- 全球智能网联解决方案提供商 | 车联网软件生态服务 - 全球智能网联解决方案提供商 | 车联网软件生态服务

新闻中心

智能驾驶L3,未来已来

发布时间:2025-11-04 16:00:52  /  浏览次数:170次

L3级自动驾驶:从“辅助”到“主导”的临界点

2025年,智能驾驶领域最热的话题莫过于L3级自动驾驶的商业化落地。如果说L2是“实习司机”,需要驾驶员时刻盯着方向盘,那么L3就是“持证上岗的副驾”——在特定场景下,车辆能独立完成加速、变道、避障等🏀官网操作,驾驶员只需在系统提示时接管。这种“人机共担”的模式,正重新定义驾驶的边界。根据中国汽车工业协会数据,2025年上半年新能源汽车销量占比达44.3%,其中L2级辅助驾驶几乎成为标配,而L3级系统预计将在年底前覆盖高速、城市快速路等场景。以问界M7为例,其搭载的华为ADS 4.0系统通过10万公里真实路测和100万公里仿真测试,在京沪高速上实现每1000公里仅0.8次接管,远低于行业平均的3-5次,技术成熟度已接近“老司机”水平。

智能驾驶L3,未来已来

技术突破:激光雷达与纯视觉的路线之争

L3级自动驾驶的核心是环境感知与决策能力。当前主流技术路线分为“激光雷达+多传感器融合”和“纯视觉算法”两种。前者以华为、比亚迪为代表,通过激光雷达构建三维环境模型,配合毫米波雷达、摄像头实现高精度感知,成本约增加5万-10万元;后者以特斯拉为代表,坚持“纯视觉优先”,通过海量数据训练算法,试图用“口算能力”替代“计算器”。地平线智驾产品市场总监刘文尧曾用数学考试类比:激光雷达像计算器,短期能提高成绩,但长期可能削弱基础能力;纯视觉则像口算,练到极致后反应更快、上限更高。不过,纯视觉方案的泛化能力仍受限于长尾场景,例如2025年某海外品牌L3系统因未识别施工路段导致事故,暴露了算法的局限性。而激光雷达方案虽成本高,但在极端天气(如暴雨、浓雾)下的可靠性更优,成为车企冲刺L3的首选。

法规与责任:从“人驾”到“车责”的转折

L3级自动驾驶的落地,不仅考验技术,更挑战法规体系。传统交通法规中,驾驶员是责任主体,但L3级系统在激活状态下,责任可能转移至车企。例如,深圳新规明确:L3车辆配备🈹官网驾驶员时,事故由驾驶员担责;L5完全自动驾驶车辆则由所有人、管理人担责。这种“责任分水岭”促使车企谨慎推进技术落地。2025年7月,首批10余家车企、20余款车型入围L3准入名单,但监管部门要求:系统必须在常见场景下独立完成决策,极端情况需提前10秒预警,且驾驶员需在系统请求后10秒内接管。这一标准背后是严苛的测试要求——一辆车需完成10万公里真实路测和100万公里仿真测试,测试成本超1亿元。问界M7的入围,正是因其提前“预埋”了激光雷达、12个摄像头等硬件,通过OTA升级即可解(jiě)锁(suǒ)L3功(gōng)能(néng),避(bì)免(miǎn)了(le)硬(yìng)件(jiàn)迭(dié)代(dài)成(chéng)本(běn)。

商(shāng)业(yè)落(luò)地(de):B端(duān)先(xiān)行(xíng)还(hái)是(shì)C端(duān)普(pǔ)及(jí)?

L3级(jí)自(zì)动(dòng)驾(jià)驶(shǐ)的(de)商(shāng)业(yè)化(huà)路径存(cún)在(zài)两(liǎng)种(zhǒng)策(cè)略(è):B端(duān)(商(shāng)用(yòng)车(chē))和(hé)C端(duān)(乘(chéng)用(yòng)车(chē))。在(zài)商(shāng)用(yòng)车(chē)领(lǐng)域,政策推动效果显著——中国、欧盟已将AEB(自动紧急制动)纳入商用车强制配置,直接提升了物流企业的安全水平。例如,北京部分公交线路已实现“司机手不碰方向盘”,但法规仍要求保留“最后一道防线”。而在乘用车领域,用户期待从“炫酷功能”转向“日常可靠”,暴雨避险、复杂路口决策等细节成为焦点。车企则面临两难:🐸全栈自研需巨额投入,华为模式面临“车企怕丢魂”的信任问题,第三方方案又需平衡多客户差异化需求。地平线征程5芯片支持高速NOA功能,成本可控且法规兼容性强,成为中端车型的热门选择。未来,L3级自动驾驶可能先在高端车型和固定物流线路普及,再通过规模效应降低成本,最终走向大众市场。

站在2025年的节点,L3级自动驾驶已不再是实验室里的概念,而是正在改变出行方式的现实技术。它既非L2的简单升级,也非L4的终极形态,而是从“辅助”到“自主”的关键过渡。对于消费者而言,L3意味着更轻松的驾驶体验,但也需警惕过度依赖;对于车企而言,L3是技术实力的证明,更是责🍈任担当的考验;对于行业而言,L3的普及将推动数据共享、法规完善和商业模式创新。正如一位行业专家所言:“L3不是终点,而是智能驾驶从‘可用’到‘好用’的起点。”未来已来,只是尚未均匀分布。