雖然L3智駕許可準入了，但我勸你先別急著高潮

如果最近去過北京或重慶旅游，你可能會在路上看到尾號為“Z”的新能源車。

自從許可準入后，很多朋友希望我聊聊L3智駕，這個選題其實能深入展開聊很多東西，但我發現個有意思的事兒——不少人認為L3等于高階版L2。

這當然是種誤解。

在L2語境下，雖然車企通過營銷口號給用戶營造了一種“車能自己開”的幻覺，但智駕系統的本質依舊是輔助工具，法律責任主體始終是駕駛員，廠商只需通過“駕駛員需時刻監控路面”的免責條款即可規避絕大多數風險。

如果你仔細去看以前那些新車交付手冊，里面永遠有“駕駛員是駕駛行為的唯一責任人”這句話。

舉個例子，在高速公路一臺開了高階輔助駕駛的車輛撞向路邊的施工推土機，事后車企提取后臺數據往往會給出這樣的結論：系統在撞擊前兩秒發出了接管警示，但駕駛員未及時采取制動措施。

在L2的規則下，只要系統發出了滴滴聲，車企在法律上就已經完成了告知義務，至于你是因為信任系統而走神還是因為系統報警太晚來不及反應，那都是你的個人失誤。

也就是說，L2語境下智駕系統對廠商而言是個穩賺不賠的生意，它們不需要為代碼的每一個邏輯錯誤負責，只需要在說明書里印一行小字，就能讓數以萬計的駕駛員在無意識中成為它們的技術試錯員。

但L3不同，只要證明車輛處于合法的自動駕駛運行范圍內，智駕系統就是獨立執行駕駛任務的智能實體，法律追究的對象最終會指向算法背后的法人，汽車從單純的機械產品變成了具備法律責任承載能力的對象。

以前的汽車，不管發動機拉缸還是剎車失靈，承擔的都是“產品質量責任”，廠商賠你一輛車或者修好它；L3模式下，汽車開始承擔“駕駛行為責任”，當系統接管方向盤的那一刻，它產生的每一項交通行為都被視為廠商行為，如果車輛違章或者引發事故，法律審視的是這套智能系統的決策是否合規。

值得一提的是，目前L3獲準運行的場景大多被嚴密限制在特定的高速或快速路，比如重慶內環快速路、新內環快速路和渝都大道（參數丨圖片）（參數丨圖片）（參數丨圖片）部分路段，且車速不得超過50km/h。

這種克制甚至有些保守的要求，讓不少人產生落差：在高度受限環境下的平緩行駛，算哪門子自動駕駛的突破？

但這是有原因的，因為準入并不等同于實戰，實驗室的理想數據在真實道路的“長尾場景”面前往往過于脆弱。

為防有人不了解，我解釋一下：所謂“長尾場景”，也就是行業里常說的Corner Case。如果把汽車行駛的所有路況畫成一條概率曲線，中間那塊最高最寬的部分就是常見場景，比如普通的跟車、換道、等紅燈；而分布在曲線兩端的極少發生但碰上就可能致命的狀況，就叫做“長尾場景”，比如行車過程中前方突然掉落的黑色廢舊輪胎、隧道進出口可能產生的“短時致盲”、路面上突然竄出的野生動物或違規占道的施工設施。

智駕系統在實驗室學習的是完整的車輪、直立的行人、大貨車、小轎車，但面對“長尾場景”，系統可能會把它當成一塊陰影或者路牌，因為這完全不在“題庫”里。也就是說，如果系統沒在各種光線、雨霧、異形障礙物里“翻車”過幾回，它在實驗室里跑出來的數據就不具備實操可能。

說白了，政策對L3獲準運行的場景嚴格設限主要是為了降低“長尾場景”的破壞力，相當于用低速和低動態環境來掩蓋算法在處理復雜博弈時的不確定性。

所以，L3的核心不是看系統在理想環境下能開多快，而是看它在面臨極端風險時能否給出具備“確定性”的決策。

這就意味著L3不能只生硬地計算物理距離，而是能深層理解交通參與者的意圖，比如識別出旁車是單純的軌跡偏移還是帶有強烈意圖的強行加塞，它需要對物理世界有深度認知，然后生成一種類似于人類老司機的直覺，最終在面臨從未見過的“長尾場景”時才不會因為沒見過而原地停擺——翻譯過來就是“不能在面臨感知邊界時由于無法處理而撒手不管”。

L2的安全是建立在“人必須時刻清醒”的假設上，系統可以隨時為了保住自己不背鍋而選擇退出；但L3“必須兜底”，廠商在硬件、電源、通訊、執行器部分需要全方位冗余，這也是很多技術不過關的廠商對L3號牌望而卻步的真實原因。

