三聯生活週刊：眾所周知，汽車駕駛的自動化等級分為L0至L5六個等級。其中L3是一個分界線。在L3之前，都是由人類駕駛員主導，系統輔助，而從L3開始，就是自動駕駛系統控制車輛。L3級是有條件的自動駕駛，L4級為高度自動駕駛，L5級為完全自動駕駛。在這種劃分下，目前市面上各個車企推出的L2+屬於一個什麼水平？
孫輝：L2屬於輔助駕駛，L2+也是如此，都要求駕駛系統具備自適應巡航和車道保持的功能，駕駛員可以“脫手”“脫腳”，但不可“脫眼”。L3作為有條件的自動駕駛，讓駕駛員接管前，駕駛員可以“脫眼”。而車企以L2+智慧輔助駕駛的名義，將一些可以達到L3的自動駕駛能力技術，下放到L2的層次。比如自主換道功能，這是L3相比L2的一個顯著區別，這一進步就涉及非常複雜的運算。除此之外，像L4的高度自動駕駛需要具備從起點到終點中間所有路徑規劃、決策、控制都自主完成的功能，如今一些智駕系統，將智慧駕駛、自動尋找車位、自動泊車等功能結合在一起，也能實現從車位到車位由駕駛系統自主完成的功能。
與此同時，由於L3遇到無法處理的情況需要讓人接管，所以目前從L2+到L3的跨越，並沒有明確的技術邊界。2023年工業和資訊化部等聯合釋出《關於開展智慧網聯汽車准入和上路通行試點工作的通知》（下文簡稱“‘試點’檔案”）後，目前有九家車企在進行准入的測試。所以，本質上來說，L2與L3是一個許可權的問題。如果出現事故，事故的責任由車企或智駕系統承擔，車企在當下無法接受，那麼再高的水平也不會是L3。
清華大學蘇州汽車研究院智慧網聯中心技術總監孫輝 （蔣文龍 攝）
三聯生活週刊：那麼，目前L2+的智駕水平，能夠達到智駕系統遇到問題時，將駕駛權安全地交給駕駛員嗎？我們知道，智慧駕駛可以被分為感知、決策和執行三部分。對應到安全地交給人接管，需要具備哪些條件？
孫輝：為了保證安全，就需要駕駛系統在行駛過程中感知到風險，然後根據風險做出決策。那麼首先就是感知的能力，駕駛系統不僅要能清晰地感知到障礙物，而且要能提前感知，給駕駛員留下充足反應時間接管。研究發現，人開車時遇到風險，相對從容的反應時間大概需要三到四秒。L3曾有一個籠統的標準，考慮到在駕駛員分心的情況下，要求自動駕駛系統感知風險後，提前10秒將駕駛權交由駕駛員接管。
但以目前的技術水平，達不到這個要求。因為系統提前10秒感知到危險，意味著以120公里/小時在高速路上行駛的汽車，要提前檢測到至少300米外的危險。可是，雖然一些智駕車輛已經配備了能夠遠距離識別物體的雷射雷達，目前最好的雷射雷達標稱能夠識別200米遠，但實際也就在150米左右。而且，目前很多智駕車型沒有配備雷射雷達，只用純視覺的技術方案，也就是透過攝像頭和毫米波雷達，直接“看”，那樣的識別距離就更近。整體而言，目前國內智駕系統的TTC（車輛與前方障礙物發生碰撞所需的時間）遠達不到10秒，好一些的能達到3秒，差一些的只有一兩秒。在這種水平下，人很難安全接管。
與此同時，對於智駕系統能否準確感知障礙物，目前也存在問題。尤其對於純視覺的技術路線，純視覺的感測器除了感知深度有侷限，對反光、逆光的環境適應性也比較弱，在夜晚、雨霧的場景效能衰減也很明顯。
更為重要的是，識別、規避邊緣場景，也就是智駕系統在行駛過程中，認出深度學習的訓練時沒有接觸過的場景，始終是業界的難題。無法避免“黑天鵝”事件，是當前人們對智駕系統存有懷疑的一大原因。相比雷射雷達能從物理上直接識別出物體，能夠較少依賴算力，純視覺更依靠演算法，更有可能漏檢。目前可以發現，在路況看起來更簡單的高速NOA中，純視覺對施工、事故等突發場景應對不佳，識別異形車的效果也不理想，緊急避險時的策略也較保守，傾向於剎車，易導致被追尾。
