編者語：后臺回復“入群”，加入「智駕最前沿」微信交流群

4月22日，華為智能汽車解決方案BU CEO靳玉志在華為乾崑智能化技術大會正式發布了華為智能輔助駕駛**系統ADS 4，該系統支持高速L3規模商用。其實在此之前，車企在對外宣傳自動駕駛能力時，很少會使用L3的說法，而是創造了“L2+”“L2++”“L2.9”等概念，用以強調系統雖具備近似L3的部分能力，卻依然需要駕駛員持續監控，隨時接管。為什么車企不敢宣傳智駕系統達到L3?

從自動駕駛標準角度分析

在聊這個話題之前，我們先要了解實現L3需要達到哪些要求。根據美國汽車工程師學會（SAE）發布的自動駕駛分級中，對于L3級的定義為：在部分的場景中，無人駕駛系統可以完成所有的操作，根據系統要求，人類提供適當的應答。其中駕駛操作的主體和監控車輛周邊環境的主體是無人駕駛系統，人類駕駛員*需提供適當的支持。

L3級別將駕駛任務的“主要責任”從人轉移到系統，這就意味著，制造商必須對系統在自動駕駛模式下的一切行為承擔法律責任。世界經濟論壇的報告指出，SAE L3及以上級別的事故責任將由制造商承擔，而L2及以下則由駕駛員承擔，二者的法律風險天差地別；在L3模式下若發生碰撞，原本由駕駛員自行承擔的事故賠償，將轉變為產品質量和安全責任，這會令車企面臨更為嚴厲的法律訴訟和監管審查。正因如此，大多數廠商在對外宣傳中刻意回避“L3”標簽，寧可用“L2+”“L2.9”來強調“駕駛員仍需時刻備份接管”，以維持責任邊界在L2范疇內。

各國相關標準要求

由***歐洲經濟委員會發布，并于2021年生效的《關于批準車輛的軟件升級和軟件升級管理體系統一規定的法規》R157（Automated Lane Keeping Systems，ALKS）法規中，就**為L3級別的自動保持車道系統提供了統一的類型認證框架，并對系統性能、故障轉移與駕駛員監控等關鍵指標提出了嚴格要求；而同時生效的《網絡安全及網絡安全管理系統規定》R155/《軟件更新及軟件更新管理系統規定》R156則對網絡安全管理體系（CSMS）和軟件更新管理體系（SUMS）作出了強制性規定，要求制造商在OTA升級過程中保證軟件的可追溯、可回滾與安全性。車企若貿然在量產車上標榜“L3”，就必須在上述法規框架下完成硬件、軟件和流程的全鏈條合規，否則將面臨類型認證無法通過、市場禁入乃至高額罰款的風險。

在美國，美國國家公路交通安全管理局（NHTSA）也提出了“自動駕駛車輛安全、透明度和評估計劃”（ADS-equipped Vehicle Safety, Transparency, and Evaluation Program，簡稱 AV STEP），以鼓勵企業提交安全評估報告與運營數據，但作為一個自愿性全國性評估和監督框架，該框架并不具備強制力，對傳感器性能指標、低能見度環境下感知能力等**參數仍無硬性量化要求；此外，美國《聯邦機動車安全標準》（FMVSS）中的乘員保護標準修訂雖允許在滿足條件的情況下取消方向盤與踏板，但也要求車輛在系統控制切換時提供清晰可靠的駕駛員接管提示。

在中國，暫未有對L3級事故責任認定的標準，參考現有的法律法規及地方要求，在2024年12月31日北京市第十六屆人民**大會常務委員會第十四次會議通過的《北京市自動駕駛汽車條例》第三十一和第三十二條規定：

第三十一條  自動駕駛汽車上路通行期間，違反道路交通安全法律法規或者發生交通事故的，由公安機關交通管理部門按照國家有關規定調查和處理。

自動駕駛汽車發生交通事故，駕駛人或者安全員、平臺安全監控人員應當按照規定采取必要的安全處置措施，并迅速報告公安機關交通管理部門；交通事故*造成輕微財產損失，當事人對事實及成因無爭議的，也可以自行協商處理。

第三十二條  自動駕駛汽車發生交通事故的，相關企業和個人應當配合公安機關交通管理部門的調查處理，并按照要求提供相應證據材料。相關企業還應根據有關部門要求提供事故過程信息或者事故分析報告。

