當L2級輔助駕駛成為15萬級以上新車的標配，城市NOA、高速領航等功能早已不是新鮮事；當奔馳Drive Pilot、小鵬XNGP、華為ADS 3.0相繼拿到L3級自動駕駛認證，北上廣深等城市開放L3路權(quán)；當Waymo執(zhí)著于L4級Robotaxi落地，特斯拉堅持從L2+直接躍遷L4，行業(yè)陷入了一場關于技術路線的激烈爭論。

不同于市場端的商業(yè)化博弈、法規(guī)端的責任劃分，從技術視角來看，自動駕駛從L2到L4的進化，本質(zhì)上是感知、決策、執(zhí)行三大核心模塊的能力躍遷，以及數(shù)據(jù)閉環(huán)、硬件冗余、場景適配等底層技術的持續(xù)迭代。而夾在中間的L3，究竟是銜接L2與L4的“技術緩沖帶”，是不可或缺的驗證階梯，還是兩頭不討好的“冗余環(huán)節(jié)”？

這個問題的答案，不僅決定了未來十年汽車行業(yè)的技術路線，更決定了我們每一個人的出行方式。

技術邊界而非責任邊界

多數(shù)人對自動駕駛分級的認知，停留在“功能多少”或“責任歸屬”上，但從技術底層來看，L2、L3、L4的核心區(qū)別，實則是系統(tǒng)自主決策能力、環(huán)境感知精度、故障冗余能力的本質(zhì)差異，責任劃分只是技術能力達到一定水平后的衍生結(jié)果，而非分級的核心依據(jù)。

基于SAE J3016 2021版官方定義，我們重新審視三個級別的核心邊界：

L2級輔助駕駛（Partial Automation）：技術核心是“輔助執(zhí)行”，無自主決策能力。

硬件主打“夠用就好”，單芯片、單感知鏈路，標配6-8個攝像頭、4-5個毫米波雷達，無需激光雷達，感知范圍≤100米，定位精度米級。

算法是“死規(guī)則”，車道保持、跟車等基礎功能全靠工程師手動編寫，遇到復雜場景（前車急剎、行人橫穿等）直接失效，所有技術設計都默認“人類是最終兜底者”，不考慮系統(tǒng)失效后的應急方案。

L3級有條件自動駕駛（Conditional Automation）：技術核心是“有限自主決策”，具備場景化自主控制能力。

硬件要“留后手”,雙芯片、雙制動、雙轉(zhuǎn)向是標配，同時引入激光雷達提升精度，攝像頭升級為高清級別，感知范圍擴至150-200米，定位精度分米級。

算法開始引入深度學習技術，能在封閉高速、城市快速路等設計運行范圍（ODD）內(nèi)自主跟車、變道，但搞不定暴雪、無標線施工路等長尾場景，遇無法處理的情況觸發(fā)接管請求，核心是“系統(tǒng)主導、人類兜底”。

L4級高度自動駕駛（High Automation）：技術核心是“全場景自主決策+故障自處置”，無需人類介入。

硬件“雙保險拉滿”，全冗余架構(gòu)（雙芯片、雙電源、雙感知鏈路），激光雷達升級至64線以上，攝像頭11-16個，毫米波探測距離達250-300米，定位精度厘米級，依賴高精度定位。

算法實現(xiàn)“端到端閉環(huán)”，能完成復雜語義分割、意圖預測，應對幾乎所有長尾場景，單點故障也能自主緊急停車，核心是“系統(tǒng)完全兜底，人類無需參與”。

明確這一技術邊界后，我們可以發(fā)現(xiàn)：L2到L4的技術躍遷，不是簡單的功能疊加，而是從“輔助執(zhí)行”到“自主決策”，再到“全自主+自兜底”，每一步都需要突破核心技術瓶頸。而L3的技術定位，恰好處于“輔助”與“全自主”之間，這也決定了它在技術迭代中的爭議性。

九層之臺，起于累土

主流車企和多數(shù)技術研究者認為，L3不僅有必要，更是從L2到L4的“唯一可行路徑”。L4的全冗余技術、全場景算法，無法通過實驗室模擬完成驗證，因此必須通過L3的量產(chǎn)落地，完成技術拆解、數(shù)據(jù)積累、風險驗證，逐步突破瓶頸，其本質(zhì)是L4技術的“降維驗證載體”。