2021年10月14日，上海博世集團在進行針對兩輪電動車的自動緊急制動演示(阮錦程 攝 / 視覺中國 供圖)
而且接管這個動作本身也有不小難度。當駕駛員進入智慧輔助駕駛模式時，系統對於周邊環境是否可以進入，還能有一個比較明確的判斷。但在系統退出，交給人接管時，系統的判斷往往沒有那麼清晰。試想如果需要人接管時，人沒有接管，車開到溝裡去了，反倒可能更加危險。當下智駕系統對場景的理解，往往還沒有辦法達到讓接管很平順的程度。同樣的問題也出現在對於接管時速度的把控上，在高速上，很難硬性規定接管時的速度要降到多少，因為一旦後面有跟車，可能造成追尾，因而也需要具體判斷。
所以目前L2+難以保證駕駛員能夠安全接管，業內對於智駕系統在何時、在何種條件下需要駕駛員接管，也沒有明確的規定。
三聯生活週刊：智駕系統是否能夠確認自身的技術水平面對哪些場景是安全的，哪些是有風險的？
孫輝：對於邊緣場景，因為是“黑天鵝”，所以實際上是無法預知的。面對這種局面，以特斯拉FSD（完全自動駕駛）為代表的技術路線，希望將端到端大模型部署到車上，智駕系統一端感知，經過自己系統處理後直接輸出結果。因為端到端大模型具有舉一反三的泛化能力，能夠自己“認出”“黑天鵝”。
但一方面這種方式需要海量的資料做支撐，特斯拉FSD的V12版本已經覆蓋了30億公里的行駛里程資料，這些資料從採集到標註的成本要七八十億元。國內的車企若想訓練出同等水平的大模型，就面臨同樣巨大的成本。據我所知，以往研發自動駕駛的企業，每年大約會投入數千萬元做資料標註，而對於目前生產乘用車的企業，投入的成本要高五到十倍。而像華為在算力建設上，要投入上百億元，它們的模型要做到五天一迭代，兩三週一次OTA（空中下載技術，也就是遠端升級）。
另一方面，由於是依靠資料，總有遇到突發情況的可能。像同樣是FSD，美國的FSD就比中國引進的FSD效果好很多。而除了增加感測器數量，使用“雷射雷達+純視覺”的辦法，國內企業需要不斷投餵資料，或是做分解模型，生成場景再讓系統學習，但同樣杜絕不了邊緣場景的可能性。
2021款特斯拉 Model Y配備 FSD 系統。FSD的V12版本已經覆蓋了30億公里的行駛資料，國內車企想要訓練出同水平的大模型，需要付出巨大成本
除此之外，現在我們能夠知道的是，想要達到比較順滑的自動駕駛狀態，在自動駕駛系統裡使用端到端大模型，需要3000TOPS（也就是要求晶片每秒執行3000萬億次計算）的算力。目前比較好的算力在500〜1000TOPS，根據摩爾定律推測，達到3000TOPS的水平，還需要兩到三年。
對於驗證不同軟硬體水平面對哪些場景是安全的，屬於預期功能安全的範疇，目前國內有關部門正在做測試，但沒有任何一個車企的產品獲得過預期功能安全證書。而無論面對哪些場景，預計未來L3的標準形成後，配備雷射雷達作為安全冗餘，大機率會是車企的普遍選擇，因為從車企擔責的角度考慮，雷射雷達的成本遠低於演算法會帶來的風險。
2024年1月11日，一輛自動駕駛網約車行駛在武漢街頭，目前武漢已成為全球最大的自動駕駛運營服務區(柯皓 攝 / 視覺中國 供圖)
三聯生活週刊：在當前沒有完美接管辦法的情況下，智駕系統應如何儘量保證安全？