不過話說回來，在所有的技術因素里，關于“生命托付”的安全底線才是最無法回避的環節，L3的安全性不是為了通過市場準入的考試，而是在極端突發情況下系統如何執行“最小風險策略”的生還路徑。在這個問題上，硬件路線的選擇實際上決定了系統的生存天花板。

2025年12月20日，舊金山部分區域停電導致交通信號燈全滅，這種情況下正常人類的邏輯是“沒紅綠燈了，咱們就降速、觀察、左右博弈，然后慢慢蹭過去”，但Waymo的無人駕駛出租車在十字路口直接罷工，造成大面積交通癱瘓。

背后的原因是這些無人駕駛出租車極度依賴“預設規則”和“高精地圖”，在高精地圖的體系里，每個路口、每個燈位、每條路權邏輯都是提前寫死的靜態參數，一旦物理世界發生某種不可控的變化（比如交通信號燈全滅），系統的邏輯鏈條就斷了。

這就是單點依賴的風險，如果系統只相信地圖里的數據或者只遵循某一種預設的固定邏輯，那么它在遇到極端場景時能給出的唯一策略就是基于所謂的“安全原則”原地自閉。

這也是華為在智駕方案上堅定選擇激光雷達、4D毫米波雷達與視覺感知全量融合的異構冗余路線的原因。

在中國這種充斥著復雜立交樞紐、進出隧道時光影劇烈變幻以及突發大霧、風沙的現實環境中，單一的視覺感知在極端天氣和逆光環境下容易產生各種“長尾場景”，多傳感器融合的意義并不是參數堆砌，而是當攝像頭被暴雨遮蔽或被強光致盲時，激光雷達和4D毫米波雷達依然能為系統提供“確定性”，確保系統不至于在關鍵時刻因為看不清而原地撒手或做出錯誤的博弈決策。

你可以這么理解：對冗余執著其實是為了應對L3模式下的一些極端風險，比如當系統發出接管請求而駕駛員因為生理不適、昏睡或突發疾病無法響應時，車輛該怎么辦？在L2時代，這可能意味著失控；但在成熟的L3邏輯里，系統必須具備一套完整的“自動救援”能力。

在網上流出的所謂“內部實測”視頻里，國內叫得上名字的幾個廠商的表現還算不錯，當系統檢測到駕駛員失去接管能力后，便會通過多重冗余機制接管控制權，自主尋找避讓空間，平穩地變道至應急車道，同時開啟雙閃、投射SOS大燈、解鎖車門以便救援。

這種將安全兜底功能下沉至底層架構的做法，就是L3智駕的核心含金量，也是技術進步帶給用戶的真正誠意。

當然了，技術的進步最后都要建立在規?；偁幹稀：芏嗳嗽谡務撝邱{時容易陷入一種數字迷信，覺得只要車賣得多、跑得里程長，智駕水平就會自然提高，但真相是單純的“車輛行駛數據”并不等同于“有效訓練數據”。

如果每天采集的都是高速公路上重復千萬次的平穩巡航，那這些數據對于系統而言只是垃圾信息，畢竟系統真正需要的是“長尾場景”。這不僅僅是技術活，更是不斷燃燒的經費，廠商必須擁有高效的數據閉環體系，從車端的實時觸發采集到云端的自動標注與仿真特訓，這中間沒有任何捷徑可走。

高質量數據是無法壓縮的時間成本，一個新入局的玩家，即便現在擁有再高的算力和再好的算法模型，也無法在短時間內追平頭部玩家在過去數年累積下來的“題庫”。

這么說吧，L3不會是一個準入門檻低、誰都能入場的游戲，故事的發展大概率是“強者恒強”的經典劇情?；剡^頭看，為什么華為或者是那些具備規模效應的企業能在L3實測中表現出更高的成熟度？原因就是它們的“題庫”已經足夠多、足夠復雜。

硬件可以買，算力可以租，但這種壁壘真不是靠砸幾個億買幾千塊芯片就能填平的。

江湖車評：

自動駕駛的終局確實令人向往，但我必須要說，別被那個“Z”字號牌沖昏了頭腦，畢竟L3落地只是持久戰的開端，長尾場景里的鬼還有很多，咱們沒必要急著高潮。

而對于車企，以前可以躲在L2的遮羞布后面靠話術賣車，反正出事了有用戶頂包，如今法律紅線畫在那兒了，想要繼續活下去就只能靠實力。

這應該算某種壞消息了吧。