“智驾”集体改名：真正的自动驾驶走到哪一步了？
作者：三联生活周刊（微信公号）
05-09·阅读时长29分钟
难以安全接管的L2+
三联生活周刊：众所周知，汽车驾驶的自动化等级分为L0至L5六个等级。其中L3是一个分界线。在L3之前，都是由人类驾驶员主导，系统辅助，而从L3开始，就是自动驾驶系统控制车辆。L3级是有条件的自动驾驶，L4级为高度自动驾驶，L5级为完全自动驾驶。在这种划分下，目前市面上各个车企推出的L2+属于一个什么水平？
孙辉：L2属于辅助驾驶，L2+也是如此，都要求驾驶系统具备自适应巡航和车道保持的功能，驾驶员可以“脱手”“脱脚”，但不可“脱眼”。L3作为有条件的自动驾驶，让驾驶员接管前，驾驶员可以“脱眼”。而车企以L2+智能辅助驾驶的名义，将一些可以达到L3的自动驾驶能力技术，下放到L2的层次。比如自主换道功能，这是L3相比L2的一个显著区别，这一进步就涉及非常复杂的运算。除此之外，像L4的高度自动驾驶需要具备从起点到终点中间所有路径规划、决策、控制都自主完成的功能，如今一些智驾系统，将智能驾驶、自动寻找车位、自动泊车等功能结合在一起，也能实现从车位到车位由驾驶系统自主完成的功能。
与此同时，由于L3遇到无法处理的情况需要让人接管，所以目前从L2+到L3的跨越，并没有明确的技术边界。2023年工业和信息化部等联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》（下文简称“‘试点’文件”）后，目前有九家车企在进行准入的测试。所以，本质上来说，L2与L3是一个权限的问题。如果出现事故，事故的责任由车企或智驾系统承担，车企在当下无法接受，那么再高的水平也不会是L3。
三联生活周刊：那么，目前L2+的智驾水平，能够达到智驾系统遇到问题时，将驾驶权安全地交给驾驶员吗？我们知道，智能驾驶可以被分为感知、决策和执行三部分。对应到安全地交给人接管，需要具备哪些条件？
孙辉：为了保证安全，就需要驾驶系统在行驶过程中感知到风险，然后根据风险做出决策。那么首先就是感知的能力，驾驶系统不仅要能清晰地感知到障碍物，而且要能提前感知，给驾驶员留下充足反应时间接管。研究发现，人开车时遇到风险，相对从容的反应时间大概需要三到四秒。L3曾有一个笼统的标准，考虑到在驾驶员分心的情况下，要求自动驾驶系统感知风险后，提前10秒将驾驶权交由驾驶员接管。
但以目前的技术水平，达不到这个要求。因为系统提前10秒感知到危险，意味着以120公里/小时在高速路上行驶的汽车，要提前检测到至少300米外的危险。可是，虽然一些智驾车辆已经配备了能够远距离识别物体的激光雷达，目前最好的激光雷达标称能够识别200米远，但实际也就在150米左右。而且，目前很多智驾车型没有配备激光雷达，只用纯视觉的技术方案，也就是通过摄像头和毫米波雷达，直接“看”，那样的识别距离就更近。整体而言，目前国内智驾系统的TTC（车辆与前方障碍物发生碰撞所需的时间）远达不到10秒，好一些的能达到3秒，差一些的只有一两秒。在这种水平下，人很难安全接管。
与此同时，对于智驾系统能否准确感知障碍物，目前也存在问题。尤其对于纯视觉的技术路线，纯视觉的传感器除了感知深度有局限，对反光、逆光的环境适应性也比较弱，在夜晚、雨雾的场景性能衰减也很明显。