感知方面，從L2到L4，感知技術難度呈指數(shù)級提升，而L3恰好是感知技術從“基礎夠用”到“高精度冗余”的過渡關鍵。這種定位，讓L3成為多傳感器融合技術的“最佳驗證平臺”。

一方面，L3需要引入激光雷達與視覺、毫米波雷達的感知融合技術，解決L2感知系統(tǒng)在復雜場景下的盲區(qū)問題，比如在夜間、暴雨天氣，攝像頭和毫米波雷達的感知精度大幅下降，激光雷達的3D點云數(shù)據(jù)可以彌補這一短板。

但多傳感器融合并非簡單的“數(shù)據(jù)疊加”，而是需要解決數(shù)據(jù)同步、標定、沖突消解等技術難題：不同傳感器的采樣頻率、數(shù)據(jù)格式不同，如何實現(xiàn)同步采集？激光雷達與攝像頭的標定誤差如何控制？當不同傳感器檢測到的目標出現(xiàn)沖突時，如何判斷最優(yōu)結(jié)果？這些問題，都要在L3量產(chǎn)落地的過程中，在真實場景下得到進一步驗證。

比如華為乾崑近日推出了新一代雙光路圖像級激光雷達，高達896線，分辨率提升4倍，穩(wěn)定感知識別距離可達120米；第六代Waymo Driver基于最新17MP圖像傳感器，使傳感器數(shù)量銳減42%，性能實現(xiàn)飆升，雨雪天目標檢測能力提升30%以上；蘑菇車聯(lián)通過“視覺為主+固態(tài)激光雷達”的融合感知路線，使點云密度提升3-6倍，目標感知距離提升超50%，漏/誤檢率下降70%，接管率大幅降低兩個數(shù)量級。

另一方面，L3的感知精度要求（分米級定位、150-200米感知距離），恰好是L4的厘米級定位、300米感知距離的“過渡訓練”。L4的高精度定位需要依賴高精地圖與衛(wèi)星導航系統(tǒng)的融合，而L3可以先通過“簡化版高精地圖+普通定位”的方案，驗證定位系統(tǒng)的穩(wěn)定性、抗干擾能力，解決隧道、高樓遮擋等場景下的定位漂移問題，這些技術難題，無法在實驗室中模擬，只能通過量產(chǎn)車的真實路況積累，逐步優(yōu)化算法。

決策方面，L3處于規(guī)則驅(qū)動向AI驅(qū)動過渡的階段：在設定的ODD（運行設計域）范圍內(nèi)，系統(tǒng)可以自主完成決策（比如高速場景下的跟車、變道、避障），但遇到超出ODD的場景，仍需人類接管。這種定位，讓決策算法能夠在“可控場景”下進行實戰(zhàn)訓練，逐步積累數(shù)據(jù)、優(yōu)化模型。

具體來說，L3的決策算法需要解決三個核心技術難題，而這些難題，正是L4決策系統(tǒng)的基礎。

第一，場景語義分割與意圖預測。L3系統(tǒng)需要能夠精準識別道路標線、交通標志、紅綠燈，同時預測前方車輛、行人的行為意圖，比如判斷前方車輛是否會變道、行人是否會橫穿馬路。

第二，軌跡規(guī)劃的動態(tài)優(yōu)化。L3的軌跡規(guī)劃需要具備動態(tài)優(yōu)化能力，比如遇到前方車輛慢速行駛，能自主規(guī)劃最優(yōu)變道路線，兼顧安全性和舒適性；遇到彎道，能自主調(diào)整轉(zhuǎn)向角度和車速，避免側(cè)滑。

第三，緊急場景的應急決策。L3系統(tǒng)需要具備簡單的應急決策能力，比如系統(tǒng)感知到自身故障，能自主觸發(fā)接管請求，并保持車輛穩(wěn)定行駛一段時間，給駕駛員留出接管時間；遇到突發(fā)障礙物，能自主完成緊急制動或避讓。

