华为领衔发力，中国L3自动驾驶突破在望

随着中国本土汽车制造业的崛起，辅助驾驶（ADAS）的发展正在提速。目前，汽车行业智能化进程正处于由L2级向L3过渡阶段，虽然还没有达到L3，但已经超过L2，处在L2+阶段。

4月下旬，Counterpointresearch发布了一份统计和预测数据，该机构认为，2024年全球具备L3级ADAS水平的乘用车销量将超过25,000辆，而中国市场是重要的推动力量，预计到2026年，中国L3级乘用车装机量将超过100万辆，占总出货量的10%。

Counterpointresearch认为，在发展ADAS方面，中国市场有几大优势，包括政府的支持，多个L3级测试许可证的颁发，以及多家供应商在L2级测试方面的进步和技术积累。

以上的预测比较乐观，特别是2026年100万辆L3级乘用车的水平，令人向往。而在2024年，全球25,000辆L3级的乘用车数量，还是比较客观的，这在全球数以千万辆具有ADAS系统的乘用车当中，是非常小的比例。它更多的是出现在商用车领域，如百度的无人驾驶出租车等，在2024年，L3级乘用车还难以进入寻常百姓家。

那么，L3级ADAS实现和推广起来为什么这么难呢？这就要先看一下，从L1到L5，具体都是什么水平。

根据美国SAE的定义，L1级车辆在某些情况下可以协助驾驶员完成某些驾驶任务；L2级车辆可以独立完成某些驾驶任务，但驾驶员需要始终观察周围环境，并在必要时接管；L3级车辆可以自动驾驶，几乎不需要驾驶员随时准备接管；L4则意味着在某些特定条件下完全不需要驾驶员控制；L5级车辆可以在任何条件下完成自动驾驶。

可见，目前的ADAS系统正处在从L2向L3的过渡阶段，绝大多数情况下，还不能实现自动驾驶，少数情况下可以，但市场规模和占比很小。

01

向L3进发过程中的收获

4年前，汽车行业提出“软件定义汽车”、“算力军备竞赛”、“E/E架构集中化”等口号，之后，诞生了以算力芯片、底层软件、算法、域控制器等为代表的全新赛道。

当时，以小马智行、文远知行为代表的企业主张“跨越式”落地方式，认为L4级自动驾驶的最佳落地场景是Robotaxi。相反，以特斯拉为代表的造车新势力，则认为自动驾驶要“渐进式”落地，即由L2开始，逐步过渡到L2+、L3，最终实现L4。

从技术路线来看，多传感器融合和纯视觉路线也存在纷争，中国公司主张通过搭载激光雷达、毫米波雷达、摄像头等方式来增强单车感知能力，而特斯拉、Mobileye等公司则在走纯视觉路线，专注于视觉算法的开发和迭代。

经过几年的迭代，目前，部分L4赛道的参与者虽已开始在中国各地示范区初步落地，但由于成本及法律法规等因素，Robotaxi大规模商业化落地仍遥遥无期。相反，以蔚小理为代表的造车新势力已相继开始规模化推送通勤NOA和城市NOA等L2+功能。在这种态势下，一些在以前专攻L4的商家不得不参与L2+方案业务，以求生存下去。总体来看，“渐进式”成为了自动驾驶的主流落地方式。

从技术路线来看，特斯拉提出的“BEV+Transformer”、“Occupancy”等视觉算法技术架构在北美通过FSD系统取得成功。中国厂商也开始效仿特斯拉，重建自身感知架构，ADAS感知算法成为商家追求的焦点。

02

ADAS硬件迭代

在传统分布式E/E架构下，辅助驾驶系统由几个相互独立的子系统（如前向ADAS，侧后ADAS，泊车辅助系统，全景环视系统等）构成，每个子系统都有一个ECU。ECU的主要结构为“单片机+外围电路”，在这种架构下，Tier1厂商将软硬件打包以“黑盒”交付的形式提供给主机厂，Mobileye是典型代表。

