文 | 极智Geetech 当L2级援助驾驶成为15万级以上新车的标配，城市NOA、高速领航等功能早已不是清新事；当飞驰Drive Pilot、小鹏XNGP、ADS 3.0接踵拿到L3级自动驾驶认证，北上广深等城市灵通L3路权；当Waymo执着于L4级Robotaxi落地，特斯拉坚抓从L2+径直跃迁L4，行业堕入了一场对于技能路线的热烈争论。 不同于市集端的贸易化博弈、律例端的包袱分散，从技能视角来看，自动驾驶从L2到L4的进化，本色上是感知、决策、履行三大中枢模块的本事跃迁，以及数据闭环、硬...
文 | 极智Geetech
当L2级援助驾驶成为15万级以上新车的标配，城市NOA、高速领航等功能早已不是清新事；当飞驰Drive Pilot、小鹏XNGP、ADS 3.0接踵拿到L3级自动驾驶认证，北上广深等城市灵通L3路权；当Waymo执着于L4级Robotaxi落地，特斯拉坚抓从L2+径直跃迁L4，行业堕入了一场对于技能路线的热烈争论。
不同于市集端的贸易化博弈、律例端的包袱分散，从技能视角来看，自动驾驶从L2到L4的进化，本色上是感知、决策、履行三大中枢模块的本事跃迁，以及数据闭环、硬件冗余、场景适配等底层技能的抓续迭代。而夹在中间的L3，究竟是承接L2与L4的“技能缓冲带”，是不成或缺的考证路线，照旧两端不奉迎的“冗余门径”？
这个问题的谜底，不仅决定了曩昔十年汽车行业的技能路线，更决定了咱们每一个东谈主的出行神气。
客服QQ：88888888
技能规模而非包袱规模
多数东谈主对自动驾驶分级的领路，停留在“功能几许”或“包袱包摄”上，但从技能底层来看，L2、L3、L4的中枢区别，实则是系统自主决策本事、环境感知精度、故障冗余本事的本色各别，包袱分散仅仅技能本事达到一定水平后的繁衍终结，而非分级的中枢依据。
基于SAE J3016 2021版官方界说，咱们从头疑望三个级别的中枢规模：
L2级援助驾驶（Partial Automation）：技能中枢是“援助履行”，无自主决策本事。
{jz:field.toptypename/}硬件主打“够用就好”，单芯片、单感知链路，标配6-8个录像头、4-5个毫米波雷达，无需激光雷达，感知范围≤100米，定位精度米级。
算法是“死功令”，车谈保抓、跟车等基础功能全靠工程师手动编写，遭逢复杂场景（前车急刹、行东谈主横穿等）径直失效，总计技能策画齐默许“东谈主类是最终兜底者”，不酌量系统失效后的救急决议。
L3级有条款自动驾驶（Conditional Automation）：技能中枢是“有限自主决策”，具备场景化自主限定本事。
硬件要“留后手”，双芯片、双制动、双转向是标配，同期引入激光雷达晋升精度，录像头升级为高清级别，感知范围扩至150-200米，定位精度分米级。
算法开动引入深度学习技能，能在禁闭高速、城市快速路等策画运行范围（ODD）内自主跟车、变谈，但搞不定暴雪、无标线施工路等长尾场景，遇无法处理的情况触发接收请求，中枢是“系统主导、东谈主类兜底”。
L4级高度自动驾驶（High Automation）：技能中枢是“全场景自主决策+故障自处置”，无需东谈主类介入。
硬件“双保障拉满”，全冗余架构（双芯片、双电源、双感知链路），激光雷达升级至64线以上，录像头11-16个，毫米波探伤距离达250-300米，定位精度厘米级，依赖高精度定位。
算法竣事“端到端闭环”，能完成复杂语义分割、意图权衡，移交险些总计长尾场景，单点故障也能自主热切泊车，中枢是“系统完全兜底，东谈主类无需参与”。
明确这一技能规模后，咱们不错发现：L2到L4的技能跃迁，不是简短的功能叠加，而是从“援助履行”到“自主决策”，再到“全自主+自兜底”，每一步齐需要冲突中枢技能瓶颈。而L3的技能定位，恰平允于“援助”与“全自主”之间，这也决定了它在技能迭代中的争议性。
九层之台，起于累土