更为重要的是，识别、规避边缘场景，也就是智驾系统在行驶过程中，认出深度学习的训练时没有接触过的场景，始终是业界的难题。无法避免“黑天鹅”事件，是当前人们对智驾系统存有怀疑的一大原因。相比激光雷达能从物理上直接识别出物体，能够较少依赖算力，纯视觉更依靠算法，更有可能漏检。目前可以发现，在路况看起来更简单的高速NOA中，纯视觉对施工、事故等突发场景应对不佳，识别异形车的效果也不理想，紧急避险时的策略也较保守，倾向于刹车，易导致被追尾。
而且接管这个动作本身也有不小难度。当驾驶员进入智能辅助驾驶模式时，系统对于周边环境是否可以进入，还能有一个比较明确的判断。但在系统退出，交给人接管时，系统的判断往往没有那么清晰。试想如果需要人接管时，人没有接管，车开到沟里去了，反倒可能更加危险。当下智驾系统对场景的理解，往往还没有办法达到让接管很平顺的程度。同样的问题也出现在对于接管时速度的把控上，在高速上，很难硬性规定接管时的速度要降到多少，因为一旦后面有跟车，可能造成追尾，因而也需要具体判断。
所以目前L2+难以保证驾驶员能够安全接管，业内对于智驾系统在何时、在何种条件下需要驾驶员接管，也没有明确的规定。
三联生活周刊：智驾系统是否能够确认自身的技术水平面对哪些场景是安全的，哪些是有风险的？
孙辉：对于边缘场景，因为是“黑天鹅”，所以实际上是无法预知的。面对这种局面，以特斯拉FSD（完全自动驾驶）为代表的技术路线，希望将端到端大模型部署到车上，智驾系统一端感知，经过自己系统处理后直接输出结果。因为端到端大模型具有举一反三的泛化能力，能够自己“认出”“黑天鹅”。
但一方面这种方式需要海量的数据做支撑，特斯拉FSD的V12版本已经覆盖了30亿公里的行驶里程数据，这些数据从采集到标注的成本要七八十亿元。国内的车企若想训练出同等水平的大模型，就面临同样巨大的成本。据我所知，以往研发自动驾驶的企业，每年大约会投入数千万元做数据标注，而对于目前生产乘用车的企业，投入的成本要高五到十倍。而像华为在算力建设上，要投入上百亿元，它们的模型要做到五天一迭代，两三周一次OTA（空中下载技术，也就是远程升级）。
另一方面，由于是依靠数据，总有遇到突发情况的可能。像同样是FSD，美国的FSD就比中国引进的FSD效果好很多。而除了增加传感器数量，使用“激光雷达+纯视觉”的办法，国内企业需要不断投喂数据，或是做分解模型，生成场景再让系统学习，但同样杜绝不了边缘场景的可能性。
2021款特斯拉 Model Y配备 FSD 系统。FSD的V12版本已经覆盖了30亿公里的行驶数据，国内车企想要训练出同水平的大模型，需要付出巨大成本
除此之外，现在我们能够知道的是，想要达到比较顺滑的自动驾驶状态，在自动驾驶系统里使用端到端大模型，需要3000TOPS（也就是要求芯片每秒执行3000万亿次计算）的算力。目前比较好的算力在500〜1000TOPS，根据摩尔定律推测，达到3000TOPS的水平，还需要两到三年。
对于验证不同软硬件水平面对哪些场景是安全的，属于预期功能安全的范畴，目前国内有关部门正在做测试，但没有任何一个车企的产品获得过预期功能安全证书。而无论面对哪些场景，预计未来L3的标准形成后，配备激光雷达作为安全冗余，大概率会是车企的普遍选择，因为从车企担责的角度考虑，激光雷达的成本远低于算法会带来的风险。
三联生活周刊：在当前没有完美接管办法的情况下，智驾系统应如何尽量保证安全？
孙辉：实际上，从技术层面来说，DMS（驾驶员监测系统）就可以很好地实时监测驾驶员的微表情信息，一旦驾驶员分神或疲劳，就提示驾驶员保持注意力，保证智驾系统只是辅助的功能。但是，由于驾驶员会介意车内隐私，甚至一些车型的DMS摄像头在出厂时就有一个挡板，法规中也没有强制要求乘用车的智驾系统安装DMS的监控摄像头，所以DMS的作用很有限。