此外，L3的決策系統(tǒng)還能驗證“人機交互的技術可行性”。比如接管請求的觸發(fā)時機、提示方式，如何確保駕駛員在注意力分散的情況下，能夠及時接管。雖然人機交互包含用戶體驗因素，但從技術角度來看，接管請求的觸發(fā)邏輯、提示信號的傳輸效率，都是L4系統(tǒng)“無接管”設計的基礎，只有明確了人類接管的極限，才能更好地設計L4系統(tǒng)的故障自處置邏輯。

自動駕駛算法的迭代，核心是“數(shù)據(jù)喂養(yǎng)”，算法的精度、泛化能力，取決于訓練數(shù)據(jù)的數(shù)量和質(zhì)量。L4級算法需要海量的全場景真實數(shù)據(jù)，而L3的量產(chǎn)落地，恰好能構(gòu)建起“量產(chǎn)數(shù)據(jù)-算法優(yōu)化-OTA升級”的閉環(huán)，為L4算法提供充足的數(shù)據(jù)支撐。

L2級輔助駕駛的用戶基數(shù)雖然龐大，但數(shù)據(jù)的價值有限，且L2的數(shù)據(jù)以“輔助駕駛?cè)罩尽睘橹�，缺乏系統(tǒng)自主決策的相關數(shù)據(jù)，無法用于L4算法的訓練。

而L4級Robotaxi的測試，雖然能收集到復雜場景的數(shù)據(jù)，但測試范圍有限、測試車輛數(shù)量少，數(shù)據(jù)量遠遠無法滿足算法迭代的需求，Waymo的Robotaxi在鳳凰城測試了10年，收集的數(shù)據(jù)量僅相當于百萬臺L3量產(chǎn)車運行1年的數(shù)據(jù)量。

L3的量產(chǎn)落地，能完美解決這一問題。L3車型的用戶基數(shù)大，運行場景覆蓋高速、城市快速路等多種場景，能夠收集到大量復雜場景、極端場景的數(shù)據(jù)，且這些數(shù)據(jù)包含系統(tǒng)自主決策的全過程，是L4算法訓練的核心素材。

更重要的是，L3系統(tǒng)可以構(gòu)建起“實時數(shù)據(jù)閉環(huán)”，量產(chǎn)車收集到的真實路況數(shù)據(jù)，通過車聯(lián)網(wǎng)傳輸至云端，技術團隊對數(shù)據(jù)進行標注、清洗，用于優(yōu)化算法模型，然后通過OTA升級，將優(yōu)化后的算法推送至每一臺車輛，車輛再收集新的數(shù)據(jù)，形成“數(shù)據(jù)-算法-數(shù)據(jù)”的良性循環(huán)。這種閉環(huán)，正是L4算法迭代的核心支撐。

L3量產(chǎn)落地之惑

盡管主流車企堅持L3的必要性，但以特斯拉、Waymo為代表的技術派，始終認為L3是“技術冗余”。從技術架構(gòu)來看，L3與L4的核心技術棧高度重合，研發(fā)L3相當于“重復投入”，且L3的技術設計存在先天缺陷，無法真正為L4提供有效支撐，跳過L3直接研發(fā)L4，反而能提升技術迭代效率，避免資源浪費。

更關鍵的是，L3的技術設計存在“先天妥協(xié)”，為了適配“人機接管”，L3的算法需要預留接管觸發(fā)邏輯，冗余系統(tǒng)只需要滿足“基礎兜底”，無需實現(xiàn)“全故障自處置”，這種妥協(xié)，導致L3的技術積累無法直接完全復用至L4，反而需要進行大量的修改和優(yōu)化。

特斯拉的技術路線，恰恰印證了這一點。特斯拉始終不研發(fā)L3，而是專注于L2+和L4的研發(fā)，其L2+系統(tǒng)（FSD）的硬件配置，與L4的硬件配置高度一致，算法也采用了與L4相同的端到端架構(gòu)，只是在場景覆蓋和自主決策能力上有所限制。

通過L2+的量產(chǎn)，特斯拉收集了海量真實數(shù)據(jù)，優(yōu)化算法，逐步提升系統(tǒng)的自主決策能力，最終實現(xiàn)向L4的躍遷。這種方式，跳過了L3的“重復投入”，直接實現(xiàn)了L2到L4的技術迭代，效率更高。

