自動駕駛L2到L3相較L3到L5，為什么更難？

[首發于智駕最前沿微信公眾號]自動駕駛技術的演進并不是線性的，其技術迭代充滿節點式的飛躍。在美國汽車工程師學會（SAE）制定的六個分級標準中，L2級與L3級之間存在著一道難以逾越的鴻溝，這道鴻溝不僅界定了機器能力的強弱，更界定了人類在駕駛活動中的角色本質。

責任主體的權力交接與安全邊界

在L2級及以下的輔助駕駛階段，無論車輛配備了多么先進的自適應巡航或車道保持系統，其本質屬性始終是“駕駛員支撐系統”。

在這一階段，雖然機器可以同時接管車輛的加速、減速和轉向控制，但系統并不負責實時監控環境，也不對發生的事故承擔后果。

人類駕駛員被要求手不能離開方向盤，眼睛不能離開路面，必須時刻保持對車輛的絕對監控權。

圖片源自：網絡

此時的自動化更像是一種減輕疲勞的工具，其安全性的最后一道防線始終系在人類駕駛員的警覺性上。如果系統在轉彎時識別失敗，或者在高速公路上未能發現靜止障礙物，駕駛員必須瞬間接管并承擔所有后果。

一旦進入L3級，這種“人機協作”的平衡就會被徹底打破，車輛從“工具”轉變為“代理”。

L3級被稱為有條件自動駕駛，其最核心的標志在于系統在允許開啟的特定條件下，車輛可以獨立完成所有的動態駕駛任務，包括對周圍環境的實時感知、決策和執行等。

這意味著當L3系統激活時，人類駕駛員在法律和工程意義上被允許“脫手、脫眼、脫腦”，可以處理回復郵件、觀看視頻等非駕駛任務。

圖片源自：網絡

這一轉變標志著駕駛責任從人類向機器的遷移。這種從“輔助”到“自動”的躍遷，是自動駕駛體系中最大的一次斷層。

這種權力交接帶來的最直觀變化是法律責任的轉移。

在L2時代，事故的“背鍋俠”永遠是駕駛員；而在L3狀態下，如果系統在設計范圍內運行且未能避免碰撞，責任主體將轉移給主機廠或系統供應商。

梅賽德斯-奔馳在其Drive Pilot系統商業化進程中就明確表示，當系統激活時，品牌將為發生的意外承擔法律責任，這在汽車工業史上具有里程碑式的意義。

這種底層的法律契約關系的變化，迫使工程師必須以完全不同的思路來設計系統，L2系統可以“偶爾犯錯”，但L3系統必須保證在允許運行期間“絕對可靠”。

硬件冗余，為不確定性建立的工程護城河

既然L3級系統要在特定環境下完全替代人類，那么單點故障導致的崩潰就是不可接受的。

這種對安全性的極致要求，促使L3級車輛在硬件架構上需要進行一場脫胎換骨的重塑。在L2級車輛上，如果一個攝像頭被強光致盲或傳感器算法死機，系統可以立即退出，并將控制權“甩”給駕駛員。

但在L3級狀態下，駕駛員可能正在專注于次要任務，無法在短時間內恢復對復雜路況的完整認知。

研究表明，人類從放松狀態回到完全掌控駕駛權大約需要數秒到十秒的過渡時間。

為了填補這致命的數秒真空期，L3級系統引入了“失效可用”的冗余邏輯。相比L2級的“失效安全”（Fail-safe，即出故障就切斷功能并報警），L3級要求系統在主系統發生硬件或軟件故障后，至少還有一套獨立的備用系統能夠維持車輛在接管窗口期內的正常運行。

圖片源自：網絡

這意味著，從傳感器到計算芯片，從制動系統到轉向機構，甚至最基礎的電源供應，都必須是雙份甚至是三份的冗余設計。

在傳感器層面，L2系統依賴攝像頭和毫米波雷達的組合。而L3系統為了實現環境監控的絕對可靠性，短期內可能必須加入激光雷達。

激光雷達能夠提供不受光照強度影響的精確三維空間建模，它是系統處理復雜光影、遠距離靜止障礙物以及惡劣天氣的“最后保底”。

同時，為了滿足ASIL-D這一最高等級的汽車安全完整性標準，車輛必須配備冗余的電子轉向電機、雙回路制動執行器以及獨立的備用電池，確保主電路意外熔斷時，車輛依然能執行降速停車或靠邊避險的指令。