我认为，通过监控驾驶员来规范驾驶行为本身就很难，在具备相当自动驾驶能力的情况下，更应该采用高阶自动驾驶系统会采取的最小风险策略。就是当系统感知到驾驶员不在安全状态，或是外部环境超出设计运行条件，或是非常严重的自动驾驶系统、车辆故障，或是紧急碰撞风险时，系统能够迅速应急处理，采取降级运行模式，如将车辆安全地引导至路边停车，或在确保安全的前提下，以较低的速度行驶到安全位置。
名不副实的功能推广
三联生活周刊：听起来，最小风险策略的方式对于车企和驾驶员都有利，为什么在目前的L2+中没有实现？
孙辉：因为能够实现最小风险策略也需要硬件做支持，比如当下如果智驾系统没有配备激光雷达，无法对物体有准确的判断，有这个策略也无济于事。目前智驾系统发现风险后，很难保证安全地将车辆交与驾驶员接管，驾驶员很可能是在速度很快、距离障碍物很近的情况下接管。甚至智驾系统可能无法发现风险。而目前一颗激光雷达的价格在2000到3000元人民币之间，达到500TOPS的芯片价格在500到1000美元之间。一些低端车型显然无法承受，目前也已经出现过一些低端车型无法识别障碍物的情况。而对于车企而言，往往在同一款车的不同配置中配备不同的传感器和芯片，如果高端车型具备最小风险策略的能力，低端车型却不具备，那么低端车型可能就卖不出去，所以车企对此的宣传几乎没有。
三联生活周刊：类似的情况是不是个例？在技术的能力边界并不清晰的情况下，车企对智驾技术的推广有什么特点？
孙辉：在我的印象里，智驾的卖点每隔几年就会更新一次。随着智驾系统的发展，智驾作为卖点，往往被车企夸大了能力。五六年前，车企推出智驾系统时，会宣传高速上的自主变道功能，而如今整体而言，自主变道做得也不是很好。两三年前，城市NOA开始出现。如今的技术路线也已经日渐明确，基本就是城市NOA和AVP（自主代客泊车系统）这两个功能在不断迭代。于是，车企这两年在发布新车时，会宣称智驾开城，也就是NOA技术能够应用到多少个城市。开城速度快慢、数量多寡，成为NOA技术成熟与否、市场覆盖面大小的评判标准。不过，车企往往采用的是“先硬后软”的策略，先进行所谓“全国都能开”的宣传，之后期望通过OTA的形式再后续升级。可是，现在能够达到NOA的城市也没有几个。现在车企又宣称自己的车都配备了端到端大模型。而就像之前所说，实际上目前还达不到。
三联生活周刊：今年被称为“智驾平权”元年，高速NOA的技术甚至被下放到5万元一档的车型上。而这样的车型只会采用纯视觉的路线。纯视觉的路线目前成了车企降低成本、推广智驾的一个手段？
孙辉：是的。一些声称具有智驾功能的低配车型，它们的价格在5万到10万元人民币之间，使用的芯片往往低于100美元，算力只有数十TOPS。为了减少算力的负担，它们会在运算时加载高精地图，但它们对临时的维修路段等边缘场景的感知能力可想而知。
这些营销策略对于年轻用户的风险可能更大。一方面，年轻人群体的消费能力低，又更容易接受新事物，低价又具有智驾功能的车，对他们很有吸引力；但另一方面，作为他们人生中的第一辆车，他们的驾驶经验又往往不足。
所以需要始终明确的是，L2+仍是L2，在这个级别下，一旦出现事故，仍然是驾驶员的责任。而L2的核心目的，一个是让驾驶员少疲劳，一个是在极端情况下，通过一些操作使车辆实现避险。当下的宣传容易造成误导，反倒削弱了L2原本的功能。即便智驾系统被宣传得再先进，对于驾驶员来说，没有达到L3之前，目前也应该像L2级别那样约束自己的驾驶行为，始终保持注意力的集中。