主流车企和多数技能商议者合计，L3不仅有必要，更是从L2到L4的“唯独可行旅途”。L4的全冗余技能、全场景算法，无法通过实验室模拟完成考证，因此必须通过L3的量产落地，完成技能拆解、数据积存、风险考证，冉冉冲突瓶颈，其本色是L4技能的“降维考证载体”。
感知方面，从L2到L4，感知技能难度呈指数级晋升，而L3恰好是感知技能从“基础够用”到“高精度冗余”的过渡要道。这种定位，让L3成为多传感器交融技能的“最好考证平台”。
一方面，L3需要引入激光雷达与视觉、毫米波雷达的感老友融技能，处置L2感知系统在复杂场景下的盲区问题，比如在夜间、暴雨天气，录像头和毫米波雷达的感知精度大幅下落，激光雷达的3D点云数据不错弥补这一短板。
但多传感器交融并非简短的“数据叠加”，而是需要处置数据同步、标定、冲突消解等技能周折：不同传感器的采样频率、数据体式不同，怎么竣事同步集聚？激光雷达与录像头的标定症结怎么限定？当不同传感器检测到的指标出现冲突时，怎么判断最优终结？这些问题，齐要在L3量产落地的经过中，在竟然场景下获得进一步考证。
比如华为乾崑近日推出了新一代双光路图像级激光雷达，高达896线，分辨率晋升4倍，巩固感常识别距离可达120米；第六代Waymo Driver基于最新17MP图像传感器，使传感器数目暴减42%，性能竣事飙升，雨雪天指标检测本事晋升30%以上；蘑菇车联通过“视觉为主+固态激光雷达”的交融感知路线，使点云密度晋升3-6倍，指标感知距离晋升超50%，漏/误检率下落70%，接收率大幅缩短两个数目级。
另一方面，L3的感知精度要求（分米级定位、150-200米感知距离），恰好是L4的厘米级定位、300米感知距离的“过渡西宾”。L4的高精度定位需要依赖高精舆图与卫星导航系统的交融，而L3不错先通过“简化版高精舆图+平方定位”的决议，考证定位系统的巩固性、抗遏止本事，处置贞洁、高楼荫庇等场景下的定位漂移问题，这些技能周折，无法在实验室中模拟，只可通过量产车的竟然路况积存，冉冉优化算法。
决策方面，L3处于功令驱动向AI驱动过渡的阶段：在设定的ODD（运行策画域）范围内，OD体育app系统不错自主完成决策（比如高速场景下的跟车、变谈、避障），但遭逢超出ODD的场景，仍需东谈主类接收。这种定位，让决策算法简略在“可控场景”下进行实战西宾，冉冉积存数据、优化模子。
具体来说，L3的决策算法需要处置三个中枢技能周折，而这些周折，恰是L4决策系统的基础。
第一，场景语义分割与意图权衡。L3系统需要简略精确识别谈路标线、交通标记、红绿灯，同期权衡前线车辆、行东谈主的举止意图，比如判断前线车辆是否会变谈、行东谈主是否会横穿马路。
第二，轨迹筹商的动态优化。L3的轨迹筹商需要具备动态优化本事，比如遭逢前线车辆慢速行驶，能自主筹商最优变谈路线，兼顾安全性和欣喜性；遭逢弯谈，能自主调遣转向角度和车速，幸免侧滑。
第三，热切场景的救急决策。L3系统需要具备简短的救急决策本事，比如系统感知到本身死障，能自主触发接收请求，并保抓车辆巩固行驶一段时刻，给驾驶员留出接收时刻；遭逢突发结巴物，能自主完成热切制动或避开。
此外，L3的决策系统还能考证“东谈主机交互的技能可行性”。比如接收请求的触发时机、教唆神气，怎么确保驾驶员在堤防力散播的情况下，简略实时接收。固然东谈主机交互包含用户体验身分，但从技能角度来看，接收请求的触发逻辑、教唆信号的传输恶果，齐是L4系统“无接收”策画的基础，只消明确了东谈主类接收的极限，才能更好地策画L4系统的故障自处置逻辑。
自动驾驶算法的迭代，中枢是“数据喂养”，算法的精度、泛化本事，取决于西宾数据的数目和质料。L4级算法需要海量的全场景竟然数据，而L3的量产落地，恰好能构建起“量产数据-算法优化-OTA升级”的闭环，为L4算法提供鼓胀的数据复古。
L2级援助驾驶的用户基数固然弘大，但数据的价值有限，且L2的数据以“援助驾驶日记”为主，穷乏系统自主决策的有关数据，无法用于L4算法的西宾。
