社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

中国自动驾驶能否迎来“ChatGPT时刻”?

界面新闻 • 10 月前 • 258 次点击  

图片来源:极狐汽车公众号

自动驾驶的“临门一脚”终于赶在2026年前落定。

2025年12月下旬,重庆、北京相继向长安深蓝SL03、极狐阿尔法S颁发全国首批L3级自动驾驶专用号牌。工信部首批准入许可公布一周后,两地就实现了从“产品准入”到“上路通行”的关键一跃。

由此,中国自动驾驶正式迈入合规商用新阶段。这项技术首次以“附条件准入”方式进入国家级产品准入体系,从“能测试、能示范”走向“能拿正式牌照、能试点运行”,行业竞争焦点将从技术演示转向运营落地。

“这无疑将对我国高阶智能驾驶产业的快速发展,特别是技术验证、政策完善和市场竞争格局产生积极的深远影响。”清华大学计算机系教授、人工智能研究院视觉智能研究中心主任邓志东告诉界面新闻。

当前,全球车企正围绕L3级技术展开激烈竞争。Waymo、Cruise等美国企业已在特定城市部署L4级自动驾驶出租车,但受限于成本与法规,其规模化应用仍遥不可及。相比之下,中国通过L3级的“附条件准入”,为高阶自动驾驶的商业化探索提供了更灵活的试验场。

邓志东认为,一旦L3得到普及与巩固,将会成为我国自动驾驶产业发展的“ChatGPT时刻”,不仅可望重塑汽车产业链、供应链,更能为消费者行为与相关法律法规、保险体系等的合理适配筑牢基础。

图片来源:长安汽车官微

然而,要将这一愿景变为现实,行业仍需跨越政策与技术双重门槛。

在政策层面,过去几年L3级许可多用于道路测试或示范应用,核心是“以测促研”,申请主体广泛多元;而此次工信部颁发的“准入许可”则聚焦车企主体,明确“小范围起步、附条件实施”的推进策略。

在技术层面,L3系统必须在真实道路中面对安全冗余、成本控制与场景适应性的三重考验,而技术路线的选择将直接决定量产节奏与迭代效率。

围绕不同的技术选择,首批获牌的两款车型恰好形成了对比。北汽极狐阿尔法S采用多激光雷达主导的多传感器融合方案,追求感知冗余的可靠安全;长安深蓝SL03则坚持纯视觉技术路径,试图用算法降本实现规模化落地。

“现在研发生产的L3级是可量产可交付的,试点车辆是原厂状态,没有进行任何改装。”北汽研究总院智能网联中心主任冯硕在接受媒体采访时表示,从启动L3项目到最终获批,北汽用了4年时间,这套以硬件冗余确保安全的核心逻辑,正是为了满足L3级别对系统可靠性的严苛要求。

而长安深蓝选择的纯视觉技术方案则依托“天枢智能”驾驶辅助系统,其最大吸引力在于成本控制和规模化部署,摄像头硬件成本远低于数万元的激光雷达,更利于L3功能向中低端车型下沉。不过,低成本也意味着高风险,系统需仅凭二维图像实现精准的三维感知,在极端天气下的可靠性承压更大。

这种路径分歧在行业中同样存在。盖世汽车研究院在接受界面新闻采访时指出,除特斯拉、小鹏等少数纯视觉派外,主流方案商在城市NOA及预埋L3硬件的车型(如问界M9、极氪9X)上普遍采用“半固态主激光雷达+固态补盲”的组合。原因是特定场景下激光雷达感知能力更强,能实质提升安全冗余,且成本已从数万元降至千余元,对高端车型售价影响有限。

成本差异直接决定了市场格局。L2系统的传感器成本通常控制在1至3万元之间,而L3系统仅激光雷达一项就可能增加数万元成本,加之高算力芯片与冗余硬件投入,使整车成本提升5万至10万元不等。罗兰贝格预测,自动驾驶从L2级升级至L3级时,单车软件价值或将翻倍,智能相关零部件总成本将升至10至20万元区间。

场景定位也随之分化。北汽极狐的激光雷达方案更适合高速场景(最高车速80km/h),而长安深蓝的纯视觉方案则聚焦城市拥堵环境(最高车速50km/h)。这种差异化定位反映了两家车企对L3商业化路径的不同理解,北汽瞄准机场接驳等高端出行服务,长安则更关注城市通勤这一高频场景。

在技术路线之外,更深层的产业博弈也值得关注。这不仅关乎技术成熟度,更涉及政策可控性与落地能力的综合考量,尤其是在公共安全数据管理、事故责任认定等制度性建设方面。

“国企在数据合规、测试里程积累以及与地方政府的协同上,确实具备天然优势。”有业内人士向界面新闻分析,这种地域布局颇有深意,北汽在北京、长安在重庆,两地均为首批智能网联汽车准入和上路通行试点城市,具备相对完善的地方治理基础,可在限定范围内应对真实道路运行的复杂性。

图片来源:界面图库

不过,真正决定L3成败的并非技术路径或企业背景,而是L2与L3之间根本性的制度变革,权责边界将重新界定。

邓志东告诉界面新闻,在责任划分上,L2的法律责任主体是人类安全驾驶员,而L3一旦出现重大交通事故,主机厂(车企)、自动驾驶解决方案提供商、网约车运营商、人类安全员等都可能是法律责任主体。

这一转变带来了全方位的要求升级。他举例称,虽然L2与L3在“人机共驾”模式和“先高速、后城区”的落地路径上相似,但L3的硬件门槛要高得多,大规模预训练与端侧AI硬件算力需求、车体执行机构本身的安全冗余备份、针对人类安全员的AI安全提醒与监控设备等,都有很高的要求。

正因如此,这些差异将从法律法规、安全监管、技术、产品、保险理赔等多个方面影响L3的落地节奏与消费者接受度。 不仅因为技术门槛陡增,更因为责任主体的转移,让任何一起事故都可能引发系统性风险。因此,“没有充分的安全验证,L3无从谈起”已逐步成为行业共识。

安全性由此成为L3商业化不可回避的核心命题。“L3级自动驾驶的普及将主要取决于产品及使用的安全性。”邓志东强调,只有将L3的安全性置于重中之重,在应用落地实践中解决好与行驶安全相关的一系列挑战,才能真正实现普及。在此基础上再迈向L4,就有了更加安全、可靠与可信的保证。

从现实节奏看,自动驾驶更可能沿“先结构化场景、后复杂城市道路”的路径推进。L2作为“工程成熟+成本下降”的结果已快速普及,但L3的关键不在于“体验更轻松”,而在于它首次把系统置于责任链条之中,因此必须更审慎。

在邓志东看来,L3的规模化商业化落地实践至关重要,可以说是推动自动驾驶产业发展的关键一步。为了扎实地走完这一步,必须在加速商业化进程、提高技术成熟度、保持成本下降趋势和提供政策支持等各方面的合力支撑下,将L3的安全性提升至人类驾驶水平的2至3倍,乃至10倍。

这个时间表将直接影响中国自动驾驶产业的未来。L3的安全落地水平与普及程度,特别是从“高速L3”如何顺利跨入“城区L3”这一“关卡”的迭代演进,将成为中国能否在2030年前实现L4级规模化应用的关键。

邓志东预测,“考虑到中国自动驾驶产业从广度到深度的快速发展,未来5至10年,中国一定会在L4级及以上技术领域建立全球领先优势。”而实现这一目标面临的最大障碍,归根结底还是“安全性”这三个字。


未经授权 禁止转载



Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/190981