找到最佳平衡点，既保证技术领先性，又控制好成本，是一项严峻考验。此外，随着技术的不断迭代，如何保持自研技术的持续创新力，避免被市场淘汰，也是车企需要面对的重要课题。

由于自研项目离不开大量时间和资金的投入，车企势必要在自主研发和技术合作中找到平衡点。因此，车企首先需要做好战略规划和优先级设定，明确自研项目的长远目标和优先级，确保研发资源投入到最有潜力和最符合公司战略方向的项目中。

另外，自研项目通常具有高风险和高回报的特性，车企可以采用分阶段的研发和投资策略，即在每个研发阶段完成后进行评估和调整，根据项目的进展和市场反馈逐步投资，这样可以有效控制风险和成本。

L3级自动驾驶商业化的启幕，不仅是方向盘短暂“松手”的技术突破，更是人类与智能机器共处的全新起点。这扇门的开启，没有终点，只有持续探索的新征程——在技术迭代与制度完善的双重驱动下，自动驾驶正一步步从梦想走进现实，重塑未来出行的全新形态。