而L4级Robotaxi的测试，固然能收罗到复杂场景的数据，但测试范围有限、测试车辆数目少，数据量远远无法平静算法迭代的需求，Waymo的Robotaxi在凤凰城测试了10年，收罗的数据量仅终点于百万台L3量产车运行1年的数据量。
L3的量产落地，能齐备处置这一问题。L3车型的用户基数大，运行场景遮蔽高速、城市快速路等多种场景，简略收罗到宽阔复杂场景、极点场景的数据，且这些数据包含系统自主决策的全经过，是L4算法西宾的中枢素材。
更关键的是，milanL3系统不错构建起“实时数据闭环”，量产车收罗到的竟然路况数据，通过车联网传输至云霄，技能团队对数据进行标注、清洗，用于优化算法模子，然后通过OTA升级，将优化后的算法推送至每一台车辆，车辆再收罗新的数据，酿成“数据-算法-数据”的良性轮回。这种闭环，恰是L4算法迭代的中枢复古。
L3量产落地之惑
尽管主流车企坚抓L3的必要性，但以、Waymo为代表的技能派，历久合计L3是“技能冗余”。从技能架构来看，L3与L4的中枢技能栈高度重合，研发L3终点于“重叠参加”，且L3的技能策画存在先天劣势，无法信得过为L4提供有用复古，跳过L3径直研发L4，反而能晋升技能迭代恶果，幸免资源滥用。
更要道的是，L3的技能策画存在“先天协调”，为了适配“东谈主机接收”，L3的算法需要预留接收触发逻辑，冗余系统只需要平静“基础兜底”，无需竣事“全故障自处置”，这种协调，导致L3的技能积存无法径直完全复用至L4，反而需要进行宽阔的修改和优化。
特斯拉的技能路线，正值印证了这少量。特斯拉历久不研发L3，而是专注于L2+和L4的研发，其L2+系统（FSD）的硬件建设，与L4的硬件建设高度一致，算法也采选了与L4调换的端到端架构，仅仅在场景遮蔽和自主决策本事上有所松手。
通过L2+的量产，特斯拉收罗了海量竟然数据，优化算法，冉冉晋升系统的自主决策本事，最终竣事向L4的跃迁。这种神气，跳过了L3的“重叠参加”，径直竣事了L2到L4的技能迭代，恶果更高。
从技能逻辑来看，L3的中枢策画矛盾是“系统自主决策与东谈主类接收的冲突”，这种矛盾，导致L3的技能考证无法为L4提供有用复古，反而可能误导技能研发标的。
L4的技能中枢是“无接收”，总计技能策画齐围绕“系统完全兜底”张开，无需酌量东谈主类接收的逻辑；而L3的技能策画，必须围绕“东谈主机接收”张开，需要预留接收触发逻辑、接收教唆机制、接收失败的救急处置逻辑。这些策画，与L4的技能逻辑完全相反，无法为L4提供有用考证。
跟着AI大模子、高算力芯片、高精度传感器的快速发展，自动驾驶技能的迭代速率大幅晋升。举例，多模态Transformer大模子的愚弄，让决策算法简略径直竣事“感知-决策-限定”的端到端生成，跳过了传统功令驱动的中间门径，大幅晋升了系统的自主决策本事；高算力芯片的量产，让多传感器交融、复杂算法的实时运行成为可能；激光雷达的资本下落、性能晋升，让L4的感知系统简略竣事大领域量产。
在技能快速进化布景下，从L2+径直跃迁到L4仍是成为可能。举例，特斯拉的FSD V14.2版块，通过多模态大模子的优化，仍是具备了接近L4的自主决策本事，简略在复杂城市集景中自主完成跟车、变谈、避障、路口礼让等操作，无需东谈主类接收，本色上仍是具备了L4的中枢技能本事。后续将推送FSD V14.3，马斯克称14.3允许用户“进入寝息状态并在主视力被叫醒”（无监督FSD）。这种跃迁，无需经过L3的过渡，径直竣事了从L2到L4的技能冲突。
此外，L4的技能研发，不错通过“仿真测试+Robotaxi试点”的神气，完成技能考证，无需依赖L3的量产落地。举例，Waymo通过大规师法真测试，模拟各式极点场景，考证系统的故障自处置本事，这些神气，简略有用替代L3的技能考证作用，且更精确、更高效。
L3试点从“小切口”鞭策
2023年11月，工信部、公安部、 住建部、交通运输部四部门聚积发布《对于开展智能网联汽车准入和开拔通行试点责任的见告》。2024年6月，工信部已公布首批试点的聚积体；2025年底工信部雅致许可首批L3级自动驾驶车型居品开展开拔通行试点。
