文｜极智GeeTech
文｜极智GeeTech
近日，工信部首次批准L3级自动驾驶商业化运营，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，标志着我国首次允许车辆在特定条件下由系统承担驾驶任务。可以预见的是，2026年将真正成为L3级自动驾驶的“量产元年”。
值得注意的是，此次明确了L3级自动驾驶的权责划分：当车辆在限定路段以不超过80公里时速自主行驶时，一旦发生事故，若系统处于激活状态，车企或将承担主要责任。同时，准入要求L3级自动驾驶车辆的传感设备必须为“前装量产”，后改装车辆无法获得试点资格，从源头保障技术稳定性。
行业普遍认为，L3级是从“辅助驾驶”到“完全自动驾驶”的重要过渡，后续的L4级自动驾驶将实现更大突破——在固定区域内，车辆可完全脱离人类干预，真正实现无人驾驶。
这一小步，背后是全球十年的技术博弈。德国早在2021年就通过《自动驾驶法》，明确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”记录运行数据。奔驰Drive Pilot系统随后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，却一步切入责任核心，未走“测试”老路，而是直接启动附条件商业化运营。
展开剩余88%但现实挑战在于人机共驾的信任建立——系统何时退出？驾驶员能否及时接管？未来交通治理将重新定义机器守规与责任切割的边界。
L3迎来规模化曙光
今年4月的上海车展，华为联合赛力斯、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，在央视直播镜头前谈起了L3，这些车企基本囊括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行业的“半壁江山”。
诸多车企已将2025年实现L3级有条件自动驾驶落地作为目标。小鹏汽车相关负责人近日表示，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，小鹏汽车计划推出量产的软硬件都达到L4级自动驾驶水平的车型。
奇瑞、广汽、极氪三家车企披露L3级有条件自动驾驶量产时间表。广汽集团发布了“星灵智行”，并宣布在今年第四季度启动首款L3自动驾驶车型量产上市销售。奇瑞汽车宣布计划在2026年实现量产L3级自动驾驶车辆，并发布猎鹰智驾系统。猎鹰900搭载VLA+世界模型新一代智驾系统，AI算力将达到1000 TOPS，具备L3级自动驾驶能力。
当L2已成为标配，L4尚处技术探索期，L3这条曾被业界称为“恐怖谷”的跨越之路，终于迎来规模化突破的曙光。
工业和信息化部发布的《汽车驾驶自动化分级》（GB/T40429—2021）显示，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的角色，仅在系统请求时介入。
在L2级辅助驾驶阶段，驾驶员依旧牢牢掌控着驾驶的主导权，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，缓解驾驶员长途驾驶时右脚的疲劳；车道居中（LCC）则让车辆稳稳地保持在车道中央行驶，减少因偏离车道带来的安全隐患；自动泊车（APA）更是新手司机的福音，能自动规划泊车路线，轻松停车入位。
但在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，随时准备接管车辆。比如在高速上使用自适应巡航和车道保持功能时，一旦遇到路况复杂，如前方出现交通事故、道路施工等情况，系统无法做出合理决策，这时驾驶员必须立刻介入。
而L3级自动驾驶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。
从驾驶任务的承担来看，L2级别的智能驾驶系统只是辅助驾驶员完成部分任务，驾驶员仍然是驾驶操作的主体，需要时刻关注路况并准备随时接管车辆。
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的驾驶操作，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，比如遭遇暴雨、大雪等恶劣天气导致视野严重受阻，或者遇到道路施工、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，重新掌握车辆控制权，确保行车安全。
但关键问题在于，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来得更加猛烈。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说明了，如今的车圈已经是“得智驾者得天下”的时代了。
自2023年以来，智驾行业掀起BEV、端到端技术浪潮后，车企们正逐步将AI神经网络融入感知、规划、控制等环节。比起传统基于规则的方案，基于AI、数据驱动的“端到端”拥有更高能力天花板。
但在端到端模型之外，车企们还辅以了大语言模型、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正在成为重要的一环。VLA模型拥有更高的场景推理能力与泛化能力，对于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过程中，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，赋予自动驾驶系统以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（Daniel Kahneman）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强烈的对比。
虽然“端到端+VLM”大幅提升了智驾水平，但仍有很多问题。比如，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问题。
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（rule-based）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主要面向的是车载领域，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，尽可能地自研汽车智能化的每个部分，从而对汽车智能系统的每一寸都了如指掌，这是每个车企的底气所在。
传统汽车时代整车厂并不去开发软件，而是靠着一个一个供应商提供软硬件一体的“黑盒子”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”变成了“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，更适合进行自研的项目主要还是包括三大类，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，但这条道路并不一定会是坦途，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，确保研发资源投入最有潜力和最符合公司战略方向的项目。
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。
发布于：北京市联美配资提示：文章来自网络，不代表本站观点。
