4月22日，华为智能汽车解决方案BU CEO靳玉志在华为乾崑智能化技术大会正式发布了华为智能辅助驾驶最新系统ADS 4，该系统支持高速L3规模商用。其实在此之前，车企在对外宣传自动驾驶能力时，很少会使用L3的说法，而是创造了“L2+”“L2++”“L2.9”等概念，用以强调系统虽具备近似L3的部分能力，却依然需要驾驶员持续监控，随时接管。为什么车企不敢宣传智驾系统达到L3?

从自动驾驶标准角度分析

在聊这个话题之前，我们先要了解实现L3需要达到哪些要求。根据美国汽车工程师学会（SAE）发布的自动驾驶分级中，对于L3级的定义为：在部分的场景中，无人驾驶系统可以完成所有的操作，根据系统要求，人类提供适当的应答。其中驾驶操作的主体和监控车辆周边环境的主体是无人驾驶系统，人类驾驶员仅需提供适当的支持。

L3级别将驾驶任务的“主要责任”从人转移到系统，这就意味着，制造商必须对系统在自动驾驶模式下的一切行为承担法律责任。世界经济论坛的报告指出，SAE L3及以上级别的事故责任将由制造商承担，而L2及以下则由驾驶员承担，二者的法律风险天差地别；在L3模式下若发生碰撞，原本由驾驶员自行承担的事故赔偿，将转变为产品质量和安全责任，这会令车企面临更为严厉的法律诉讼和监管审查。正因如此，大多数厂商在对外宣传中刻意回避“L3”标签，宁可用“L2+”“L2.9”来强调“驾驶员仍需时刻备份接管”，以维持责任边界在L2范畴内。

各国相关标准要求

由联合国欧洲经济委员会发布，并于2021年生效的《关于批准车辆的软件升级和软件升级管理体系统一规定的法规》R157（Automated Lane Keeping Systems，ALKS）法规中，就首次为L3级别的自动保持车道系统提供了统一的类型认证框架，并对系统性能、故障转移与驾驶员监控等关键指标提出了严格要求；而同时生效的《网络安全及网络安全管理系统规定》R155/《软件更新及软件更新管理系统规定》R156则对网络安全管理体系（CSMS）和软件更新管理体系（SUMS）作出了强制性规定，要求制造商在OTA升级过程中保证软件的可追溯、可回滚与安全性。车企若贸然在量产车上标榜“L3”，就必须在上述法规框架下完成硬件、软件和流程的全链条合规，否则将面临类型认证无法通过、市场禁入乃至高额罚款的风险。

在美国，美国国家公路交通安全管理局（NHTSA）也提出了“自动驾驶车辆安全、透明度和评估计划”（ADS-equipped Vehicle Safety, Transparency, and Evaluation Program，简称 AV STEP），以鼓励企业提交安全评估报告与运营数据，但作为一个自愿性全国性评估和监督框架，该框架并不具备强制力，对传感器性能指标、低能见度环境下感知能力等核心参数仍无硬性量化要求；此外，美国《联邦机动车安全标准》（FMVSS）中的乘员保护标准修订虽允许在满足条件的情况下取消方向盘与踏板，但也要求车辆在系统控制切换时提供清晰可靠的驾驶员接管提示。

在中国，暂未有对L3级事故责任认定的标准，参考现有的法律法规及地方要求，在2024年12月31日北京市第十六届人民代表大会常务委员会第十四次会议通过的《北京市自动驾驶汽车条例》第三十一和第三十二条规定：

第三十一条  自动驾驶汽车上路通行期间，违反道路交通安全法律法规或者发生交通事故的，由公安机关交通管理部门按照国家有关规定调查和处理。

自动驾驶汽车发生交通事故，驾驶人或者安全员、平台安全监控人员应当按照规定采取必要的安全处置措施，并迅速报告公安机关交通管理部门；交通事故仅造成轻微财产损失，当事人对事实及成因无争议的，也可以自行协商处理。

第三十二条  自动驾驶汽车发生交通事故的，相关企业和个人应当配合公安机关交通管理部门的调查处理，并按照要求提供相应证据材料。相关企业还应根据有关部门要求提供事故过程信息或者事故分析报告。