根據內容可見，《北京市自動駕駛汽車條例》也未明確對于L3級事故的處理措施，這種法規與標準的不明確，使得車企不敢輕易用“L3”來做宣傳，而是寄希望于未來監管細則與量產實測都更為成熟之后，再將“L3”置于醒目位置。

從技術及相關配套方面分析

現階段技術成熟度仍難滿足L3全場景的安全需求。L3系統應在特定操作域（Operational Design Domain，ODD）內實現完全自動化，但若想在城市復雜路況、高速交叉匝道、隧道、雨雪霧等多種環境下實現L3級自動駕駛，離不開高精度LiDAR、攝像頭與毫米波雷達的多模態融合。大量研究表明，在雨、雪、霧等惡劣天氣條件下，LiDAR點云稀疏、測距誤差**增加，攝像頭易受逆光和低光照影響，毫米波雷達對非金屬小目標的探測能力有限，各傳感器的時序與坐標偏差，也**增加了實時數據融合的復雜性與風險。即便是**的感知方案，也難以徹底消除這些軟硬件局限，系統在邊緣場景的魯棒性與可解釋性仍是實現L3級自動駕駛的主要痛點。

而在研發與測試環節，L3的驗證難度也呈指數級攀升。傳統實車道路測試需要數十億英里才能覆蓋足夠的邊緣案例，而加速評估（Accelerated Evaluation）方法雖可通過重要性抽樣將1 000英里測試等效于30萬至1億英里實地駕駛，但場景庫構建、復雜度評估與可追溯性仍待完善，且每次迭代驗證都需配合大規模仿真與實車回放，成本與周期都高得令人望而卻步。因此，車企更傾向于在L2.9級別逐步鋪設更多傳感與算法迭代，邊推進邊積累數據，而非一下子跨入L3的深水區。

L3級自動駕駛更對現階段保險的相關條例及責任認定提出了要求。隨著系統在運行期間主導駕駛任務，保險責任將從傳統的個人車險轉向產品和商業險。據KPMG分析，到2040年，個人汽車險占比將從87%降至58%，商業車險與產品責任險比重攀升至42%。在美國，*L3高速公路場景的相關保費就可能高出傳統車險1%左右，按整個市場規模計算可能高達數十億美元，保險商和車企不得不共同設計更復雜的混合保障方案，確保一旦系統失效或接管延遲，相關賠付與責任分擔可迅速厘清。

從商業模式與投資回報來看，L3高速用例的開發投入也不菲。McKinsey的研究顯示，*在高速場景下實現L3系統，就需要超過20億美元的研發和驗證投入；而要在城市、自動泊車、低速擁堵等多場景下全面推廣，投資額還會進一步翻倍。盡管未來有望形成3 000～4 000億美元的市場規模，但短期內難以在量產車銷售中迅速實現規模效應，車企更愿意把資源投向更易獲益的L2+或共享出行方案，以平衡研發成本與資金壓力。

基礎設施尚未完善也限制了L3的落地。V2X（Vehicle?to?Everything）通信原本可在非視距或復雜路口場景中提供協同感知，但部署成本高昂：美國交通部測算，一個路口的C-V2X路側單元（RSU）安裝成本約為6000～7000美元，車輛端的OBU成本也在160～170美元不等。高精地圖與邊緣計算節點的大規模商用同樣面臨投資和運維難題，生態配套尚不完備使得車企不得不降低系統對基礎設施依賴的程度，從而降低對L3能力的信心。

消費者心智與市場教育也是L3及自動駕駛普及的一大阻礙。自動駕駛技術的宣傳方式需與其現階段能力相匹配，如在L2級自動駕駛階段，既要讓消費者了解系統的便利性，也要讓他們清楚在使用時注意力不能完全放松。Euro NCAP和Thatcham Research的調研也表明，70%以上的駕駛員高估了半自動駕駛系統的能力，甚至有人在使用“高速輔助”時觀看視頻或睡覺，這極易造成接管延遲和安全隱患。此外，國內某些網紅、車企及部分企業領導也曾過渡宣傳智駕功能，讓消費者誤以為無人駕駛以來的幻覺，若出現事故后，消費者只會對智駕系統更加害怕。在這種情況下，如果車企貿然標榜“L3”，很可能因用戶誤解導致信任崩塌，一旦出現安全事故，其品牌聲譽損失難以估量。

-- END --