需要发挥的是，这次准入试点和之前各省市颁发的L3/L4测试或示范愚弄/运营派司有本色区别：2021年工信部等部门聚积发布《智能网联谈路测试和示范愚弄经管标准》，基于此文献，各省市因地制宜不绝出台对应的实施详情。
在此之后，深圳、武汉等地Robotaxi不绝开拔测试、运营。关联词，该类文献本色上是表纵情文献，饱读舞智能网联汽车在公开谈路上测试和愚弄，中枢见地是为了考证技能和探索智驾居品面孔，因此在上述计策之下，各Robotaxi厂商拿到的派司为“试验用天真车临时行驶车号牌”。
这次进行智能网联汽车准入和开拔通行试点，是在各企业进行谈路测试考证居品的基础之上进行遴择，本色见地是为后续有关法律律例、技能标准制改良提供造就和依据。
在这么的指标之下，《试点》配套的《实施指南》中进一步明确了汽车坐褥企业、智能网联居品的准入要求，以及在国度级计策文献中初度明确了事故包袱分散标准，意味着我国自动驾驶律例体系的确直立式提上日程。
值得堤防的是，获批的L3级自动驾驶车辆的录像头、雷达等装备必须是前装量产，通事后改装神气搭载传感器的车辆无法肯求准入试点。手脚试点城市，重庆要求在交通拥挤景况下的高速路和快速路使用自动驾驶功能时，最高车速不卓著50km/h，北京要求在调换的路况下最高车速可达80km/h。
针对L3/L4自动驾驶车辆的准入，国度标准体系正冉冉竖立。《自动驾驶数据纪录系统》是第一个自动驾驶强制标准，已雅致颁布，于2026年1月1日雅致履行；由工信部牵头的《自动驾驶系统安全要求》强制性标准径直标准自动驾驶系统的技能要求、制造商要乞降西宾检测纪律，影响要紧，当今已雅致进入草拟阶段；由公安部牵头的《智能网联汽车谈路通行律例顺应性测试内容和纪律》亦进入拟立项阶段。
莫得完全谜底，只消最适配的聘用
至于L3到底有莫得必要，谜底并不辱骂黑即白，其必要性取决于企业的技能路线、研发实力，以及对技能迭代节拍的判断。不存在“完全必要”或“完全冗余”，只消“是否适配”。
对于绝大多数主流车企来说，L3是必要的，它们莫得特斯拉、Waymo那般研发实力和数据积存，无法竣事从L2+径直到L4的技能跃迁，只可通过L3的量产落地，冉冉拆解L4的技能周折，积存数据、考证技能、优化算法，竣事渐进式迭代。L3的中枢价值，不是过渡居品，而是“技能考证载体”，是它们通往L4的“必经路线”。
这些车企通过L3的量产，简略冉冉冲突感老友融、自主决策、冗余系统、数据闭环等中枢技能周折，从而为L4的研发奠定坚实基础。
而对于特斯拉这么的头部技能玩家来说，具备强盛的研发实力、海量的数据积存，以及当先的技能架构，简略通过L2+的量产或Robotaxi的试点，径直冲突L4的中枢技能周折，竣事从L2到L4的技能跃迁，无需经过L3的过渡。对于它们来说，研发L3终点于“重叠参加”，不仅无法晋升技能迭代恶果，还会散播研发元气心灵，延误L4的落地进程。
但咱们必须承认，不管是否跳过L3阶段，L4的中枢技能周折——全场景感知、全自主决策、全冗余兜底、海量数据闭环齐无法逃避。L3的存在，无疑推动了自动驾驶中枢技能的普及和进修，它让多传感器交融、高算力芯片、自主决策算法等中枢技能，竣事了大领域量产愚弄，缩短了L4技能的研发和量产资本，为总计这个词行业的技能迭代奠定了基础。即使是特斯拉、Waymo，也蜿蜒受益于L3推动的供应链进修，比如激光雷达资本的下落、高算力芯片的普及等，齐与L3的量产落地密切有关。
自动驾驶技能的终极指标，是L4甚而L5的全自主驾驶，而不管是渐进式照旧逾越式路线，最终的中枢齐是冲突中枢技能周折，竣事安全、可靠的自动驾驶。L3的存在，仅仅行业技能迭代经过中的一个“阶段性产物”，它的价值，将跟着技能的束缚进修，冉冉被L4替代，但在当下，它依然是多数企业竣事技能跃迁的“最优解”。
技能迭代从无捷径可言，该走的路一步也绕不外去，对于多数企业来说，L3不是捷径，但却是最安妥的路。