根据内容可见，《北京市自动驾驶汽车条例》也未明确对于L3级事故的处理措施，这种法规与标准的不明确，使得车企不敢轻易用“L3”来做宣传，而是寄希望于未来监管细则与量产实测都更为成熟之后，再将“L3”置于醒目位置。

从技术及相关配套方面分析

现阶段技术成熟度仍难满足L3全场景的安全需求。L3系统应在特定操作域（Operational Design Domain，ODD）内实现完全自动化，但若想在城市复杂路况、高速交叉匝道、隧道、雨雪雾等多种环境下实现L3级自动驾驶，离不开高精度LiDAR、摄像头与毫米波雷达的多模态融合。大量研究表明，在雨、雪、雾等恶劣天气条件下，LiDAR点云稀疏、测距误差显著增加，摄像头易受逆光和低光照影响，毫米波雷达对非金属小目标的探测能力有限，各传感器的时序与坐标偏差，也大大增加了实时数据融合的复杂性与风险。即便是领先的感知方案，也难以彻底消除这些软硬件局限，系统在边缘场景的鲁棒性与可解释性仍是实现L3级自动驾驶的主要痛点。

而在研发与测试环节，L3的验证难度也呈指数级攀升。传统实车道路测试需要数十亿英里才能覆盖足够的边缘案例，而加速评估（Accelerated Evaluation）方法虽可通过重要性抽样将1 000英里测试等效于30万至1亿英里实地驾驶，但场景库构建、复杂度评估与可追溯性仍待完善，且每次迭代验证都需配合大规模仿真与实车回放，成本与周期都高得令人望而却步。因此，车企更倾向于在L2.9级别逐步铺设更多传感与算法迭代，边推进边积累数据，而非一下子跨入L3的深水区。

L3级自动驾驶更对现阶段保险的相关条例及责任认定提出了要求。随着系统在运行期间主导驾驶任务，保险责任将从传统的个人车险转向产品和商业险。据KPMG分析，到2040年，个人汽车险占比将从87%降至58%，商业车险与产品责任险比重攀升至42%。在美国，仅L3高速公路场景的相关保费就可能高出传统车险1%左右，按整个市场规模计算可能高达数十亿美元，保险商和车企不得不共同设计更复杂的混合保障方案，确保一旦系统失效或接管延迟，相关赔付与责任分担可迅速厘清。

从商业模式与投资回报来看，L3高速用例的开发投入也不菲。McKinsey的研究显示，仅在高速场景下实现L3系统，就需要超过20亿美元的研发和验证投入；而要在城市、自动泊车、低速拥堵等多场景下全面推广，投资额还会进一步翻倍。尽管未来有望形成3 000～4 000亿美元的市场规模，但短期内难以在量产车销售中迅速实现规模效应，车企更愿意把资源投向更易获益的L2+或共享出行方案，以平衡研发成本与资金压力。

基础设施尚未完善也限制了L3的落地。V2X（VehicletoEverything）通信原本可在非视距或复杂路口场景中提供协同感知，但部署成本高昂：美国交通部测算，一个路口的C-V2X路侧单元（RSU）安装成本约为6000～7000美元，车辆端的OBU成本也在160～170美元不等。高精地图与边缘计算节点的大规模商用同样面临投资和运维难题，生态配套尚不完备使得车企不得不降低系统对基础设施依赖的程度，从而降低对L3能力的信心。

消费者心智与市场教育也是L3及自动驾驶普及的一大阻碍。自动驾驶技术的宣传方式需与其现阶段能力相匹配，如在L2级自动驾驶阶段，既要让消费者了解系统的便利性，也要让他们清楚在使用时注意力不能完全放松。Euro NCAP和Thatcham Research的调研也表明，70%以上的驾驶员高估了半自动驾驶系统的能力，甚至有人在使用“高速辅助”时观看视频或睡觉，这极易造成接管延迟和安全隐患。此外，国内某些网红、车企及部分企业领导也曾过渡宣传智驾功能，让消费者误以为无人驾驶以来的幻觉，若出现事故后，消费者只会对智驾系统更加害怕。在这种情况下，如果车企贸然标榜“L3”，很可能因用户误解导致信任崩塌，一旦出现安全事故，其品牌声誉损失难以估量。

-- END --

       原文标题 : 为什么车企不敢宣传智驾系统达到L3?