從技術邏輯來看，L3的核心設計矛盾是“系統(tǒng)自主決策與人類接管的沖突”，這種矛盾，導致L3的技術驗證無法為L4提供有效支撐，反而可能誤導技術研發(fā)方向。

L4的技術核心是“無接管”，所有技術設計都圍繞“系統(tǒng)完全兜底”展開，無需考慮人類接管的邏輯；而L3的技術設計，必須圍繞“人機接管”展開，需要預留接管觸發(fā)邏輯、接管提示機制、接管失敗的應急處置邏輯。這些設計，與L4的技術邏輯完全相悖，無法為L4提供有效驗證。

隨著AI大模型、高算力芯片、高精度傳感器的快速發(fā)展，自動駕駛技術的迭代速度大幅提升。例如，多模態(tài)Transformer大模型的應用，讓決策算法能夠直接實現(xiàn)“感知-決策-控制”的端到端生成，跳過了傳統(tǒng)規(guī)則驅(qū)動的中間環(huán)節(jié)，大幅提升了系統(tǒng)的自主決策能力；高算力芯片的量產(chǎn)，讓多傳感器融合、復雜算法的實時運行成為可能；激光雷達的成本下降、性能提升，讓L4的感知系統(tǒng)能夠?qū)崿F(xiàn)大規(guī)模量產(chǎn)。

在技術快速進化背景下，從L2+直接躍遷到L4已經(jīng)成為可能。例如，特斯拉的FSD V14.2版本，通過多模態(tài)大模型的優(yōu)化，已經(jīng)具備了接近L4的自主決策能力，能夠在復雜城市場景中自主完成跟車、變道、避障、路口禮讓等操作，無需人類接管，本質(zhì)上已經(jīng)具備了L4的核心技術能力。后續(xù)將推送FSD V14.3，馬斯克稱14.3允許用戶“進入睡眠狀態(tài)并在目的地被喚醒”（無監(jiān)督FSD）。這種躍遷，無需經(jīng)過L3的過渡，直接實現(xiàn)了從L2到L4的技術突破。

此外，L4的技術研發(fā)，可以通過“仿真測試+Robotaxi試點”的方式，完成技術驗證，無需依賴L3的量產(chǎn)落地。例如，Waymo通過大規(guī)模仿真測試，模擬各種極端場景，驗證系統(tǒng)的故障自處置能力，這些方式，能夠有效替代L3的技術驗證作用，且更精準、更高效。

L3試點從“小切口”推進

2023年11月，工信部、公安部、 住建部、交通運輸部四部門聯(lián)合發(fā)布《關于開展智能網(wǎng)聯(lián)汽車準入和上路通行試點工作的通知》。2024年6月，工信部已公布首批試點的聯(lián)合體；2025年底工信部正式許可首批L3級自動駕駛車型產(chǎn)品開展上路通行試點。

需要說明的是，此次準入試點和之前各省市頒發(fā)的L3/L4測試或示范應用/運營牌照有本質(zhì)區(qū)別：2021年工信部等部門聯(lián)合發(fā)布《智能網(wǎng)聯(lián)道路測試和示范應用管理規(guī)范》，基于此文件，各省市因地制宜陸續(xù)出臺對應的實施細則。

在此之后，深圳、武漢等地Robotaxi陸續(xù)上路測試、運營。然而，該類文件本質(zhì)上是規(guī)范性文件，鼓勵智能網(wǎng)聯(lián)汽車在公開道路上測試和應用，核心目的是為了驗證技術和探索智駕產(chǎn)品形態(tài)，因此在上述政策之下，各Robotaxi廠商拿到的牌照為“試驗用機動車臨時行駛車號牌”。

此次進行智能網(wǎng)聯(lián)汽車準入和上路通行試點，是在各企業(yè)進行道路測試驗證產(chǎn)品的基礎之上進行遴選，本質(zhì)目的是為后續(xù)相關法律法規(guī)、技術標準制修訂提供經(jīng)驗和依據(jù)。

在這樣的目標之下，《試點》配套的《實施指南》中進一步明確了汽車生產(chǎn)企業(yè)、智能網(wǎng)聯(lián)產(chǎn)品的準入要求，以及在國家級政策文件中首次明確了事故責任劃分標準，意味著我國自動駕駛法規(guī)體系的建立正式提上日程。

