飛象原創（高靖宇/文）隨著汽車智能化的“下半場”拉開序幕，自動駕駛技術正從科幻走向現實。今年以來，華為、比亞迪、小鵬、極氪、奇瑞、廣汽等多家車企先后發布智駕方案并披露L3 級有條件自動駕駛量產計劃。同時，多項關于自動駕駛的標準和法規相繼落地，也為L3級有條件自動駕駛技術商業化鋪平了道路。

L3與L2有何區別？

根據國家市場監督管理總局發布的《汽車駕駛自動化分級》國家推薦標準，L1、L2級是人類駕駛員主導，系統輔助；從L3級開始，車輛控制權逐漸從人類駕駛員轉移到自動駕駛系統。L3級自動駕駛意味著汽車可以在特定路況如城市快速路、高速公路上，實現有條件的自動駕駛。

可以看到，L3 級有條件自動駕駛是車輛駕駛權變更的關鍵分水嶺。L3 級及以上級別可稱為自動駕駛，車輛可在特定條件下持續執行全部動態駕駛任務。

從駕駛任務的承擔來看，L2級別的智能駕駛系統只是輔助駕駛員完成部分任務，駕駛員仍然是駕駛操作的主體，需要時刻關注路況并準備隨時接管車輛。而L3級別則不同，在特定條件下，車輛的自動駕駛系統可以獨立完成所有的駕駛操作，駕駛員的角色從主要操作者轉變為監督者。

L3相比L2，具備更強的環境感知能力，依靠毫米波雷達、攝像頭、激光雷達等傳感器來監測前方的路況，配合上算法，能夠更全面、準確地感知周圍的環境，進行自主決策，如自動變道、超車等。

L3級別的智能駕駛技術具有重要的意義。它不僅可以提高駕駛的舒適性和便利性，讓駕駛員在長途駕駛中得到一定的休息，還可以通過更精準的駕駛操作和更快速的反應能力，提高道路交通安全。

2025年4月1日，《北京市自動駕駛汽車條例》正式實施，首次為L3級及以上自動駕駛個人乘用車上路提供制度保障。此前，北京、武漢等地已開啟L3級自動駕駛試點，允許特定車型在限定場景下測試通行。政策的逐步完善，標志著智能駕駛從“技術驗證”邁向“商業化元年”。

車企積極定義L3智駕，競爭格局初現端倪

隨著政策環境的日益完善，車企們紛紛加快了 L3 智駕的布局。在這個過程中，不同車企展現出了各自的技術路線和產品策略。

以華為、比亞迪為代表的多傳感器融合派，采用“激光雷達+4D毫米波雷達+攝像頭”方案，提升復雜場景下的感知穩定性。特斯拉、小鵬等企業則堅持純視覺方案，依托大模型與海量數據實現端到端決策。例如小鵬XNGP通過無圖化城市NOA，將城市領航成本壓縮至行業1/3。

兩種方案各有優劣：在安全性方面，純視覺方案憑借先進的圖像識別算法，在光線良好且環境簡單的場景下，能準確識別道路與障礙物。然而，在暴雨、沙塵等極端天氣下，攝像頭的性能受限，識別精度大打折扣。華為的融合激光雷達方案則具有更強的環境適應性，即使在惡劣天氣下也能提供較為準確地感知數據。在成本方面，純視覺方案具有明顯優勢。攝像頭的成本相對較低，而且隨著技術的發展，成本還在不斷下降。相比之下，激光雷達的成本較高，盡管近年來價格有所下降，但它依然是阻礙融合激光雷達方案廣泛普及的關鍵因素。

當前，智能駕駛正處在從L2級別向L3級別過渡的關鍵時期，技術路線分歧背后代表了不同的技術理念和發展方向，同時也表明車企希望通過技術先發優勢。在市場競爭中能夠占據主導地位。

L3算力需求攀升，車企布局自研芯片

L3 自動駕駛對算力的要求極高，算力成為了支撐其落地的核心要素之一。業內普遍認同，汽車所需算力可根據車內傳感器采集的數據量推算。目前，L2級別自動駕駛需要約10TOPS的算力，而L3級別則需要超過100TOPS，L3+級別更是超過1000TOPS。​

為了滿足 L3 自動駕駛的算力需求，車企和芯片廠商們不斷加大研發投入，推動算力芯片的升級迭代。英偉達的 Orin X 芯片憑借其強大的算力和廣泛的應用，成為了當前 L3 自動駕駛領域的熱門選擇之一。同時，越來越多的車企選擇自研芯片，如前文提到的小鵬、蔚來、吉利等，通過自主掌控芯片技術，提升產品的性能和競爭力。

7月3日，小鵬汽車正式發布全新AI智能家庭SUV小鵬G7。何小鵬在發布會上表示，G7是全球首款具備L3級算力的AI汽車，其搭載3顆公司自研的圖靈AI芯片，算力達到了2250TOPS的行業最高水平�；�于高效算力，小鵬G7全球首發搭載VLA+VLM大模型，并實現完全本地端部署運行，實現更高的智駕能力上限與安全下限。

從今年開始，蔚來會在自己車型上相繼使用自研的神璣NX9031芯片。李斌稱，該芯片的設計目標是能在 10 年時間內支持最先進的算法，適應最新的算法，其次還要有最高的安全標準，是全球首個車規 5 納米芯片，能支持低延時、快速響應；還要能高效處理各種極端天氣、光線條件下的圖像數據。

華為智能駕駛平臺（MDC）基于自研的昇騰610 AI芯片，采用7nm制程，AI算力達到200TOPS(INT8)或100TFLOPS(FP16)，適用于L2+和L3~L4級自動駕駛場景。

在提升算力的同時，如何優化算法以提高算力的利用效率也至關重要。端到端 AI 大模型的應用，為 L3 自動駕駛的環境感知和決策提供了更強大的支持。通過對海量數據的學習和訓練，AI 大模型能夠更精準地識別道路環境、預測交通狀況，并做出合理的駕駛決策，從而在一定程度上緩解了算力需求的壓力。

隨著標準的落地、車企的積極布局以及算力技術的不斷發展，L3 自動駕駛的落地進程正在加速推進。2025 年有望成為 L3 自動駕駛的商業化元年，越來越多的消費者將有機會體驗到這一先進的智能駕駛技術帶來的便利與安全。