這種從“單鏈路”向“多鏈路互備”的架構轉變，使得自動駕駛復雜度呈指數級提升，但也是L2到L3質變的物化體現。

運行域的擴張，從特定到全能的演化

在厘清了L2到L3是關于“責任與安全等級”的質變后，再看L3、L4與L5，就會發現它們之間的區別，其實是運行設計域（ODD）的不斷拓寬與對人類接管依賴的徹底消除，這一過程更符合量變積累的邏輯。

L3級目前的商業化應用極其保守，被限制在有中央隔離帶、限速在60公里每小時以下且氣象條件良好的高速公路擁堵路段。

之所以加這么多限制，是因為在這一極窄的運行范圍內，系統能夠涵蓋的極端場景（Corner Cases）是有限且可控的。

一旦超出這些限制，進入像是施工區域或遭遇特大暴雨的場景，系統便會向駕駛員發出接管請求。

而L4級與L3級的差別，在于它不再要求駕駛員作為“接管備份”。

圖片源自：網絡

在L4級定義的特定區域內（如指定的城市路網或封閉園區），即便系統遇到無法處理的情況，它也必須有能力自主引導車輛進入“最小風險狀態”，執行類似自動靠邊停車的動作，而不需要人類介入。

目前活躍在城市街道上的無人駕駛出租車（Robotaxi）就類似L4級的形態，雖然它們看起來比L3高級得多，但從系統責任的本質上看，它們只是在L3的基礎上，通過算力升級和傳感器加密，把“能開的范圍”從低速高速路擴展到了復雜的城市街道。

至于L5級，它是L4級運行域擴張到無窮大的結果。

L5級意味著車輛可以隨時隨地、全天候地在任何人類能開車的地方自主行駛，不再有地理圍欄或天氣限制。

從L3到L5，不需要再去顛覆法律責任框架，也不需要重新發明冗余架構，他們要做的是不斷往系統里“喂數據”，讓算法學會處理那些發生概率極低的長尾場景。

這一過程是感知精度從99.9%向99.9999%的量化攀爬，而不像L2到L3那樣需要完成從“0到1”的身份跨越。

數據閉環，自動駕駛的自我進化路徑

要實現從L3到L5的跨越，核心挑戰不是硬件的堆砌，而在于算法處理極端場景的魯棒性。這是一個基于數據驅動的持續升級過程。

在真實的駕駛環境中，由于路況組合是無窮盡的，單純依靠工程師手寫規則代碼已經無法應對。

系統必須具備從海量路測數據中自我學習的能力，通過構建“感知-決策-執行-反饋”的數據閉環，并不斷修補系統在特定場景下的邏輯漏洞。

在這種升級邏輯下，每一輛在路上行駛的L3或L4車輛都將成為數據采集終端。

當車輛遇到無法果斷決策的情況并觸發人工接管時，系統會自動捕捉前后的全景視頻、傳感器原始數據以及地圖信息，并將其“快照回傳”至云端的數據中心。

圖片源自：網絡

在云端，成千上萬個處理單元會針對這些極端場景進行對抗性訓練和模擬重構，優化后的算法模型再通過空間下載技術（OTA）分發回每一輛車上。

這種通過規?；瘮祿鄯e帶來的系統邊界擴張，正是L3向更高級別進化的基石。

這種量變過程還體現在算力上。

為了支撐更復雜的感知算法和實時的路徑規劃，車載計算平臺的算力正從L2級的幾十TOPS（每秒萬億次運算）激增至L3/L4級的數百甚至上千TOPS。

當然，這種算力的提升是為了在更大的范圍內維持L3所確立的“機器負責”這一原則，而不是改變原則本身。

最后的話

自動駕駛的發展必然是一場量變實現質變的過程，從L3到L5，像是一場關于覆蓋深度與廣度的馬拉松，而L2到L3的跨越，則是人類正式將駕駛權利移交給自動駕駛系統。