随着整车E/E架构从分布式走向集中式，ADAS子系统所对应的ECU也融合成辅助驾驶域控制器，主控芯片从MCU演变成更高性能的SoC芯片，软件架构也随之向SOA架构升级，包括系统软件（虚拟机，中间件等）、算法模块和应用程序层三部分，实现了“软硬件解耦”，整个ADAS产业链也分解为芯片、硬件集成和生产、软件开发、算法开发、应用程序开发等几大环节。

在行业变革初期，芯片、中间件、算法开发等环节都衍生出了一批创业公司，他们的技术壁垒在于是否在各自环节具备充足的开发能力和量产经验。例如，在过去3年里，德赛西威凭借基于对英伟达Orin芯片的ADAS域控制器量产经验，斩获众多车企订单。然而，随着部分中低算力的智驾域控制器逐步走向标准化，对优秀的Tier1企业而言（包括芯片供应商、集成供应商、算法供应商等），对其能力的要求已不仅局限于产业链单一环节，而是需要凭借领先优势整合产业链上下游，具备集芯片、算法、制造等为一体的综合供应能力，以建立起生态系统。

从2023和2024年以来的发展情况来看，已具备建立生态能力的中国厂商有华为（从底层芯片到上层算法全栈自研）、大疆（具备算法自研能力和制造能力，且能够把芯片性能发挥到极致）。

目前，英伟达的Orin芯片占据NOA主控芯片75%的市场份额，中国厂商地平线的征程系列于今年4月发布了征程6新品，支持城市NOA功能。无论是英伟达，还是地平线，都在尽力补足算法能力，并逐步具备提供智能驾驶完整解决方案的能力。此外，智能驾驶算法龙头Momenta也组建了芯片团队，以补足底层硬件能力。

发展至今，ADAS的硬件系统需要进一步迭代，才能为实现L3级驾驶做好准备，如域控制器，摄像头，各种雷达等。

L3级ADAS的功能更为智能化，要求底层芯片（以域控制器为主）具有更高的算力，同时，对低功耗和兼容性水平的要求将提升。

要实现L3级ADAS，要求车辆具备很强的感知能力，对于摄像头、毫米波雷达、激光雷达等感知设备的装配量和性能要求将提升。其中，摄像头将向更高像素进化，毫米波雷达与激光雷达有望在纯视觉方案尚未成熟时为ADAS提供更强的道路信息收集能力，渗透率有望持续提升。

与传统机械液压制动/转向相比，线控制动/转向具有反应速度快、与电气化架构兼容程度高、能量回收，以及可配置多套冗余机制等优点，更适用于L3级辅助驾驶汽车。随着技术逐步成熟，线控制动/转向有望成为L3及以上级别智能驾驶的标配。

驾驶员监控系统（DMS）用于实现对驾驶员的身份、疲劳驾驶以及危险行为进行检测。对于L3级自动驾驶车辆而言，要求驾驶员在特殊情况下能接手操控汽车行驶。部分国家法规也对驾驶员在L3级自动驾驶条件下能否接打手机、观看娱乐系统等做出了规定，这就需要配置DMS进行监控，以在事故发生时确定责任。预计DMS将成为L3级驾驶的标配。

中国已发布《机动车和挂车光信号装置及系统征求意见稿》，要求L3及以上级别智能驾驶车辆需配备至少4个蓝绿色自动驾驶标志灯，分别位于车身前后左右，用于告知周围车辆自身处于自动驾驶状态。随着《机动车和挂车光信号装置及系统》标准正式落地，自动驾驶状态指示灯将成为车灯行业新增市场。

03

算法和软件迭代

2016年，特斯拉开始在车端大量收集数据，到了2018年，已初步构建了数据闭环体系，并逐步完善了云端算力资源、自动化标注、仿真等环节。到了2023年，特斯拉完善的数据闭环体系造就了其极致的模型迭代速度，FSD BetaV11的公测版速度为20天一次。

目前，以小鹏和华为为代表的智能驾驶厂商在基础设施、数据闭环体系方面逐步完善，成为了中国ADAS行业龙头。

华为在芯片、通信、移动终端等多个领域积累下来的工程经验可以深度赋能智能驾驶数据闭环体系。华为可以自研云端训练芯片、车端智驾芯片，能够做到这些的厂商很少，因此，该公司可以做到真正的软硬件深度协同，提高效率。余承东在2023年9月问界M7改款发布会上披露，其云端算力为1.8E FLOPS，每天可以学习1000万公里数据，到2023年11月，云端算力已经提升到2.8E FLOPS（是国内其他厂商算力资源的2-3 倍），每天可以学习1200万公里数据，每5天迭代一次模型。

