首页/文章/ 详情

L3级自动驾驶正式上路,车企要为事故负责了

8月前浏览370

就在大家还在纠结年底买车要不要上激光雷达、争论 NOA 到底好不好用的时候,工信部卡着 2025 尾巴反手给我们甩出了一张王炸:

L3 级自动驾驶,正式准入了!

没错,这次不是以前那种挂着实习标签的路测牌照,而是正儿八经的转正为「产品准入许可」。

简单来说,咱们国内自动驾驶终于要告别「黑户」阶段,开始正式进入「持证上岗」时代。

泪目了兄弟们,咱们这帮子人期待了这么多年的自动驾驶,眼看就要让我们吃上好的了。

根据工信部文件,首批获准的幸运儿有两个:一个是长安 SC7000AAARBEV,另一个是极狐 BJ7001A61NBEV

简单查询就知道,正是长安旗下子品牌深蓝 SL03 以及北汽旗下极狐阿尔法 S6

熟悉车圈的电粉都知道,这两台车其实在「智驾」圈子里算不上有多高的含金量。

连它俩都能获准 L3 合法上路,其他主打把智驾吹上天的车型还远吗?

那今天咱们就来盘一盘:这事儿到底意味着什么?是像大伙儿想的那样马上就能在车里吃着火锅唱着歌,把命交给 AI 了?


L3 到底强在哪儿?  

可能很多人觉得哈,从 L2  L3 不就是一个数字之差以及多几行代码的事。

但小忆要说,格局小了。

我们平常听到的 几级自动驾驶,通常是指国际汽车工程师学会(SAE International)制定的 SAE J3016 标准,分为 L0-L5 共六个等级

其中 L0 纯人类驾驶,没有任何智能或自动化加成,一句话总结就是开车全靠你自己,车只是个冷冷冰冰的钢铁零件。

下一档 L1,也叫部分辅助驾驶,可提供一些基本的驾驶支援,例如能帮你简单控制油门实现最基础的定速巡航CC)等。

而 L2 的中文名就变成了部分自动驾驶(也叫组合辅助驾驶),它不但能在一定程度上控制油门、刹车,甚至还能控制方向盘。

这也是目前市面绝大部分新车的标配,能实现比如自适应巡航ACC)、自动跟车+车道保持LCC)等。

不过从本质上来说,这玩意儿依然只是个辅助驾驶,驾驶员必须全程保持专注,手不能离开方向盘。

毕竟法律上规定了,使用 L2 及以下智驾(包括车企宣称所谓的 L2.99999级),出了事责任驾驶员是第一责任人,车企是不会替你背这口锅的。

但来到L3(有条件自动驾驶),对比前面 L2 情况就完全不一样了。

一个是「辅助」,一个是「自动」,这俩字的含义差了不是一星半点。

这么说吧,L3 已经能开始充当你的代驾司机,在特定场景下,例如获准的特定城市以及路线,你可以合法地脱手、脱眼,甚至刷个短视频,注意是「合法」。

最关键的质变就在于,如果 L3 智驾运行期间出了事故,车企需要负责

这也是为啥 L3 级准入含金量如此高,能让车企敢于将法律责任揽到自己身上,这才是真正意义上的技术自信,也才能让用户真正用得放心。

至于 L4(高度自动驾驶)以及 L5(完全自动驾驶),那都是后话,咱们就不再一一展开了。


解锁 L3 又没完全解锁

看到这儿,估计已经有人想去冲上面提到的两款车下单了。

别慌,小忆还是要给大伙儿泼一盆冷水。

为啥?这次两款车看似「L3 合法上路」,但其实是存在诸多限制的。

其中深蓝 SL03,仅允许在重庆市指定的内环快速路、新内环快速路及渝都大道等路段开展L3使用,且最高车速限制在 50km/h

而极狐阿尔法 S6 的 L3 功能则只能在北京部分高速公路、城市快速路段单车道内使用,最高车速不能超过 80 km/h

这个速度以及限地区、限车道,你想体验风驰电掣的全国自动驾驶,显然暂时还不现实。

另外,肯定有很多人纳闷为啥这次通过的是长安和极狐,而不是智驾呼声最高的「蔚小理」或者华为亲儿子「问界」呢?

其实,这次试点工信部要求必须是「汽车生产企业+使用主体」联合申报

说直白点,就是先让有国资背景+流程严苛的老牌车企试水,配合专业的管理,目的是将 L3 初期落地不确定性和风险降低到一个更可控的水平

这也体现了目前监管不求激进,主打稳健的一种策略。

而其他车企,包括比亚迪、广汽、一汽、蔚来等,也都在排队领证的路上,或许会在不久之后陆续落地。


主打一个未来可期

参考之前余承东说 2026 年是 L3 元年、何小鹏也盯着 2026,不出意外的话明年大概率会非常有看头。

只不过大家对「方向盘消失」、很快进入全面自动驾驶时代的期待嘛,小忆觉得还是要压一压。

真正的 L3 需要激光雷达等硬件构成的足够强大的感知系统,同时还需要完善配套的软件系统

这意味目前大量存量 L2 车型,大概率没法通过一次 OTA 就变身 L3

想玩 L3,首先拦住大家的第一道坎就是得换车,而且真正符合要求的新车肯定不会便宜。

同时,虽然规定车企要为 L3 负法律责任,但具体保险公司要怎么赔?证据链怎么取?人驾和智驾怎么判等,这些细则都还没有彻底完善。

更何况,特斯拉 FSD 还没正式加入战场呢,属于国内自动驾驶的神仙打架才刚刚开始

所以总的来说,这次 L3 准入,标志着中国自动驾驶车型终于进入合法上路的「有证时代」。

这是一个巨大的进步,值得我们点赞。

但小忆看来,现阶段的它更像是一个「有条件的内测」,作为消费者,咱们只需保持理性期待即可。

步子迈开了,但路还长着呢,坐稳扶好,让子弹飞一会儿!

