[首發于智駕最前沿微信公眾號]隨著自動駕駛技術的不斷演進，智駕也從實驗室走向了普通消費者，現階段很多車企都相繼發布智駕車型，并已有很多消費者在日常出行中將其作為主要模式。但大家應該也發現了，現在各車企在宣傳自動駕駛技術，尤其是在工信部“強監管”后，大家對于自動駕駛的宣傳則更加保守。除了華為在近期的發布會中提到了高速L3商用解決方案外，其他的很多車企對于智駕系統的定義則稱為組合駕駛輔助，即L2級自動駕駛。為何大家都不敢宣傳L3？L2和L3到底有何區別？

L2和L3如何定義？

根據美國汽車工程師學會（SAE）發布的自動駕駛分級中，對于L2的定義為：在部分的場景中，無人駕駛系統可以完成部分操作，根據系統要求，人類需及時監控周邊環境，并需隨時可以接管車輛。這時駕駛操作的主體和監控車輛周邊環境的主體都是人類駕駛員，而無人駕駛系統只是對駕駛過程進行輔助。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，人類駕駛員僅需提供適當的支持。

感知系統會有何差別？

在自動駕駛系統中，感知是基礎也是核心。L2系統通常以視覺攝像頭和毫米波雷達為主，利用深度學習算法完成車道線識別、車輛與行人檢測，并結合毫米波雷達在惡劣天氣下對距離和速度的測量，從而實現自適應巡航與車道保持等功能。由于攝像頭受光照影響較大，毫米波雷達分辨率有限，二者融合雖能覆蓋絕大多數日常場景，卻難以在夜間、強光直射或隱蔽物體突現時保持高精度感知。

L3系統會在感知層面有質的飛躍，在L3階段，激光雷達將被納入標配，能夠實時輸出百萬點級別的三維點云，實現對周圍環境的細致刻畫；多顆毫米波雷達與環視攝像頭、超聲波傳感器共同構建四維冗余感知網絡，使得即便在大雨、大霧或夜間，系統也能保持對道路、障礙物和交通標志的高精度識別。激光雷達的加入不僅補齊了深度信息的短板，還為高精地圖的本地化匹配提供了可靠支撐，為L3系統在限定場景內的脫手駕駛奠定了前提條件。

算力平臺與算法架構有何差別？

L2與L3在算力需求上存在數量級的差距。L2系統普遍采用30–200TOPS（萬億次運算）級別的SoC，以滿足多路攝像頭、毫米波雷達數據的實時處理以及基礎路徑規劃、目標跟蹤算法的執行。其算法框架通常以單一路徑感知與決策為主，深度神經網絡承擔檢測與語義分割等任務，隨后由車輛ECU（電子控制單元）完成縱向與橫向控制命令的下發。

而L3系統則需要200–1000+TOPS的超高算力平臺。不僅要實時處理激光雷達點云，同時還需并行運行多模型融合算法、場景理解與行為預測，以及執行多重功能安全校驗。典型的L3算法棧包括基于圖優化的高精定位、點云語義分割、基于深度學習的目標預測與軌跡規劃，以及冗余決策模塊的交叉檢驗。所有關鍵路徑均需在主算與備算平臺上獨立實現，以便在任一路徑出現異常時，另一平臺可以無縫接管，保證安全落地。

系統冗余與功能安全有何差別？

在安全設計方面，ASIL（汽車功能安全等級）是衡量自動駕駛系統可靠性的關鍵標準。L2系統的冗余設計多停留在單一傳感或單一路徑的備份層面，少數高端車型會為攝像頭或毫米波雷達配備冗余單元，但在制動、轉向與動力傳動系統上并未做到雙路冗余。一旦關鍵部件失效，系統只能被動降級或完全退出，交還控制權給駕駛員。

L3系統將在冗余層面則做足文章，激光雷達、毫米波雷達、攝像頭等傳感器各自獨立運行，主算與備算平臺均具備完整的感知與決策能力；雙電源、雙通信鏈路、雙制動系統及雙轉向系統構成了全棧冗余設計，確保單一路徑或單個元件失效時，系統依然能夠維持基本的自動駕駛功能，并在必要時安全停車或駛入應急車道。這一全方位的冗余保障，使得L3系統能夠滿足ASIL-D級別的最高功能安全要求。

軟件架構與功能切換有何差別？

L2與L3在軟件控制和模式切換機制上亦大相徑庭。L2輔助駕駛模式的啟動與退出高度依賴駕駛員操作，車輛在開啟自適應巡航或車道保持前，需駕駛員手動按鍵確認，并在運行過程中持續檢測駕駛員的手部和視線狀態。一旦檢測到手離方向盤或視線未聚焦，系統會立即發出警告，隨后強制退出輔助駕駛模式。

L3系統則在其設計運行域（ODD）內實現閉環自動駕駛。軟件平臺通過實時監測環境條件、地圖匹配度和系統健康狀態，在檢測到超出ODD時發出接管請求；若駕駛員在限定時間內未接手，系統會自動執行最小風險策略，如減速至停或駛入應急車道。同時，L3系統能夠根據高精地圖預先掌握道路曲率、坡度與交叉口信息，并動態規劃路徑，無需駕駛員持續關注，實現真正意義上的“免監督”駕駛。

安全策略與風險管理有何區別？

在安全策略方面，L2系統的風險管理主要依賴駕駛員熟練度與系統警示。系統會在感知失真或算法不確定時，通過語音、儀表告警等方式提示駕駛員干預，但對于駕駛員未及時反應的情況，缺乏進一步的質量保證措施。

相比之下，L3系統在設計之初即將“風險分布權”納入考量，系統不僅要對外部環境風險進行量化評估，還要對自身運行狀態進行持續監測，并根據風險等級調整功能可用性。當外部風險或系統風險高于可控閾值時，系統會在最短時間內完成安全降級，并在必要時將車輛引導至安全區域停車，從而最大程度降低潛在事故損失。

L3有何挑戰？

技術升級往往伴隨著成本攀升，L2系統中，傳感器成本控制在一萬至三萬元人民幣之間，而L3系統僅激光雷達一項成本便可能高達數萬元，加之高算力芯片與冗余硬件投入，使整車成本提升五萬至十萬元不等。要實現大規模量產，必須在傳感器采購、計算平臺設計與供應鏈管理上取得突破，才能將L3整體成本壓降至合理區間。

此外，L3級別的自動駕駛要求無人駕駛系統可以很大程度上“獨立操作”，對于企業來說，若出現智駕事故，企業將對此負主要責任，因此企業在宣傳時，為減少責任糾紛，在技術未100%確保安全時，不會主動宣傳達到L3等級。

最后的話

隨著激光雷達等高精度傳感器成本逐年下降，法規與標準日趨完善，L3有條件自動駕駛有望從高端市場向中高端乃至入門級車型下探。同時，V2X（車聯網）與高精地圖的普及，也將為系統提供更豐富的路側與云端信息，進一步提高感知冗余度與決策精度。多傳感融合算法、強化學習與仿真技術的進步，更將不斷提升系統安全性與魯棒性。可以預見，L2與L3的界限在不斷模糊與移動，但以技術為驅動的分層設計依舊是行業健康發展的基石。