值得注意的是，獲批的L3級自動駕駛車輛的攝像頭、雷達等裝備必須是前裝量產(chǎn)，通過后改裝方式搭載傳感器的車輛無法申請準入試點。作為試點城市，重慶要求在交通擁堵狀況下的高速路和快速路使用自動駕駛功能時，最高車速不超過50km/h，北京要求在相同的路況下最高車速可達80km/h。

針對L3/L4自動駕駛車輛的準入，國家標準體系正逐步建立。《自動駕駛數(shù)據(jù)記錄系統(tǒng)》是第一個自動駕駛強制標準，已正式頒布，于2026年1月1日正式執(zhí)行；由工信部牽頭的《自動駕駛系統(tǒng)安全要求》強制性標準直接規(guī)范自動駕駛系統(tǒng)的技術要求、制造商要求和檢驗檢測方法，影響重大，目前已正式進入起草階段；由公安部牽頭的《智能網(wǎng)聯(lián)汽車道路通行規(guī)定符合性測試內(nèi)容和方法》亦進入擬立項階段。

沒有絕對答案，只有最適配的選擇

至于L3到底有沒有必要，答案并不是非黑即白，其必要性取決于企業(yè)的技術路線、研發(fā)實力，以及對技術迭代節(jié)奏的判斷。不存在“絕對必要”或“絕對冗余”，只有“是否適配”。

對于絕大多數(shù)主流車企來說，L3是必要的，它們沒有特斯拉、Waymo那般研發(fā)實力和數(shù)據(jù)積累，無法實現(xiàn)從L2+直接到L4的技術躍遷，只能通過L3的量產(chǎn)落地，逐步拆解L4的技術難題，積累數(shù)據(jù)、驗證技術、優(yōu)化算法，實現(xiàn)漸進式迭代。L3的核心價值，不是過渡產(chǎn)品，而是“技術驗證載體”，是它們通往L4的“必經(jīng)階梯”。

這些車企通過L3的量產(chǎn)，能夠逐步突破感知融合、自主決策、冗余系統(tǒng)、數(shù)據(jù)閉環(huán)等核心技術難題，從而為L4的研發(fā)奠定堅實基礎。

而對于特斯拉這樣的頭部技術玩家來說，具備強大的研發(fā)實力、海量的數(shù)據(jù)積累，以及領先的技術架構(gòu)，能夠通過L2+的量產(chǎn)或Robotaxi的試點，直接突破L4的核心技術難題，實現(xiàn)從L2到L4的技術躍遷，無需經(jīng)過L3的過渡。對于他們來說，研發(fā)L3相當于“重復投入”，不僅無法提升技術迭代效率，還會分散研發(fā)精力，延誤L4的落地進度。

但我們必須承認，無論是否跳過L3階段，L4的核心技術難題——全場景感知、全自主決策、全冗余兜底、海量數(shù)據(jù)閉環(huán)都無法回避。L3的存在，無疑推動了自動駕駛核心技術的普及和成熟，它讓多傳感器融合、高算力芯片、自主決策算法等核心技術，實現(xiàn)了大規(guī)模量產(chǎn)應用，降低了L4技術的研發(fā)和量產(chǎn)成本，為整個行業(yè)的技術迭代奠定了基礎。即使是特斯拉、Waymo，也間接受益于L3推動的供應鏈成熟，比如激光雷達成本的下降、高算力芯片的普及等，都與L3的量產(chǎn)落地密切相關。

自動駕駛技術的終極目標，是L4甚至L5的全自主駕駛，而無論是漸進式還是跨越式路線，最終的核心都是突破核心技術難題，實現(xiàn)安全、可靠的自動駕駛。L3的存在，只是行業(yè)技術迭代過程中的一個“階段性產(chǎn)物”，它的價值，將隨著技術的不斷成熟，逐步被L4替代，但在當下，它依然是多數(shù)企業(yè)實現(xiàn)技術躍遷的“最優(yōu)解”。

技術迭代從無捷徑可言，該走的路一步也繞不過去，對于多數(shù)企業(yè)來說，L3不是捷徑，但卻是最穩(wěn)妥的路。