孫輝：實際上，從技術層面來說，DMS（駕駛員監測系統）就可以很好地即時監測駕駛員的微表情資訊，一旦駕駛員分神或疲勞，就提示駕駛員保持注意力，保證智駕系統只是輔助的功能。但是，由於駕駛員會介意車內隱私，甚至一些車型的DMS攝像頭在出廠時就有一個擋板，法規中也沒有強制要求乘用車的智駕系統安裝DMS的監控攝像頭，所以DMS的作用很有限。
我認為，透過監控駕駛員來規範駕駛行為本身就很難，在具備相當自動駕駛能力的情況下，更應該採用高階自動駕駛系統會採取的最小風險策略。就是當系統感知到駕駛員不在安全狀態，或是外部環境超出設計執行條件，或是非常嚴重的自動駕駛系統、車輛故障，或是緊急碰撞風險時，系統能夠迅速應急處理，採取降級執行模式，如將車輛安全地引導至路邊停車，或在確保安全的前提下，以較低的速度行駛到安全位置。
三聯生活週刊：聽起來，最小風險策略的方式對於車企和駕駛員都有利，為什麼在目前的L2+中沒有實現？
孫輝：因為能夠實現最小風險策略也需要硬體做支援，比如當下如果智駕系統沒有配備雷射雷達，無法對物體有準確的判斷，有這個策略也無濟於事。目前智駕系統發現風險後，很難保證安全地將車輛交與駕駛員接管，駕駛員很可能是在速度很快、距離障礙物很近的情況下接管。甚至智駕系統可能無法發現風險。而目前一顆雷射雷達的價格在2000到3000元人民幣之間，達到500TOPS的芯片價格在500到1000美元之間。一些低端車型顯然無法承受，目前也已經出現過一些低端車型無法識別障礙物的情況。而對於車企而言，往往在同一款車的不同配置中配備不同的感測器和晶片，如果高階車型具備最小風險策略的能力，低端車型卻不具備，那麼低端車型可能就賣不出去，所以車企對此的宣傳幾乎沒有。
三聯生活週刊：類似的情況是不是個例？在技術的能力邊界並不清晰的情況下，車企對智駕技術的推廣有什麼特點？
孫輝：在我的印象裡，智駕的賣點每隔幾年就會更新一次。隨著智駕系統的發展，智駕作為賣點，往往被車企誇大了能力。五六年前，車企推出智駕系統時，會宣傳高速上的自主變道功能，而如今整體而言，自主變道做得也不是很好。兩三年前，城市NOA開始出現。如今的技術路線也已經日漸明確，基本就是城市NOA和AVP（自主代客泊車系統）這兩個功能在不斷迭代。於是，車企這兩年在釋出新車時，會宣稱智駕開城，也就是NOA技術能夠應用到多少個城市。開城速度快慢、數量多寡，成為NOA技術成熟與否、市場覆蓋面大小的評判標準。不過，車企往往採用的是“先硬後軟”的策略，先進行所謂“全國都能開”的宣傳，之後期望透過OTA的形式再後續升級。可是，現在能夠達到NOA的城市也沒有幾個。現在車企又宣稱自己的車都配備了端到端大模型。而就像之前所說，實際上目前還達不到。
2022年9月18日，北京，2022世界智慧網聯汽車大會，參觀者在無人智慧駕駛系統技術示範區觀看（視覺中國供圖）
三聯生活週刊：今年被稱為“智駕平權”元年，高速NOA的技術甚至被下放到5萬元一檔的車型上。而這樣的車型只會採用純視覺的路線。純視覺的路線目前成了車企降低成本、推廣智駕的一個手段？
孫輝：是的。一些聲稱具有智駕功能的低配車型，它們的價格在5萬到10萬元人民幣之間，使用的晶片往往低於100美元，算力只有數十TOPS。為了減少算力的負擔，它們會在運算時載入高精地圖，但它們對臨時的維修路段等邊緣場景的感知能力可想而知。
這些營銷策略對於年輕使用者的風險可能更大。一方面，年輕人群體的消費能力低，又更容易接受新事物，低價又具有智駕功能的車，對他們很有吸引力；但另一方面，作為他們人生中的第一輛車，他們的駕駛經驗又往往不足。