向L3迈进的开始
三联生活周刊：《北京市自动驾驶汽车条例》（下文简称“《条例》”）起草工作始于2023年初，其间几易其稿，终于2024年12月31日正式通过，并于今年4月1日起开始实施。《条例》作为自动驾驶汽车立法的地方性法规，将“自动驾驶汽车”的适用范围设定在L3及以上级别的能力。目前L3的自动驾驶汽车尚未上市，推出针对L3及以上级别能力的地方性法规，它的背景是什么？
续俊旗：《条例》推出的背景有很多。首先，当前L3及以上级别的自动驾驶技术，尤其是在功能型无人车的实际应用场景已经非常普及，比如无人快递车、Robotaxi（无人驾驶出租车）之类的场景，在感知、决策、执行等方面已经比较可靠，尤其在高速公路、城市快速路等标准化道路场景中表现稳定，具备落地推广的技术条件。而且，多家主机厂已将自动驾驶功能集成进量产车型，市场选择更丰富，软件更新、数据管理和售后服务等功能已逐步健全。
但与此同时，基于自动驾驶技术现有的发展水平，我国目前只有北京、上海、深圳、武汉等少数城市在无人化、商业化运营方面有探索，还需要政策、法律的保障。比如，北京允许自动驾驶汽车企业收取“研究试验费”，但因为是试点，它的资质要求、运营范围以及监管方式还无法大规模商业化运用。因此，希望通过本次立法，在自动驾驶汽车“出生证、身份证、工作证”方面进行管理创新，为未来自动驾驶汽车无人化、商业化推广提供制度保障。
而在L3的层面，若要实现大规模商业化，因为L3是有条件的自动驾驶，要求自动驾驶系统在特定环境下能够完全接管驾驶，驾驶员无须持续监控，但在紧急情况下仍须及时介入，所以L3的商业化涉及道路交通安全、责任认定、数据安全等多个复杂问题，必须在政策框架下形成明确的准入标准和管理规则。然而，当前我国对L3的监管体系上仍处于探索阶段。但地方可以在法律法规的框架内，开展先行先试，为高阶自动驾驶汽车的规范化管理提供地方实践经验。
因而，《条例》从自动驾驶汽车的技术创新、测试、运营及推广，乃至北京市政府及相关部门、车企、运营主体的职责，做了方方面面的规定，为L3及以上级别自动驾驶汽车的技术创新和应用活动管理提供清晰、透明、可预期的制度规范，同时给后续探索实践预留空间。
三联生活周刊：在社会上尚未有L3的车批量上市，同时大量出现L2+的汽车，而L2+并没有得到明确界定的情况下，《条例》的推出对于当下L2+的乱象，是否会有影响？
续俊旗：L2+的混乱，相当程度上在于L3认定的模糊。当L3的标准明确后，理论上L2和L3之间就不会存在模糊地带。比如《条例》中规定，车企要告知驾驶员自动驾驶的级别和能力。在当前L2+的情况下，车企也会有使用说明书，甚至一些车企要求用户接受培训之后，才能解锁一些功能。但这些措施没有强制性和业内的统一规范，如果发生事故，对于车企告知用户的举证之类的规范也还没有很明确。通过L3的认定，这些方面都会形成一个专门的规则。
而且，L3的标准确定下来后，就像当下不同档次的车型，都会宣称有高速NOA等能力，但能力显然会有差异一样，车企在满足统一设定的L3的最低标准后，可以再附加功能。
而相比于对传统汽车的检验、认定，自动驾驶功能会额外涉及自动驾驶系统的行车安全，网络、数据安全，自动驾驶系统运行时能否符合交通法规等一系列的问题。而这些问题都需要通过测试检验。所以对于自动驾驶汽车的监管，相比传统的准入登记、使用管理、事故处理和责任划分，就多出一个对自动驾驶能力的测试环节。
