飞象原创（高靖宇/文）随着汽车智能化的“下半场”拉开序幕，自动驾驶技术正从科幻走向现实。今年以来，华为、比亚迪、小鹏、极氪、奇瑞、广汽等多家车企先后发布智驾方案并披露L3 级有条件自动驾驶量产计划。同时，多项关于自动驾驶的标准和法规相继落地，也为L3级有条件自动驾驶技术商业化铺平了道路。
L3与L2有何区别？
根据国家市场监督管理总局发布的《汽车驾驶自动化分级》国家推荐标准，L1、L2级是人类驾驶员主导，系统辅助；从L3级开始，车辆控制权逐渐从人类驾驶员转移到自动驾驶系统。L3级自动驾驶意味着汽车可以在特定路况如城市快速路、高速公路上，实现有条件的自动驾驶。
可以看到，L3 级有条件自动驾驶是车辆驾驶权变更的关键分水岭。L3 级及以上级别可称为自动驾驶，车辆可在特定条件下持续执行全部动态驾驶任务。
从驾驶任务的承担来看，L2级别的智能驾驶系统只是辅助驾驶员完成部分任务，驾驶员仍然是驾驶操作的主体，需要时刻关注路况并准备随时接管车辆。而L3级别则不同，在特定条件下，车辆的自动驾驶系统可以独立完成所有的驾驶操作，驾驶员的角色从主要操作者转变为监督者。
L3相比L2，具备更强的环境感知能力，依靠毫米波雷达、摄像头、激光雷达等传感器来监测前方的路况，配合上算法，能够更全面、准确地感知周围的环境，进行自主决策，如自动变道、超车等。
L3级别的智能驾驶技术具有重要的意义。它不仅可以提高驾驶的舒适性和便利性，让驾驶员在长途驾驶中得到一定的休息，还可以通过更精准的驾驶操作和更快速的反应能力，提高道路交通安全。
2025年4月1日，《北京市自动驾驶汽车条例》正式实施，首次为L3级及以上自动驾驶个人乘用车上路提供制度保障。此前，北京、武汉等地已开启L3级自动驾驶试点，允许特定车型在限定场景下测试通行。政策的逐步完善，标志着智能驾驶从“技术验证”迈向“商业化元年”。
车企积极定义L3智驾，竞争格局初现端倪
随着政策环境的日益完善，车企们纷纷加快了 L3 智驾的布局。在这个过程中，不同车企展现出了各自的技术路线和产品策略。
以华为、比亚迪为代表的多传感器融合派，采用“激光雷达+4D毫米波雷达+摄像头”方案，提升复杂场景下的感知稳定性。特斯拉、小鹏等企业则坚持纯视觉方案，依托大模型与海量数据实现端到端决策。例如小鹏XNGP通过无图化城市NOA，将城市领航成本压缩至行业1/3。
两种方案各有优劣：在安全性方面，纯视觉方案凭借先进的图像识别算法，在光线良好且环境简单的场景下，能准确识别道路与障碍物。然而，在暴雨、沙尘等极端天气下，摄像头的性能受限，识别精度大打折扣。华为的融合激光雷达方案则具有更强的环境适应性，即使在恶劣天气下也能提供较为准确地感知数据。在成本方面，纯视觉方案具有明显优势。摄像头的成本相对较低，而且随着技术的发展，成本还在不断下降。相比之下，激光雷达的成本较高，尽管近年来价格有所下降，但它依然是阻碍融合激光雷达方案广泛普及的关键因素。
当前，智能驾驶正处在从L2级别向L3级别过渡的关键时期，技术路线分歧背后代表了不同的技术理念和发展方向，同时也表明车企希望通过技术先发优势。在市场竞争中能够占据主导地位。
L3算力需求攀升，车企布局自研芯片
L3 自动驾驶对算力的要求极高，算力成为了支撑其落地的核心要素之一。业内普遍认同，汽车所需算力可根据车内传感器采集的数据量推算。目前，L2级别自动驾驶需要约10TOPS的算力，而L3级别则需要超过100TOPS，L3+级别更是超过1000TOPS。
为了满足 L3 自动驾驶的算力需求，车企和芯片厂商们不断加大研发投入，推动算力芯片的升级迭代。英伟达的 Orin X 芯片凭借其强大的算力和广泛的应用，成为了当前 L3 自动驾驶领域的热门选择之一。同时，越来越多的车企选择自研芯片，如前文提到的小鹏、蔚来、吉利等，通过自主掌控芯片技术，提升产品的性能和竞争力。
7月3日，小鹏汽车正式发布全新AI智能家庭SUV小鹏G7。何小鹏在发布会上表示，G7是全球首款具备L3级算力的AI汽车，其搭载3颗公司自研的图灵AI芯片，算力达到了2250TOPS的行业最高水平。基于高效算力，小鹏G7全球首发搭载VLA+VLM大模型，并实现完全本地端部署运行，实现更高的智驾能力上限与安全下限。
从今年开始，蔚来会在自己车型上相继使用自研的神玑NX9031芯片。李斌称，该芯片的设计目标是能在 10 年时间内支持最先进的算法，适应最新的算法，其次还要有最高的安全标准，是全球首个车规 5 纳米芯片，能支持低延时、快速响应；还要能高效处理各种极端天气、光线条件下的图像数据。
华为智能驾驶平台（MDC）基于自研的昇腾610 AI芯片，采用7nm制程，AI算力达到200TOPS(INT8)或100TFLOPS(FP16)，适用于L2+和L3~L4级自动驾驶场景。
在提升算力的同时，如何优化算法以提高算力的利用效率也至关重要。端到端 AI 大模型的应用，为 L3 自动驾驶的环境感知和决策提供了更强大的支持。通过对海量数据的学习和训练，AI 大模型能够更精准地识别道路环境、预测交通状况，并做出合理的驾驶决策，从而在一定程度上缓解了算力需求的压力。
随着标准的落地、车企的积极布局以及算力技术的不断发展，L3 自动驾驶的落地进程正在加速推进。2025 年有望成为 L3 自动驾驶的商业化元年，越来越多的消费者将有机会体验到这一先进的智能驾驶技术带来的便利与安全。