所以需要始終明確的是，L2+仍是L2，在這個級別下，一旦出現事故，仍然是駕駛員的責任。而L2的核心目的，一個是讓駕駛員少疲勞，一個是在極端情況下，透過一些操作使車輛實現避險。當下的宣傳容易造成誤導，反倒削弱了L2原本的功能。即便智駕系統被宣傳得再先進，對於駕駛員來說，沒有達到L3之前，目前也應該像L2級別那樣約束自己的駕駛行為，始終保持注意力的集中。
三聯生活週刊：《北京市自動駕駛汽車條例》（下文簡稱“《條例》”）起草工作始於2023年初，其間幾易其稿，終於2024年12月31日正式透過，並於今年4月1日起開始實施。《條例》作為自動駕駛汽車立法的地方性法規，將“自動駕駛汽車”的適用範圍設定在L3及以上級別的能力。目前L3的自動駕駛汽車尚未上市，推出針對L3及以上級別能力的地方性法規，它的背景是什麼？
續俊旗：《條例》推出的背景有很多。首先，當前L3及以上級別的自動駕駛技術，尤其是在功能型無人車的實際應用場景已經非常普及，比如無人快遞車、Robotaxi（無人駕駛出租車）之類的場景，在感知、決策、執行等方面已經比較可靠，尤其在高速公路、城市快速路等標準化道路場景中表現穩定，具備落地推廣的技術條件。而且，多家主機廠已將自動駕駛功能整合進量產車型，市場選擇更豐富，軟體更新、資料管理和售後服務等功能已逐步健全。
但與此同時，基於自動駕駛技術現有的發展水平，我國目前只有北京、上海、深圳、武漢等少數城市在無人化、商業化運營方面有探索，還需要政策、法律的保障。比如，北京允許自動駕駛汽車企業收取“研究試驗費”，但因為是試點，它的資質要求、運營範圍以及監管方式還無法大規模商業化運用。因此，希望透過本次立法，在自動駕駛汽車“出生證、身份證、工作證”方面進行管理創新，為未來自動駕駛汽車無人化、商業化推廣提供製度保障。
而在L3的層面，若要實現大規模商業化，因為L3是有條件的自動駕駛，要求自動駕駛系統在特定環境下能夠完全接管駕駛，駕駛員無須持續監控，但在緊急情況下仍須及時介入，所以L3的商業化涉及道路交通安全、責任認定、資料安全等多個複雜問題，必須在政策框架下形成明確的准入標準和管理規則。然而，當前我國對L3的監管體系上仍處於探索階段。但地方可以在法律法規的框架內，開展先行先試，為高階自動駕駛汽車的規範化管理提供地方實踐經驗。
因而，《條例》從自動駕駛汽車的技術創新、測試、運營及推廣，乃至北京市政府及相關部門、車企、運營主體的職責，做了方方面面的規定，為L3及以上級別自動駕駛汽車的技術創新和應用活動管理提供清晰、透明、可預期的制度規範，同時給後續探索實踐預留空間。
三聯生活週刊：在社會上尚未有L3的車批次上市，同時大量出現L2+的汽車，而L2+並沒有得到明確界定的情況下，《條例》的推出對於當下L2+的亂象，是否會有影響？
續俊旗：L2+的混亂，相當程度上在於L3認定的模糊。當L3的標準明確後，理論上L2和L3之間就不會存在模糊地帶。比如《條例》中規定，車企要告知駕駛員自動駕駛的級別和能力。在當前L2+的情況下，車企也會有使用說明書，甚至一些車企要求使用者接受培訓之後，才能解鎖一些功能。但這些措施沒有強制性和業內的統一規範，如果發生事故，對於車企告知使用者的舉證之類的規範也還沒有很明確。透過L3的認定，這些方面都會形成一個專門的規則。
而且，L3的標準確定下來後，就像當下不同檔次的車型，都會宣稱有高速NOA等能力，但能力顯然會有差異一樣，車企在滿足統一設定的L3的最低標準後，可以再附加功能。