小鹏是新势力车企中最早开始建立数据闭环体系、布局云端超算中心的厂商，2023年以来，该公司的数据闭环效率大幅提升，体现在数据收集、模型训练、部署、仿真全链条的效率提升。在仿真环节，2022年可以做到基于真实场景模拟数据，2023年已经具备利用AI生成极限场景并融入到海量训练数据中的能力。在这样的数据闭环能力支撑下，小鹏软件发版速度明显提升。

从2023下半年开始，智能驾驶功能软件版本迭代速度明显加快，2023年第四季度，头部主机厂在年初制定的城市NOA落地目标已开始集中兑现。同时，通勤NOA也在普及。

通勤NOA又被称为记忆行车或AI代驾，指在用户设定的特定路线上通过车端学习后可以实现点到点单一路径的领航辅助驾驶。

通勤NOA的算法技术栈与城市NOA完全相同，只是大幅缩小了场景范围，通过多次学习同一条路线来“重建”一个单一路径的轻量化高精度地图。硬件成本方面，由于单一路径下工况相对简单和可控，对算法模型的泛化性要求也较低，对芯片算力和传感器的需求也远低于城市NOA。

从实际应用效果来看，高速+通勤NOA已覆盖用户85%的出行场景。因此，对车企而言，在规模化推广城市NOA功能的前期，率先落地通勤模式不仅可以在有限的能力下最大可能地满足用户需求，并由此逐步培育用户对高级智驾功能的使用习惯，还可以为主机厂后续升级或推广城市NOA功能提供数据积累。在领先车企的示范效应下，腾势、智己、零跑等多家整车厂都已将通勤NOA功能推出时间表提上日程。

04

迈向L3的障碍

与L2/L2+不同，L3不再被视为辅助驾驶，而是有条件的自动驾驶，车辆的驾驶任务将主要由智能驾驶系统自身负责，驾驶员无需时刻准备接管。但就目前的发展情况来看，L3的大规模商业化落地很难，除了技术因素，法规和伦理是难以逾越的障碍。

特别是法规问题，相当复杂。

自动驾驶技术涉及行车安全，关乎生命，尤其对L3及以上级别自动驾驶技术而言，驾驶责任更多由车辆本身承担，行驶的不确定性进一步加大。因此，各国政府多对高级别自动驾驶落地持谨慎态度，相关支持性法律法规的出台节奏较为缓慢，这在一定程度上限制了高级别自动驾驶技术的发展。

L3及以上级别自动驾驶车辆的主要操作由车辆自身完成，因此，自动驾驶系统正常运行时出现的交通事故理应由车辆生产者负责。但就当前各国交通政策来看，L3技术并未得到广泛认可，交通事故的第一责任人大多认定为驾驶员。

以现行的《中华人民共和国道路交通安全法》为例，其明确规定“驾驶过程中，驾驶员不得出现影响安全驾驶的行为”，表明驾驶员仍需时刻负责驾驶任务，事故发生时驾驶员将是第一责任人。

现行的美国联邦交通法规对自动驾驶汽车交通事故做出了明确责任划分，规定“自动驾驶汽车发生交通事故，作为后备驾驶员的人类司机需承担责任”，法规还补充说明，汽车制造公司不逃避交通事故的责任。

德国2021年颁布的《自动驾驶法》规定：“L3级自动驾驶汽车可以在德国全境1.32万公里高速公路上行驶，速度不高于60Km/h，可以解放双手但不能睡觉，不允许驾驶员连续向后看或离开座位，在必要的情况下仍需要驾驶员接管车辆”。符合上述条件的车辆如果发生交通事故，责任将属于车辆生产者。

日本相关法律规定，其境内L3级自动驾驶车辆发生事故时，原则上由驾驶员承担责任，生产者的责任仅限于汽车系统存在明确缺陷的情况下。系统被黑客入侵所导致的事故适用于政府救济制度。