三联生活周刊：目前针对L2+、L3的能力，是如何安排道路测试，进行验证和监管的？
续俊旗：由于L2+仍然属于L2的辅助驾驶层面，所以对于L2+的测试没有硬性要求。针对L3，2023年11月起，工业和信息化部等四部门联合发布“试点”文件，另附《智能网联汽车准入和上路通行试点实施指南（试行）》（下文简称“《实施指南》”），开始通过试点的方式，探索自动驾驶汽车准入、监管的标准。当前，有比亚迪、蔚来、长安等九家车企已完成试点申报阶段的遴选，但还要经历产品准入试点、上路通行试点等体系化的测试、评估环节，才可能获得准入和上路通行资格。
具体的场景监测要求，在《实施指南》中写明，要求场景的测试要包括模拟仿真测试、封闭场地测试和实际道路测试，其中模拟仿真测试场景规定，“至少包括充分、合理的标称场景、危险场景和边缘场景”。实际道路测试中也规定，“应根据自动驾驶系统所声明设计运行范围对应的道路类型，开展实际道路连续场景测试”。不过，具体的测试场景、通过场景测试能够对应的技术水平、软硬件要求，在《实施指南》里并没有细致的规定。
在具体测试环节，测试的车企需要先提出一些技术规范，并按照规范在测试机构进行测试，之后把测试结果交给相关的主管部门做评估，专家做论证。面向全行业、整体、统一的测试标准，仍在搭建之中。同时我们可以看到，一些车企在市场上宣扬智驾系统的出众，但在实际测试中却相对保守。比如道路测试时，往往选择高速道路上低速跟车这种单一的场景，而不会选择复杂的城市路况。
三联生活周刊：《条例》中，在自动驾驶汽车的上路通行管理里，有“个人乘用车出行”这一应用场景。相比《北京市自动驾驶汽车条例（征求意见稿）》，这是新增的一项。这是否意味着L3的时代将很快到来？
续俊旗：《条例》为L3的商用化留下了口子。但北京未来如何推动落地，还需要结合北京的实际情况探索切实可行的模式。从地方层面来看，目前北京、深圳等地在推进L3自动驾驶方面采取不同模式：深圳拥有地方立法权，依托《深圳经济特区智能网联汽车管理条例》，通过制定地方标准、建立地方准入目录等机制开展地方L3自动驾驶车辆的商业化落地。然而，地方准入与国家标准之间的衔接尚不明确。例如，车企在深圳通过L3地方准入，但北京及其他省市尚无相应的承认机制，该类车辆在其他城市是否具备合法上路资格，现行法规尚未做出明确规定。此外，北京允许部分L3车辆在特定路段测试，但这一模式并不构成“准入”，最终仍需回归中央层面审批。若多个地区也借鉴深圳模式，都制定自己的L3准入规则，同一款车型在多个地区分别申请准入，重复申报、重复试验将显著增加车企合规成本，也会增加不同地区之间的政策摩擦。
目前地方试点的反馈机制较为零散，试点过程中涉及的安全性验证、交通管理、执法方式等问题，尚未形成系统化的经验共享模式，L3级自动驾驶的落地仍面临较多现实挑战，特别是在执法程序、责任认定及法律归属等方面，亟须进一步完善政策法规及技术规范。目前，基层执法部门普遍缺乏足够的技术能力来判定事故责任，导致在事故认定和处理程序上存在诸多困难，这也将会限制L3的商用化进程。
（本文选自《三联生活周刊》2025年19期）
排版：初初 / 审核：小风
详细岗位要求点击跳转：《三联生活周刊》招撰稿人
大家都在看
文章作者
三联生活周刊（微信公号）
发表文章525篇 获得0个推荐 粉丝5976人
三联生活周刊微信公号
现在下载APP，注册有红包哦！
三联生活周刊官方APP，你想看的都在这里