而相比於對傳統汽車的檢驗、認定，自動駕駛功能會額外涉及自動駕駛系統的行車安全，網路、資料安全，自動駕駛系統執行時能否符合交通法規等一系列的問題。而這些問題都需要透過測試檢驗。所以對於自動駕駛汽車的監管，相比傳統的准入登記、使用管理、事故處理和責任劃分，就多出一個對自動駕駛能力的測試環節。
《分手的決心》劇照
三聯生活週刊：目前針對L2+、L3的能力，是如何安排道路測試，進行驗證和監管的？
續俊旗：由於L2+仍然屬於L2的輔助駕駛層面，所以對於L2+的測試沒有硬性要求。針對L3，2023年11月起，工業和資訊化部等四部門聯合釋出“試點”檔案，另附《智慧網聯汽車准入和上路通行試點實施指南（試行）》（下文簡稱“《實施指南》”），開始透過試點的方式，探索自動駕駛汽車准入、監管的標準。當前，有比亞迪、蔚來、長安等九家車企已完成試點申報階段的遴選，但還要經歷產品准入試點、上路通行試點等體系化的測試、評估環節，才可能獲得准入和上路通行資格。
具體的場景監測要求，在《實施指南》中寫明，要求場景的測試要包括模擬模擬測試、封閉場地測試和實際道路測試，其中模擬模擬測試場景規定，“至少包括充分、合理的標稱場景、危險場景和邊緣場景”。實際道路測試中也規定，“應根據自動駕駛系統所宣告設計執行範圍對應的道路型別，開展實際道路連續場景測試”。不過，具體的測試場景、透過場景測試能夠對應的技術水平、軟硬體要求，在《實施指南》裡並沒有細緻的規定。
在具體測試環節，測試的車企需要先提出一些技術規範，並按照規範在測試機構進行測試，之後把測試結果交給相關的主管部門做評估，專家做論證。面向全行業、整體、統一的測試標準，仍在搭建之中。同時我們可以看到，一些車企在市場上宣揚智駕系統的出眾，但在實際測試中卻相對保守。比如道路測試時，往往選擇高速道路上低速跟車這種單一的場景，而不會選擇複雜的城市路況。
三聯生活週刊：《條例》中，在自動駕駛汽車的上路通行管理裡，有“個人乘用車出行”這一應用場景。相比《北京市自動駕駛汽車條例（徵求意見稿）》，這是新增的一項。這是否意味著L3的時代將很快到來？
續俊旗：《條例》為L3的商用化留下了口子。但北京未來如何推動落地，還需要結合北京的實際情況探索切實可行的模式。從地方層面來看，目前北京、深圳等地在推進L3自動駕駛方面採取不同模式：深圳擁有地方立法權，依託《深圳經濟特區智慧網聯汽車管理條例》，透過制定地方標準、建立地方准入目錄等機制開展地方L3自動駕駛車輛的商業化落地。然而，地方准入與國家標準之間的銜接尚不明確。例如，車企在深圳透過L3地方准入，但北京及其他省市尚無相應的承認機制，該類車輛在其他城市是否具備合法上路資格，現行法規尚未做出明確規定。此外，北京允許部分L3車輛在特定路段測試，但這一模式並不構成“准入”，最終仍需迴歸中央層面審批。若多個地區也借鑑深圳模式，都制定自己的L3准入規則，同一款車型在多個地區分別申請准入，重複申報、重複試驗將顯著增加車企合規成本，也會增加不同地區之間的政策摩擦。
《我和我的祖國》劇照
目前地方試點的反饋機制較為零散，試點過程中涉及的安全性驗證、交通管理、執法方式等問題，尚未形成系統化的經驗共享模式，L3級自動駕駛的落地仍面臨較多現實挑戰，特別是在執法程式、責任認定及法律歸屬等方面，亟須進一步完善政策法規及技術規範。目前，基層執法部門普遍缺乏足夠的技術能力來判定事故責任，導致在事故認定和處理程式上存在諸多困難，這也將會限制L3的商用化程序。
（本文選自《三聯生活週刊》2025年19期）
排版：初初 / 稽核：小風
詳細崗位要求點選跳轉：《三聯生活週刊》招撰稿人
大家都在看