*资料、图片来源:工信部、网络。

来源:车路漫漫
汽车自动驾驶控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-12-27
最近编辑:8月前
李慢慢
硕士 自动驾驶仿真工程师一枚
获赞 14粉丝 93文章 320课程 0
点赞
收藏
作者推荐

我们看了国内5年来48篇文章,发现同学们都在用CARLA研究这些课题

近年来,随着自动驾驶技术的快速发展,学术研究也呈现出蓬勃发展的态势。通过对国内近年来多篇基于CARLA仿真平台的学术论文进行梳理和分析,我们发现了一些值得反思的现象。一、论文数量随时间的变化趋势从我们梳理的论文发表时间来看,基于CARLA平台的自动驾驶研究在近三年呈现爆发式增长。2020年相关研究还相对较少,而到2022-2025年,论文数量显著增加(其中2025年只统计到6月),这表明CARLA作为自动驾驶仿真平台已经得到国内研究界的广泛认可。这种增长趋势背后反映了几个因素:一是CARLA平台的开源特性和高度可定制性;二是自动驾驶研究对大规模测试的需求;三是仿真平台能够有效降低研究成本和风险。二、CARLA在研究中的主要应用方向1. 决策规划算法优化(占比最高-41.67%)决策规划是自动驾驶研究的核心领域,也是使用CARLA平台最多的研究方向。强化学习成为主流方法:多篇论文采用深度强化学习算法,如秦琴提出的《ball_tree优化的自动驾驶仿真测试场景生成方法》使用Ball Tree KNN算法提高采样效率;姚悦的《基于改进PPO算法的自动驾驶技术研究》提出RPPO算法解决决策效果不佳问题。仿真测试场景自动化生成框架分层设计思路盛行:李伟东的《基于分层强化学习的自动驾驶决策控制算法》采用两层结构,决策层使用DQN输出离散动作,控制层使用SAC输出连续动作,降低了算法复杂度。多智能体协同决策:张鲁宁的《混合交通流异常事件下自动驾驶车辆轨迹优化》提出MAD3QN模型,解决多车协同变道的安全性与效率平衡问题。实验设定变道合流场景2. 场景生成与测试技术(占比22.92%)测试场景生成是另一个重要研究方向,旨在解决自动驾驶测试中的"长尾问题"。自动化场景生成:秦琴的研究基于Ball Tree结构优化,比人工场景制作速度快11.38倍,能高效生成危险场景。关键场景挖掘:基于树结构Parzen估计器的测试方法能够高效生成高风险、高测试价值的关键场景,大大提升了测试效率。不同方法统计评价指标结果虚实融合测试:胡学敏的《仿真到现实环境的自动驾驶决策技术综述》系统总结了Sim-to-Real的迁移方法,包括虚实迁移和平行智能两大技术路径。3. 感知算法创新(占比18.75%)感知是自动驾驶的基础,相关研究主要关注如何提高感知系统的准确性和鲁棒性。多传感器融合:王明辰的《MSF-Diffuser_BEV下基于扩散模型的多传感器自适应融合自动驾驶方法》实现了摄像头、激光雷达、毫米波雷达的自适应融合。本文所提出的BEV下基于多传感器融合的自动驾驶方法MSF-Diffuser框架图事件相机应用:王超毅的《基于事件相机的图像语义分割方法》提出EVISS方法,解决了传统RGB相机在动态光照和高速运动场景下的局限性。环境表征学习:罗玉涛的《基于环境表征的强化学习自动驾驶策略》结合环境表征模型,提高了RL策略的学习效率和收敛稳定性。4. 平行驾驶与车路协同(占比16.67%)车路协同是未来智能交通的重要方向,相关研究也开始在Carla平台上展开。联合仿真框架:史云阳的《SC-V2XSim_车路协同环境下的高速公路混合交通流联合仿真方法》结合SUMO和CARLA,实现了二维交通流与三维车辆仿真的同步映射。协同定位技术:胡钊政的《基于时空图模型的车-路-图协同定位方法》提出STGO-CL方法,实现了高精度、高鲁棒性的协同定位。交叉口协同管理:高镇海的《基于行为规约近端策略优化的自主交叉口管理方法》提出BCPPO方法,实现了无信号交叉口的多车协同控制。行驶区域划分,驾驶路线及潜在冲突点三、研究趋势与展望通过对这些论文的分析,我们发现,用CARLA研究规控算法和场景评测技术的群体占据大半(68%),这还是得力于CARLA这款开源软件在车辆控制和场景自由生成方面的便利性;但是用CARLA研究感知技术的比例却比较少,且主要以图像识别类为主,说明CARLA的摄像头传感器能取得学界的认可,但是其它传感器(如激光雷达、毫米波雷达)的落地使用依然不足,这也对CARLA后续的开发/优化方向提供了思路。随着技术的不断发展,CARLA平台在自动驾驶研究中的应用将会更加广泛和深入。未来,我们可以期待更多创新性的仿真技术研究成果出现,集成到CARLA平台中,推动自动驾驶技术向更高水平发展。本文基于多篇学术论文的分析整理,仅供参考学习。最后,本文提及的48篇国内论文,均已备份到Carla中文站(网址:https://bbs.carla.org.cn/),大家可以到Carla中文站搜索、阅读、下载。来源:车路漫漫

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